Een Reis door het AI-landschap

AI is niet nieuw - het heeft een rijke geschiedenis die teruggaat tot de jaren '50. De tijdlijn in de presentatie laat zien hoe we zijn geëvolueerd van eenvoudige schaakprogramma's naar complexe systemen zoals ChatGPT. Deze evolutie benadrukt hoe snel AI zich ontwikkelt en hoe het steeds meer deel uitmaakt van ons dagelijks leven.

Op een conferentie in 1956 in Dartmouth werd het begrip AI al geïntroduceerd, en de eerste chatbot, ELIZA, was er al in 1964. De essentie van de recente doorbraak in AI is de toegenomen computerkracht. Natuurlijk spelen ook de ontwikkelingen in Machine Learning, Data, Algoritmes en Deep Learning een rol, geïnspireerd in de jaren 80 door het onderzoek naar het menselijk brein (neuronen).

Deep Learning, een subset van Machine Learning, maakt gebruik van complexe, meerlaagse neurale netwerken om patronen in grote hoeveelheden data te herkennen en te leren. Dit heeft geleid tot significante vooruitgang in gebieden zoals beeldherkenning, natuurlijke taalverwerking en spraakherkenning.

AI heeft zich in de loop der jaren dus ontwikkeld van Machine Learning via Deep Learning tot Generative AI met als resultaat dat computers nu in staat zijn om creatief te zijn waarbij AI niet alleen leert, maar ook nieuwe dingen kan creëren zoals teksten schrijven, afbeeldingen maken of muziek componeren die lijkt op wat mensen maken

Maar laten we niet vergeten dat AI fundamenteel gebaseerd blijft op wiskunde en binaire logica - het verwerken van enen en nullen, zij het nu op een ongekende schaal en snelheid.

Maar wat is AI nu in essentie?

AI is in essentie software. Het is onze denkkracht die we buiten onszelf hebben gebracht - in de vorm van computercode - en die we inzetten voor specifieke doeleinden. Je kunt het zien als een verlengstuk van ons menselijk intellect, maar dan in digitale vorm.

Laten we Excel als voorbeeld nemen.

Excel is heel goed in het maken van berekeningen. Wat Excel doet, kunnen wij mensen ook, maar wij hebben er meer tijd voor nodig. Excel is een soort kunstmatige intelligentie, maar dan op één specifiek gebied. Het doet het sneller en zonder fouten. 

AI is dus niet nieuw.

We werken al jaren met kunstmatige intelligentie. Bijvoorbeeld, verkeerslichten die zich aanpassen aan de drukte zodat het verkeer beter doorstroomt, maar ook je persoonlijke aanbiedingen van je supermarkt op basis van aankoop gedrag of wat Netflix je voorschotelt op basis van je kijkgedrag.

Het belang van data.

Hoe meer goede data we hebben, hoe slimmer onze computers kunnen worden!

1. Data: Dit zijn alle getallen en informatie die we verzamelen. Denk aan cijfers, teksten of zelfs plaatjes. Het is de brandstof voor AI.

2. Algoritme: Dit is een slim recept dat de computer volgt. Het vertelt de computer hoe hij de data moet gebruiken om iets te leren.

3. Model: Als de computer het algoritme op de data heeft toegepast, krijgt hij een model. Dit is als een brein dat nieuwe dingen kan begrijpen.

   
   

Samen vormen deze drie dingen dus de basis voor AI.

Van data naar wijsheid

Deze afbeelding toont het "From Data to Wisdom" (DIKW) model, ook wel bekend als de DIKW-piramide of kennispiramide. Het illustreert hoe ruwe data wordt getransformeerd tot wijsheid en uiteindelijk leidt tot besluitvorming in de echte wereld. Hier is een overzicht van de niveaus:

1. Data: De basis van de piramide. Het bestaat uit discrete, objectieve feiten over een gebeurtenis.

2. Informatie: Data met geanalyseerde relaties en verbindingen.

3. Kennis: Gecontextualiseerde informatie.

4. Wijsheid: Het hoogste niveau, waar kennis wordt toegepast en gereflecteerd met waarden en overtuigingen.

Elke laag wordt gekenmerkt door specifieke processen:

• Data wordt verbonden, gecategoriseerd, berekend, gecorrigeerd en samengevat.

• Informatie wordt gecontextualiseerd, vergeleken, en geïnformeerd door acties, gevolgen en gesprekken.

• Kennis wordt toegepast, overdacht en ingebed met waarden en overtuigingen om wijsheid te worden.

Het model toont ook hoe dit proces leidt tot besluitvorming in de echte wereld, met een feedbackloop via evaluatie, onderzoek, observatie en feedback.

Dit model biedt een kader voor het begrijpen hoe ruwe data uiteindelijk kan leiden tot wijze beslissingen en acties in de praktijk.

De Zeven AI-Patronen

AI kent verschillende toepassingspatronen, waaronder hyperpersonalisatie, autonome systemen, en anomalie-detectie. In deze sectie kunnen we de visuals van de zeven AI-patronen gebruiken om uit te leggen hoe deze patronen werken en hoe ze waarde toevoegen in verschillende bedrijfscontexten. Bijvoorbeeld, het hyperpersonalisatiepatroon kan klanten behandelen als individuen door gebruik te maken van machine learning om hun gedrag te voorspellen en daarop te anticiperen.

AI en Ethische Overwegingen

Het ethische kompas van AI komt sterk naar voren in de presentatie, waarin Rabobank's uitgangspunten als voorbeeld worden gegeven. Hier kun je uitleggen waarom transparantie, eerlijkheid, en uitlegbaarheid van AI-modellen zo belangrijk zijn, en hoe bedrijven dit in hun eigen processen kunnen integreren. De visualisatie van de "Ethical Compass" kan helpen bij het illustreren van deze principes.

Het GenAI-landschap: Een Dubbele Aard

AI heeft zowel positieve als negatieve aspecten, zeker op het gebied van generatieve AI. Visualisaties kunnen hier de kansen en bedreigingen illustreren die gepaard gaan met het gebruik van Generatieve AI, zoals fraude, cyberaanvallen en de kwetsbaarheid voor verkeerde informatie. Deze sectie kan ook dieper ingaan op de groeiende discussie rond de ethische uitdagingen die Generatieve AI met zich meebrengt, zoals privacy, vooroordelen, en de impact op werkgelegenheid.

Toekomstvisie: AI in Bedrijf

Tenslotte kan de blog eindigen met een toekomstgericht stuk waarin de kansen voor bedrijven worden besproken. Hierbij kan gebruik worden gemaakt van het "AIlluminate"-initiatief, dat AI-onderwijs toegankelijk wil maken voor mensen over de hele wereld, om het belang van onderwijs en aanpassing aan de AI-revolutie te benadrukken.​

Bronnen:

Veldsink, J. W. (n.d.). The art of the artificial. Nyenrode Business University. Geraadpleegd op 6 october 2024