JIJ EN AI

Op de achtergrond heeft kunstmatige intelligentie al een lange tijd een rol in ons leven gespeeld. Om een paar voorbeelden te noemen:

• Op onze mobiel als we woorden aan het typen zijn;
• Social media die ons aanbevelingen doet over wat je wilt zien;
• Muzieksuggesties;
• Advertenties zowel het genereren als de juiste doelgroep bereiken;
• De suggesties die een zoekmachine toont.

Maar nu is er een nieuw tijdperk. Waar wij voornamelijk passief met AI in aanraking kwamen. Kan je het nu actief in jouw voordeel benutten voor de dingen die jij belangrijk vindt.

Hoe mooi het ook is, om kunstmatige intelligentie op waarde te schatten en goed te benutten, is het verstandig om wat achtergrondinformatie tot je te nemen.

Deze achtergrondinformatie helpt je om vervelende valkuilen te vermijden en stelt je beter in staat om jezelf in dit nieuwe AI-tijdperk te navigeren. Het helpt je ook om zowel kunstmatige intelligentie (AI) niet te overschatten als te onderschatten.

Dit artikel heeft als doel om laagdrempelig je wat wat meer achtergrondkennis te geven over kunstmatige intelligentie. Jargon is zoveel mogelijk vermeden, maar kon niet helemaal uit het artikel gehaald worden.

De uitleg is wel (sterk) versimpeld, zodat je het concept wel leert en eventueel zelf verder onderzoek kunt doen als je in een meer technische uitleg geïnteresseerd bent.

Wat is kunstmatige intelligentie (KI/AI)?

Kunstmatige Intelligentie (AI) is het ontwerpen van computersystemen die menselijke denkprocessen imiteren. AI wordt gebruikt voor verschillende toepassingen, zoals herkenningssystemen voor bijvoorbeeld schadedetectie, maar ook voor natuurlijke taalverwerking zoals chatbots, spraakherkenning en beeldherkenning (digitale identiteitscheck).

AI is eigenlijk een verzamelnaam voor allerlei verschillende technieken en benaderingen. Het is niet 1 ding, maar eerder een paraplu waar allerlei dingen onder vallen.

Wat valt er onder AI?

In de wereld van kunstmatige intelligentie zien we tegenwoordig veel bedrijven die proberen mee te liften op de hype. Het is daarom belangrijk om te begrijpen dat kunstmatige intelligentie eigenlijk een overkoepelende term is.

Machine learning en deep learning kan ik niet onbenoemd kan laten, maar ik houd de uitleg simpel.

Wat is machine learning?

Machine learning is eigenlijk als het trainen van een hond. Een hond leert door herhaling en beloning. Dit doet een machine learning algoritme ook door middel van het verwerken van grote hoeveelheden data. Hier zijn simpel gezegd 3 methodes voor:

• Begeleid leren (supervised learning): is een benadering binnen kunstmatige intelligentie waarbij informatie wordt voorzien van labels. Deze labels helpen bij het detecteren van patronen en worden vervolgens gebruikt om nieuwe data van labels te voorzien. Het is als het ware een begeleid proces waarbij het algoritme leert van voorbeelden en op basis daarvan voorspellingen kan doen.

• Ongestuurd leren (unsupervised learning): kun je zien als een ontdekkingsreis door een onbekend land. Er zijn geen wegwijzers zoals bij begeleid leren. In plaats daarvan verkent het algoritme de gegevens op zoek naar (verborgen) relaties en patronen. Dit stelt de kunstmatige intelligentie (AI) in staat is om de nieuwe gegevens zelf te begrijpen en te beoordelen.

  In tegenstelling tot begeleid leren, biedt ongestuurd leren de mogelijkheid om nieuwe patronen en relaties te ontdekken die anders misschien niet waren opgemerkt.

• Versterkend leren (reinforcement learning): kan je zien als het trainen van een slimme student met beloningen en feedback/kritiek. Het AI-systeem voert acties uit en krijgt een beoordeling en leert zo of het antwoord goed of slecht was. Deze feedback komt meestal van een mens (docent) die de beoordeling geeft goed/slecht of bijvoorbeeld een cijfer.
  Daarnaast kan dit nog een stap verder gaan. AI-systemen die elkaar trainen. Het is alsof ze een team van studenten zijn die van elkaar leren en elkaar helpen groeien. Dit gaat dan zonder tussenkomst van een mens.

