FAQ over Artificial Intelligence (AI)

In onze FAQ-artikelen beantwoorden we steeds vijf vragen over een thema. In dit artikel staat Artificial Intelligence (AI) centraal.

Wat is Artificial Intelligence (AI)?

Heel kort door de bocht is Artificial Intelligence (AI) intelligentie tentoongesteld door machines. De term AI wordt vaak toegepast wanneer een machine cognitieve functies nabootst die geassocieerd worden met de mens, zoals leren en probleem oplossen. Onder AI valt onder meer technologie die menselijke prestaties probeert te emuleren door te leren, zijn eigen conclusies trekt, complexe inhoud begrijpt, natuurlijke dialogen met mensen aangaat, menselijke cognitieve prestaties verbetert of mensen vervangt bij de uitvoering van taken.

De AI van vandaag de dag omvat smalle (of zwakke) AI, in de zin dat het is ontworpen om een smalle taak (bijvoorbeeld enkel gezichtsherkenning of alleen het besturen van een auto) uit te voeren. Echter, het lange termijn doel van vele onderzoekers is algemene AI (AGI of sterke AI) te creëren. Smalle AI zou mensen op een specifieke taak, zoals het spelen van schaken of het oplossen van vergelijkingen, kunnen overtreffen, terwijl algemene AI beter zou presteren op (bijna) elke cognitieve taak. Huidige AI wordt steeds beter binnen specifieke toepassingen, machines die op alle vlakken net zo bekwaam zijn als de mens worden echter nog niet gemaakt.

Computerwetenschappers werken al tientallen jaren aan de ontwikkeling van AI. De reden dat we nu zo veel over AI horen, is omdat krachtige computers erg goedkoop en klein zijn geworden. Daarnaast zijn computerwetenschappers in staat betere algoritmes te ontwikkelen die hiervan gebruik maken.

Hoe werkt Artificial Intelligence (AI)?

AI is dus intelligentie tentoongesteld door machines. Maar waar komt deze intelligentie vandaan? Het is lastig of zelfs onmogelijk om formele regels met voldoende complexiteit op te stellen die onze wereld accuraat beschrijven. Het is zodoende nodig om AI-systemen de mogelijkheid te geven hun eigen kennis te vergaren door patronen uit data te halen. Deze vaardigheid staat bekend als machine learning. Machine learning verwijst naar elk systeem waar de prestatie van een machine bij het uitvoeren van een taak beter wordt door meer ervaring op te doen in het uitvoeren van die taak. Machine learning bestaat uit algoritmes die leren dankzij data. Bij machine learning wordt veelal op basis van data een trendlijn berekend. Het systeem kan op die manier een patroon herkennen in een wolk met punten. Ook kan het systeem dat patroon doortrekken om voorspellingen te maken.

Machine learning is dus kort gezegd het ontwerpen van machines die kunnen leren van data. Er zijn verschillende manieren om deze machines te ontwerpen. Neurale netwerken vormen een belangrijke aanpak bij machine learning. In dit geval worden de algoritmen in machine learning geïmplementeerd door gebruik te maken van de structuur van neurale netwerken. Deze neurale netwerken modelleren de data met behulp van kunstmatige neuronen. Neurale netwerken bootsen zodoende de werking van de hersenen na, die een biologisch neuraal netwerk vormen. In het verlengde hiervan ligt deep learning. Machine learning omvat deep learning. Het zijn beide technieken waarmee computersystemen kunnen leren met behulp van ervaring. Deep learning is echter een complexe vorm van machine learning. Zo worden er meerlaagse neurale netwerken en niet-lineaire transformaties gebruikt. Anders gezegd: deep learning bestaat uit algoritmen die het mogelijk maken om computers te trainen door blootstelling van meerlaagse neurale netwerken aan enorme hoeveelheden data.

Samenvattend is machine learning het vakgebied dat zich bezighoudt met het ontwerpen van machines die kunnen leren van data. Een van de modellen die bij het machine learning ingezet kan worden, is het neurale netwerk. Deep learning is een complexe vorm van machine learning waarin meerdere lagen neurale netwerken gebruikt worden.

De tekst gaat verder onder de afbeelding.

Wat zijn de voordelen van Artificial Intelligence (AI)?

De voordelen van AI zijn natuurlijk geheel afhankelijk van de toepassing. Een van de overkoepelende voordelen heeft echter te maken met de snelheid waarmee AI data kan analyseren en toepassen. Om de grote hoeveelheid data zo snel mogelijk en nauwkeurig te analyseren, zijn er geavanceerde technologieën nodig, zoals AI. Met AI is het mogelijk om de data te verkennen, en om verbanden en patronen te ontdekken. Overeenkomsten, correlaties en afwijkingen kunnen snel worden geïdentificeerd. AI helpt om miljarden datapunten te doen neerkomen op wat echt zinvol is. Daarmee wordt data omgezet in nuttige informatie, waarmee je betere beslissingen kunt nemen. Natuurlijk kunnen mensen data ook analyseren. Dat duurt alleen veel langer… Terwijl snelheid vaak juist onmisbaar is! Hoe sneller je data analyseert, hoe sneller de resultaten en hoe groter de voorspellende waarde van die data. De toepassing van AI maakt real-time reacties mogelijk, bijvoorbeeld via een videocamera die kentekenplaten leest of gezichten analyseert.

Daarnaast zorgt AI ook voor verwerking van gegevens naderhand. Er zijn verschillende analyses denkbaar, waaronder descriptive analytics: beschrijvende analyses waarbij je, door middel van data, nagaat wat er in het verleden is gebeurd. Je krijgt bij deze groep analyses antwoord op de vraag: “What happened?”. Nadat je weet wat er gebeurd is in het verleden is de volgende stap na te gaan waarom dit gebeurd is. Je krijgt met discovery analytics antwoord op de vraag: “Why did it happen?”. Nu je weet wat er gebeurd is in het verleden en wat dit veroorzaakt heeft, kun je je gaan richten op de volgende stap, namelijk het nagaan wat er in de toekomst gaat gebeuren. De vraag die je zodoende beantwoordt met predictive analytics is: “What will happen?” Op basis van de inzichten die je verkregen hebt door middel van discovery analytics kun je what-if scenario’s creëren voor de toekomst. Nog een stap verder dan het, met een bepaalde zekerheid, voorspellen wat er in de toekomst gaat gebeuren, is het bepalen wat je concreet moet gaan doen. Door middel van prescriptive analytics kun je de volgende vraag beantwoorden: “How can we make it happen?” Deze analyses gaan dus verder dan alleen voorspellen; het gaat (ook) om het voorschrijven van acties.

Om slimme beslissingen te nemen, zal AI in de toekomst dus een grote rol spelen. AI-systemen kunnen snel grote hoeveelheden gegevens verwerken en deze betekenis geven door modellen te maken en relaties te leggen. Ze genereren hypotheses, formuleren mogelijke antwoorden op vragen en bieden voorspellingen en aanbevelingen, die kunnen worden gebruikt om besluitvorming te verbeteren. Daarnaast helpt de invoer van nieuwe gegevens AI-systemen in de loop van de tijd verbeteren: nieuwe kennis wordt afgeleid zonder expliciet te worden geprogrammeerd. Hierdoor worden voorheen ondenkbare kansen duidelijk. De toekomst van AI biedt de mogelijkheid om te leren van data zonder eerst alles zelf uit te hoeven zoeken. In de toekomst kunnen we misschien leren van zaken als windturbines, hoogwerkers of bloedanalyses voordat we weten wat we zoeken of proberen te bereiken.

Wat zijn praktijkvoorbeelden van Artificial Intelligence (AI)?

Er zijn talloze praktijkvoorbeelden van AI te benoemen. Wij lichten er vier uit.

