Wat is artificial intelligence en hoe werkt AI?

Kunstmatige intelligentie imponeert, maar er is niets magisch aan en het zal de mens voorlopig niet vervangen. Wel bestaan er zorgen dat AI uit de bocht vliegt of zijn wil gaat opleggen. Mede daarom moet het controleerbaar blijven volgens de AI Act: de mens als supervisor. In het bedrijfsleven en bij de overheid wordt AI inmiddels op grote schaal ingezet, met wisselend succes. Dit artikel behandelt de definitie, hoe AI werkt, de toepassingen, de voordelen, de ongelukken en wetgeving, ethiek en duurzaamheid.

Wat is artificial intelligence?

Er zijn veel definities van artificial intelligence in omloop. Wij hanteren de meest beknopte. Kort gezegd: we helpen de computer om lerend vermogen te ontwikkelen door hem bloot te stellen aan grote hoeveelheden data, die hij grondig analyseert met algoritmes.

Artificial intelligence leert zelfstandig patronen en verbanden in data te ontdekken, met specifieke algoritmes en veelal ongekende rekenkracht.

AI kun je dus niet echt programmeren; het programmeert zichzelf. Dat is het grote verschil met traditionele software, waarbij een programmeur alle mogelijke situaties vooraf moet bedenken. Dat zelflerende karakter is wat AI kenmerkt. In essentie is het niets anders dan het automatiseren van de analyse van grote of complexe hoeveelheden data. AI heeft op twee terreinen de meeste toegevoegde waarde:

• Denken, leren en beslissen: automatisch classificeren, clusteren, gebeurtenissen voorspellen, plannen, problemen oplossen en desgewenst zelfstandig beslissen.
• Handelen, afstemmen en maken: robots, autonome voertuigen, automatisch teksten schrijven, beelden maken, 3D-printen en vertalen.

AI kan tegenwoordig bijna alles wat een mens ook kan, alleen vaak gebrekkig. Maar op specifieke terreinen en bij ingewikkelde problemen presteert het vele malen beter en sneller dan de mens. AI-algoritmes zien dingen die met het blote oog niet te zien zijn. Dat verklaart ook de AI-wedloop: als je buren, concurrenten of andere landen AI met succes gebruiken, kunnen ze je te slim af zijn.

De betekenis van AI: zelfstandig beslissen en handelen

Artificial intelligence is een toegepaste wetenschap waarbij computers bepaalde menselijke taken overnemen, zoals leren, redeneren, analyseren, problemen oplossen en beslissen. Je spreekt van AI als een systeem zelfstandig taken kan uitvoeren in complexe omgevingen, zonder constante begeleiding van een gebruiker of trainer.

AI-systemen zijn daarnaast ongekend goed in differentiëren en personaliseren. Waar in de supply chain vroeger één keer per week een paar honderd vrij algemene beslissingen werden genomen, nemen algoritmes nu elke vijf minuten honderdduizend heel specifieke microbeslissingen, bijvoorbeeld of de voorraad van een artikel moet worden aangevuld. Schaalbaar, fijnmazig, en de willekeur verdwijnt uit het proces. Daarom zien wij AI in de eerste plaats als een manier om beslissingen te verbeteren.

De soorten AI: narrow, general en super AI

In de literatuur heerst grote overeenstemming dat er drie soorten AI bestaan: Artificial Narrow Intelligence (ANI), Artificial General Intelligence (AGI) en Artificial Super Intelligence (ASI).

• De smalle variant kan maar één taak naar behoren uitvoeren. Denk aan een potje schaken of Go, of het voorspellen van het weer of de oogst.
• De brede variant, AGI, kan net als de mens ook abstract redeneren. Daardoor kan deze variant inspelen op onverwachte situaties: het kan improviseren.
• De supervariant, ASI, overstijgt de menselijke intelligentie op alle terreinen, zelfs die van de allerslimsten op aarde. Niemand weet nog waartoe die in staat zou zijn.