Oké, hopelijk schrok dit je nog niet af… We gaan nu even iets verder, maar ik heb het wel zo geschreven dat het makkelijk te begrijpen is. Niet voor wiskundigen, want daar ben ik zelf ook slecht in.

Wat is deep learning?

Deep learning is als een kunstmatig brein geïnspireerd door de werking van ons eigen brein. Het maakt gebruik van kunstmatige neurale netwerken die bestaan uit verschillende lagen van verbonden “neuronen”.

Deze netwerken zijn in staat om complexe taken uit te voeren door het leren van abstracte concepten op verschillende niveaus. Het is vooral handig bij taken zoals beeld- en spraakherkenning, natuurlijke taalverwerking en het creëren van nieuwe dingen.

Na uitvoerig trainen wordt het eindresultaat vaak een slim algoritme genoemd, dat vervolgens kan worden gebruikt om nieuwe problemen op te lossen.

Wat zijn neurale netwerken?

Neurale netwerken in de wereld van AI kunnen worden vergeleken met de biologische neurale netwerken in ons eigen brein. Net zoals ons brein bestaat uit vele neuronen die met elkaar communiceren, zo bestaat een neuraal netwerk uit vele kunstmatige neuronen die informatie aan elkaar doorgeven.

De kunstmatige neurale netwerken leren en groeien door middel van ervaring en feedback. Het AI-neurale netwerk past zich aan en leert door training.

Vooral bij doelgerichte taken, kan het neurale netwerk minstens net capabel zijn als ons brein. Denk bijvoorbeeld aan het herkennen van een mogelijk gevaarlijk aandoening op een röntgenfoto.

Wat is een algoritme?

Een algoritme kan je zien als een recept voor het maken van een taart. Bij een recept voor bijvoorbeeld een appeltaart, krijg je stapsgewijze instructies voor een succesvolle appeltaart waar iedereen van smult.

Een algoritme geeft stapsgewijze instructies voor het (succesvol) oplossen van een probleem.

Net zoals je de ingrediënten en stappen in een recept kunt aanpassen om de smaak of textuur te verbeteren. Zo kun je ook een algoritme aanpassen om het succespercentage omhoog te krijgen.

Wanneer je een kwarktaart wil maken, kies je een heel ander recept. En voor een ander probleem, kies je dus ook een ander algoritme. Omdat het algoritme bijvoorbeeld een betere oplossing geeft of het hoogste succespercentage heeft voor jouw probleem.

Zoals je hebt kunnen lezen werken AI-systemen over het algemeen door grote hoeveelheden gelabelde trainingsdata te analyseren op correlaties en patronen. Met behulp van deze patronen kunnen voorspellingen worden gedaan over toekomstige situaties.

Op deze manier kan een chatbot die voorbeelden van tekst krijgt, leren om realistische gesprekken met mensen te voeren. Een beeldherkenningsinstrument kan objecten in afbeeldingen identificeren en beschrijven door miljoenen voorbeelden te bekijken.

Nieuwe, snel verbeterende AI-systemen kunnen realistische tekst, afbeeldingen, muziek en andere media genereren. Iets wat vroeger alleen door mensen kon worden gedaan.

Waarom is kunstmatige intelligentie belangrijk?

Kunstmatige intelligentie is van groot belang vanwege het potentieel om onze manier van leren, werken en leven (ingrijpend) te veranderen.

Hoewel het trainen van AI kostbaar is en daarom buiten ons bereik lag. Heeft het al een enorme impact gehad, maar voor ons voornamelijk op de achtergrond. Denk aan social media en hun algoritmes.

Grote bedrijven gebruikten AI ook al langer bijvoorbeeld voor taken automatiseren die normaal gesproken door mensen werden uitgevoerd. Denk aan klantenservice, het werven van nieuwe klanten en fraudeopsporing.

Maar tegenwoordig is AI ook toegankelijk voor consumenten zoals jij en ik.

Een belangrijke doorbraak op dit gebied was de introductie van ChatGPT. Je hebt geen technische kennis nodig om er gebruik van te maken en je hoeft ook niet zelf de AI te trainen. Tegelijkertijd kan je er wel veel voordeel uithalen.

