- #TechTalk
- Artificial Intelligence zo eenvoudig mogelijk uitgelegd
Artificial Intelligence zo eenvoudig mogelijk uitgelegd
Max Wiertz
Artificial Intelligence (afgekort AI en in het Nederlands: kunstmatige intelligentie, afgekort KI) is misschien wel het meest futuristische en fascinerende binnen de wereld van data science. Ik doe met veel plezier mijn best om je in dit artikel op een zo eenvoudig mogelijke en zo niet-technisch mogelijke manier uit te leggen wat dat inhoudt.
In een reeks artikelen in onze rubriek #techtalk wil ik je graag op een niet-technische, conceptuele manier kennis laten maken met het brede vakgebied data science. De insteek van deze artikelen is het geven van een helikopterview, waarmee ik je wil helpen om dataprofessionals beter te begrijpen en constructieve discussies met hen te voeren. Ik ben ervan overtuigd dat dat de basis legt voor succesvolle dataprojecten. Hopelijk weet ik je ook te inspireren om na te denken over de mogelijkheden van data science binnen je eigen organisatie. Er liggen ook voor jouw organisatie veel kansen!
Intelligentie
Kunstmatige intelligentie begint met de vraag wat intelligentie is. Aldus de bekende Nederlandse filosoof en cognitieve kunstmatige intelligenticus Bas Haring is intelligentie ‘het vermogen om te redeneren, het op een correcte manier, snel, logische conclusies trekken’. Kunstmatige intelligentie is aldus Haring ‘het vermogen van een niet-biologisch systeem om precies dat te doen’.
De definitie die over het algemeen gehanteerd is: ‘artificial intelligence bestaat uit machines die intelligent gedrag vertonen’. Daarbij is het goed om machines ruim te zien, de intelligentie zit over het algemeen in de software die in de betreffende ‘machines’ of apparaten zit. Dat kan een traditionele computer zijn zoals we die kennen, maar ook een slimme thermostaat (Google Nest) of een slimme luidspreker (Amazon Alexa). Of de Netflix app op je smartphone of je smart-TV die heel aardig kan voorspellen welke film of serie je graag zou willen kijken.
Rekenkracht en data
Data science, en dus ook AI, zijn overigens niet nieuw. De basis voor wat we nu algoritmes noemen stamt al uit de 18e eeuw en de befaamde Turingtest (dé test om vast te stellen of je te maken hebt met een mens of een machine) komt alweer uit 1950. De bovengemiddelde aandacht die AI (en data science) de afgelopen jaren hebben gekregen en nog steeds krijgen komt doordat we intussen én beschikken over enorme rekenkracht (snelle computers) én dat we, nu ons leven zich meer en meer online afspeelt, immense hoeveelheden data verzamelen. Met deze combinatie kunnen we computersystemen laten redeneren en leren en dus intelligent gedrag laten vertonen.
Veel bedrijven profiteren inmiddels van het AI-vliegwiel: hoe meer data ze verzamelen, hoe beter hun algoritmes worden, hoe beter hun producten worden, hoe meer gebruikers er gebruik van maken, hoe meer data ze verzamelen enzovoort. Daarnaast toont onderzoek aan dat dit vliegwiel positief bijdraagt bij het aantrekken van talent en het bouwen van een sterke bedrijfscultuur. Wanneer teams AI-projecten succesvol afronden, dan groeit het enthousiasme voor de mogelijkheden van AI (data science). Talent wil vervolgens graag betrokken worden bij deze innovatieve projecten en teams. Daardoor krijgen deze teams steeds meer budget en een steeds belangrijkere rol in de organisatie. AI is een regelrechte magneet voor talent.
