Wat is kunstmatige intelligentie?
Kunstmatige intelligentie (AI) is technologie die machines in staat stelt om mensachtige redeneringen en mogelijkheden zoals autonome besluitvorming te demonstreren. Door de assimilatie van grote hoeveelheden trainingsdata leert AI spraak te herkennen, patronen en trends te herkennen, proactief problemen op te lossen en toekomstige omstandigheden en gebeurtenissen te voorspellen.
Overzicht kunstmatige intelligentie
Kunstmatige intelligentie is een van de meest transformerende technologieën in de moderne tijd. Het is ook een van de snelste technologische verstoringen ooit. Maar wat is AI eigenlijk, en wat doet het voor het bedrijfsleven?
De term kunstmatige intelligentie ontstond in 1956 op een wetenschappelijke conferentie aan het Dartmouth College. Een van de grondleggers van AI, Marvin Minsky, beschreef het als “de wetenschap van het maken van machines dingen doen die intelligentie vereisen als het door mensen wordt gedaan.”
Hoewel de kern van die definitie vandaag de dag van kracht is, zijn moderne AI-systemen geëvolueerd om probleemoplossende mogelijkheden te demonstreren voor taken zoals visuele perceptie, spraakherkenning, planning, besluitvorming en vertaling tussen talen. Ze kunnen terabytes aan data en inzichten in realtime verwerken. Ze blijken flexibel te zijn, responsieve technologieën die de mogelijkheden van menselijke gebruikers vergroten en de efficiëntie, productiviteit en tevredenheid op de werkplek verhogen.
Soorten kunstmatige intelligentie
Een AI-systeem is geen enkele technologie, maar een geheel van technologieën die kunnen worden gecombineerd om verschillende soorten taken uit te voeren. Deze taken kunnen heel specifiek zijn, zoals het begrijpen van welke taal wordt gesproken en adequaat reageren, of heel breed, zoals het helpen van iemand met reissuggesties voor het plannen van een vakantie. Maar het begrijpen van alle verschillende soorten technologieën waaruit AI bestaat kan een ontmoedigende taak zijn. Hier zijn de basisprincipes.
Drie belangrijke soorten AI
Op kernniveau zijn er drie categorieën AI:
Smalle AI (ook wel zwakke AI genoemd): een AI-systeem dat is ontworpen om een specifieke taak of een set taken uit te voeren. Dit is het type AI dat in huidige applicaties wordt gebruikt. Het wordt zwak genoemd, niet omdat het kracht of vermogen mist, maar omdat het ver verwijderd is van het hebben van het menselijke begrip of bewustzijn dat we correleren met ware intelligentie. Deze systemen hebben een beperkte reikwijdte en zijn niet in staat om taken buiten hun specifieke domein uit te voeren. Voorbeelden van smalle AI zijn spraakassistenten, gezichtsherkenning en spraakherkenning en zelfrijdende auto's.
Algemene AI (ook bekend als sterke AI): In theorie een AI-systeem dat in staat zou zijn om elke intellectuele taak die een mens zou kunnen uitvoeren, mogelijk zelfs beter uit te voeren dan een mens. Net als smalle AI-systemen zouden algemene AI-systemen in staat zijn om te leren van ervaring en patronen te spotten en te voorspellen, maar ze zouden de capaciteit hebben om dingen een stap verder te zetten en die kennis te extrapoleren over een breed scala aan taken en situaties die niet worden aangepakt door eerder verworven data of bestaande algoritmen. Algemene AI bestaat nog niet, maar er is nog steeds onderzoek en ontwikkeling op dit gebied met enige veelbelovende vooruitgang.
Superintelligente AI: een AI-systeem dat wordt gedefinieerd als volledig zelfbewust zijn en de intelligentie van mensen overtreffen. Theoretisch gezien zouden deze systemen de mogelijkheid hebben om zichzelf te verbeteren en beslissingen te nemen met bovenmenselijke intelligentie. Naast het nabootsen of identificeren van menselijk gedrag, zou superintelligente AI het op een fundamenteel niveau begrijpen. Dankzij deze menselijke eigenschappen – en verder uitgebreid met enorme verwerkings- en analytische kracht – zou het onze eigen capaciteiten ver kunnen overtreffen. Als een superintelligent AI-systeem zou worden ontwikkeld, zou het de loop van de menselijke geschiedenis kunnen veranderen, maar momenteel bestaat het alleen in sciencefiction, en er is geen methode bekend om dit niveau van AI te bereiken.
Hoe werkt kunstmatige intelligentie?
Naast de belangrijkste classificaties van smalle, algemene en superintelligente AI, zijn er een aantal meer verschillende en onderling verbonden niveaus van kunstmatige intelligentie.
Machine learning (ML) is een subset van AI die computersystemen in staat stelt om te leren en te verbeteren van ervaring of data, en bevat elementen uit gebieden zoals informatica, statistiek, psychologie, neurowetenschap en economie. Door algoritmen toe te passen op verschillende soorten leermethoden en analysetechnieken, kan ML automatisch leren en verbeteren van data en ervaring zonder expliciet geprogrammeerd te worden. Voor bedrijven kan machine learning worden gebruikt om resultaten te voorspellen op basis van analyses van grote, complexe datasets.
Neurale netwerken zijn een fundamenteel onderdeel van kunstmatige intelligentie, geïnspireerd door de structuur en functie van het menselijk brein. Deze meerlaagse computationele modellen hebben knooppunten gegroepeerd als de neuronen in een biologisch brein. Elke kunstmatige neuron neemt input, voert wiskundige bewerkingen erop uit en produceert een output die vervolgens via snelle parallelle verwerking wordt doorgegeven aan volgende lagen neuronen. Tijdens de training passen neurale netwerken de sterkte van verbindingen tussen neuronen aan op basis van voorbeelden in de data, waardoor ze patronen kunnen herkennen, voorspellingen kunnen doen en problemen kunnen oplossen. Ze gebruiken verschillende methoden om te leren van gegevens, afhankelijk van de taak en het type gegevens. Neurale netwerken hebben toepassingen gevonden op verschillende gebieden zoals beeld- en spraakherkenning, natuurlijke taalverwerking, modellering, autonome voertuigen en meer.
Deep learning (DL) is een gegevenscentrische subset van machine learning die gebruikmaakt van neurale netwerken met meerdere (diepe) lagen om functies te leren en te extraheren uit grote hoeveelheden data. Deze diepe neurale netwerken kunnen automatisch ingewikkelde patronen en relaties ontdekken in de data die misschien niet direct voor de mens duidelijk zijn, waardoor nauwkeurigere voorspellingen en beslissingen mogelijk zijn. Deep learning blinkt uit in taken als beeld- en spraakherkenning, natuurlijke taalverwerking en data-analyse. Door gebruik te maken van de hiërarchische structuur van diepe neurale netwerken, heeft deep learning een revolutie teweeggebracht in vele domeinen, waaronder gezondheidszorg, financiën en autonome systemen.
Generative AI (gen AI) is een type deep learning dat basismodellen zoals grote taalmodellen (LLM's) gebruikt om gloednieuwe content te creëren, waaronder afbeeldingen, tekst, geluid, video's en softwarecode, op basis van hun trainingsgegevens. Gen AI is een verzamelterm voor verschillende funderingsmodeltechnologieën: neurale netwerken getraind op enorme hoeveelheden data met behulp van zelfbegeleid leren, zoals het voorspellen van het volgende woord in tekst. Zijn opkomende mogelijkheden maken het een doorbraak in AI, met een enkel model soms in staat om zowel gedichten als zakelijke documenten te schrijven, beelden te maken en te slagen voor redeneringstests. Stel je de output voor van twee LLMs, een die uitsluitend getraind is in wetenschappelijke onderzoekstijdschriften en een ander getraind op sci-fi romans. Ze kunnen allebei een korte beschrijving van de beweging van objecten in de ruimte genereren, maar de beschrijvingen zouden drastisch anders zijn. Generatieve AI heeft veel zakelijke toepassingen, zoals het maken van realistische productprototypes, het voeren van natuurlijke gesprekken in de klantenservice, het ontwerpen van gepersonaliseerde marketingmaterialen, het automatiseren van contentcreatieprocessen en het creëren van grafische en speciale effecten. Zowel bedrijven als consumenten passen generatieve AI in een opmerkelijk tempo toe, gedreven door het feit dat veel gen AI-applicaties geen programmeer- of coderingsvaardigheden nodig hebben om te gebruiken - gebruikers beschrijven gewoon wat ze willen met behulp van reguliere taal, en de applicatie voert de taak uit, vaak met indrukwekkende resultaten. Volgens een rapport van McKinsey, in 2023:
33% van de organisaties gebruikt gen AI regelmatig in ten minste één bedrijfsfunctie.
