Wat is artificiële intelligentie en wat ben ik ermee?

Wat is artificiële intelligentie?

Artificieel is een ander woord voor kunstmatig, of ‘nagemaakt’ en intelligent is een ander woord voor slim. Artificiële intelligente (afgekort AI) is met andere woorden ‘nagemaakte’ slimheid. Maar wat is intelligentie eigenlijk? Een wetenschapper die een nieuwe uitvinding doet? Een topsporter die beter dan wie ook de bewegingen van de tegenstander kan voorspellen? Daar kan je heel lang over discussiëren en filosoferen. Artificiële intelligentie is dan ook een term die geen vaste definitie heeft en vaak beschreven wordt in functie van een specifieke toepassing of context.

De allereerste wetenschapper die het woord artificiële intelligentie gebruikte zei dat een machine intelligent is “als het zich zo gedraagt dat we dat intelligent zouden noemen als een mens zich zo gedroeg”. AI wordt met andere woorden al van bij de oorsprong gemeten tegenover menselijke intelligentie. En eigenlijk is dat niet helemaal terecht. Want artificiële intelligentie kan een heel aantal dingen die een mens nooit zou kunnen. En omgekeerd kan de mens een heel aantal dingen die we nooit met artificiële intelligentie zullen bereiken.

Daarom is wat ons betreft les 1 in artificiële intelligentie:

“AI is een ander soort intelligentie dan menselijke intelligentie. De vraag of AI ooit slimmer zal worden dan de mens is - in zowat alle gevallen (*) - zoals je afvragen of een appel ooit de lekkerste peer zou worden.”

De imec definitie van artificiële intelligentie is“AI verwijst naar machines die dankzij een uitzonderlijk inzicht in data uit zichzelf kunnen leren, redeneren, beslissingen nemen en handelen”, dus zonder dat iemand hen telkens moet vertellen wat ze moeten doen. Merk op dat in deze definitie het woord “data” opduikt. Zonder data geen AI. Een beetje verderop in dit artikel, bij de ondertitel “Waar is AI dan zo goed in?“ ontdek je waarom data en AI onlosmakelijk met elkaar verbonden zijn.

(*) Er zijn experimenten en onderzoeken die zich specifiek richten op het nabootsen van menselijke intelligentie. Steven Latré, onderzoeker bij imec, noemt dit algemene AI. En hij ziet geen enkel pad wat ertoe zal leiden dat een computer (net zoals, of beter dan, de mens) alle vaardigheden zal bezitten die we nodig hebben in onze maatschappij. In deze specifieke context zou deze vraag dus wel relevant kunnen zijn. Maar zeker niet in de algemene termen of in alle andere AI contexten waar de vraag vaak onterecht dominant naar voor komt.

AI: wat ben ik ermee?

Vergis je niet: ieder van ons is rechtstreeks of onrechtstreeks al in contact gekomen met AI. Een paar voorbeelden uit een haast oneindige lijst bestaande toepassingen:

• Siri, Alexa en alle anderedigitale assistenten beantwoorden je praktische vragen of geven uit zichzelf informatie en suggesties op basis van je agenda, reisroute, koopgedrag, persoonlijke voorkeuren enzovoort.
• In ziekenhuizen helpt AI omdiagnoses te ondersteunen, bijvoorbeeld bij het herkennen van tumoren of van beschadigd weefsel op scans van longen.
• Drones, zelfrijdende auto’s of andere zelfrijdende voertuigen (bv in magazijnen) gebruiken AI om ongevallen te vermijden.

• Online en sociale media zoals Google, Facebook, Netflix, Spotify… doensuggesties op basis van wat je eerder bekeek. Voor relevante inhoud (films, liedjes, zoekresultaten…) en ook voor reclame.
• De e-mail die in je mailbox komt wordt eerst door AIgecontroleerd op spam. Vaak glipt er nog eentje door de mazen van het net, maar een veelvoud wordt correct herkend en verwijderd of in je spam folder gezet.
• De online chat en de stem aan de andere lijn van de klantenservice is in veel gevallen een met AI geprogrammeerde chatbot.
• Banken gebruiken AI om te controleren of iemand verdachte transacties doet op je rekening. En ook bijvoorbeeld om tebeleggen op de beurs.