Kaplan en Haenlein voegen een tweede indeling van AI-systemen toe: de analytische variant heeft cognitieve eigenschappen waarmee het kan leren; de mens-geïnspireerde variant beschikt daarnaast over emotionele intelligentie; en de vermenselijkte variant is ook sociaal intelligent, kan communiceren en de interactie met anderen aangaan.

Wat er ook gebeurt, de mens moet kunstmatige intelligentie controleren en niet andersom. Elk AI-systeem dat als systeemtechnologie functioneert, moet wat ons betreft een rode knop of pauzeknop krijgen. Die moet door de samenleving kunnen worden ingedrukt, en niet alleen door het bedrijf dat het systeem heeft gebouwd.

De economische betekenis van kunstmatige intelligentie

De wereldwijde markt voor AI is gigantisch. Goede softwareontwikkelaars, machine learning engineers en data scientists zijn schaars en daardoor duur. Durfkapitalisten, banken en particuliere investeerders pompen miljarden in start-ups die op basis van AI-toepassingen nieuwe producten en diensten ontwikkelen. Die vinden hun weg naar vrijwel alle branches. Het overzicht in figuur 3 is zeker niet compleet, en het aantal toepassingen blijft groeien.

Ook overheden dragen financieel bij, omdat ze inzien dat AI kan helpen bij openbare veiligheid, betere gezondheidszorg, een gestroomlijnde infrastructuur, energiebesparing en beter onderwijs. De smart city en een duurzamere samenleving komen zonder AI en big data nauwelijks van de grond.

Hoe werkt AI?

De techniek achter AI bestaat uit computeralgoritmes waarmee je AI-modellen traint. Veel van die algoritmes bestaan al meer dan 40 jaar. Nieuw is de explosieve groei van data en rekenkracht in de afgelopen jaren. Daardoor krijgt AI nu pas echt vleugels.

Algoritme versus AI-model

Je kunt kiezen uit een overzichtelijk aantal algoritmes: neuraal netwerk, genetisch algoritme, lineaire of logistische regressie, beslisboom, random forest, DBSCAN, K-means clustering, hiërarchische clustering, nearest neighbor, gradient descent en het Bayesiaanse netwerk. Elk heeft zijn eigen toepassingsgebied. Twee begrippen worden vaak door elkaar gehaald:

• Het algoritme: de wiskundige methode die bepaalt hoe het model leert van de data. Zie het als het recept om te leren.
• Het AI-model: het resultaat van de training met het algoritme, ook wel machine learning model genoemd. Het bevat de specifieke parameters, zoals gewichten of coëfficiënten, die uit de trainingsdata zijn geleerd.

Je traint een AI-model met een algoritme en een dataset totdat de resultaten goed genoeg zijn voor het doel dat je voor ogen hebt. Perfect wordt het resultaat nooit, want AI-modellen werken met waarschijnlijkheden en statistiek. Net als een mens trekt een model zijn eigen conclusies en maakt het dus fouten.

Hoe ontwikkel je een AI-model in 10 stappen?

