⚫🟡🔴 Jongeren gaan aan de slag in de labs
Sinds december 2025 bevindt Youth AI Lab zich in de uitvoeringsfase met de jongeren die bij elk laboratorium betrokken zijn. In La Rochelle, Napels, Barcelona en Antwerpen vonden al zeventien sessies plaats.
De workshops volgen niet overal dezelfde planning, maar worden aangepast aan de doelgroep en de gekozen formule. Ook de activiteiten verschillen: AI-systemen observeren, spelletjes spelen, robots programmeren, tools testen en prototypes maken.
Ondanks die verschillen streven alle laboratoria hetzelfde doel na: jongeren via concrete activiteiten en een grondige, wetenschappelijke aanpak helpen begrijpen hoe generatieve AI werkt.
In La Rochelle: de beperkingen van AI begrijpen om betrouwbare chatbots te bouwen
Het Youth AI Lab-laboratorium ‘Le retour des Pacman’s’, gedragen door het Centre Social et Culturel Vent des Îles en het Laboratoire d’Aix-périmentation de bidouille, bracht sinds december 2025 achttien jongeren van twaalf tot vijftien jaar samen voor zeven sessies. Daaronder was een intensieve week, goed voor in totaal 38,5 uur.
Het traject draaide rond een eenvoudige vraag: kunnen we vertrouwen op wat AI antwoordt? De eerste spellen toonden dat een model foutieve informatie kan aanvaarden en vervolgens antwoorden alsof die informatie klopt. Zo ontdekten de jongeren dat een goed geformuleerd antwoord niet noodzakelijk geverifieerde informatie bevat.
Om te begrijpen waar dat verschil vandaan komt, verdiepte de groep zich vervolgens in machinaal leren. De activiteit over versterkend leren was niet bedoeld om de werking van generatieve AI na te bootsen. Ze maakte een algemener principe duidelijk: het gedrag van een systeem hangt af van de manier waarop het wordt getraind en van de aanwijzingen die het krijgt. Door een traject te zoeken en daarna robots te programmeren, zagen de jongeren dat een machine niet zelf beoordeelt wat waar of relevant is. Ze handelt binnen het kader dat haar werd meegegeven.
Met de reeks Stupid Invention keerde de groep met dit nieuwe inzicht terug naar generatieve AI. Deze keer moesten de jongeren niet alleen een misleidend antwoord herkennen. Ze vroegen AI om bewust absurde producten geloofwaardig voor te stellen. Het resultaat liet zien dat geloofwaardigheid ook afhangt van de instructies aan het model en van de manier waarop tekst en beeld worden gepresenteerd.
Tijdens de intensieve week in juli draaide de groep de vraag om. Nadat de jongeren hadden gezien hoe AI een uitvinding geloofwaardig kon laten lijken, bouwden ze tools waarvan de antwoorden beter afgebakend waren. Voor Feurisson, over brandpreventie, en Superbot, over pesten op school, bepaalden ze de doelgroepen, selecteerden ze bronnen, schreven ze referentieantwoorden en legden ze regels vast voor gevoelige situaties. Betrouwbaarheid werd zo een concrete ontwerpkeuze.
Doorheen het traject liep dus één rode draad. Eerst leerden de jongeren een overtuigend antwoord in twijfel te trekken. Daarna brachten ze het gedrag van een systeem in verband met de training en de ontvangen instructies. Met dat inzicht maakten ze vervolgens misleidende inhoud, waarna ze onderzochten hoe de antwoorden van een chatbot beter konden worden afgebakend.
Workshops, prototypes en creaties van de groep in La Rochelle.
In Napels: gegevens begrijpen om robot Otto te laten handelen
Het Youth AI Lab FARO-laboratorium, begeleid door Perlatecnica in samenwerking met de technische school ITIS Alessandro Volta, werkte van februari tot mei 2026 met jongeren van zestien tot zeventien jaar tijdens vier workshops van telkens 2,5 uur.
In Napels begon het werk met het in kaart brengen van AI-systemen in de dagelijkse omgeving, die de jongeren onderscheidden van toepassingen die op vaste regels werken. Die observatie bood een concreet vertrekpunt om na te denken over wat AI kan betekenen voor lokale problemen.
Om te begrijpen wat deze systemen kunnen bieden en waar hun beperkingen liggen, onderzocht de groep vervolgens redeneerfouten van taalmodellen. Met robot Otto werden die vragen tastbaarder. De jongeren vergeleken de uitvoering van een model op de robot met uitvoering in de cloud, rekening houdend met privacy, snelheid, batterijverbruik en kosten. Zo zagen ze dat een AI-systeem ook afhangt van technische keuzes die gevolgen hebben voor het gebruik ervan.