Het is belangrijk te weten dat AI met ‘waarschijnlijkheden’ werkt. “80% kans dat op deze foto een kat staat; 97% kans dat dit een foto van een tumor is enz.” Je kan AI met andere woorden niet op zichzelf inzetten als je 100% zekerheid wil hebben over iets. En daarom wordt AI ook vaak gebruikt voor toepassingen die we kunnen samenvatten als saai, moeilijk of gevaarlijk (in het Engels DDD: dull, difficult, dangerous). Het scannen van miljoenen mails op trefwoorden en spam (saai); het analyseren van duizenden patiëntendossiers (moeilijk); het controleren van windmolens op slijtage (gevaarlijk).

Waar is AI dan zo goed in?

Wat AI nu al goed kan en wat alle voorbeelden hierboven gemeen hebben, is het uitzonderlijk goedinterpreteren van data: grote hoeveelheden, of een complexe set, gegevens die we als mens onmogelijk kunnen overzien. Er is bijvoorbeeld geen enkele dokter die de medische dossiers van duizenden patiënten kan onthouden om op zoek te gaan naar vergelijkbare ziektebeelden voor een patiënt waarvan hij niet zeker weet welke ziekte die heeft. AI kan dat wel: heelsnel in een grote hoeveelheid gegevens van patiënten zoeken of er mensen waren met gelijkaardige symptomen en dan aan de dokter een extra suggestie doen van welke ziekte deze patiënt misschien heeft.

Bij bedrijven en fabrieken kan je veel zaken meten zoals luchtkwaliteit, het verloop van bepaalde processen (door temperatuur, trillingen…), de kwaliteit en hoeveelheid gemaakte producten, het energieverbruik, enzovoort. Ook zijn er heel wat gegevens over dingen waar het bedrijf geen controle over heeft: het weer, het aantal auto’s wat voorbijrijdt… Soms kunnen we als mens verbanden zien tussen deze gegevens. Bijvoorbeeld: als ik meer machines aanzet en er meer mensen aan het werk zijn, heb ik meer elektriciteit nodig. Maar er zijn ook veel onderlinge relaties die we als mens niet kunnen ontdekken en AI wel. AI kan in deze grote hoeveelheden gegevensop zoek gaan naar terugkerende patronen die erop kunnen wijzen dat er een onderling verband is tussen bepaalde gegevens. Kan er bijvoorbeeld een verband zijn tussen het geplande aantal verlofdagen, het nodige onderhoud aan machines, het weer… en de hoeveelheid elektriciteit die ik als bedrijf ga nodig hebben? Geen onrealistische vraag als je weet dat er proefprojecten zijn waarbij elektriciteitsprijzen van uur tot uur verschillen en bedrijven dus veel kosten kunnen besparen door daar goed op in te spelen.

Hetzelfde geldt voor je klik- en koopgedrag. Door de analyse van je online klikgedrag of van de aankopen op je klantenkaart kunnen bedrijveneen profiel aan je toekennen van waaruit ze voorspellingen kunnen doen over je persoonlijke voorkeuren en je toekomstige koopgedrag. AI-gebaseerde kennis die als input kan dienen voor andere toepassingen. Zo zijn er samenwerkingen tussen online shops en mediabedrijven die deze door AI opgebouwde profielen gebruiken om vervolgens een bepaald product overal in beeld te laten komen wanneer je online bent. Bijvoorbeeld als je een aantal keer naar je favoriete smartphone hebt gezocht, zorgt snelle beeldverwerking ervoor dat alle acteurs van je favoriete serie deze smartphone plots ook gebruiken én krijg je aangepaste advertenties naar webshops waar je de smartphone kan kopen.Door je klikgedrag weet de AI van die online winkel al sneller dan jezelf of je hem ook echt gaat kopen of niet. En, omdat het nu eenmaal je favoriete smartphone is, merk je hier steeds minder van en ervaar je het niet als storend.

Waar is AI (nog) niet goed in?

Wat AI nog niet zo goed kan en waar onderzoekers volop aan werken, is redeneren.

Enkele voorbeelden: een kind dat zijn hand verbrandt aan een kookpot zal na één keer al leren dat het uit de buurt moet blijven van alles wat heel warm is. Of: een kind wat geleerd heeft dat leeuwen gevaarlijk zijn, zal in de dierentuin meteen begrijpen dat er op die plek geen reden is om er bang voor te zijn. En: je spamfilter: hoe goed die inmiddels ook is, toch glipt er af en toe een mailtje door de filter heen. Toch kan je als mens dan nog vrij snel zien dat er iets niet pluis is. Bijvoorbeeld door het adres van de afzender, nuances in het taalgebruik enzovoort.

Op al deze vlakken bereikt AI nog lang niet het menselijk redeneringsvermogen.

AI kan wel patronen herkennen, maar dat wil nog niet zeggen dat er een oorzakelijk verband is. Bijvoorbeeld: als het warm is aan zee, eten we meer ijs. Als het warm is aan zee, verdrinken er ook meer mensen. AI zou in dergelijk geval kunnen aangeven dat er een patroon is tussen ijsjes eten en verdrinken. Maar, hoewel deze samen optreden, is er dus geen oorzakelijk verband tussen hen. Het is niet omdat we meer ijsjes eten dat we vaker verdrinken.

Andere situaties waarin je het beperkte redeneringsvermogen van AI ziet, is hetonvermogen om meerdere dingen te doen. Zo kan een AI heel goed zijn in een bepaalde taak (een schaakspel winnen, tumoren ontdekken), maar is die AI machteloos en nutteloos bij elk enkel ander spel of diagnose. Ookals je een AI laat praten met een mens, zijn er nog heel veel dingen die ontbreken. AI kan zich bijvoorbeeld niet (emotioneel) inleven in die persoon. Zo ging een filmpje viraal van Alexa, de digitale assistent van Amazon, die porno voorstelt aan een kleuter die een kinderliedje wilde opvragen. AI kan op dat moment niet uit zichzelf redeneren dat dit hoogst ongepast is. Onderzoekers werken daarom hard aan het herkennen van stress en emoties via trillingen in de stem zodat ze dat ook aan de AI systemen kunnen leren.

En ook als AI systemen met elkaar moeten praten, is er nog veel werk aan de winkel. Computersystemen worden namelijk heel vaak los van elkaar geprogrammeerd. Denk aan kantoorgebouwen waarbij de airconditioning aanslaat om voor verkoeling te zorgen, terwijl de zonnewering omhoog gaat (omdat het binnen te koud wordt). Een bekend voorbeeld van hoe dit ook bij AI kan mislopen is de zelfrijdende auto die op een grote technologiebeurs in Las Vegas een zelfrijdende robot omver reed. Geen van beide hadden namelijk geleerd om op te letten voor elkaar.

Het is dan ook heel onwaarschijnlijk (zeg als wetenschapper nooit ‘nooit’) dat AI ooit de mens zal evenaren in zaken als strategie en creativiteit. Denk aan de profielen bij de supermarkt: AI kan ontdekken welke producten samen gekocht worden, bijvoorbeeld nacho-chips en dipsaus. Maar het is een mens die van daaruit moet beslissen of je die dan vlak naast elkaar plaatst in de rekken (zodat ze meteen samen genomen worden), of net ver uit elkaar (zodat iemand die ze allebei koopt ook langs alle andere producten moet passeren).

Hoe ‘maak’ je AI?

We schreven het hierboven al: zonder data geen AI. AI dankt al haar sterktes en zwaktes aan de onlosmakelijke verbondenheid met data. Als we maar de juiste gegevens (data) hebben, kan AI er altijd wel informatie uithalen die wij zelf nooit zouden ontdekken (*). Het grote verschil tussen AI en andere programma’s is dat we AI kunnen laten leren wat het moet doen. Wat bedoelen we daarmee?

Normaal vertel je aan een machine of computer: als dit gebeurt, doe dan dat. Bijvoorbeeld: als die schakelaar aanstaat en iemand drukt op die knop, doe dan dat. Ook het voorbeeld van hierboven over de slimme beeldverwerking is geen AI en kan vrij eenvoudig in ‘als-dan’ regeltjes geschreven worden. “Als een persoon profiel X heeft en de voorbije week klikgedrag Y vertoonde, toon dan product Z in de series die hij of zij kijkt.” Met deze manier van programmeren kan je al best moeilijke dingen doen: je hele computer werkt op deze manier. “Als iemand hier klikt, swipet, typt… doe dan dat.” Maar je kan nooit een programma schrijven wat op deze manier alle mogelijke verbanden gaat zoeken in grote hoeveelheden gegevens.

