Wat is kunstmatige intelligentie?
Een vroege definitie van kunstmatige intelligentie (artificial intelligence, AI) kwam van een van de grondleggers ervan, Martin Minsky, die het beschreef als "de wetenschap om machines dingen te laten doen die intelligentie vereisen als ze door mensen zouden worden gedaan". Hoewel deze definitie in de kern nog steeds geldt, gaan moderne computerwetenschappers een stuk verder. Zij definiëren AI als een systeem dat zijn omgeving kan waarnemen en actie kan ondernemen om de kans op het bereiken van zijn doelen te maximaliseren. Daarnaast verwijst de definitie naar het vermogen van dat systeem om data zodanig te interpreteren en analyseren dat het leert en zich al doende aanpast.
Geschiedenis van artificial intelligence
Van de Griekse mythe van Pygmalion tot het Victoriaanse verhaal van Frankenstein kun je zien dat de mens al lang gefascineerd is door het idee om een wezen te creëren dat als een echt mens zou kunnen denken en handelen. Met de opkomst van computers werd duidelijk dat de visie van kunstmatige intelligentie niet zou ontstaan in de vorm van autonome, onafhankelijke entiteiten, maar als een set instrumenten en verbonden technologieën die zich kunnen vermeerderen en aanpassen aan de menselijke behoeften.
De term kunstmatige intelligentie werd in 1956 gemunt op een wetenschappelijke conferentie in Dartmouth University in Hannover, New Hampshire (VS). Sindsdien hebben AI en datamanagement zich op een uiterst symbiotische manier ontwikkeld. AI heeft veel big data nodig om zinvol robuuste analyses te kunnen uitvoeren. En het systeem heeft AI nodig om grote hoeveelheden data digitaal te kunnen verwerken. Als zodanig verliep de ontwikkelingsgeschiedenis van AI in gelijke tred met de toename van computerkracht en databasetechnologieën.
Tegenwoordig kunnen bedrijfssystemen die voorheen maar een paar gigabytes aan data konden verwerken nu terabytes beheren en kunnen ze de resultaten en inzichten in realtime verwerken met AI. In tegenstelling tot een door de mens gecreëerd wezen dat naar het dorp strompelt, zijn AI-technologieën flexibel en responsief: ontworpen om hun menselijke partners te verbeteren en uit te breiden, niet om ze te vervangen.
Soorten AI
Artificial intelligence is een van de gebieden van technologie die zich het snelst ontwikkelen. Toch maken ook de meest complexe AI-modellen tegenwoordig nog steeds alleen maar gebruik van 'smalle kunstmatige intelligentie', de meest basale van de drie soorten AI. De andere twee soorten zijn nog het domein van de sciencefiction en worden momenteel op geen enkele praktische manier gebruikt. Dat gezegd hebbende, is het met het tempo waarin de informatica zich de afgelopen vijftig jaar heeft ontwikkeld moeilijk te zeggen waar de toekomst van AI ons zal brengen.
De drie belangrijkste soorten AI
ANI: Artificial narrow intelligence (Smalle kunstmatige intelligentie)
ANI is de soort AI die we nu hebben en die ook wel 'zwakke' AI wordt genoemd. De taken die smalle AI kan uitvoeren worden aangedreven door zeer complexe algoritmen en neurale netwerken, maar desalniettemin zijn ze enkelvoudig en doelgericht. Gezichtsherkenning, internetzoekopdrachten en zelfrijdende auto's zijn allemaal voorbeelden van smalle AI. Deze soort wordt zwak genoemd omdat ze nog ver afstaat van de menselijke componenten die we toeschrijven aan ware intelligentie, en niet omdat het ontbreekt aan scope en macht. De filosoof John Searle definieert smalle AI als zijnde "nuttig om een hypothese over het brein te testen, maar niet echt een brein".
AGI: Artificial general intelligence (Kunstmatige algemene intelligentie)
AGI zou in staat moeten zijn om elke intellectuele taak die een mens kan vervullen, met succes uit te voeren. Net als smalle AI-systemen kunnen AGI-systemen leren van ervaringen en kunnen ze patronen herkennen en voorspellen, maar AGI-systemen kunnen daar een stap verder in gaan. AGI kan die kennis extrapoleren naar een breed scala aan taken en situaties waar eerder verkregen data of bestaande algoritmen zich niet op richten.
De Summit Supercomputer is een van de weinige supercomputers in de wereld die AGI demonstreert. Deze kan 200 biljard berekeningen in één seconde uitvoeren, wat een mens een miljard jaar zou kosten. Er is niet per se zoveel vermogen nodig om AGI-modellen op een zinvolle manier uitvoerbaar te maken, maar dit vraagt wel rekencapaciteiten die momenteel alleen op supercomputerniveau bestaan.
ASI: Artificial superintelligence (Brede kunstmatige intelligentie)
ASI-systemen zijn in theorie volledig zelfbewust. Ze kunnen menselijk gedrag nabootsen of begrijpen, en kunnen dit op een basisniveau ook echt aanvoelen.
Met deze menselijke eigenschappen, uitgebreid met een verwerkings- en analysekracht die die van ons ver overtreft, kan ASI een dystopische, sciencefictiontoekomst lijken te schetsen waarin de mens steeds meer uit de tijd raakt.
Het is onwaarschijnlijk dat iemand die vandaag leeft ooit zo'n wereld zal zien. Maar AI gaat zo snel vooruit dat we echt moeten gaan nadenken over ethische richtlijnen en stewardship, vooruitlopend op een kunstmatige intelligentie die ons op bijna elke meetbare manier zou kunnen overtreffen. Zoals Stephen Hawking adviseerde: "Gezien het grote potentieel van AI moeten we beslist onderzoeken hoe we de voordelen ervan kunnen benutten en tegelijk de mogelijke valkuilen kunnen vermijden."
Voordelen van AI
Nog maar een paar decennia geleden werd AI alleen nog door enkele 'early adopters' gebruikt bij bedrijfsactiviteiten en ging men meer uit van een theoretisch potentieel. Maar sindsdien zijn AI-technologieën en -applicaties verder ontwikkeld en bieden ze meerwaarde voor bedrijven. IDC voorspelt dat de uitgaven aan AI-technologieën van 2020 tot 2024 meer dan verdubbelen. AI-technologieën worden steeds beter, en tegelijkertijd krijgt men meer inzicht in hun potentieel en worden ze met meer creativiteit toegepast. Tegenwoordig profiteren bedrijven steeds meer van de meetbare voordelen van AI-aangedreven systemen, waaronder de volgende vijf:
- Veerkrachtig bedrijf: lang voordat computers bestonden, kenden bedrijven de waarde van het verzamelen en begrijpen van data over hun bedrijf, markt en klanten. Toen datasets steeds groter en complexer werden, werd het steeds moeilijker om die data accuraat en tijdig te analyseren. AI-oplossingen bieden niet alleen de mogelijkheid om big data te beheren, maar ook om er bruikbare inzichten uit te halen. Met AI kunnen complexe processen worden geautomatiseerd, kunnen resources efficiënter worden gebruikt, kunnen verstoringen (en kansen) beter worden voorspeld en is aanpassing aan mogelijke storingen makkelijker.
- Betere klantenservice: met AI-technologieën kunnen bedrijven hun serviceaanbod personaliseren en in realtime met hun klanten communiceren. Terwijl consumenten het moderne verkooptraject doorlopen van 'lead' naar 'conversie', genereren de bedrijven complexe en diverse datasets. AI geeft bedrijfssystemen het vermogen om deze data te gebruiken en hun klanten beter te bedienen en te binden.
- Zekere besluitvorming: goede ondernemers streven er altijd naar om snel en goed geïnformeerd beslissingen te nemen. Hoe belangrijker de beslissing, des te groter de kans dat er talloze en complexe componenten en onderlinge afhankelijkheden mee verbonden zijn. AI helpt de wijsheid en ervaring van mensen uit te breiden met geavanceerde data-analyses en praktische inzichten die weloverwogen, realtime besluitvorming ondersteunen.
- Relevante producten en diensten: veel traditionele R&D-modellen keken vooral terug. Data over prestaties en feedback van klanten werden vaak pas ruim nadat een product of dienst op de markt was gekomen geanalyseerd. Ook waren er geen systemen die snel potentiële gaten en kansen in de markt konden ontdekken. Met AI-aangedreven systemen kunnen bedrijven tegelijk en in realtime naar tal van verschillende datasets kijken. Hierdoor kunnen ze bestaande producten wijzigen en nieuwe introduceren, op basis van de meest relevante en actuele markt- en klantdata.
- Betrokken werknemers: uit een recente Gallup-peiling blijkt dat bedrijven met sterk betrokken werknemers gemiddeld tot 21% winstgevender zijn. AI-technologieën op het werk kunnen de last van eenvoudige taken verlichten en werknemers in staat stellen zich te richten op werk waar ze meer vervulling uit halen. HR-technologieën die AI gebruiken, kunnen ook helpen om te zien wanneer werknemers bezorgd, vermoeid of verveeld zijn. Met welzijnsaanbevelingen op maat en hulp bij het prioriteren van taken kan AI werknemers ondersteunen en hen helpen weer een gezonde balans tussen werk en privé te vinden.
AI-technologieën
AI moet kunnen worden toegepast om zinvol te zijn. De werkelijke waarde van AI kan alleen worden gerealiseerd als AI bruikbare inzichten oplevert. Als we ons kunstmatige intelligentie voorstellen als een menselijk brein, dan zijn AI-technologieën de handen, de ogen en de bewegingen van het lichaam: alles wat ervoor zorgt dat de ideeën van het brein kunnen worden uitgevoerd. Hierna volgen enkele van de meestgebruikte en snelst groeiende AI-technologieën.
AI-technologieën
Machine learning
Machine learning, en alle componenten ervan, is een subset van AI. In machine learning worden algoritmen toegepast op verschillende soorten leermethoden en analysetechnieken, waardoor het systeem automatisch van ervaringen kan leren en zich kan verbeteren zonder expliciet geprogrammeerd te worden. Voor bedrijven kan machine learning worden toegepast op elk probleem of doel waarvoor voorspellende resultaten nodig zijn, afkomstig van complexe data-analyses.
Wat is het verschil tussen AI en machine learning? Machine learning is een subset van AI en kan niet bestaan zonder AI. Het is dus niet zozeer dat ze verschillen, als wel hoe ze verschillen. AI verwerkt data om beslissingen te nemen en voorspellingen te doen. Algoritmen voor machine learning zorgen ervoor dat AI die data niet alleen verwerkt, maar er ook van leert en er slimmer door wordt, zonder dat er extra programmeerwerk nodig is.
Natural Language Processing (NLP)
NLP laat machines geschreven taal, gesproken opdrachten of beide herkennen en begrijpen. Dit omvat het vermogen om menselijke taal om te zetten in een vorm die het algoritme kan begrijpen. Natural Language Generation (NLG of natuurlijke-taalgeneratie) is een deelverzameling van NLP die de machine in staat stelt digitale taal om te zetten in natuurlijke menselijke taal. In meer geavanceerde toepassingen kan NLP context gebruiken om conclusies af te leiden over houding, stemming en andere subjectieve kwaliteiten om de betekenis zo nauwkeurig mogelijk te interpreteren. Praktische toepassingen van NLP zijn chatbots en digitale stemassistenten zoals Siri en Alexa.
Computervisie
Computervisie is de manier waarop computers digitale beelden en video's begrijpen en 'zien', in plaats van ze gewoon te herkennen of te categoriseren. Computervisieapplicaties gebruiken sensoren en leeralgoritmen om complexe, contextuele informatie te extraheren waarmee vervolgens andere processen kunnen worden geautomatiseerd of voorzien van informatie. Computervisie kan ook gegevens extrapoleren voor voorspellingsdoeleinden, wat in feite betekent dat door muren en om hoekjes kan worden gekeken. Zelfrijdende auto's zijn een goed voorbeeld van een praktische toepassing van computervisie.
Robotica
Robotica is niets nieuws en wordt al jaren gebruikt, vooral in de maakindustrie. Zonder het toepassen van AI moeten processen geautomatiseerd worden door handmatig te programmeren en ijken. Als er zwakheden of inefficiënties in die workflows bestaan, kunnen ze pas achteraf worden gesignaleerd, of nadat er een defect is ontstaan. De menselijke operator komt er zelden achter wat tot een probleem heeft geleid, of met welke aanpassingen een grotere efficiëntie en productiviteit kan worden bereikt. Als er AI bij komt, meestal via IoT-sensoren, biedt die bovendien de mogelijkheid om de omvang, het volume en het type van uitgevoerde robottaken sterk uit te breiden. Voorbeelden van robotica in de industrie zijn orderverzamelrobots voor gebruik in grote magazijnen en agrarische robots die kunnen worden geprogrammeerd om gewassen op optimale tijden te verzamelen of te verzorgen.
