Skip to ContentSkip to Navigation

Groningen Digital Business Centre

Faculty of Economics and Business
Blog
Header image Blog GDBC

Blog GDBC

Kunstmatige intelligentie en machine learning: wat is wel en wat is niet mogelijk?

Datum:26 mei 2020
Auteur:Nicolai Fabian | Ph.D. Candidate
Kunstmatige intelligentie
Kunstmatige intelligentie

See english text below

Kunstmatige intelligentie en machine learning

Het hebben van een kunstmatige intelligentie (AI) zoals C3PO, zelfs zonder de robotromp, zou ons leven enorm gemakkelijker kunnen maken. Dat gaat echter niet snel gebeuren. Het zal waarschijnlijk nog vele jaren duren om zelfs maar in de buurt van een intelligente AI te komen. Ontdek wat kunstmatige intelligentie is en hoe dit ons leven privé en in organisaties zal beïnvloeden.

Kunstmatige intelligentie is een verwarrende term omdat het suggereert dat we een computer intelligent kunnen maken en dus een kwalitatief vergelijkbare besluitvorming door een machine kunnen realiseren. Helaas is dat niet helemaal het geval. Hoewel onderzoek naar AI al geruime tijd bestaat en we in het verleden belangrijke stappen hebben gezet, zijn we nog niet eens in de buurt van een volledig functionerende AI die dicht bij de menselijke geest staat. Wat we hebben gebouwd, zijn enkele zeer gespecialiseerde AI's die mensen kunnen helpen bij complexe taken. We zullen bespreken wat kunstmatige intelligentie is door te beginnen met een stukje geschiedenis van reken- en bouwalgoritmen. We zullen ook use-cases van AI en de potentiële waarde ervan voor bedrijven bespreken.

Wat zijn kunstmatige intelligentie en machine learning nu eigenlijik?

Kunstmatige intelligentie (of AI) is een term die verwijst naar het stimuleren van intelligent gedrag in computers en machines. Daarom is machine learning een 1e stap om kunstmatige intelligentie te creëren en wordt het momenteel gezien als een van de meest geschikte benaderingen om een ​​mensachtige AI te creëren. Het doel van machine learning is dus om ​​AI te creëren. De AI moet taken kunnen vervullen en intelligent kunnen handelen. Wel moeten we eerst definiëren wat intelligent in dit geval betekent: er zijn twee dingen die moeten worden overwogen. Ten eerste de herkenning van patronen en ten tweede gezond verstand. In de volgende paragrafen en met betrekking tot de waarde van AI zal duidelijk worden dat AI's momenteel alleen uitblinken in het eerste: het herkennen van patronen, maar verre van het nemen van beslissingen die richting gezond verstand gaan.

Om AI en machine learning te begrijpen, moeten we teruggaan naar de tijd waarin computers ontstonden. De basis van computers is om situaties als binair te beschouwen. Dit betekent dat er ja/nee of – nog bekender - 1/0 is. Daarom is alles wat met computers kan worden gedaan, gebouwd op deze eenvoudige regel. Zo werden aan het begin van het computertijdperk verschillende technieken gebruikt om computers te "leren". In de ruimste zin van het woord kunnen we deze benaderingen machine learning noemen. Zoals gezegd waren onderzoekers al in de jaren zeventig geïnteresseerd in het leren van computers om intelligent te worden, of met andere woorden om een ​​AI te creëren. Tot dan toe verschilden de benaderingen, maar het algemene idee was overal hetzelfde. Een onderzoeker genaamd Douglas Lenat kwam op het idee om computers te leren gezond verstand te gebruiken. Met andere woorden, leer computers om meer logische beslissingen te nemen en verder te gaan dan eenvoudige patroonherkenning (ja/nee). Hij ontdekte dat AI’s simpelweg een basisset regels volgen, maar wel in een heel smal domein. Dus als de situatie (domein) enigszins is veranderd, zijn die regels niet meer van toepassing en is de AI waardeloos geworden voor dat domein. Daarom was zijn idee om een ​​meer mensgerichte benadering van gezond verstand te stimuleren. Hij werkt nu overigens nog steeds aan hetzelfde onderwerp, maar het algemene idee dat hij nastreefde, is weer uitermate relevant.

De veelgebruikte methode voor machine learning die tegenwoordig wordt gebruikt om een ​​AI te stimuleren, wordt deep learning genoemd. Bij deep learning worden algoritmen gebruikt die gezamenlijk lijken op het menselijk brein. Programmeurs hoeven dus niet langer de regels van een situatie te creëeren, maar geven voldoende gegevens door aan het algoritme. Vervolgens boekt de AI, na voldoende trainingstijd en datagebruik, uitstekende resultaten in dat zeer smalle domein. Bijvoorbeeld de herkenning van rode rozen of om een ​​ander voorbeeld te geven, de herkenning van huidkanker. Het voordeel van deze aanpak is dat AI´s in dit domein excelleren en zo sneller en efficiënter kunnen zijn dan mensen. De keerzijde van deze trainingsaanpak is dat ze alleen nuttig zijn in een zeer smal domein. Terugkomend op het werk van Douglas Lenat, zijn de huidige AI's verre van "intelligent", maar het zijn eerder zeer efficiënte machines.

Wat is de waarde van AI voor mij en mijn bedrijf?

De waarde van AI hangt duidelijk af van het doel van het bedrijf.Wat willen ze er mee. Denk na over de eerdere paragrafen over hoe AI´s momenteel worden gemaakt. Om een ​​AI efficiënt in een bedrijf te gebruiken, heb je een uitermate gedefinieerd probleem nodig waarvoor veel menselijk werk moet worden ingezet. Afgezien nog dat het probleem substantiële gegevens en de kruisverwijzing binnen die gegevens vereist. Taken die dus zeer tijdrovend zijn voor menselijke werknemers en dus kostbaar.

Laten we op dit punt enkele voorbeelden noemen. Als in Europa een vliegtuig te laat is, kun je compensatie eisen van de luchtvaartmaatschappijen tot 600€, als die vlucht vertraagd was vanwege de schuld van de luchtvaartmaatschappij. Dus niet zoals een staking of slecht weer, maar andere gebeurtenissen die onder de controle van de luchtvaartmaatschappij vallen. Daarvoor heb je dus een menselijke medewerker nodig die elke claim vooraf controleert, wat zeer tijdrovend zou zijn. De pre-check is echter een standaardtaak en kan ook worden uitgevoerd door een AI omdat het in feite een hoop gegevens zijn die moeten worden doorgenomen. Daarom hebben verschillende juridische startups een bedrijfsmodel gemaakt door rechtszaken aan te spannen bij luchtvaartmaatschappijen op basis van een voorafgaande controle door een AI. Het tweede voorbeeld is de herkenning van huidkanker. Voor een menselijke arts is veel ervaring nodig om huidkanker op te sporen. Echter, huidkanker op zichzelf is simpelweg slechts een complex patroon van onderling samenhangende symptomen. Met andere woorden, een taak die perfect geschikt is voor een AI omdat de training van een AI veel gemakkelijker en sneller kan worden gefaciliteerd dan die van een menselijke arts, zeker omdat we het hier over een paar dagen of weken hebben in vergelijking met de jarenlange training van een arts. Daarom kan de menselijke arts worden aangevuld met de AI, wat helpt om een ​​snellere en betere diagnose te stellen.

Samenvattend laten de twee voorbeelden zien dat als er een nauw gedefinieerde taak is, het logisch kan zijn om een ​​AI te creëren ter vervanging van menselijke arbeid of als aanvulling op die menselijke arbeid. Om vervolgens de bovenstaande vraag te beantwoorden: is een AI waardevol voor uw bedrijf? Het kan heel goed zijn dat er bepaalde standaardtaken zijn die in principe programmeerbaar zijn en in plaats daarvan door een AI kunnen worden gefaciliteerd. De waarde van AI ligt in het feit dat het kan leiden tot enorme kostenbesparingen omdat er minder menselijke arbeid benodigd is. Aan de andere kant kan het, indien gebruikt als aanvulling, de efficiëntie en tijd verhogen die mensen nodig hebben om complexe problemen op te lossen. Wat nog belangrijker is, het kan de eerste stap zijn naar een nieuw businessmodel.

Hoe maak en gebruik je een AI?

Na het bespreken van de potentiële waarde van AI voor bedrijven, blijft over de vraag of het gemakkelijk te gebruiken is. Het antwoord op deze vraag is dat het tegenwoordig zelfs voor kleine bedrijven mogelijk is om diensten aan te schaffen om een ​​AI te trainen op basis van een bepaalde taak. Machine learning en de daaropvolgende creatie van AI's zijn dus niet langer beperkt tot grote samenwerkingsverbanden met enorme gegevens, wetenschappelijke teams. Sterker nog, met moderne internetdiensten kan iedereen een AI trainen voor een bepaalde taak. Het creëren van de AI en het machine learning-gedeelte is dus zeker het gemakkelijkste deel van de vergelijking.

