Als we het hebben over de ontwikkeling van kunstmatige intelligentie dan gaat het ook vrij snel over discussie of robots massaal onze banen overnemen. Sommige onderzoekers vrezen daarvoor, terwijl anderen juist het tegendeel laten zien: de technologische ontwikkelingen die we momenteel zien leveren op termijn juist banen op!
Uiteindelijk is het lastig om de toekomst te voorspellen, maar kunstmatige intelligentie wordt ontwikkeld omdat de toepassingen ervan ons als mens vooral mogelijkheden biedt. Cognitieve systemen en robots kunnen ons helpen in ons dagelijks leven, in ons werk en met die doelen wordt er onderzoek naar gedaan en worden er producten en diensten gebouwd.
De technologie kan werk uit handen nemen en ons ondersteunen en adviseren. Maar de vraag die daarbij op komt is in hoeverre we als mensen nog zelf beslissingen nemen als computers dat voor ons zouden kunnen doen.
Onvermijdelijke ontwikkeling
Om die vraag te beantwoorden, moet je natuurlijk eerst een goed beeld krijgen van wat er op dit moment precies gebeurt. Voormalig Wired-hoofdredacteur Kevin Kelly geeft daarvan een goede uitleg in zijn nieuwe boek ‘The Inevitable: Understanding the 12 Technological Forces That Will Shape Our Future’ dat later dit voorjaar uitkomt. Volgens Kelly is ‘Cognify’, het verrijken van alles in ons leven met (elementen van) kunstmatige intelligentie, één van de belangrijkste technologische ontwikkelingen voor de toekomst.
Volgens Kelly zijn er drie technische zaken samengekomen die zorgen voor de snelle ontwikkeling van kunstmatige intelligentie. De ontwikkeling van neurale netwerken (de algoritmes achter kunstmatige intelligentie), de snelle ontwikkeling van GPU’s (die in eerste instantie is ontstaan vanuit de behoefte van gamers) en de opkomst van big data. Dankzij de ontwikkeling van de grafische processors is de rekenkracht van computers exponentieel gegroeid. Daardoor kunnen neurale netwerken op grote schaal worden ingezet en ook met elkaar kunnen samenwerken. Er ontstaat dan deep learning. Vervolgens kunnen deze algoritmes worden gevoed met de gigantische hoeveelheden data die nu beschikbaar zijn.
We zien in de dagelijkse praktijk nu veel voorbeelden van waar dat toe leidt. DeepMind’s (onderdeel van Google) AlphaGo kan een spelletje Go winnen van een mens. Tesla kan zijn auto’s op de snelweg autonoom laten rijden. En inmiddels is uit onderzoek gebleken dat een computer beter in staat is om voorwerpen op foto’s te herkennen dan mensen dat kunnen.
En dit is nog maar het begin. De verwachting is dat computers steeds krachtiger worden en ook de hoeveelheid beschikbare data blijft toenemen. Daardoor kunnen deze ontwikkelingen alleen maar sneller en sneller gaan. En misschien nog wel belangrijker: dat deze technologie beschikbaar wordt voor iedereen in diensten en producten die we dagelijks gebruiken.
De voorbeelden daarvan zien we vooral bij Google, die steeds meer slimmigheden aan zijn diensten toevoegt. Door de analyse van jouw locatiedata kan Google Now bijvoorbeeld voorspellen wanneer je naar je werk gaat en je pro-actief een melding geven als er file staat. Of door alle data van Gmail te analyseren, kan Google je automatisch suggesties aanbieden voor de reactie op een e-mail. Dit is inmiddels toegepast in Google Inbox.
IBM Watson
Ook IBM maakt zijn cognitieve technieken steeds breder beschikbaar op de zakelijke markt. Het bedrijf heeft verschillende diensten ontwikkeld onder de vlag Watson. Deze naam Watson is vooral bekend van het systeem dat vijf jaar geleden de televisiequiz Jeopardy! won in de VS. Tegenwoordig zijn de verschillende stukjes intelligentie uit dat systeem beschikbaar in een heel groot deel van de producten en diensten die IBM aanbiedt. Daardoor kunnen bedrijven cognitieve systemen gebruiken om intern data te analyseren, of om het onderdeel te maken van hun product.
“Mensen beginnen te zien wat de mogelijkheden zijn en gaan daar stappen in nemen”, zegt Jack Esselink, Big Data & Analytics Evangelist bij IBM. “En we zijn nog maar aan het begin. Ik vergelijk het altijd met hoe we ervoor stonden met het internet in 1995.”
De diensten met Watson-technologie die IBM aanbiedt zijn allemaal gericht op het analyseren van data. Esselink ziet dat daarbij cognitieve systemen die advies geven op allerlei plekken een belangrijke rol kunnen spelen. “In supermarkten voor de inkoop, in banken om te kijken of iemand een hypotheek kan afsluiten, maar ook in de juridische sector om de resultaten uit eerdere zaken bij elkaar te zoeken. Systemen als Watson kunnen samenhang vinden in data en teksten, die je zelf niet kunt vinden. Ze kunnen dus niet alleen een second opinion of nieuwe inzichten geven, maar het kan je ook aanzetten om naar combinaties te kijken die je zelf niet bedacht had.”