1. Bepaal het doel: beschrijf welk probleem je wilt oplossen en welke beslissing of analyse je wilt automatiseren: de use case. Is het probleem geschikt voor AI? Is het wettelijk toegestaan? Beschik je over goede data? Wat is de businesscase?
2. Verzamel zoveel mogelijk relevante data: zoek alle gegevens die relevant kunnen zijn voor de use case, inclusief big data en open data.
3. Zuiver de data: voor AI is datakwaliteit misschien wel dubbel zo belangrijk als voor dashboards en rapporten. Voeg dubbele records samen, maak de gegevens compleet en corrigeer ze. Anonimiseer of pseudonimiseer persoonsgegevens in deze fase.
4. Modelleer de data: giet de data in een vorm die geschikt is om mee te trainen, meestal één groot plat bestand met extra berekende kolommen, zoals het aantal dagen tussen twee bestellingen. Dit is de finale dataset.
5. Analyseer de data grondig: inspecteer de data tot op het bot. Zo krijg je inzicht in biases die in de data verborgen kunnen zitten en voorkom je dat je in bekende valkuilen stapt.
6. Kies het type algoritme: voor classificatie gebruik je vaak beslisbomen, neurale netwerken of logistische regressie; voor clusteren DBSCAN of K-means; voor optimalisatie, zoals routes, genetische algoritmes of gradient descent.
7. Train het AI-model: train het model met het gekozen algoritme en gemiddeld 60 tot 80% van de finale dataset. Bij sommige algoritmes geef je het model aanwijzingen en feedback (supervised learning).
8. Test en valideer het model: toets met de overige gegevens of het model doet waarvoor je het hebt getraind. Zit het er te vaak naast, dan kan de oorzaak liggen in de datakwaliteit, in biases in de dataset, in de keuze van het algoritme of in de training zelf.
9. Neem het model in productie: dit is misschien wel de meest kritieke fase. Gaan gebruikers het model vertrouwen? Hoe leren ze de resultaten te interpreteren? De veranderkundige en bedrijfskundige kant van AI is doorgaans een ondergeschoven kindje, maar wel doorslaggevend voor het succes.
10. Evalueer continu de prestaties: monitor het model zodra het in productie is. Menselijk toezicht is essentieel en voor systemen met een hoog risico verplicht volgens de AI Act. Vergelijk regelmatig een steekproef van de uitkomsten met het oordeel van een expert.

Het is lang niet altijd meer nodig om AI zelf te ontwikkelen en te trainen. Veel AI-modellen zijn kant-en-klaar beschikbaar, bijvoorbeeld om objecten op een foto te classificeren of het sentiment van een e-mail in te schatten. Met zo’n kant-en-klaar model kun je stap 6 tot en met 8 overslaan. Maar reken je niet rijk: de andere zeven stappen blijven nodig, en juist daar zitten de grootste risico’s op ongelukken. De data die je naar het model stuurt, moet dezelfde structuur hebben als de data waarmee het is getraind, en dat kost werk. Een datawarehouse helpt daarbij.

Traditionele software versus AI

In de tabel hieronder zie je de belangrijkste verschillen tussen traditionele software en artificial intelligence.

Voorbeelden van artificial intelligence

AI speelt zich vaak achter gesloten deuren af, maar door speurwerk en ons werk bij klanten zijn we op veel interessante voorbeelden en use cases gestuit:

• Met robotic process automation (RPA) en AI kun je administratieve processen in de financiële sector, de logistiek en andere sectoren steeds beter automatiseren. Dit heet hyperautomatisering.
• AI is een machtig wapen in de strijd tegen fraude en georganiseerde misdaad, van creditcardfraude tot witwassen. Banken, verzekeraars en uitkeringsinstanties gebruiken algoritmes om mogelijke fraude in de kiem te smoren.
• Datagedreven informatiebeveiliging: het opsporen van malware, phishing en nepnieuws, en het voorspellen en automatisch oplossen van IT-storingen met zelfherstellende systemen.
• Callcenters en klantenservices gebruiken AI-assistenten en chatbots die een groot deel van de werklast overnemen.
• Personeelsafdelingen gebruiken AI om kandidaten te screenen en te beoordelen, bijvoorbeeld met automatische cv-screening.
• In de zorg ondersteunt AI diagnoses, helpt het radiologen bij het analyseren van röntgenfoto’s en bouwt het voorspellingsmodellen voor ziektebeelden. In de ouderenzorg worden robots steeds vaker ingezet tegen eenzaamheid.
• In de retail zorgt machine learning voor betrouwbare vraagvoorspellingen, minimale voorraden en dynamische prijzen. Supermarkten gebruiken het in de strijd tegen voedselverspilling.
• In het onderwijs maken adaptieve leermiddelen gepersonaliseerd leren mogelijk.
• In de logistiek lopen de toepassingen uiteen van robots voor orderpicking en slimme routeplanning tot Internet of Things-sensoren op containers en modellen die vraag en aflevermomenten voorspellen.
• Drones sporen gaslekken op, inspecteren dijken en gewassen, en stellen voor verzekeraars brand-, storm- en dakschade vast.
• Regionale netbeheerders besparen kosten door AI in te zetten voor slim onderhoud en voor het snel lokaliseren van de oorzaak van een stroomstoring.
• In de Rotterdamse haven bepaalt een AI-gedreven risicoanalyse welke containers worden geopend en gecontroleerd in de strijd tegen drugssmokkel.

