Wanneer je tien verschillende AI-experts zou vragen wat AI precíes is, zul je waarschijnlijk tien verschillende antwoorden krijgen. Maar over één ding zullen ze het allen eens zijn: Artificial Intelligence draait om het creëren van een systeem of product dat een zekere mate van intelligentie vertoont. Dit werpt vervolgens een andere (bijna filosofische) vraag op: wat is intelligentie? Is elk ‘slim’ systeem dan AI? Waar ligt de grens? Om de vraag “Wat is Artificial Intelligence?” te kunnen beantwoorden, zullen we kort door verschillende sub-gebieden van Artificial Intelligence heenlopen, met voorbeelden van toepassingen die in de praktijk gebruik maken van AI.
Artificial Intelligence is een verzamelnaam voor verschillende technieken en algoritmen die op een slimme manier een probleem proberen op te lossen. Hierbij maken wij globaal het onderscheid tussen vier categorieën:[1]
- Machine Learning: waarin met zelflerende systemen op basis van meestal grote hoeveelheden data verbanden en relaties gezocht worden om data te kunnen voorspellen, classificeren, of structureren; wordt in de praktijk gebruikt voor o.a. spraak- of beeldherkenning, het genereren van nieuwe ‘niet-bestaande’ data[2], het voorspellen vanwanneer een product of service toe is aan onderhoud (predictive maintenance), en nog veel meer. Deep learning valt onder deze categorie.
- (Fuzzy) Logica: op basis van informatie en het toepassen van regels conclusies trekken uit je data; wordt in de praktijk vaak gebruikt in o.a. expertsystemen die hevig aan regels gebonden zijn.
- Natuurlijke Taalverwerking (Natural Language Processing): automatische herkenning, sentiment-analyse (is het een positief verhaal? Negatief? Zet het tot haat aan? etc.), vertaling of classificatie van taal; heeft qua techniek enige overlap met Machine Learning.
- Robotica: het ontwerpen en programmeren van zelfsturende robots; maakt in de praktijk ook gebruik van Machine Learning i.v.m. o.a. beeldherkenning en navigatie.
Figuur 1. De positionering van deep learning binnen het AI vakgebied.
De grootste en meest innoverende ontwikkelingen vinden plaats door middel van deep learning, wat een subset van machine learning is, wat op zijn plaats weer een onderdeel is van Artificial Intelligence: zie Figuur 1. In de media wordt AI ook wel snel als een totum pro parte gebruikt – wanneer deep learning bedoeld wordt, wordt AI gebruikt.
Het zal vast opvallen dat van deze vier categorieën er één de media domineert: Machine Learning. Deze immense populariteit is onder andere te danken aan de overvloed aan meer en goedkopere processorkracht, grote hoeveelheden data, en spraakmakende ontwikkelingen op o.a. het gebied van autonome voertuigen, deep learning en Generative AI – de technologie achter deep fakes.
Toch is er ook kritiek op deze veelal connectionistische kijk op AI: velen zijn bang voor de black box, waar data in gaat en een antwoord uit komt, terwijl voor zelfs domeinexperts niet altijd duidelijk is wat er precies gaande is binnen het model – met soms catastrofale gevolgen.
Als tegengeluid op deze black-box systemen wint het concept ‘Explainable AI’ de laatste jaren aan terrein. Volgens het principe van Explainable AI (XAI) moeten de stappen die een systeem doorloopt om tot een beslissing of voorspelling te komen ook voor mensen begrijpelijk zijn. In tegenstelling tot de black box kun je aantonen waar in het proces van het nemen van beslissingen met hoge impact of groot risico (zoals het foutief bepalen of vervuilde lucht veilig is om in te ademen) de fout ligt (Rudin, 2019).
Het is natuurlijk erg interessant om stil te staan bij de spraakmakende en grootse AI-ontwikkelingen, maar ook op kleinere schaal kan AI een waardevolle toevoeging aan een bedrijf of organisatie zijn. In de volgende sectie gaan we kort in op welke mogelijkheden AI als vakgebied kan bieden aan een breed scala aan organisaties en bedrijven.
Auteur: Steven Warmelink