40% van de organisaties zal meer investeren in AI vanwege gen AI.
60% van de organisaties die AI in dienst hebben, maakt al gebruik van gen AI.
AI-applicaties
Hier zijn een paar andere manieren waarop AI de manier waarop mensen werken, leren en communiceren met technologie verandert:
Robotica
Robotica wordt al jaren gebruikt in de productie, maar voor de introductie van AI moesten kalibratie en herprogrammering handmatig gebeuren – en meestal pas nadat er iets kapot was gegaan. Door AI te gebruiken, vaak in de vorm van Internet of Things (IoT)-sensoren, hebben fabrikanten de omvang, het volume en het type taken die hun robots kunnen uitvoeren aanzienlijk kunnen uitbreiden, terwijl ze ook hun nauwkeurigheid hebben verbeterd en downtime hebben verminderd. Enkele veelvoorkomende voorbeelden van AI-ondersteunde robotica zijn orderverzamelrobots in magazijnen en landbouwrobots die op optimale momenten watergewassen.
Computervisie
Computervisie is hoe computers de inhoud van digitale beelden en video’s ‘zien’ en begrijpen. Computerzichttoepassingen gebruiken sensoren en leeralgoritmen om complexe contextuele informatie te extraheren die vervolgens kan worden gebruikt om andere processen te automatiseren of te informeren. Het kan ook extrapoleren op de data die het ziet voor voorspellende doeleinden, zoals bij zelfrijdende auto's.
Natural Language Processing (NLP)
Natuurlijke taalverwerkingssystemen herkennen en begrijpen geschreven of gesproken taal. In geavanceerdere toepassingen kan NLP context gebruiken om houding, stemming en andere subjectieve kwaliteiten zo nauwkeurig mogelijk te interpreteren. Tot de praktische toepassingen van NLP behoren chatbots, callcenter interactieanalyse en digitale spraakassistenten zoals Siri en Alexa.
Meer informatie over AI
Ontdek de snelle meerwaarde van kunstmatige intelligentie voor je bedrijf met een uitgebreide verzameling AI-specifieke resources.
Meer informatie over AI
Ontdek de snelle meerwaarde van kunstmatige intelligentie voor je bedrijf met een uitgebreide verzameling AI-specifieke resources.
Voordelen van AI
AI-technologieën zijn verder gegaan dan de vroege adopter fase en zijn nu mainstream in veel bedrijfsapplicaties.
Tegenwoordig halen bedrijven meetbare voordelen uit het bouwen van AI in hun kernbedrijfsprocessen:
Verbeterde efficiëntie en productiviteit: een van de belangrijkste voordelen van AI in de onderneming is het vermogen om taken te automatiseren en activiteiten te stroomlijnen. Systemen met AI-voeding kunnen bliksemsnel grote hoeveelheden data verwerken, waardoor waardevolle human resources zich kunnen richten op activiteiten met meer toegevoegde waarde. Deze verhoogde efficiëntie leidt tot een hogere productiviteit, omdat werknemers hun tijd kunnen besteden aan strategische besluitvorming en innovatie in plaats van routine- en alledaagse taken.