AI werkt daarom op een andere manier en vertrekt van de gegevens zelf.Heel simpel gezegd is AI een programma waaraan je vraagt: “dit zijn gegevens: vertel me wat je er in ontdekt.” In werkelijkheid is het iets moeilijker dan dat en moet je AI wel eerst leren hoe het op die vraag moet antwoorden.Er zijn verschillende manieren waarop je AI iets kan laten leren, waarvan we de drie voornaamste kort overlopen.

De eerste is door een AI programma veelfoto’s te tonen en telkens te zeggen wat erop te zien is. Heel vergelijkbaar met een peuter die op de schoot van mama of papa door boekjes bladert en namen en geluiden van dieren herhaalt tot het uit zichzelf de dieren gaat herkennen. In de boekjes, maar ook op andere plekken. Heb je ooit op internet foto’s moeten aanklikken waarop auto’s, bergen, winkels… te zien zijn voor je een formulier kan verzenden? Wel: dit is niet om écht te controleren of je geen robot bent. Dit is om de AI programma’s (heel vaak van Google) te leren wat auto’s, bergen, winkels zijn zodat ze die ook op andere foto’s kunnen herkennen. Deze vorm van leren heet “leren onder toezicht” (in het Engels: supervised learning) en kan met katten, bergen, winkels, maar dus ook met foto’s van tumoren of van je longen.

Een tweede manier waarop AI kan leren, is door hetpatronen te laten herkennen. Vergelijk het met een kleuter die een aantal blokjes in groepjes bij elkaar moet leggen. Als je tegen die kleuter zegt: “zoek blokjes die hetzelfde zijn”, zal de kleuter de blokjes gaan sorteren op vorm, kleur of grootte. Ook tegen AI kan je zeggen: hier is een reeks ‘dingen’ (data): sorteer ze. De AI zal ze dan in een aantal groepjes indelen en dan is het aan jou om elk groepje een naam te geven. Het voorbeeld waarbij AI je in een bepaald profiel indeelt op basis van je koop- of klikgedrag is hier een voorbeeld van. Waarbij de AI de groepjes maakt en mensen er vervolgens een naam aan toekennen. Deze vorm van leren heet “leren zonder toezicht” (in het Engels: unsupervised learning”).

Een derde manier waarop AI kan leren, is door het een opdracht en een aantal spelregels te geven en zelf te laten ervaren wat de meest succesvolle manier is om de opdracht tot een goed einde te brengen. Bijvoorbeeld bij spelletjes. Waarbij je tegen AI kan zeggen: “Dit zijn de spelregels. Zorg dat je wint.” Een AI schaakcomputer heeft dus niet vooraf alle mogelijke zetten en scenario’s voorgeprogrammeerd, maar gaat na elke zet van de tegenstander op basis van de spelregels (en de analyse van voorafgaande schaakspelen) beslissen wat de volgende zet is. Hetzelfde bij door AI gestuurde verkeerslichten waartegen je kan zeggen: “Dit zijn de gegevens van wie er op het kruispunt is en dit zijn de lichten die je op rood, oranje of groen kan zetten. Zorg dat iedereen zich veilig en zo snel mogelijk kan verplaatsen.” Bij deze manier van leren gaat de AI met vallen en opstaan leren welke beslissingen beter zijn om het einddoel te bereiken. Vergelijk het met een kind wat leert fietsen. Door vooruit te komen, wordt het beloont en door te vallen, voelt het de pijn (‘bestraffing’) van iets wat nog niet goed gaat. Deze vorm van leren heet“versterkend leren” (in het Engels “reinforcement learning”.

(*) “De juiste data” is heel belangrijk in deze zin. In theorie kan je AI eender welke data laten analyseren. Maar de vraag is hoe nuttig dat is. Je wil namelijk wel dat de conclusies uit de data iets opleveren. Zo kan een goede kok met de inhoud van elke willekeurige koelkast wel een maaltijd op tafel toveren, maar is de vraag of je een succesvol restaurant kan openen als je een kind van twee elke dag willekeurig boodschappen laat doen. Wat ingrediënten zijn voor een gerecht, is data voor AI. Dus ook voor AI geldt: ja, je kan het loslaten op eender welke set gegevens, maar als je (bv. als bedrijf) er ook iets nuttigs wil uithalen, is het belangrijk om je data (ingrediënten) vooraf goed uit te kiezen.

Moet ik bang zijn van AI?

