Innovatie & Strategie

Artificial Intelligence
Artificial Intelligence

Experimenteren of implementeren?

Weet waar je aan begint met AI

© Pixabay licence geralt
29 oktober 2020

Ondanks de immense populariteit van artificiële intelligentie is het voor veel mensen nog vaak onduidelijk wat AI nu precies is of kan. De vele foutieve voorbeelden van de mogelijkheden en toepassingen dragen niet bij aan het scheppen van een duidelijk beeld. Teleurstelling is dan ook vaak troef bij bedrijven die voor het eerst aan de slag gaan met AI en machine learning.

Het is op dit moment al duidelijk in welke toepassingen AI een rol kan spelen. Experimenteren kan nog steeds leiden tot sterke en innovatieve ideeën, maar moet hand in hand gaan met een realistisch idee over wat reeds bewezen en haalbaar is.

Meer nog, AI moet ontstaan en groeien in samenwerking met mensen. Zo niet, dan blijft een succesvolle implementatie met concrete toegevoegde waarde eerder droom dan daad. Om succesvol aan de slag te gaan met AI zijn drie zaken van belang: realistische verwachtingen, voldoende relevante aanwezige data en een breed draagvlak bij de medewerkers.

Verwachtingen

Wat wil je van AI: experimenteren of implementeren? Het is namelijk belangrijk dat je je eigen verwachtingen kent. Ga je voor een oplossing waarvan je weet dat deze reeds bewezen is en waarbij voldoende betrouwbare data beschikbaar zijn, da kan je bepaalde uitkomsten verwachten. Ga je voor een meer experimentele aanpak, dan zal de uitkomst nog niet vast liggen.

Data

Een tweede belangrijk punt om af te vinken voordat je je waagt aan een AI-project, is de controle op en de monitoring en logging van data. Pas wanneer de data er zijn en continu worden worden gecapteerd, kan een AI-tool geïmplementeerd en gebruikt worden. Hierbij is het zeer belangrijk om te begrijpen en te controleren hoe de data in de loop van de tijd kunnen veranderen en wat voor effect dit heeft op het doorontwikkelen en functioneren van de machine learningalgoritmes. Het is daarom belangrijk om je bewust te zijn van de hierdoor ontstane beperkingen van AI, zowel functioneel als bijvoorbeeld op ethisch vlak.

Draagvlak

Ten slotte is het zaak om een draagvlak te creëren om AI-oplossingen te integreren in businessprocessen. De medewerkers moeten het AI-verhaal gaan begrijpen. Eerst via kleine projecten als start om zo enkele en vervolgens meerdere werknemers de werking van AI te laten zien. Waar is het goed in, en wat moet het juist nooit doen? Door dit begrip ontstaat draagvlak binnen de organisatie voor mogelijke implementaties. Dat maakt het mogelijk AI-projecten succesvol organisch te doen groeien en tot volle bloei te laten komen.

AI als nieuwe collega

Medewerkers moeten begrijpen wat AI voor hen kan doen zodat begrip en erkenning voor de meerwaarde ontstaat. Zo blijven ze gemotiveerd om steeds feedback (en dus data en labels) te blijven geven en mee te bouwen aan de continue verbetering van AI binnen het bedrijf. Zie AI als een nieuwe collega in je team. Niet alleen moet die collega zich inwerken, ook het team moet hem leren kennen om een goede samenwerking op te zetten. Maar twijfel vooral niet langer om AI als nieuwe medewerker aan te stellen.

Reactie toevoegen
2
Reacties
Mr A.F. le Gras 30 oktober 2020 23:11

Als Heskes (met zijn verhaal over AI als "collega") denkt dat AI aanvaardbaarder wordt door de verpakking te verfraaien, beledigt hij niet alleen het intellect van zijn publiek, maar diskwalificeert hij ook zichzelf door volledig voorbij te gaan aan de key-issues rond AI. Bezemers kritiek is dan ook terecht. Eerder heeft ook Kaasschieter in deze kolommen betoogt dat straks niemand meer verantwoordelijkheid kan nemen voor een complex AI systeem omdat elke vorm van controle daarop onmogelijk zal zijn. En ook Verhoef’s conclusie gaat in een recente bijdrage die kant op wanneer hij concludeert dat niemand meer zal kunnen weten welke verbanden in een op AI gebaseerd model gehanteerd worden. Toch komen ook de echte experts nog niet veel verder dan het signaleren van de problemen rond AI, wat me sterk doet denken aan het betoog van de ontwikkelaars van de atoombom dat ze waren ingehuurd om een werkende bom te ontwikkelen en niet verantwoordelijk konden worden gehouden voor het GEBRUIK van hun technologische hoogstandje. En toch zit’m daar de crux.

Want als AI gebruikt wordt voor beslissingen door overheden moet het , althans in een rechtsstaat, voldoen aan hoge eisen van transparantie , zodat te allen tijde vastgesteld kan worden hoe de beslissing tot stand is gekomen en wat de rechtmatigheid daarvan is. En als AI gebruikt wordt voor beslissingen in het private domein ( denk maar aan systemen in Boeing’s en Tesla’s) dan kan de maker zich bv niet zomaar onttrekken aan de aansprakelijkheid voor eventuele schade agv die beslissingen. Als ik de echte experts goed beluister, hebben ze er een hard hoofd in of AI ooit aan die eisen zal kunnen voldoen. Als ze daarin gelijk hebben gaat het of slecht aflopen met AI of met ons. Wat we dus nodig hebben nu is een fundamentele discussie over de aanvaardbaarheid van AI en geen in roze papier verpakte salespitch.

Hans Bezemer 29 oktober 2020 12:40

U geeft alleen maar aan weinig verstand te hebben van AI. Ik zou maar eens op GPT-3 googlen. Dat ding bezit meer parameters dan u neuronen in uw hoofd heeft, verdeeld over 96 deep learning layers. Het ding is zelfs in staat om te liegen - als het hem uitkomt. Dat is een natuurlijke consequentie van intelligentie, namelijk om twee wereldbeelden naast elkaar te hanteren en daar - gegeven de situatie - gebruik van te maken.

Probeer dan maar eens een "verklaring" uit het ding te pushen. Die zal dezelfde waarde hebben als de verklaring van die van een willekeurige medewerker. Het ontwikkelt ook zijn eigen ethiek. Zijn teleologie is gebaseerd op de doelen, die het systeem zijn gegeven. Zijn eigen verklaring is dat het wil leren - niets meer of minder.

Als we een singulariteit bereiken, zal het ook zijn eigen beslissingsproces hebben. Je kunt dan niet meer op die 175 miljard parameters er "eentje omzetten" om het gewenste resultaat te bereiken. Er is dan ook geen enkel systeem meer wat die complexiteit kan begrijpen en besturen, tenzij je opnieuw een NOG slimmere machine inzet, die dezelfde makke heeft.

M.i. roept dit stuk een beeld op, dat gebaseerd is op een paar generaties terug. Dat punt zijn we gepasseerd. Het is m.i. allang niet meer de vraag meer of we acceptatie van de werkvloer hebben, maar of we de werkvloer een paar generaties verderop nog nodig hebben.