Verbeterde klantervaring: AI-technologie heeft een revolutie teweeggebracht in de interactie tussen bedrijven en klanten. Via NLP- en ML-algoritmen kunnen AI-gestuurde chatbots en virtuele assistenten klanten 24/7 gepersonaliseerde en realtime ondersteuning bieden. Deze beschikbaarheid verbetert niet alleen de klanttevredenheid, maar helpt bedrijven ook om via alle kanalen een naadloze klantervaring te bieden en tegelijkertijd responstijden en menselijke fouten te verminderen.
Datagedreven besluitvorming: AI-systemen kunnen grote hoeveelheden gestructureerde en ongestructureerde data analyseren, zodat organisaties beter onderbouwde beslissingen kunnen nemen. Het afleiden van betekenisvolle inzichten uit deze data stelt bedrijven in staat om trends te identificeren, klantgedrag te voorspellen en hun activiteiten te optimaliseren. AI-algoritmen kunnen patronen detecteren die mensen over het hoofd zien en waardevolle informatie bieden voor strategische planning, risicobeoordeling en het stroomlijnen van bedrijfsprocessen.
Operationele efficiëntie: AI kan repetitieve, tijdrovende taken en workflows automatiseren, evenals complexe berekeningen, data-analyse en andere vervelende taken nauwkeurig verwerken, wat leidt tot verbeterde nauwkeurigheid en minder fouten. AI kan ook helpen bij het snel opsporen van afwijkingen, fraude en beveiligingsinbreuken, waardoor potentiële verliezen worden beperkt.
Verbeterde personeelssamenwerking: AI kan meer samenwerking en kennisdeling tussen werknemers bevorderen. Intelligente systemen kunnen helpen bij het vinden van gegevens door de toegang tot relevante informatie te vereenvoudigen en inzichten te bieden die werknemers helpen bij het nemen van weloverwogen beslissingen. Bovendien maken AI-gebaseerde samenwerkingstools naadloze communicatie en kennisdeling mogelijk tussen teams, afdelingen en zelfs geografisch verspreide locaties, waardoor innovatie wordt aangemoedigd en de productiviteit wordt verhoogd.
AI voor bedrijven in actie
De omvang en toegankelijkheid van moderne bedrijfs-AI maakt het nuttig voor vele gebieden.
Enkele voorbeelden van use cases voor AI in verschillende branches zijn:
AI in de gezondheidszorg: medische datasets zijn enkele van de grootste en meest complexe ter wereld. Een belangrijke focus van AI in de gezondheidszorg is het benutten van die data om relaties te vinden tussen diagnose, behandelingsprotocollen en patiëntresultaten. Daarnaast richten ziekenhuizen zich op AI-oplossingen om operationele initiatieven te ondersteunen, zoals personeelstevredenheid en -optimalisatie, patiënttevredenheid en kostenverlaging.
AI in het bankwezen: de financiële dienstensector is een van de vroegste om AI op schaal te implementeren, met name om de snelheid van transacties, klantenservice en beveiligingsrespons te versnellen. Veelvoorkomende applicaties zijn AI-bots, digitale betalingsadviseurs en fraudedetectie.
AI in productie: de hedendaagse slimme fabriek is een netwerk van machines, IoT-sensoren en rekenkracht, een onderling verbonden systeem dat AI en machine learning gebruikt om data te analyseren en te leren terwijl het in realtime verloopt. AI optimaliseert en informeert voortdurend de geautomatiseerde processen en intelligente systemen binnen een slimme fabriek, van het bewaken van apparatuurcondities tot het voorspellen van problemen in de supply chain tot het mogelijk maken van voorspellende productie.
AI in retail: online shoppers zijn betrokken bij een breed scala aan touchpoints en genereren grotere hoeveelheden complexe en ongestructureerde datasets dan ooit tevoren. Om deze data te begrijpen en te gebruiken, gebruiken retailers AI-oplossingen om ongelijksoortige datasets te verwerken en te analyseren, marketing te verbeteren en betere winkelervaringen te bieden.