Het moeilijkere deel van de vergelijking is om het te integreren in een al bestaand bedrijfsmodel. Als het doel is om arbeid te vervangen, kan er uiteraard weerstand van het bestaande personeel worden verwacht en de overgang tot een pijnlijke ervaring maken. Daarom is het, voordat u een AI in een bedrijf integreert, verstandig om een ​​idee te formuleren van wat de AI precies moet doen en hoe het moet worden gedaan. Daarom is er op dit moment een strategisch plan nodig om ervoor te zorgen dat het gebruik van een AI gunstig is voor het bedrijf en er geen verspilling van tijd en middelen van maken met meer last dan lust.

Conclusie

Kunstmatige intelligentie is misschien intelligent, maar alleen dus in een zeer nauw gedefinieerd domein. We zijn op dit moment nog lang niet echt slimme AI's aan het ontwikkelen die met mensen kunnen concurreren voor een breed scala aan taken. In dit nauw omschreven domein kunnen AI's echter enorm krachtig zijn. De term machine learning is dus het begin om zo'n AI te creëren en omvat tegenwoordig technieken als deep learning. Als het op de juiste manier wordt gebruikt, kan het resultaat kosten en menselijke arbeid besparen of mensen helpen bij de uitvoer van zeer complexe taken.

Ben je geïnteresseerd in AI en wil je er meer over weten en wat kan je ermee? Neem gerust contact met ons op en ontdek ons ​​meest recente onderzoek over de mogelijkheden van AI voor bedrijven en de samenleving. Neem dan contact op met Bas Baalmans, de projectleider van GDBC die uw vragen graag beantwoordt (b.s.baalmans rug.nl

---------------------------------------------------------------------------------------------------------------------------------- 

Artificial Intelligence and Machine Learning

Having an Artificial Intelligence (AI) like C3PO even without the robot hull would make all our lives tremendously easier. Unfortunately, that is not going to happen soon. Likely it will take at least a lot more years to come even close to an intelligent AI. Find out what artificial intelligence is and how it will affect our lives as well as businesses.

Artificial Intelligence is a confusing term because it suggests that we can make a computer intelligent and thus facilitate equally good decision making by a machine. Unfortunately, that’s not entirely the case. While research on AI has been around for quite some time and we did make significant steps in the past, we are still not even close to a fully functioning AI that is even close to the human mind. What we did build are some highly specialized AI´s that can assist humans in complex tasks. On the next pages, we will discuss what artificial intelligence is by starting with a bit of history of computing and building algorithms. We will also discuss use cases of AI and its potential value for businesses.

What are Artificial Intelligence and machine learning?

Artificial Intelligence or AI is a term that refers to the stimulation of intelligent behavior in computers and machines. Hence, machine learning is a pre-step in order to create artificial intelligence and is currently seen as one of the most suitable approaches to create a human-like AI. Thus, the goal of machine learning is to create an AI. The AI should be able to fulfill tasks and act intelligently. While it should be discussing what intelligent means in this case, there are two things that need to be regarded. First the recognition of patterns and second common sense. In the following sections and regarding the value of AI it will become clear that AIs currently only excel in the former, the recognition of patterns, but are far from making decisions that are common sense.

To understand AI and machine learning we must go back in time to the roots of computing. The very basic build up of computing is to regard situations as binary. Meaning that there is either yes/no or 1/0. Hence, everything that can be done with computers is built upon this simple tweak. Thus, at the beginning of the computer age, different techniques were used to “teach” computers. In the widest sense, these teaching approaches can be referred to as machine learning. As said, already in the 1970s researchers were interested in how to teach computers to be intelligent, or in other words to create an AI. Up until that point, the approaches did differ, but the general idea was the same. A researcher named Douglas Lenat came up with the idea to disregard machine learning but rather to teach computers to have common sense. In other words, teach computers to make more logical decisions and to get beyond simple pattern recognition (yes/no). He discovered that AI´s simply follow a basic set of rules but only in a very narrow domain. Thus, once the situation is slightly changed, the rules no longer apply, and the AI is worthless. Hence, his idea was to stimulate a more human-driven approach of common sense. Fast forward, he is still working on the same topic nearly 35 years later but the general idea he pursued is getting relevant again.

The commonly used machine learning approach today to stimulate an AI is called deep learning. In deep learning, a layer of algorithms is used that resembles the human brain. Thus, programmers no longer need to impute the rules of a situation/game but rather feed enough data to the algorithm. Subsequently, after enough training time and data consumption, the AI gets outstanding results in that very narrow domain. For example, the recognition of red roses or to give a more practical example, the recognition of skin cancer. The upside of this approach is that AI´s can get outstanding and be faster and more efficient than humans in this domain. The downside of this training approach is that they are only useful in a very narrow domain. Coming back to the work of Douglas Lenat, the current AI´s are far from being “intelligent” but they are rather very efficient machines.

What are the value of AI for me and my business?

The value of AI clearly depends on the goal of the company. Think about the earlier paragraphs on how AI´s are currently created. In order to use an AI efficiently in a business, you do need a narrowly defined problem that requires substantial human work to be solved. Aside, a problem that requires substantial data and the cross-reference within that data. Thus, tasks that are very time-consuming for human workers and hence extremely costly.

Let us go through some examples at this point. If in Europe a plane is too late you can claim compensation from the airlines up that ranges up to 600€, if that flight was delayed due to the fault of the airline. Thus, nothing like a strike, or bad weather but other occurrences that are within the control of the airline. Hence, you would either need a human worker that does a pre-check of every claim made, which would be very time-consuming. However, the pre-check is a standard task and can also be done by an AI because it is basically a ton of data that needs to be ordered. Therefore, several legal startups made a business model out of filing lawsuits to airlines based on a pre-check done by an AI. The second example would be the recognition of skin cancer. For a human doctor, a lot of experience is needed to detect skin cancer. However, skin cancer by itself is simply said only a complex pattern of interrelated symptoms. In other words, a task that is perfectly suited for an AI because the training of an AI can much easier and faster be facilitated than that of a human doctor, certainly in a few days or weeks compared to years of training for a doctor. Hence, the human doctor can be complemented by the AI, which helps to make a faster and better diagnosis.

In sum, the two examples show us that if there is a narrowly defined task it can make sense to create an AI to substitute human labor or complement human labor. To answer the above question, is an AI valuable for your business. It could very well be that there are certain standard tasks that in principle are programmable and could be facilitated by an AI instead. The value of AI lies in the fact that it can lead to tremendous cost savings due to less human labor needed. On the other side, if used as complement it can boost the efficiency and time needed by humans to solve complex problems. More importantly, it can be the first step towards a new business model.

How to create and use an AI?

After discussing the potential value of AI for businesses the question emerges if it is easy to use. The answer to this question is that nowadays it is possible to even for small businesses to buy services to train an AI-based on a certain task. Thus, machine learning and the subsequent creation of AIs is no longer limited to big cooperation’s that employ huge data, science teams. In fact, with modern internet services, everybody can train an AI for a certain task. Thus, the creation of the AI and the machine learning part is certainly the easiest part of the equation.

The more difficult part of the equation is to integrate it in an already existing business model. If the goal is to substitute labor, the resistance of the existing workforce can be expected and make the transition a painful experience. Hence, before throwing an AI into a business it is smart to formulate an idea of what exactly the AI should do and how it should be done. Thus, a strategic plan at this point is needed to ensure that the usage of an AI is beneficent for the company and not a waste of time and resources.

Conclusion

Artificial intelligence might be intelligent but only in a very narrowly defined domain. We are currently far from developing really smart AIs that can compete with humans on a wide range of tasks. However, in their narrowly defined domain, AIs can be tremendously powerful. The term machine learning is thus the gate opener to create such an AI and involves nowadays techniques such as deep learning. If used in the right way, the outcome can save costs and human labor or complement humans in highly complex tasks.

Are you interested in AI and want to know more about it and what can be done with it? Feel free to contact us and find out about our most recent research that deals with the possibilities of AI for businesses and society. Just contact Bas Baalmans, the managing director of GDBC who will gladly answer your questions (b.s.baalmans rug.nl).

Tags: ai

Over de auteur

Nicolai Fabian | Ph.D. Candidate
Nicolai Fabian | Ph.D. Candidate
 Wetenschappelijk onderzoeker Groningen Digital Business Centre (GDBC), Rijksuniversiteit Groningen
/staff/n.e.fabian/