Algoritmes
Naast analytics, staan algoritmes aan de basis van AI. Algoritmes zijn niet meer dan een aantal stappen die je zet om een bepaald doel te bereiken. Een algoritme heeft dus niet per se te maken met grote bergen data en technologie. Een rekensom is een algoritme, maar het bereiden van een maaltijd is dat ook. Je volgt de stappen in een recept om het doel — een lekkere maaltijd op tafel zetten — te bereiken. Toch wordt de term algoritme vaak gebruikt in combinatie met technologie als AI en data science; daar waar het gaat om grote dataverzamelingen die door middel van technologie zijn verzameld.
Computers zijn niet zo goed met taal, maar wel heel goed met razendsnelle berekeningen. Daarom werken algoritmes in deze context niet met een geschreven stappenplan, maar met wiskundige formules.
Artificial intelligence
Net als data science is AI een containerbegrip. Een verzamelnaam voor alle intelligente niet-biologische systemen. Van relatief eenvoudige algoritmes tot complexe systemen. We onderkennen daarbinnen drie categorieën AI: narrow AI, general AI en super AI.
Narrow AI (ANI)
Artificial Narrow Intelligence (meestal Narrow AI of ook wel zwakke AI genoemd) betreft de AI-voorbeelden die we al kennen en die momenteel al op vele manieren geïntegreerd zijn in ons dagelijkse leven. Denk bijvoorbeeld aan de zoekmachine van Google of spam filters, maar ook aan een robotstofzuiger of een zelfrijdende auto. Narrow AI betreft software die goed is in één specifieke, betrekkelijk eenvoudige, taak. Zo kan een robotstofzuiger je huis stofzuigen, maar niet met je discussiëren over voetbal of politiek.
General AI (AGI)
Artificial General Intelligence (meestal General AI of sterke AI genoemd) betreft kunstmatige intelligentie die het menselijke brein evenaart. Daar kennen we op dit moment nog geen echt goede voorbeelden van. Het is een toekomstbeeld. Op dit moment komen computers zelfs met de meest geavanceerde technologie nog niet in de buurt, al verwachten sommige wetenschappers dat we al rond 2040 dergelijke technologie ontwikkeld kunnen hebben. Het voorbeeld dat wellicht het meeste in de buurt komt op dit moment is de robot Sophia van het Chinese Hanson Robotics.
Super AI (ASI)
Artificial SuperIntelligence (meestal Super AI of superintelligence genoemd) is de hypothetische vorm van AI die de menselijke intelligentie — zelfs die van genieën en hoogbegaafden — overstijgt. Of deze vorm van AI er gaat komen is onduidelijk. Vooraanstaand wetenschapper wijlen Steve Hawking was ervan overtuigd dat het haast onvermijdelijk is dat deze technologische singulariteit er gaat komen. Hawking waarschuwde ervoor dat het tegelijkertijd het beste en het slechte is wat de mensheid kan overkomen en dat het cruciaal is om het op de juiste manier te ontwikkelen. Hij staat daar overigens niet alleen in, ook Elon Musk (Tesla, SpaceX, Neuralink en ook initiatiefnemer van OpenAI) waarschuwt voor machines die bewustzijn krijgen en de risico’s die daarmee gepaard gaan.
Nauw verbonden aan de superintelligentie is het transhumanisme (of posthumanisme). De aanhangers van deze stroming verwachten dat mensen en machines via cybernetica zullen versmelten en zo de beperkingen van het menselijk lichaam zullen ontstijgen. Een van de bekendste en belangrijkste vertegenwoordigers van de transhumanistische denkrichting is de Amerikaanse wetenschapper Raymond — Ray — Kurzweil, die diverse bestsellers schreef over de impact van technologie op de mens en thans werkt bij Google als director of engineering.
Nu we in dit artikel AI belicht hebben, ga ik in een vervolgartikel dieper in op een ander belangrijk sub-vakgebieden binnen data science: machine learning.
Nu we in dit artikel machine learning (ML) belicht hebben, wil ik in een vervolgartikel dieper in ingaan op een ander belangrijk onderwerp binnen de wereld van data science en data-analyse: analytics. Vaak gezien als de basis van data science.