Het werk rond gendervooroordelen bouwde daarop voort. Door antwoorden van een taalmodel te testen en vervolgens een classificatie op basis van lengte en gewicht uit te voeren, merkten de jongeren dat gekozen categorieën de resultaten sturen en een complexe werkelijkheid kunnen versimpelen. Die vraag werd centraal toen de groep AI toepaste op de duurzame stad.
Otto kreeg sensoren om koolstofdioxide, fijnstof en geluid te meten. De jongeren gebruikten een model dat met gesimuleerde gegevens was getraind en analyseerden de fouten ervan. Zo onderzochten ze bijvoorbeeld waarom een druk, lawaaierig park met een bouwwerf kon worden verward. Het model werd niet langer voorgesteld als een automatische oplossing, maar als een tool waarvan de beslissingen gecontroleerd moeten worden.
Gaandeweg veranderde de blik van de groep. Het ging niet meer alleen om AI in de stad herkennen, maar om de technische keuzes en categorieën achter de resultaten te begrijpen en die inzichten vervolgens met Otto toe te passen op een lokaal probleem.
Experimenten met robot Otto in het FARO-laboratorium in Napels.
In Barcelona: fouten van een model begrijpen om een nuttig prototype te bouwen
Het Youth AI Lab Gorgs IA Studio-laboratorium, gedragen door de Universitat Autònoma de Barcelona en georganiseerd aan de ingenieursfaculteit, hield vier sessies van drie uur in één week. Drie mentoren begeleidden de jongeren tijdens dit intensieve traject.
De vier sessies in Barcelona vormden een compact leertraject. Eerst vergeleken de jongeren programmeren met vaste regels en leren op basis van voorbeelden. Door een model te trainen dat vormen kon herkennen, stelden ze vast dat de resultaten rechtstreeks afhingen van de gebruikte beelden.
Vervolgens probeerde de groep bewust fouten uit te lokken door de belichting, camerahoek en achtergrond te veranderen. Zo werd duidelijk dat een model in de voorziene omstandigheden goed kan werken, maar faalt zodra de situatie verandert. Technische en sociale vooroordelen werden besproken aan de hand van de beperkingen die tijdens de tests zichtbaar werden.
Die vaststellingen vormden het vertrekpunt voor de projecten. Elke groep koos een probleem dat verband hield met een duurzameontwikkelingsdoelstelling en bracht de behoefte vervolgens nauwkeuriger in kaart met een empathiekaart. De oplossing moest nuttig en haalbaar zijn en aansluiten bij wat het model werkelijk kon leren. Daarna koppelden de jongeren het model aan een robot om een eerste prototype te bouwen.
In de laatste stap testten de andere groepen het prototype. De verwachte gevallen, grensgevallen en onverwachte situaties werden genoteerd vóór de eindpresentatie. Fouten betekenden dus niet het einde van het project, maar hielpen bepalen wat nog beter moest.
In vier dagen koppelden de groepen de werking van een model aan een concrete toepassing. Ze leerden de beperkingen ervan controleren en bij het ontwerp van hun prototype rekening houden met de resultaten.
Training, tests en verbetering van de prototypes die in Barcelona werden ontwikkeld.
In Antwerpen: van herkenning naar een object dat de groep zelf kiest
Het Youth AI Lab-laboratorium van Digitale Wolven organiseerde in augustus twee afzonderlijke testworkshops met vijf jongeren, samen goed voor vier uur. In elke workshop werd ander robotmateriaal uitgeprobeerd, om na te gaan welk materiaal de doelgroep het meest aanspreekt vóór de vaste workshopreeks in het najaar van start gaat.
Beide workshops draaiden rond hetzelfde principe, herkenning, maar met ander materiaal. In de eerste werkten de jongeren met beelden van de camera van een mBot. In de tweede trainden ze een micro:bit met CreateAI om hun eigen bewegingen te herkennen.
Wie beide workshops naast elkaar legt, ziet wat hetzelfde blijft: je moet voorbeelden aanleveren, het systeem trainen, testen wat het herkent en het resultaat opnieuw in een programma gebruiken. De interactieve speldoos uit de tweede workshop was de eerste toepassing van die keten.
Deze twee workshops vormen nog geen volledige reeks, maar ze hebben wel een technische basis en een werkmethode gevalideerd.
De trajecten in beeld
Wie deze trajecten in een meer visuele vorm wil ontdekken, kan de eerste live-postkaarten uit onze laboratoria online bekijken. Ze tonen wat jongeren tijdens het eerste semester van Youth AI Lab hebben gemaakt en hoe elke groep het eigen project verder heeft ontwikkeld.
Er zijn al vier postkaarten beschikbaar:
