Machine Learning en AI democratiseren de bedrijfswereld
Wat is de heilige graal binnen IT? Voor sommigen is het kunstmatige intelligentie (AI), voor anderen is het Internet of Things (IoT). Nog anderen gaan er prat op dat AI een buzzword is, en Machine Learning eigenlijk de real deal blijkt. “Er worden grotere wonderen verwacht van AI dan het nu al kan, maar het is wel de motor van de vierde industriële revolutie.”
Niet zo lang geleden telde je gemakkelijk €10.000 neer voor een eenvoudige e-commercesite. Vaak duurde het ontwerp en de ontwikkeling dan nog één tot twee maanden. Ondertussen heeft tech zich meer gedemocratiseerd en kun je op vijf seconden praktisch zelf én gratis een eigen site maken. Samen met Leia bijvoorbeeld, een stukje AI.
Zelfbijdrage aan AI-ontwikkeling
“We hebben al een eerste AI-democratiseringsgolf achter de rug. Informatici en programmeurs kunnen ermee aan de slag, zelfs zonder gespecialiseerde opleiding”, weet de Nederlandse AI-professor Bart Verheij. Hij ziet AI als het begin van de vierde industriële revolutie. “Eenzelfde tweede golf komt eraan omdat experts – dokters, juristen en consumenten – op elk domein steeds meer zelf bijdragen aan AI-ontwikkeling. Ze gaan zelf resultaten testen, bijsturen en corrigeren.” Dat kan al heel lang voor kennistechnologie waar machineleesbare expertregels à la `bij deze symptomen moet deze test worden gedaan om deze diagnose te toetsen’ door de experts zelf kunnen worden ingevoerd, gelezen en gecorrigeerd. Voor Machine Learning (ML) kan dat nu met mondjesmaat. Denk aan het labelen van data:`op dit plaatje is een kat te zien met ras dit en kleur dat’.”
Wat is Machine Learning?
Machine Learning en AI worden heel vaak in één adem genoemd. IT-blogster Semi Koen vergelijkt het met de bekende Russische poppen, waarbij AI de grootste matroesjka is, en de kleinste is dan Machine Learning. ML is dus een subcategorie van AI. De wortels van AI gaan terug tot de jaren 50 van vorige eeuw en liggen in de turingtest. Dat is een set van eigenschappen die definieert hoe een systeem intelligentie en gedrag, gelijkaardig aan dat van de mens, kan vertonen. Dat kan gaan over stemherkenning, schaakspellen en robotten die hotelconciërge spelen. ML gaat specifieker over de capaciteit van machines om datasets te verwerken. Een voorbeeld is Gmail, dat antwoorden op e-mails suggereert. Of Netflix dat je favoriete tv-series aanprijst.
“Een tweede democratiseringsgolf komt eraan omdat experts – dokters, juristen en consumenten – op elk domein steeds meer zelf bijdragen aan AI-ontwikkeling.”
Waarschijnlijkheid erkennen
Dichter bij huis vergelijkt Philippe Kaivers van IT-dienstverlener ImagePlus AI met iets veel ouder: statistiek. “We hebben nu veel meer data en snelle processors. Een voorbeeld: Voor 200 producten in de supermarkt zou je duizenden lijnen programmeringscode nodig hebben om alle vormen, kleuren en groottes te beschrijven. Een appel is rond, maar dat geldt ook voor een sinaasappel.” Nu gebruik je een ML-label om foto’s van de verschillende soorten fruit in te scannen. Eens getraind zal AI de soorten op basis van een zekere waarschijnlijkheid erkennen. Dat krijg je dan aan de automatische check-out op de weegschaal te zien.
AI by design
Kaivers ziet ook tal van toepassingen in de Belgische bedrijfswereld. “Van advertenties en het berekenen van ad budgets op basis van trafiek en weersvoorspellingen, tot chatbots voor klantendiensten. Je zou verrast zijn hoe gemakkelijk het is om goede resultaten met AI te krijgen.” Xavier Verhaeghe van PwC wijst er daarnaast nog op dat bedrijven zich ook niet altijd bewust zijn van de onderliggende AI. “Het zit meer en meer ingebakken by design.” Niet iedereen beseft dat Gmail bijvoorbeeld je e-mails filtert of Spotify je favoriete muziek selecteert op basis van AI.
Non-discriminerend AI
Ten slotte woedt er volop een debat over ‘verantwoordelijke AI’. “Organisaties vragen steeds vaker hulp om een duidelijk kader te scheppen hoe AI te gebruiken in een bepaalde context”, verduidelijkt Verhaeghe. “Laten we AI volledig beslissen over leningen of is het een deel van een pakket om mensen een beslissing te leren nemen? Kan AI beslissen wie toegelaten wordt tot een job?”
Het mag niet op geslacht, leeftijd, wereldbeeld, seksuele geaardheid… discrimineren. Als er een verband is tussen die variabelen en de uitkomstvariabele, zoals bij het geven van een lening, dan gaat AI voorspellingen maken. “Erger nog: algoritmes hebben de neiging om aanwezige discriminatie te uitvergroten: waar in je dataset 4 à 5 procent discriminatie is, zal dat in je algoritme mogelijk 40 of 50 procent bevatten.” Discriminatie ontstaat dus in de gegevens en door mogelijke vooroordelen van de mensen die het creëren. Data moet je zuiver houden. “Als je 30 procent vrouwen en 70 procent mannen selecteert op basis van je algoritme, ga je dit naar 50-50 rechttrekken.”