Een AI zoals ChatGPT kan bijvoorbeeld een complexe uitleg vereenvoudigen of grammaticale controles voor jou uitvoeren.

Op verschillende gebieden kan AI taken beter uitvoeren dan een mens. Vooral als het gaat om repetitieve en detailgerichte taken.

Het is belangrijk om dit relatief te zien: zowel mensen als AI maken fouten, maar AI kan bij specifieke taken minder fouten maken in vergelijking met een mens.

Wat zijn de voordelen en nadelen van AI?

Hoewel ik persoonlijk positief gestemd ben over AI, is het wel zo eerlijk om nog even beide kanten te belichten.

De voordelen van AI in het dagelijks leven

• AI als (data)analist: bepaalde taken in spreadsheets of Excel konden voor AI alleen door bepaalde mensen gedaan worden, omdat je die vaardigheden moest bezitten. (Dit weet ik uit eigen ervaring.)

  AI kan jou nu helpen en tabellen aanpassen, suggesties doen voor analyses en grafieken maken. Zonder dat jij de technische vaardigheden hoeft te bezitten. Het kan je ook helpen met het analyseren en concluderen van data.

• Tijdbesparing op taken met behulp van AI: dit geldt bijvoorbeeld als je regelmatig teksten schrijft en/of afspraken per mail plant. Met AI heb je een vlotte en efficiënte schrijfassistent.

  Het is als een nuttige assistent die grote hoeveelheden informatie kan analyseren en dit voor je kan samenvatten. Maar dit werkt ook als je bijvoorbeeld met 3 mensen een afspraak moet inplannen, de AI kan de agenda’s naast elkaar leggen, aangeven welke momenten mogelijk zijn en een mail voor je opstellen.

• Productiviteit verhogen dankzij AI: andere simpele toepassingen zijn bijvoorbeeld teksten in een afbeelding omzetten naar tekst, scheelt weer typen. Of een audio omzetten naar tekst, dan hoef je het alleen maar na te lezen en te corrigeren. Of wat dacht je in de plaats van een complexe fotoshoot of designen een afbeelding door AI laten maken?

• Consistentie: bij creatieve taken, gaat dit natuurlijk minder op. Maar iets vertalen, afbeelding naar tekst transformeren, of een repetitieve handeling laten doen, geeft vaak wel een ‘verwachte’ uitkomst. Omdat door de training AI een ingeslepen patroon heeft, waar over het algemeen niet van afgeweken wordt.

• Super persoonlijk: wanneer jij iets wilt leren, kan je dankzij AI dat nu op persoonlijk niveau doen. Wanneer je moeite hebt met een (sub)onderwerp of je taalvaardigheden wilt verbeteren. Kan je nu specifieke opdrachten en spelletjes doen om jouw kennis te vergroten. Maar je kunt ook een uitleg zo aanpassen dat de nieuwe verwoording het kwartje laat vallen en je het nu wel snapt.

• Beschikbaarheid: in tegenstelling tot mijzelf heeft AI geen eten nodig, slaap of last van uitstelgedrag. Nu is het misschien nog gek om ‘iets’ 24/7 voor je te laten werken, maar wetende dat het mogelijk is, geeft toch wel een extra dimensie. Bedrijven zijn het al gewend en wij straks ook?

De nadelen van AI in het dagelijks leven

• Ondoorzichtbaarheid van AI: enerzijds van de bedrijven die de AI-modellen delen. Ja, het is een bedrijfsgeheim, want de doeltreffendheid van het systeem wordt afgezet t.o.v. concurrentie. Maar toch is dit niet ideaal.

  Anderzijds kunnen AI-modellen überhaupt niet hun keuze uitleggen. Mocht je een respons krijgen waar je wenkbrauwen van fronsen of nog erger je nekharen van overeind staan.

  In de normale mensenwereld kan je vragen hoe iemand hiertoe gekomen is, in de AI-wereld moet je er maar mee leren omgaan. De ‘logica’ die je terugkrijgt is niet de letterlijke logica hoe de AI tot de respons kwam. Ook al klinkt het overtuigend.

