presentatie AI

AI, wen er maar aan! Jim Stolze

Hieronder een korte weergave van de presentatie.

"Vorig jaar maakte MIT 1 miljard vrij voor onderzoek naar kunstmatige intelligentie. MIT is de kraamkamer van computer science. De investeringen voor kunstmatige intelligentie trekken aan, niet alleen bij MIT. Eerder dit jaar kreeg ook Oxford 150 miljoen pond van een privépersoon. Dat geld was voor AI en ethiek. Want wat betekent intelligentie? Wie is verantwoordelijk voor die intelligentie? Ook in Nederland wordt geld vrijgemaakt voor kunstmatige intelligentie, zoals bij de TU Eindhoven.

Het allerbelangrijkste van AI is dat het niet één ding is maar een verzameling van technieken om een machine slim te laten lijken, zoals machine learning, information retrieval, chatbots, natural language processing, generative adversarial networks, reinforcement learning, robotics en computer vision.

Machine learning zorgde voor de doorbraak. Machine learning gaat om het doen van slimme dingen, het leren van data. Machine learning laat zien in plaats van vertelt een machine wat hij moet doen door middel van voorbeelden. Bij een machine heet dat training data. Als mens leren wij van voorbeelden, zoals bij leren lopen. We kijken naar anderen mensen en hoe zij het doen. We leren door te vallen en op te staan. Een machine leert ook door vallen en opstaan, maar dan heet het een algoritme. Een algoritme is wiskunde dat in de training data kijkt of het patronen vindt. Naarmate het vaker een patroon tegenkomt, kan het algoritme dingen classificeren, groeperen en waarde voorspellen. Je hebt een dataset, het algoritme ontdekt patronen en het is dan aan jou de taak om er iets van te vinden. De essentie is het leren van data.

Houden de meeste organisaties zich al bezig met machine learning? Dat valt mee. De meeste organisaties zijn bezig met een digitale transformatie. Ze digitaliseren iets wat al bestaat. Vroeger konden mensen een brief naar de organisatie schrijven, nu gaat dat via een webformulier. Vroeger stuurde je een acceptgiro, nu een tikkie. Dat is gemakkelijker, sneller. Maar digitalisering is hooguit een startpunt. Free Record Shop was ook bezig met een digitale transformatie. Het verkocht eerst VHS en toen dvd’s. Waarom is dat misgegaan? De klemtoon van digitale transformatie moet niet liggen op digitaal, maar op transformatie. Netflix begreep dat. Eerst verstuurde Netflix dvd’s per post. Door de content streaming aan te bieden, en die content als data te beschouwen, wist Netflix precies wie, waar, naar welke content keek en hoe die werd gewaardeerd. Netflix ging van data naar informatie. Dat is nog geen AI, maar het was toch een doorbraak.

De meeste organisaties zijn data rich, information poor. Ze zijn bezig met digitalisering en het verzamelen van meer data. Maar je wil eigenlijk naar inzichten. Hiervoor heb je data scientists voor nodig. Ze weten wat statistiek is, ze snappen wat programmeren is, ze praten in Python en ze kunnen dingen op een begrijpelijke manier uitleggen. Bij Netflix hebben ze dat goed in de gaten. Netflix is niet bezig met digitalisering, maar met algoritmisering. Ze zijn op zoek naar patronen die kunnen vertellen wat jij zou willen zien vanavond.

Machine learning, information retrieval en chatbots zijn niet nieuw. Interessant op dit moment zijn vooral computer vision en natural language processing. Voorheen konden we niet veel met grote ongestructureerde datasets zoals video of satellietbeelden. Nu kan dat wel dankzij een nieuwe technologie deep learning. Een computer kijkt bij deep learning niet in een oogopslag naar een foto, maar naar pixels. Het combineert lagen van pixels. Bij deep learning onthoudt het systeem de verschillende lagen pixels. Dit denken is er al, je hoeft het niet opnieuw te bedenken. Elke camera kan al beeldherkenning toepassen. Schiphol kijkt bijvoorbeeld via camera’s of iemand in een bepaalde ruimte mag zijn. Een API (application programming interface) kijkt naar al die pixels, het komt patronen tegen en geeft terug waar het deze patronen eerder heeft gezien. Het interpreteert. Deze technieken staan nog in hun schoenen. Dat een systeem ons verslaat met schaken, zegt niet alles. Dat is narrow intelligence. De schaakcomputer versla jij weer met Mens erger je niet.

Er gaat nog weleens wat mis. Het is een science, it’s not an art. Dan was het model niet goed getraind of waren de gevolgen niet respectvol. We moeten in dit soort situaties niet de technologie de schuld geven, maar de mensen die de technologie gebruiken. Als er een paar jaar geleden een filosoof op het Amsterdam Science Park, naast de faculteit Informatica, rondliep, dan was hij verdwaald. Nu is dat juist de bedoeling. We kijken nu veel meer naar fairness, accuracy, confidentiality, transparency. Je moet kunnen uitleggen hoe een systeem tot een bepaalde uitleg komt.

Tip: Vorig jaar was ik bij de AI For Good Global Summit 2019. Op zo’n AI Summit liepen meestal mannen in blauwe pakken, maar dit keer was het publiek heel divers. Het ging om de inzet van AI’s om de SDG’s mee te helpen halen. Ik kan je aanraden om naar de AI For Good Global Summit te gaan. Op hun website staan ook cases van afgelopen jaren online."

Literatuur

Algoritmisering, wen er maar aan!
Leven, werken en geld verdienen met kunstmatige intelligentie
van Jim Stolze

Het boek is online te bestellen via Managementboek.nl en Bol.com.