1. Een van de meest bekende voorbeelden van AI is voorspellend onderhoud. Productielijnen moeten optimaal beschikbaar blijven, tegen de laagste kosten. Dit betekent dat stilstand voorkomen moet worden. Meestal zet men in op periodiek onderhoud, maar onderhoud is op dat moment wellicht helemaal niet nodig, waardoor er teveel onderhoudskosten worden gemaakt. Wanneer we stilstanden beter kunnen voorspellen, dan kunnen we onderhoud plegen op het juiste moment, dus net voor het moment dat er een stilstand ontstaat. Doordat we met AI continue meetwaarden van diverse sensoren kunnen analyseren, kunnen we trends herkennen, zoals een oplopende temperatuur. Deze trends kunnen we in dit geval omzetten naar voorspellend onderhoud.
2. AI wordt ook steeds meer ingezet bij beeldvorming in de gezondheidszorg. Dat werkt zo: we beschikken over een schat aan medische scans, die verzameld, gecategoriseerd en opgeslagen zijn. Deze enorme collectie beeldgegevens kan worden gebruikt om AI te trainen. Daarmee kunnen we uiteindelijk een groot aantal aandoeningen identificeren; van botbreuken tot longontsteking en kanker. AI kan specifieke patronen in de pixels identificeren en daarmee de arts met zijn diagnose helpen. AI-systemen zijn immers extreem goed in het doorploegen van grote hoeveelheden data, zoals afbeeldingen, om deze vervolgens te ordenen, te classificeren en afwijkingen op te sporen. AI doet dit ook nog eens sneller en nauwkeuriger dan menselijke artsen. AI raakt bijvoorbeeld nooit vermoeid en kan inzoomen tot op pixelniveau.
3. Een van de toepassingen van AI waar we tegenwoordig vrijwel allemaal mee te maken hebben, zijn entertainmenttoepassingen, zoals automatische aanbevelingen. Deze algoritmen zijn ontwikkeld om relevante films, muziek of artikelen aan te bevelen. De algoritmen gebruiken daarvoor onder meer je demografische gegevens en surfgeschiedenis. Dit systeem werkt ook bij advertenties: AI wordt gebruikt om onze vorige winkelaankopen te analyseren met het doel ons advertenties te tonen waarin we geïnteresseerd zouden kunnen zijn. Een ander voorbeeld is de mogelijkheid om te zoeken naar beelden die vergelijkbaar zijn met een beeld dat we net hebben bekeken of geüpload.
4. Bij de mens halen ogen, oren en huid signalen uit de omgeving, zoals de gloed van een kampvuur of het getik van vallende regendruppels. Onze zintuigen zijn dus onze sensoren. We gebruiken die signalen vervolgens om actie te ondernemen: een vonk te ontwijken of een paraplu open te klappen. Ook voor een slimme robot is een ‘voelend’ lichaam onmisbaar. Dankzij sensoren kan een robot contact, nabijheid, versnelling en temperatuur detecteren. De robot voelt dus wat er met zijn huid (en in de nabijheid daarvan) gebeurt. Naast fysieke aspecten (kracht, balans, etc.) moeten robots echter ook beslissingen kunnen nemen op basis van wat hun zintuigen (hun sensoren, dus) oppikken. Het resultaat is dat de robot veilig kan bewegen én kan anticiperen op situaties. Dat maakt het natuurlijk een stuk veiliger om met zo’n robot samen te werken!

Wat zijn de nadelen van Artificial Intelligence (AI)?

AI bezit de potentie om de wereld te veranderen. Gezien het duizelingwekkende tempo waarin de benodigde rekenkracht en machine learning-bibliotheken om mee te trainen toegankelijk worden, is het aannemelijk dat we snel steeds meer toepassingen van AI zullen zien. Meer toepassingen betekent echter ook meer manieren waarop (onbedoelde) schade kan optreden. Voeg daaraan de unieke manieren waarop AI mogelijk schade kan veroorzaken toe en het wordt duidelijk dat het helemaal geen gek idee is om over de ethiek achter AI te spreken. Het gaat bij ethische AI bijvoorbeeld om het voorkomen van bias en het zorgen voor transparantie van beslissingen, maar ook om bredere issues als cybersecurity en mogelijk banenverlies.

Het is waar dat data-analyses veelal ten goede wordt gebruikt, zodat bedrijven bijvoorbeeld efficiënter kunnen werken. Desalniettemin zijn er toch een aantal gevaren. De meest voor de hand liggende hebben te maken met veiligheid en privacy. Veel van deze data bevat privacygevoelige informatie en kan dus misbruikt worden. Niet alleen door dieven en hackers, maar ook door de rechtmatige eigenaar van de data. Gedetailleerde informatie, in handen van marketeers, financiële instellingen, werkgevers en overheid, kan van invloed zijn op vrijwel alles: relaties, het vinden van een baan, het kwalificeren voor een lening en het mogen boarden van een vliegtuig. We gebruiken bijvoorbeeld al creditscores om te beslissen wie geld kan lenen. Daarnaast bestaat het risico dat consumenten alleen nog informatie krijgen die aansluit op eerder gedrag en dus geen informatie die eigen standpunten of voorkeuren tegenspreekt. Mensen worden gelabeld met een bepaalde identiteit, waar ze amper aan kunnen ontsnappen. We moeten dus rekening houden met het recht op privacy én ervoor te zorgen dat iedereen kan profiteren van de geboden voordelen van AI.

Meer lezen over Artificial Intelligence?

Misschien vind je deze artikelen ook interessant:

Wat is machine learning: een introductie
De keten van slimme oplossingen: sensoren, IoT, Big Data en AI
Slimme oplossingen, slimme apparaten en slimme steden