Bang volgens ons niet. Veel van de voorbeelden in de media, in series en films die mensen bang maken zijn gebaseerd op prototypes of zijn zelfs complete science fiction. Alert wel. AI heeft zelf geen ethisch bewustzijn en gaat zich gedragen volgens de data waaruit het heeft geleerd.

Als je AI gaat voeden met onjuiste data of met onethische instructies, kan AI zich met andere woorden ook onethisch gedragen.

En dat hoeft lang niet altijd bewust. Er zijn een aantal voorbeelden van hoe een onbewust ‘verkeerd’ geprogrammeerde AI ook heel verkeerde dingen kan doen. Denk aan het voorbeeld van Alexa en de kleuter wat we eerder al gaven. Omdat de AI enkel getraind was met volwassen stemmen, herkende het de kinderstem onvoldoende en gaf een verkeerde suggestie (die ook nog eens heel ongepast bleek). En je kent misschien ook wel de automatische zeepdispenser die enkel reageerde op de handen van blanke mensen omdat er in de foto’s waaruit de AI had geleerd enkel blanken waren opgenomen. Een mens zou onmiddellijk inzien dat dit twee voorbeelden zijn van erg ongewenst gedrag.

De relatie tussen hoe AI leert en wat het uiteindelijk doet is niet altijd even eenvoudig of even snel duidelijk. Zo zijn er banken die op hun tradersafdeling (waar de grootste bedragen heel snel belegd moeten worden) al volledig beroep doen op AI programma’s. Dat gaat in heel veel gevallen goed, maar zorgde wel mee voor de beurscrash van 2008, omdat ze allemaal op dezelfde dalende trends gingen inspelen. Je kan je ook vragen stellen bij de grote hoeveelheid kennis die online technologiebedrijven over ons verzamelen en of ze die voor ons of hun eigen voordeel inzetten.

AI is met andere woorden niet alwetend en als mens zijn we vaak toch veel beter in staat om geheel nieuwe situaties in te schatten.

Daarom werken we bij imec vooral aan toepassingen waarbij de mens samenwerkt met AI en steeds de laatste beslissing heeft. Denk aan de dokter die van de AI extra mogelijke diagnoses krijgt aangereikt. Die zal nog steeds zelf beslissen welke ziekte en bijhorende behandeling hij selecteert. Angst voor AI zelf is volgens imec dus onterecht. Want als AI al ongewenste effecten heeft, zal het toch steeds te maken hebben met de mensen erachter die het hebben geprogrammeerd of de uitkomsten voor bepaalde doelen inzetten. En door zelf een actieve en alerte houding aan te nemen, zal je ontdekken dat je heel veel zelf in handen hebt. Denk aan je online klikgedrag: klik je automatisch op ‘cookies accepteren’ of ga je op zoek naar de instellingen? Toegegeven: die zijn nog niet altijd even makkelijk te vinden.

Er zijn daarom ooknieuwe wetten en regels nodig over hoe we met AI moeten omgaan en wie ermee aan de slag mag. Toen de auto werd uitgevonden, mocht ook iedereen ermee de baan op. Maar met de verdere ontwikkeling van de auto, ontstonden ook allerlei verkeersregels, veiligheidsmaatregelen, rijbewijzen enzovoort. Ook voor AI zal dit in toenemende mate moeten gebeuren. En als het gaat om nieuwe technologie is de beste remedie voor angst nog altijd kennis. Dus door dit artikel te lezen (en je met de links hieronder misschien nog verder te verdiepen) ben je alvast weer wat beter gewapend om je een correcte mening en houding te vormen ten opzichte van AI.

Meer weten?

• Wil je meer weten over hoe AI ‘gemaakt’ wordt en er ook zelf mee aan de slag? Duik dan in deAI Edubox en deinteractieve les die imec samen met VRT heeft ontwikkeld.
• Ben je nieuwsgierig naar hoe imec AI-expert Steven Latré over Ai denkt? Luister dan naar zijnpodcast.
• Op dewebsite van Mieke De Ketelaere kan je nog meer artikels en presentaties vinden vanuit haar kennis over AI.
• Wil je weten wat imec en AI kunnen betekenen voor de industrie? Lees dan de imecAI krant.

• Wil je nog meer technische uitleg of met imec samenwerken? Surf naar de imecAI webpagina.
• AI in de gezondheidszorg? Bekijk het filmpje hieronder over hoe AI helpt bij DNA analyse.