Overslaan en naar de inhoud gaan
Map
  • Nieuws
  • De onstuitbare opgang van kunstmatige intelligentie

De onstuitbare opgang van kunstmatige intelligentie

  • 12/04/2023

Waarom we maar beter slim samenwerken met artificiële intelligentie.

tekening

Tekst Sam De Kegel 

Artificiële intelligentie is momenteel Everything everywhere all at once, naar de naam van de beste film en grote Oscar-laureaat op de jongste Academy Awards.  

Op zoek naar een prikkelende openingszin voor dit artikel over de Artificiële Intelligentie (AI)-revolutie kwam ik op deze associatie. Zou ChatGTP met een betere openingszin voor de pinnen komen? Want sinds een Voka-collega een begeesterend betoog gaf over predictive AI, reinforcement learning en natural language processing (NLP) voel ik de grondvesten onder mijn taalbestaan daveren. Ben ik straks hopeloos voltooid verleden tijd, word ik gedwongen om op te draven als editor, of slechter nog, taalhulpje van deze monsterachtige taalmachine die onophoudelijk artikels spuit? 

Zal AI mijn én jouw job bedreigen? Of grondig veranderen? Zal het een aantal dienstensectoren op disruptieve wijze ontwrichten? Honderden trendwatchers ten spijt, enkel de immer tikkende tijd zal het uitwijzen. Maar je kan je maar beter vroeg genoeg voorbereiden op het onontkoombare. En artificiële intelligentie is niet meer weg te denken in onze samenleving. Het wordt onmisbaar en vanzelfsprekend, net als elektriciteit.  

In plaats van zelflerende AI-toepassingen zoals ChatGTP als ‘vijand’ of ‘indringer’ te zien, kunnen we ze ook omarmen en vooral: er zo slim mogelijk mee samenwerken. Zo ontdekte ik onlangs LanguageTool, een virtuele schrijfassistent. Deze app wijst je niet enkele op fouten in spelling en grammatica, maar geeft ook stijltips. Schrijver Paul Baeten gaat in Focus Knack nog een stap verder: “Ik ben er miljard procent van overtuigd dat de grootste roman ooit nog geschreven moet worden, en het zal zeker niet door een mens zijn.” 

Dat AI, in al zijn vormen en gedaantes, een stilaan onmisbare compagnon de route wordt in ons (werk)leven, dat staat vast. Dat geldt voor individuen maar nog veel meer voor bedrijven. Ondernemingen die blind blijven voor de ongekende mogelijkheden van AI, zetten zichzelf vroeg of laat buitenspel. 

Dat blijkt ook uit de inspirerende verhalen van deze drie AI-techbedrijven uit het Gentse: Henchman , Trendskout en Robovision. Zij leveren AI-innovaties of -oplossingen die heel snel ingeburgerd raken in bedrijven of specifieke sectoren.

En ze veranderen de inhoud van jouw en mijn job, vroeg of later. 
AI als geniale collega of geduchte concurrent, het is maar hoe je het bekijkt… 

Wat meer duiding bij bepaalde termen

‘Onder de motorkap’ van AI: 

machine learning en deep learning
 

  • AI is de overkoepelende wetenschap die zich bezighoudt met het creëren van ‘machines’ die een zekere vorm van intelligentie vertonen.
     
  • Machine Learning is een onderdeel van AI dat zich toespitst op technieken waarmee computers kunnen bijleren op basis van ingevoerde data en patronen. In de praktijk gebeurt dat met behulp van ‘data mining’. Dat is een techniek om relevante informatie uit databanken te halen. Een algoritme voor Machine Learning heeft daarvoor geen gestructureerde database nodig – zoals een Excelbestand met netjes geordende gegevens -, maar is slim genoeg om relevante datapunten te ontcijferen op basis van ongestructureerde data. Veel bedrijven passen vandaag de dag al Machine Learning toe. Denk maar aan Amazon of Bol.com, dat zijn gebruikers automatisch producten aanbeveelt op basis van hun eerdere aankopen. Een ander voorbeeld is Netflix, dat zijn abonnees series en films voorstelt op basis van eerder kijkgedrag. 
     
  • Deep Learning is de verzamelnaam voor een groep technieken voor zelfsturende Machine Learning, waarbij algoritmes zichzelf slimmer maken. Deep Learning is in wezen een geavanceerde vorm van Machine Learning met één belangrijk onderscheidend kenmerk: zelfstandige bijsturing. Een Deep Learning-model kan zichzelf aanpassen op basis van externe signalen – data dus - waar Machine Learning enkel kan aanpassen op basis van manuele bijsturing, zoals in de achterliggende code van het algoritme. 
    Bekende voorbeelden van Deep Learning vinden we vandaag de dag in zelfrijdende auto’s. Ze vereisen geen expliciete gebruikersfeedback om zich succesvol aan te passen. Deep Learning-algoritmes zijn volledig geconcentreerd op het gevraagde eindresultaat en sturen zichzelf in functie daarvan bij. 

Predictive maintenance, stilaan onmisbaar voor elk productiebedrijf 

De essentie van predictive maintenance of ‘voorspellend onderhoud’ is eenvoudig van opzet. Complexe toestellen en industriële machines hebben op gezette tijd onderhoud nodig. Dat gebeurt liefst nét voor het einde van de levensduur van de machine of het te vervangen onderdeel in kwestie, denk aan het vervangen van lagers. Om operationaliteit te garanderen, worden veel machineonderdelen in grote productiehallen nog steeds op vaste tijdstippen vervangen op basis van hun geschatte levensduur. Vaak wordt daarbij uit voorzorg een veel te ruime buffertijd gehanteerd en zou het efficiënter zijn om voorspellend te kunnen ingrijpen. 

AI-gebaseerde predictive maintenance optimaliseert de timing van onderhoud en zorgt op die manier voor maximale kostenbesparing. Daarvoor gebruikt men een aantal specifieke algoritmes op basis van historische data, afhankelijk van het soort predictive maintenance dat nodig is in de praktijk.

Natural Language Processing (NLP): toolkit voor online moderatie

NLP is een verzamelnaam voor technieken die tekst- of spraakgegevens begrijpen en erop reageren met hun eigen tekst of spraak, op vrijwel dezelfde manier als mensen. NLP combineert computerlinguïstiek - op regels gebaseerde modellering van menselijke taal - met deep learning-modellen. Samen stellen deze technologieën computers in staat om menselijke taal in de vorm van tekst- of spraakgegevens te verwerken en de volledige betekenis ervan te ‘begrijpen’, compleet met de bedoeling en het sentiment van de spreker of schrijver. 

Online interacties op social media vormen een grote uitdaging voor veel bedrijven. Storende inhoud wordt al snel een probleem voor het imago van de organisatie, terwijl zich volledig afsluiten van online interactie kansen laat liggen voor versterking van het merk en klantenrelaties. Online reacties modereren en filteren betekende voorheen een tijdsintensief werk voor menselijke moderatoren. Dankzij NLP kan dit nu automatisch gebeuren waardoor de kost voor online moderatie tot een fractie wordt herleid.

Contactpersoon

Miel Kurris

Innovatie - Groeitrajecten

Artikel uit publicatie