• Expertise paradox: voor de ChatGPT hype had ik al wel cursussen gevolgd m.b.t. kunstmatige intelligentie. Maar ik ben geen wiskundig AI-expert, omdat mijn aanleg er niet ligt daarom had AI nooit mijn hoofdfocus en richtte ik mij voornamelijk op andere zaken.

  Maar nu pluk ik wel de vruchten van die cursussen, want hoewel AI nu toegankelijker is en je zonder kennis hele nuttige resultaten bereikt.

  Kan je zonder enige kennis van het achterliggende systeem ook zo het bos in worden gestuurd. Omdat je de kennis mist ‘hoe AI denkt’ en hoe een antwoord tot stand komt, waardoor je minder kritisch het systeem kunt beoordelen.

  Anderzijds is het niet meer nodig om een wiskundig expert te zijn om AI zeer nuttig te benutten, want jij hoeft het AI-systeem niet te trainen. Dat is de paradox.

• Vooroordelen en vooringenomen: AI-tools bieden mooie mogelijkheden voor ons, maar je kunt het ook niet overschatten. AI handelt op basis van wat het heeft geleerd.

  Dit kan onbewust problemen geven zijn, omdat het de patronen leert op basis van de geselecteerde gegevens. Mensen selecteren welke op welke gegevens getraind moet worden, waardoor er onbewust vooroordelen kunnen ontstaan.

  Stel dat sollicitatiebrieven door een AI-assistent worden ingedeeld op: interessant, mogelijk interessant en niet interessant.

  Deze AI-assistent kan bijvoorbeeld op basis van de trainingsdata achternamen als selectiepatroon gebruiken. Dit is ongewenst, omdat je doel was dit op basis van talent en ervaring te doen.

  Echter, omdat de trainingsdata niet goed geselecteerd is, sluipen dit soort vooroordelen erin en worden onbedoelde patronen opgepikt. En daar kom je dan in praktijk (helaas te laat) achter.

De samenvatting

1. Kunstmatige Intelligentie (AI) is het ontwerpen van computersystemen die menselijke denkprocessen imiteren.
2. AI wordt gebruikt voor verschillende toepassingen, zoals natuurlijke taalverwerking bij chatbots, spraakherkenning en beeldherkenning (digitale identiteitscheck).
3. AI is een verzamelnaam voor allerlei verschillende benaderingen en technieken. Het is niet 1 ding, maar je kunt het zien als een paraplu waar meerdere dingen onder vallen.
4. Machine learning kan je zien als het trainen van een. Een hond leert door herhaling en het belonen bij een gewenste uitkomst. Dit doet een machine learning algoritme ook door middel van het verwerken van grote hoeveelheden informatie.
5. Machine learning kent verschillende methodes: begeleid leren, ongestuurd leren en versterkend leren.
6. Deep learning kan je zien als een kunstmatig brein geïnspireerd door de werking van een mensenbrein. Het maakt gebruik van kunstmatige neurale netwerken die bestaan uit verschillende lagen van verbonden “neuronen”.
7. Neurale netwerken in de wereld van AI kunnen worden vergeleken met ons biologische neurale netwerk. Ook het kunstmatige netwerk leert en groeit d.m.v. ervaring en feedback.
8. Een algoritme is een stapsgewijze instructie voor het (succesvol) oplossen van een probleem.
9. Een AI-systeem analyseert grote hoeveelheden (gelabelde) trainingsdata op correlaties en patronen, waarmee voorspellingen kunnen worden gedaan over toekomstige situaties.
10. Kunstmatige intelligentie zal naar verwachting een significante impact hebben op ons leren, werken en leven.
11. AI heeft verschillende voordelen zoals het assisteren bij (data)analyse, tijdbesparing op (repeterende) taken en erg persoonlijke leermogelijkheden.
12. AI heeft ook nadelen denk daarbij aan de ondoorzichtbaarheid van het AI-systeem, n het risico op vooroordelen als ongewenst neveneffect.
13. Het is belangrijk om zowel de voordelen als nadelen van AI in het dagelijks leven te begrijpen. Zodat jij je meer bewust bent van wat AI kan en ook niet kan en wat de valkuilen zijn.

Het tijdperk van AI is interessant en boeiend. Speel ermee en wees je ook bewust van de sterktes en zwaktes. Dit is een eerste stap, want dit is een leerproces.