Artificial Intelligence: Computers zijn soms net kinderen

7 juni 2017

Eén van de huidige buzzwords is A.I., ofwel Artificial Intelligence of Kunstmatige Intelligentie. Steeds vaker hoor je dat A.I. handelingen overneemt die daarvoor alleen werden gedaan door mensen, denk aan het besturen van (vracht)auto’s, het doen van product- of filmaanbevelingen of detecteren van ziektes in MRI’s. De essentie van Artificial Intelligence is dat je een computer laat zien hoe een bepaalde handeling uitgevoerd moet worden en een algoritme vervolgens leert om dit zelf te doen. Dit principe noemen we ook wel Machine Learning. Sommige mensen, waaronder Elon Musk en Stephen Hawking, waarschuwen zelfs voor de kracht van ArtificiaI Intelligence. Is dit terecht of valt het allemaal wel mee en moeten we A.I. juist omarmen?

Hoe werkt Artificial Intelligence?

In een eerder artikel, over Machine Learning, legde collega Luc Claassens de Turingtest uit. Een imitatiespel waarbij het doel is dat een mens ander menselijk gedrag niet kan onderscheiden van een computer dat menselijk gedrag imiteert. Door Hollywood denken veel mensen bij Artificial Intelligence aan robots die alle menselijke werkzaamheden ook kunnen, of zelfs beter kunnen. Dat heet ook wel Artificial General Intelligence, hier zijn we nog zeker niet. De term Artificial Intelligence wordt gebruikt als een machine een enkele of een reeks aan cognitieve handeling(en) kan uitvoeren. Een computer leert dit door gebruik te maken van Machine Learning. Je laat de computer zien hoe het moet en laat hem dit, met vallen en opstaan, “nadoen”, net zo lang tot hij er goed genoeg in is om het zelf te doen. Het is bijna als lesgeven aan kinderen, je doet voor hoe het moet en laat ze het vervolgens zelf oefenen tot ze bekwaam genoeg zijn. Het leren heet dus Machine Learning, het slim zijn heet Artificial Intelligence. Ter illustratie laat het volgende filmpje uit het artikel Building a Self Drivnig car (The Analytics Lab) zien hoe een auto leert rijden.

Naarmate de auto meer rijdt, heeft de auto meer trainingsdata en leert het algoritme steeds beter te rijden. Uiteindelijk is de auto slim genoeg om zelf te rijden.

Deep learning

Eén van de nu state of the art algoritmes in A.I. is Deep Learning. Met Deep Learning wordt meestal gerefereerd aan een groep algoritmes onder de naam neurale netwerken. De essentie van Deep Learning is, dat de computer niet zozeer leert een handeling zo goed mogelijk na te doen, maar in wezen leert na te denken zoals het menselijk brein dat in al zijn complexiteit doet. Neurale netwerken bestaan eigenlijk al een tijdje, in de jaren ’40 en ’50 zijn ze voor het eerst in de academische wereld genoemd. Pas in de laatste jaren winnen ze veel populariteit, wat komt doordat computers nu pas sterk genoeg zijn om de zware berekeningen uit te kunnen voeren. Neurale netwerken bestaan uit neuronen met connecties ertussen en bootsen zo dus de werking van het menselijk brein na. Door combinaties van neuronen te activeren, kunnen complexe patronen worden herkend. Deep Learning kan je zien als Neurale Netwerken on steroids, het zijn Neurale Netwerken met zeer veel neuronen en extra functionaliteiten.

Deep Learning wordt bijvoorbeeld gebruikt bij het analyseren van beeldmateriaal, waarbij alle individuele pixels tot een geheel komen. Dit is mooi weergegeven in de volgende visualisatie van verschillende Neurale Netwerken en Deep Learning modellen. Je ziet een handgeschreven cijfer, die bestaat uit 50 bij 50 pixels, dit is de input. Het algoritme bepaald vervolgens, door bepaalde neuronen te activeren, welk cijfer het daadwerkelijk is.

En moeten we ons zorgen maken?

Musk waarschuwt ervoor dat computers straks slimmer zijn dan mensen en beslissingen gaan nemen die niet ten gunste van de samenleving zijn. Zo hebben in 2015 duizend robotics en A.I. wetenschappers een petitie ondertekend om geen A.I. te gebruiken in oorlogen. Computers kennen geen moraliteit of ethiek, drones kunnen uit zichzelf hele dorpen of steden gaan uitroeien aan de andere kant van de wereld. Zonder dat er een persoon aan te pas komt, kunnen hele bevolkingsgroepen uitgeroeid worden.

De redenatie van Musk en Hawking is dat het doel van Machine Learning is een machine zo te leren zodat een bepaalde error geminimaliseerd wordt, met andere woorden, zo effectief mogelijk een bepaald probleem aan te pakken. Het is een kwestie van tijd voordat machines erachter komen dat wij, met ons menselijk gedrag, alleen maar leiden tot inefficiëntie en ons gaan elimineren.

Wat ik in de nabije toekomst een grotere uitdaging vind, is werkgelegenheid. Als vrachtwagens zelf kunnen rijden, heb je geen vrachtwagenchauffeurs nodig. Aldus CBS hebben we momenteel 285.000 vrachtwagenchauffeurs en 61.000 taxichauffeurs, dat betekent dat we voor deze 346.000 mensen in Nederland een andere baan zouden moeten vinden. Dit geldt niet alleen voor vrachtwagen- en taxichauffeurs, maar ook voor andere beroepen die te automatiseren zijn zodra A.I. zijn volgende niveau heeft bereikt. Dit zal leiden tot een groot overschot aan personeel, met grote economische gevolgen. Hoewel de Nederlandse economie door de jaren heen heeft laten zien flexibel genoeg te zijn om grote delen van de werkloosheid door automatisering op te vangen, blijft het een dreiging en zal er actief op gestuurd moeten worden.

Moet jij je ook zorgen maken? Zowel Oxford als McKinsey hebben onderzoek gedaan naar de kans dat jouw baan wordt overgenomen door robots.

Moeten we dan stoppen met A.I.?

Integendeel, het is een zeer interessante wereld met grote toegevoegde waarde voor een breed scala aan vakgebieden. Zo wordt A.I. in de medische wereld ingezet om ziektes en afwijkingen in hersenen te detecteren in MRI-scans. Wordt het gebruikt om spraak om te zetten naar tekst in bijvoorbeeld Siri, of laat het een camera op het dashboard van je auto verkeersborden lezen, zodat de auto weet hoe hard het mag rijden.

Maar ook, en daar gebruiken wij het voornamelijk voor, kan het bedrijven helpen hun klanten beter te bedienen. We zetten Machine Learning in om klantgedrag te analyseren, we zijn op zoek naar patronen in gedrag om vervolgens gedrag te kunnen voorspellen. Kunnen wij bijvoorbeeld voorspellen wie zijn abonnement of polis gaat opzeggen? Kunnen wij voorspellen wie gaat converteren op een bepaalde campagne? Kunnen we voorspellen welke kanalen, tone-of-voice en proposities het beste passen bij de individuele klant? Kunnen we de Next Best Need of Action voorspellen, zodat we weten welke producten het meest kansrijk zijn om te kunnen cross-sellen aan de individuele klant?

Meer weten over Artificial Intelligence en hoe je dit kan toepassen? 15 juni 2017 sta ik, met collega Wouter van Gils, op het Kennisfestival in Deventer waar we je meenemen in onze wereld van Machine Learning en Artificial Intelligence en laten we je zien hoe we dit inzetten om jouw klanten beter te bedienen.