AI voor bedrijven in actie
Elk jaar profiteren steeds meer bedrijven van de voordelen en de voorsprong op de concurrentie die AI-oplossingen hun kunnen bieden. Sommige sectoren, zoals de gezondheidszorg en het bankwezen, beschikken over bijzonder grote en kwetsbare datasets. Voor hen was het nut van AI al vanaf de eerste iteraties duidelijk. Maar de scope en toegankelijkheid van moderne AI betekent dat het tegenwoordig relevante toepassingen heeft in bijna alle bedrijfsmodellen. De volgende voorbeelden zijn slechts een paar van deze sectoren.
- AI in de gezondheidszorg
Medische datasets behoren tot de grootste, meest complexe en gevoelige datasets ter wereld. Een belangrijke focus van AI in de gezondheidszorg is om met die data relaties te vinden tussen diagnose- en behandelprotocollen en patiëntresultaten. Daarnaast schakelen ziekenhuizen over op AI-oplossingen om andere operationele gebieden en initiatieven te ondersteunen. Dit zijn onder meer personeelstevredenheid en -optimalisatie, patiënttevredenheid en kostenbesparing, om er maar een paar te noemen. Bekijk de voordelen van intelligente technologieën en digitalisering in de gezondheidszorg. - AI in het bankwezen
Banken en financiële instellingen hebben een grotere behoefte aan veiligheid, naleving en transactiesnelheid. Daardoor behoorden ze tot de eersten die overstapten op AI-technologieën. Functies als AI-bots, digitaal betalingsadvies en mechanismen voor het opsporen van biometrische fraude dragen allemaal bij tot verbeterde efficiëntie en klantenservice, en tot vermindering van risico's en fraude. Zie hoe banken end-to-end service aansturen met digitalisering en intelligente technologieën. - AI in productie
Wanneer apparaten en machines worden verbonden om data te verzenden en ontvangen via een centraal systeem, vormen ze een IoT-netwerk. AI verwerkt die informatie niet alleen, maar gebruikt deze ook om kansen en verstoringen te voorspellen en om in reactie daarop de beste taken en workflows te automatiseren. In slimme fabrieken strekt dit zich uit tot on-demand productieprotocollen voor 3D-printers en virtuele inventarisaties. Ontdek hoe Adidas met machine learning in slechts 24 uur sneakers op maat levert. - AI in retail
De pandemie had een enorme impact op de winkelgewoonten, gezien de aanzienlijke toename ten opzichte van dezelfde periode in het voorgaande jaar. Dit heeft bijgedragen tot een uiterst concurrerend en snel veranderend klimaat voor detailhandelaren. Online shoppers zijn actief via allerlei contactpunten en genereren grotere hoeveelheden complexe en ongestructureerde datasets dan ooit tevoren. Om deze data zo goed mogelijk te begrijpen en in te zetten, zijn retailers op zoek naar AI-oplossingen die uiteenlopende datasets kunnen verwerken en analyseren om nuttige inzichten en realtime interacties met hun klanten te bieden. Ontdek hoe je de uitdagingen en kansen in de nieuwe retailwereld het hoofd kunt bieden met intelligente technologieën en digitalisering. - AI in de landbouw
In de landbouw hebben AI-applicaties tot hogere opbrengsten geleid en innovatief onderzoek naar duurzaamheid aangestuurd. Het voorspellingsvermogen van AI heeft ook verbeteringen gebracht in de efficiëntie van de landbouw- en voedselvoorzieningsketens. Door bijvoorbeeld data te beoordelen voor rijpingstijden, het weer en de afstand tot de markt, kan predictive analytics de boer laten weten wat het efficiëntste moment is om verschillende soorten fruit en groente te plukken. Dit omvat ook de automatisering van workflows voor landbouwrobots, om te bepalen wanneer en hoeveel van de gewassen ze op bepaalde momenten moeten plukken en verwerken. Zie hoe &ever intelligente technologieën gebruikt om duurzaamheid en groei te stimuleren.