De 5 grote AI-toepassingen: van NLP tot computer vision

AI-toepassingen kun je grofweg indelen in vijf hoofdcategorieën:

1. Natural language processing (NLP)

NLP gaat over het interpreteren, begrijpen en produceren van menselijke taal door computers. Spraakherkenning is een specifieke toepassing die gesproken woorden omzet in tekst. NLP wordt vooral gebruikt door virtuele assistenten en chatbots in callcenters en klantenservices.

2. Generatieve AI

Generatieve AI bouwt voort op NLP, maar gaat verder. Op basis van een prompt schrijft het systeem een compleet artikel over een willekeurig onderwerp. ChatGPT, Microsoft Copilot en Google Gemini zijn bekende voorbeelden. Generatieve AI kan ook afbeeldingen, geluid, muziek en video maken op basis van instructies.

3. Traditionele data mining

Data mining richt zich op het vinden van verbanden en patronen in gestructureerde data met machine learning, statistiek en databasetechnieken. Het doel is nieuwe inzichten opdoen die in de data verborgen zitten.

4. Text mining en analytics

Text mining vindt verbanden, patronen en correlaties in ongestructureerde data zoals tekst. Ook hier is het doel nieuwe inzichten en kennis opdoen.

5. Beeld- en gezichtsherkenning

Met computer vision boots je het menselijke gezichtsvermogen na en overtref je het: computers identificeren objecten en personen op beelden en video, of sporen schade op. Gezichtsherkenning door intelligente camera’s wordt in openbare ruimtes, op vliegvelden en in gebouwen steeds vaker ingezet voor surveillance en opsporing.

De 20 voordelen van kunstmatige intelligentie in één schema

Op het eerste gezicht lijken de voordelen van AI vooral te liggen in arbeidsbesparing: robotic process automation en fysieke robots in de industrie. Maar wie AI alleen ziet als een manier om op arbeidskosten te besparen, doet het concept tekort. Mits goed toegepast kun je de voordelen voor jouw organisatie vanuit vier invalshoeken inventariseren: mens, organisatie, maatschappij en natuur.

Organisaties kunnen met AI de vraag veel beter voorspellen, hun verkoopkanalen optimaliseren, preventief onderhoud verbeteren, productie en kwaliteit verhogen, de dienstverlening personaliseren en klantervaringen verbeteren. In het algemeen kunnen algoritmes het hele besluitvormingsproces versnellen, verbeteren en deels overnemen.

Ongelukken met artificial intelligence

Tel niet alleen de zegeningen van deze technologie. Sommige ongelukken met AI kun je zien als kinderziekten, maar ze zijn wel leerzaam. Zeven bekende voorbeelden:

• Microsoft lanceerde in 2016 een chatbot, Tay, die zich binnen 24 uur ontpopte tot een ware racist. Oorzaak was een trollenleger op Twitter dat de zelflerende chatbot voedde met een stortvloed aan racistische en seksistische berichten.
• Verschillende overheidsinstellingen gebruiken AI om frauderisico’s bij uitkeringen en belastingen in te schatten. In sommige gevallen leidde dat tot evidente discriminatie en privacyschendingen.
• In 2018 vond in de Verenigde Staten het eerste dodelijke ongeluk met een zelfrijdende testauto van Uber plaats. Het systeem herkende in het donker een overstekende voetganger niet op tijd.
• In 2021 brak brand uit in een Brits distributiecentrum van een online supermarkt, nadat drie orderpickrobots op elkaar waren gebotst.
• In 2018 stond het gezicht van een bekende Chinese zakenvrouw in een advertentie op de zijkant van een stadsbus. Gezichtsherkenningssoftware identificeerde haar ten onrechte als voetganger door rood en nagelde haar aan de schandpaal.
• Facebook staakte in 2017 een experiment nadat twee chatbots een eigen taal hadden ontwikkeld die alleen zij nog begrepen.
• In de algoritmegedreven aandelenhandel, de zogenoemde flitshandel, slaat soms een algoritme op hol, waarna iedereen met de handen in het haar zit.