Om een voorbeeld te geven van hoe dat in de praktijk kan werken, heeft IBM Chef Watson ontwikkeld. “Die dienst pakt allerlei databronnen op het gebied van voeding en doet op basis daarvan voorstellen voor combinaties van ingrediënten en smaken”, zegt Esselink. “Chefkoks denken van tevoren dat die combinaties niet werken, maar de recepten blijken dan toch heel erg lekker te zijn.”
Een cognitief systeem kan heel snel heel veel data analyseren en sneller verbanden leggen dan een mens ooit zou kunnen. Het is niet voor niets dat een groot persbureau als Associated Press nieuwsberichten met grote hoeveelheden data, zoals sportuitslagen en jaarcijfers van bedrijven, laat schrijven door computers.
Menselijk falen ondervangen
Maar misschien wel het allerbelangrijkste is dat de slimme algoritmes die data analyseren voorspellingen kunnen doen. Op basis van kansberekening kunnen ze dan een advies geven, bijvoorbeeld waar je als bedrijf in moet investeren. Het systeem kan een actie zelfs gewoon voor je uitvoeren. De zelfrijdende auto is daar het schoolvoorbeeld van.
En daarmee komen we bij de kernvraag: wat is op termijn dan nog de rol van de menselijk beslissing? “Ik geloof dat het systeem de mens gaat ondersteunen bij het nemen van beslissingen”, zegt Esselink. Al die verschillende dingen die mensen kunnen, is nog mijlenver van wat een computer nu kan. Ik geloof zeker dat we beslissingen tot op een zekere hoogte kunnen automatiseren, maar in heel veel kritische situaties blijft de mens voorlopig nog de controle houden.”
Andrew McAfee, de MIT-onderzoeker die zich de afgelopen jaren bezighield met onderzoek naar kunstmatige intelligentie en daar het populaire boek ‘The Second Machine Age’ over schreef, zegt hierover: “Mensen zijn irrationeel. We denken bijvoorbeeld allemaal dat we bovengemiddeld zijn.”
“Computers kunnen veel beter voorspellingen doen dan mensen, omdat intuïtie ons in de problemen brengt. Maar in sommige dingen zijn we nog steeds beter”, verzekert hij. “Bijvoorbeeld in gezond verstand. Het is heel moeilijk om machines dat te leren. We hebben dat bijna meteen vanaf onze geboorte. En andere zaken zijn sociale vaardigheden en creativiteit.”
Esselink daarover: “Computers kunnen vooral helpen om de kwalijke aspecten van menselijke beslissingen (bijvoorbeeld het meenemen van vooroordelen in beslissingen) te ondervangen. Ik denk dat onze beslissingen beter worden, omdat bepaald menselijk falen wordt ondervangen door de technologie.”
Wat we ons moeten realiseren is dat het advies van een cognitief systeem niet heilig is. Mensen zijn door kennis en ervaring vaak beter in staat om bepaalde beslissingen te maken. “Je ziet dat al in fabrieken waar de machines een melding geven als een bepaald onderdeel vervangen moet worden. Soms geeft de operator aan dat dat nog niet nodig is, omdat hij door zijn jarenlange ervaring met de machine weet dat dat onderdeel nog wel even mee kan. Ook die gegevens worden vastgelegd en vervolgens weer door het systeem gebruikt op het moment dat hij weer een beslissing moet nemen.”
Ethische normen
De vraag is natuurlijk hoe we ervoor zorgen dat we de algoritmes ook daadwerkelijk enkel gebruiken om ons te ondersteunen. Kunnen we niet in een situatie terecht komen waarin de mens officieel nog de beslissing neemt, maar eigenlijk blind op ‘oké’ klikt na een advies van de computer? Esselink verwacht van niet.
“We leven in een algoritme-economie, maar wie vertelt me dat dat algoritme goed werkt? Hoe open is dat?”, legt hij uit. “Je ziet langzaamaan een beweging ontstaan van mensen die kunstmatige intelligentie transparanter willen maken, bijvoorbeeld het initiatief OpenAI. We zien ook dat er een publiek debat ontstaat over de verantwoordelijkheid van algoritmes. Ze moeten bijvoorbeeld een soort certificering kunnen krijgen na een test, is de suggestie.”
Gaandeweg zullen we uit vinden hoe we hier mee om moeten gaan dat altijd hebben gedaan bij technologische verandering. Het belangrijkste is dat we zelf de de controle houden en dat we vooral kijken naar de kansen die er liggen. Dankzij kunstmatige intelligentie kunnen wij als mens betere beslissingen nemen en de mogelijkheden die dat biedt moeten we benutten.