AI-ethiek en uitdagingen
In 1948 zei de informaticapionier Alan Turing: "Een computer zou het verdienen om intelligent genoemd te worden als deze een mens zou kunnen misleiden om te geloven dat het een mens was." Hoewel Turing de verwerkingssnelheid en analytische kracht van een moderne AI-aangedreven computer zeker niet had kunnen geloven, had hij waarschijnlijk wel begrepen welke ethische haken en ogen er aan die mate van kracht zaten. Hoe beter AI ons begrijpt en nabootst, hoe menselijker die lijkt. En nu we steeds meer persoonlijke data genereren via digitale kanalen, moeten we steeds meer de AI-toepassingen kunnen vertrouwen die aan zoveel van onze dagelijkse activiteiten ten grondslag liggen. Hierna volgen enkele voorbeelden van ethische uitdagingen waar ondernemers zich bewust van moeten zijn en die ze in het oog moeten houden.
Ontdek de richtlijnen van SAP voor AI-ethiek
Zie de principes die richting geven aan de ontwikkeling en implementatie van onze AI-software.
- Ethisch gebruik van klantdata
In de jaren twintig van deze eeuw wisselen we de meeste informatie die we als bedrijven of individuen delen en verzamelen uit via digitaal verbonden kanalen. Begin 2020 waren er wereldwijd meer dan 3,5 miljard smartphones, die allemaal enorme hoeveelheden data delen: van de GPS-locatie, via de data van sociale media en zoekgedrag tot de persoonlijke gegevens en voorkeuren van hun gebruikers. Nu bedrijven steeds bredere toegang krijgen tot de persoonlijke informatie van hun klanten, wordt het enorm belangrijk om benchmarks en protocollen die zich blijven ontwikkelen op te stellen om de privacy te beschermen en risico's te minimaliseren. - AI-bias
Bias kan in een AI-systeem kruipen door vooringenomenheid van de mens tijdens het programmeren van algoritmen of door systemische vooroordelen die kunnen worden verspreid via foutieve veronderstellingen in het machinelearningproces. In het eerste geval kun je vrij duidelijk zien hoe dit kan gebeuren. Maar in het tweede geval is het vaak al moeilijker om op te sporen en te vermijden. Een bekend voorbeeld van AI-bias deed zich voor binnen het Amerikaanse zorgstelsel, waar AI-applicaties werden gebruikt om normen voor zorg toe te wijzen. Het algoritme leerde dat bepaalde demografische groepen minder goed in staat waren om zorg te betalen. Vervolgens werd deze informatie geëxtrapoleerd, waardoor die groep ten onrechte werd aangewezen als een groep die minder recht heeft op zorg. Toen deze ongelukkige fout werd ontdekt, werkten computerwetenschappers bij UC Berkeley samen met de ontwikkelaars om de algoritmische variabelen aan te passen, waardoor de bias met 84% afnam. - AI-transparantie en verklaarbare AI
Transparantie in AI is het vermogen om te bepalen hoe en waarom een algoritme tot een bepaalde conclusie of beslissing is gekomen. Algoritmen voor AI en machine learning die informatie geven voor resultaten, en de resultaten zelf, zijn vaak zo complex dat ze het menselijke begrip te boven gaan. Algoritmen als deze staan bekend als 'black box'-modellen. Voor bedrijven is het belangrijk om ervoor te zorgen dat datamodellen eerlijk en onpartijdig zijn, kunnen worden uitgelegd en door externe partijen kunnen worden onderzocht. Vooral op gebieden als de luchtvaart of de geneeskunde gaat het om mensenlevens. Het is daarom van essentieel belang dat de mensen die deze data gebruiken initiatieven op het gebied van data governance uiterst serieus nemen. - Deepfakes en nepnieuws
Deepfake is een samentrekking van 'deep learning' en 'fake'. Het is een techniek die AI en machine learning gebruikt om, meestal, in een video het gezicht van een persoon op het lichaam van een andere persoon te plaatsen, zo nauwkeurig dat het niet te onderscheiden is van het origineel. In zijn onschuldige vorm kan het tot verbazingwekkende visuele effecten leiden, zoals een 30 jaar jongere Robert De Niro en Joe Pesci in de film The Irishman. Helaas wordt het vaker gebruikt om geloofwaardige nepnieuwsverhalen te creëren of beroemdheden in grafische of compromitterende video's te plaatsen waarin ze in feite nooit verschenen.
Ontdek AI-oplossingen
Tools voor AI en machine learning van SAP helpen de beste bedrijven ter wereld.
SAP Insights nieuwsbrief
Meld je vandaag nog aan
Meld je aan voor onze nieuwsbrief en krijg belangrijke inzichten.