Moraal van het verhaal: te grote afhankelijkheid van artificial intelligence maakt je kwetsbaar.

Wetgeving, ethiek en duurzaamheid

AI kan grondrechten onder druk zetten. Surveillance door overheden kan privacyrechten schenden. Verregaande robotisering thuis, in de zorg of op het werk kan de persoonlijke autonomie en de menselijke waardigheid raken. De inzet van AI-modellen bij sollicitaties kan in strijd zijn met het gelijkheidsbeginsel. En algoritmische censuur op social media, zoals een shadow ban, kan de vrijheid van meningsuiting schenden.

Algoritmes kunnen de vrije meningsuiting belemmeren.

Algoritmes in de rechtszaal, ook wel robotrechters genoemd, kunnen de toegang tot een onafhankelijke en onpartijdige rechter beperken en het recht op een eerlijk proces ondermijnen. Biases in de data achter overheidsbesluiten kunnen tot discriminatie leiden. En burgers houden hun recht op een transparante en draagkrachtige motivering, ook als een besluit door een algoritme wordt gestuurd. De Europese AI Act, die op 1 augustus 2024 in werking is getreden, stelt hier regels voor, met de strengste eisen voor systemen met een hoog risico.

AI kan positieve effecten hebben op duurzaamheid, zoals het sterk terugdringen van voedselverspilling. Tegelijk is het in het nieuws vanwege de grote hoeveelheden drinkwater en elektriciteit die datacenters verbruiken. Ook op dit vlak moet je behoedzaam te werk gaan.

Zet als directie daarom een vergrootglas op het ontwikkelen en gebruiken van AI in jouw organisatie. Dat kost tijd en vraagt goed advies, en beide schieten er in de praktijk vaak bij in.

Verder lezen

• Machine learning: hoe computers leren van data.
• Generatieve AI: wat het is en hoe je het gebruikt.
• Data science en predictive analytics: voorspellen met data.
• Datakwaliteit en het datawarehouse: het fundament onder elke AI-toepassing.
• Data-ethiek: 5 principes van verantwoorde AI.

Bronnen

• Europese Unie: The EU Artificial Intelligence Act (in werking sinds 1 augustus 2024).
• Kaplan, A. en Haenlein, M. (2019): Siri, Siri, in my hand: who’s the fairest in the land? On the interpretations, illustrations, and implications of artificial intelligence. Business Horizons, 62(1).

Over de auteur

Daan van Beek MSc is ondernemer, auteur, spreker en consultant op het gebied van datagedreven werken, BI en AI. Hij studeerde Bestuurlijke Informatiekunde aan de Open Universiteit en behaalde een Master of Science in Artificial Intelligence aan Middlesex University in Londen. Hij schreef diverse boeken over business intelligence, KPI’s en AI, waaronder De intelligente, datagedreven organisatie.

Over Diamond Decisions

Diamond Decisions helpt organisaties beter te worden door betere beslissingen mogelijk te maken. We starten niet bij data, dashboards of AI, maar bij de beslissing die beter moet, en bouwen van daaruit terug naar KPI’s, data en technologie. Dat doen we in vier stappen: inspiratie en alignment, business modeling, analytics en dataplatform en datagedreven beslissers. Zo zorgen we dat BI en AI geen IT-project blijven, maar elke dag waarde opleveren.