AI-ethiek en uitdagingen
Hoewel AI buitengewone kansen biedt, komt het ook met risico's die moeten worden erkend en beperkt om schade aan individuen, groepen, bedrijven en de mensheid als geheel te voorkomen. Dit zijn enkele van de meest urgente uitdagingen op het gebied van AI-ethiek waar consumenten, bedrijven en overheden rekening mee moeten houden als ze AI verantwoord willen gebruiken.
Ethisch gebruik van klantgegevens: In 2029 zullen er wereldwijdnaar schatting 6,4 miljard smartphonegebruikers zijn . Elk apparaat kan enorme hoeveelheden gegevens delen, van GPS-locatie tot persoonlijke gegevens en voorkeuren van gebruikers, evenals sociale media en zoekgedrag. Naarmate bedrijven meer toegang krijgen tot de persoonlijke informatie van hun klanten, wordt het steeds belangrijker dat ze benchmarks en voortdurend ontwikkelende protocollen opstellen om privacy te beschermen en risico's te minimaliseren.
AI-vooringenomenheid: AI-systemen kunnen bestaande vooroordelen in hun trainingsgegevens weerspiegelen of versterken, wat mogelijk leidt tot oneerlijke resultaten in applicaties zoals het aannemen van een baan of het goedkeuren van leningen. Om deze vooroordelen te beperken, moeten organisaties ervoor zorgen dat hun datasets divers zijn, regelmatig audits uitvoeren en bias-mitigatiealgoritmen gebruiken. Een praktijkvoorbeeld van AI voorkwam in de Amerikaanse gezondheidszorg, waar een AI-model geen kritieke bias-mitigatiemogelijkheden ontleende aan trainingsgegevens die demografische groepen die minder besteden aan gezondheidszorg, in de toekomst niet meer zo veel zorg nodig hebben als groepen die meer uitgeven, wat resulteerde in een vooringenomenheid die gevolgen had voor gezondheidsbeslissingen voor honderden miljoenen patiënten.
AI-transparantie en verklaarbare AI: AI-transparantie verwijst naar de openheid en duidelijkheid van hoe AI-systemen werken om ervoor te zorgen dat hun activiteiten, besluitvormingsprocessen en resultaten begrijpelijk zijn en door mensen kunnen worden geïnterpreteerd. Dit is cruciaal voor het opbouwen van vertrouwen in AI-toepassingen en het aanpakken van zorgen over vooringenomenheid, verantwoordelijkheid en eerlijkheid. Uitlegbare AI richt zich specifiek op het ontwikkelen van AI-modellen en algoritmen die uitleg kunnen geven voor hun beslissingen en voorspellingen op een manier die begrijpelijk is voor gebruikers en belanghebbenden. Uitlegbare AI-technieken hebben tot doel complexe AI-systemen te demystificeren door de factoren en functies te onthullen die hun uitvoer beïnvloeden, waardoor gebruikers waar nodig AI-beslissingen kunnen vertrouwen, verifiëren en mogelijk kunnen corrigeren.
Deepfakes: De term deepfake is een combinatie van deep learning en nep. Een deepfake is een geavanceerde methode voor het maken of wijzigen van media-inhoud, zoals afbeeldingen, video's of audio-opnamen, met behulp van AI. Deepfakes maken de manipulatie van gezichtsuitdrukkingen, gebaren en spraak in video's mogelijk, vaak op een opmerkelijk realistische manier. Deze technologie heeft de aandacht getrokken vanwege het potentieel voor het creëren van overtuigende maar gefabriceerde inhoud die kan worden gebruikt voor verschillende doeleinden, van entertainment en artistieke expressie tot meer met betrekking tot toepassingen zoals misinformatie en identiteitsfraude.
Meer informatie over kunstmatige intelligentie
Ontdek AI die is gebouwd voor resultaten in de praktijk
Ontdek hoe je kunt profiteren van AI die is ingebouwd in jouw kernbedrijfsapplicaties en jouw mensen, data en processen met elkaar verbindt.
Maak kennis met Joule, de AI-copilot die jouw bedrijf echt begrijpt
Revolutioneer de interactie met jouw SAP bedrijfssystemen, zodat elke taak eenvoudiger wordt en elk touchpoint telt.