Overslaan en naar de inhoud gaan

Inzet AI kraakt onder energieverbruik en gebrek aan data

De verdere ontwikkeling van kunstmatige intelligentie krijgt te maken met een aantal serieuze uitdagingen, voorziet Max Welling, UvA-hoogleraar Machine Learning.
Max Welling, hoogleraar Machine Learning
© Max Welling
Max Welling

Het beschikbaar komen van grote hoeveelheden data en van goedkope computerkracht heeft de ontwikkeling van kunstmatige intelligentie de afgelopen jaren een enorme boost gegeven. Tegelijk ziet Welling energieverbruik en de beschikbaarheid van data opnieuw als de belangrijkste uitdagingen voor de doorontwikkeling.

Hoe groter het model hoe beter het werkt, maar hoe meer energie het ook gaat gebruiken. Op IoT-apparatuur leidt zo'n situatie al snel tot oververhitting. Bovendien is de hoeveelheid beschikbare energie daar beperkt, zegt Welling. "Er is dus een plafond aan wat je nog kan met dat soort modellen. Eén van de belangrijke vragen voor wetenschappelijk onderzoek is dus hoe je zo veel mogelijk AI uit een joule kunt krijgen."

Het privacyvraagstuk kan ook een belangrijke belemmering worden voor academisch onderzoek naar kunstmatige intelligentie. De GDPR heeft het lastiger gemaakt om data voor verschillende onderzoeken te gebruiken. "Ik merk vooral dat mensen in de medische sector er last van hebben.

Interessant?

Lees meer over het onderzoek naar kunstmatige intelligentie in de rubriek Superscience van AG Connect waarin deze maand een interview met Max Welling.

Willen ze data die met toestemming voor het ene onderzoek is verzameld, gebruiken in een ander onderzoek, moet er opnieuw toestemming worden gevraagd. Die patiënten raken dan al snel geïrriteerd omdat ze toch al een keer toestemming hebben gegeven. Blijkbaar is het niet mogelijk vooraf goedkeuring te vragen voor een reeks onderzoeken waarvan je de opzet nog niet kent. Begrijp me goed, ik ben niet tegen de GDPR, maar ik denk wel dat we eraan moeten blijven schaven om het werkbaar te houden."

Een oplossing die steeds meer in zwang komt, is de inzet van federated learning of federated privacy. Daarbij blijven de gegevens op een beveiligde plek en wordt het algoritme naar deze 'kluis' gebracht om de leercycli uit te voeren. De software in de databank rekent vervolgens uit hoe gevoelig de data zijn die daarvoor moet worden gebruikt en voegt eventueel ruis in om te voorkomen dat de gegevens te herleiden zijn op individuen.

Reacties

Om een reactie achter te laten is een account vereist.

Inloggen Word abonnee

Bevestig jouw e-mailadres

We hebben de bevestigingsmail naar %email% gestuurd.

Geen bevestigingsmail ontvangen? Controleer je spam folder. Niet in de spam, klik dan hier om een account aan te maken.

Er is iets mis gegaan

Helaas konden we op dit moment geen account voor je aanmaken. Probeer het later nog eens.

Maak een gratis account aan en geniet van alle voordelen:

Heb je al een account? Log in

Maak een gratis account aan en geniet van alle voordelen:

Heb je al een account? Log in