PROF. DR. ERIC POSTMA OVER ARTIFICIAL

“MAAK MET AI JE ORGANISATIE ROBUUST”

DE TECHNIEK VAN AI IS ER KLAAR VOOR

TEKST: DANIELLE GRUIJS

Artificial Intelligence (AI) is hét gespreksonderwerp van dit moment. Maar hoe vergevorderd zijn de toepassingen eigenlijk? Wat zien we in de praktijk en wat zegt de wetenschap daarover? Jonathan Aardema gaat in gesprek met prof. dr. Eric Postma, hoogleraar Cognitieve Science en Artificial Intelligence aan de Universiteit van Tilburg.

Binnen bedrijven kom ik veel mensen tegen die niet helemaal weten wat er onder Artificial Intelligence (AI) valt. Hoe kijk jij daar vanuit de wetenschap tegenaan?

Heel nuchter. Artificial Intelligence is nu een modewoord, maar het vakgebied bestaat al sinds de jaren 50. Nu horen we rondom AI steeds de claim dat machines dingen sneller en beter kunnen dan mensen, maar dat kunnen machines al vrij lang. Neem een zakrekenmachine, die kan veel sneller rekenen dan de meeste mensen.

Wat wel nieuw is, is spraak- en beeldherkenning. AI is heel goed in het herkennen van patronen, zonder daarbij de context te kennen. Denk bijvoorbeeld aan het automatisch herkennen van huidkanker uit afbeeldingen van de huid. AI presteert daar beter dan de mens, maar weet en begrijpt niets van de patiënt. ‘Narrow AI’ noemen we dat. Dat is wel beperkter dan wat mensen kunnen, maar dat geeft niet. Een zakrekenmachine is ook beperkter, maar doet wat het moet doen, namelijk rekenen. Over de conclusie uit de berekenin gen beslist de mens.

In de praktijk zien we dat veel organisaties nu stappen rondom AI willen gaan zetten, bijvoorbeeld rondom beeldherkenning. Waar om is het nu zo in opkomst?

De grote doorbraak is Deep Learning. Ook dat is al 30 jaar oud, maar blijkt goed te werken als je het opschaalt met meer data en meer computerkracht. Dan kun je bijvoorbeeld afbeeldingen van een hond van een label voorzien en het systeem trainen om hondenrassen te herkennen. Dat kan het systeem heel goed, net zo goed als mensen, maar het maakt soms wel domme fouten die mensen nooit zouden maken.

Een ander voorbeeld is het herkennen van borstkanker op scans. Er is net een studie afgerond waaruit bleek dat AI dat beter kan dan specialisten. Een systeem krijgt namelijk geen lunchdip en raakt niet vermoeid na het beoordelen van te veel scans achterelkaar. Dat is ook narrow AI; je traint het systeem alleen op het herkennen van vlekjes, meer hoeft het niet te weten. Wat er daarna mee gebeurt, is aan de arts. Ik zie dit als een versterking van het instrumentarium. De grote vraag is: hoe gaan we nu optimaal de complementariteit van mens en machine benutten. Sommige dingen kunnen mensen nu eenmaal beter dan een computer.

Wij zijn bezig met het ontwikkelen van een model om ziekte verzuim in de zorg terug te dringen. We kijken daarbij naar de variabelen die voorspellend zijn om ziekte te voorkomen. Een half procent minder verzuim levert bij duizenden werknemers al snel veel op. Daarbij zien we wel dat naast de modellen ook human judgement belangrijk blijft.

Klopt. Dan krijg je Hybrid Intelligence, waarbij een human operator samenwerkt met een Deep Learning-systeem. De grootste beperking van AI-systemen is dat ze geen kennis hebben van de wereld. Als mens doe je vanaf je babytijd kennis op en we weten nog niet zo goed hoe we die brede kennis over moeten dragen aan systemen. Ik zie dan ook meer een toekomst voor me waarin je AI ontwikkelt om de zwakheden van mensen te compenseren en an dersom. Het gaat om de combinatie van de kracht van het systeem en de kracht van de expert.

Hoe voer je AI in binnen een organisatie? In de praktijk zien we dat met een clean sheet beginnen ook binnen traditionele organi saties kan werken. Wat zegt de wetenschap; moet je bestaande dingen aanpassen of juist helemaal opnieuw beginnen?

Ik denk dat het logisch is dat veel bedrijven nog koudwatervrees hebben, omdat het nog geen bewezen proces is. Ik verwacht dat in alle bedrijfstakken AI steeds meer een rol gaat spelen. Ik ben geen organisatieadviseur, maar mijn advies zou zijn om klein te beginnen en daarna uit te bouwen. Voor bedrijven met een goedlopende business is het verstandig om het bestaande businessmodel te

“MAAK NOOIT DE FOUT OM EEN MACHINE DE EXPERT TE LATEN OVERRULEN”

houden en daarnaast voorzichtig een nieuw model rondom AI op te bouwen. Het alternatief is een radicale omslag, waarvoor je ander personeel nodig hebt. TNT bijvoorbeeld heeft bewust gekozen om een datadriven bedrijf te worden. Zij gebruiken nu predictive modellen om te voorspellen op welk tijdstip iemand thuis is.

Met het ontstaan van dit soort ontwikkelingen ontstaan er ook nieuwe risico’s. Welke uitdagingen zie jij?

De grootste uitdaging is hoe wij als maatschappij omgaan met de ontwikkelingen rondom data. Hoe zorgen we voor een juiste balans tussen innovatie en het bewaken van de privacy? Neem het patiëntendossier. Daarmee kun je de zorg voor de patiënt verbeteren, maar hoe bescherm je de data?

Een andere uitdaging is hoe we om moeten gaan met de kracht van de systemen en de kracht van de experts. Een expert is niet voor niets een expert; maak nooit de fout om een machine de expert te laten overrulen. Een probleem kan bijvoorbeeld zijn dat het systeem consequent iets fout doet. Hoe repareer je dat en hoe ga je daar in je proces mee om? Als je vertrouwen in het systeem wil krijgen, wil je ook kunnen zien waar het fouten maakt. Fouten maken is name lijk niet zo erg, mensen maken ook fouten, als je maar weet waar.

Uiteindelijk is de grootste bedreiging de mens. Iedereen kan Deep Learning toepassen, maar niet iedereen heeft de kennis van de basisprincipes van statistiek en analyses die nodig is om het goed te doen.

De ontwikkelingen van wetenschap naar praktijk is in volle gang. Waar staat Artificial Intelligence nu, verwacht jij nog grote innovaties?

De techniek is er al en bereikt het punt van verzadiging. Er komen nog wel kleine verbeteringen, waardoor de systemen robuuster worden en minder data nodig hebben. De echte innovatie zit vaak in het zoeken naar de toepassingen waar je met AI het verschil kunt maken. Daarbij gaat het niet alleen om de techniek en het identificeren van de taken, maar ook om de menselijke en organisatorische kant. Wij zijn nu bijvoorbeeld het herkennen van botbreuken op röntgenopnames aan het onderzoeken. Dit soort oplossingen kost tijd; het duurt zo’n 10 jaar voordat je het geïnte greerd hebt in de werkwijze van het ziekenhuis en met de zorgverzekeraar. Maar dat het er komt, is onvermijdelijk.

De technieken kun je steeds meer toepassen op wat je al aan het doen bent. Forecasting wordt nog slimmer, budgetteren ook. Waar vind jij dat bedrijven AI de komende jaren op in moeten zetten?

De innovaties zitten in de interacties met mensen en in nieuwe toepassingen. Binnen finance kun je AI bijvoorbeeld inzetten voor anomaly detection; wat zijn de afwijkende teksten en getallen? Als je duizend rapporten moet beoordelen, hoef je met anomaly detection alleen nog maar de afwijkingen te bekijken.

Ook kun je krachtige voorspellingen in gaan zetten op basis van externe factoren, zoals door laten rekenen op welke externe risico’s je nog niet voorbereid bent. Dan zet je Artificial Intelligence in om je bedrijf robuust te maken. De bedrijven die het meest succes vol worden, zijn die bedrijven die heel goed zijn in het verzamelen van data.

VERDER LEZEN