Zo leert kunstmatige intelligentie

Kunstmatige intelligentie heeft gegevens (data) nodig en instructies (algoritmen). U kunt het vergelijken met een kok. De data zijn de ingrediënten en de algoritmen het recept. Met als resultaat een gerecht. Door veel te oefenen wordt kunstmatige intelligentie steeds beter. Net zoals een kok lekkerder kookt wanneer hij veel ervaring heeft.

Hoe leert AI?

Kunstmatige intelligentie kan op verschillende manieren leren: met begeleiding (supervised machine learning); zonder begeleiding (unsupervised machine learning); met beloningen (reinforcement learning).

Leren met begeleiding

Bij leren met begeleiding voegt een programmeur een omschrijving toe aan de data. Hij laat foto’s van appels en peren zien en schrijft erbij welke soort het is: een appel of een peer. Zo leert AI de kenmerken van appels en peren. Daarna kan hij deze zelf herkennen op foto’s. De gezondheidszorg gebruikt deze techniek om röntgenfoto’s en MRI-scans te onderzoeken op afwijkingen. Bijvoorbeeld om het verschil te zien tussen een gezond vlekje op de huid en een afwijking.

Leren zonder begeleiding

Bij deze vorm van leren zoekt AI zelf patronen in de data van heel veel mensen. Vervolgens gaat hij deze indelen in groepen. Streamingdiensten zoals Netflix en Spotify gebruiken deze manier van leren voor aanbevelingen. Als u serie A leuk vindt dan weet Netflix dat de kans groot is dat u serie B en C ook leuk zult vinden. Spotify gebruikt het om uw aanbevelingen te geven voor muziek.

Leren met beloningen

Kunstmatige intelligentie kan ook leren door gewoon te proberen. Als hij het goed doet, krijgt hij een beloningsscore. Dit kunt u vergelijken met een rapportcijfer. Als hij het slecht doet, krijgt hij een onvoldoende. Zelfrijdende auto’s, robotstofzuigers en schaakcomputers maken hier gebruik van.

Combinaties van leren

Er zijn ook combinaties van deze manieren van leren mogelijk. Een voorbeeld hiervan is ChatGPT die uw vragen kan beantwoorden. Algemene patronen herkennen in data leert deze chatbot zonder begeleiding. Om specifieke kennis in een bepaald vakgebied te leren, is wel menselijke begeleiding nodig. Bijvoorbeeld voor aanwijzingen hoe u een machine kan repareren wanneer deze een storing heeft.

Belangrijk bij het trainen

Kunstmatige intelligentie heeft gegevens nodig om te leren. De kwaliteit van deze data is heel belangrijk. Als deze onjuist is, of onvolledig, zullen de beslissingen die AI neemt dat ook zijn. U kunt het vergelijken met een kok die ingrediënten van slechte kwaliteit gebruikt, of de verkeerde. Het gerecht zal dan niet goed smaken. Ook de algoritmen (het recept) waarmee AI is geprogrammeerd, moeten goed zijn. Als een computersysteem verkeerde instructies krijgt, zullen de uitkomsten ook slecht zijn. Net zoals wanneer een kok aan de slag gaat met een recept waar foute instructies instaan.

Ethiek

De hoeveelheid data is ook belangrijk. Stel een gemeente wil met camera’s automatisch meten hoeveel mensen zich in een gebied bevinden. Dan moet AI in staat zijn om mensen te onderscheiden van dieren en objecten zoals auto’s en straatmeubilair. Kunstmatige intelligentie zal daarvoor eerst heel veel verschillende foto’s van diverse mensen gezien moeten hebben. Mannen en vrouwen, jong en oud, met verschillende huidskleuren, haarkleuren, kapsels, enzovoorts. Als AI alleen maar blanke mannen van middelbare leeftijd met snor als voorbeelden van mensen heeft gekregen, zal hij alleen deze als mens herkennen. Daarmee is AI dus bevoordeeld. En dat is ethisch natuurlijk onwenselijk.

Europese regelgeving

Een bekend voorbeeld van discriminatie door kunstmatige intelligentie is de toeslagenaffaire. De Belastingdienst gebruikte data en algoritmes om het risico op fraude op te sporen bij aanvragen voor kinderopvangtoeslag. Het algoritme dat daarvoor ontwikkeld was, schatte deze kans hoger in bij mensen die geen Nederlander waren. Regelgeving moet nu gaan zorgen dat er een goede balans omstaat tussen wat technisch mogelijk is en wat maatschappelijk verantwoord is. Om die reden is in Europa AI wetgeving opgesteld: de AI Act.

Niet alles gaat vanzelf

Kunstmatige intelligentie kan dus leren, zelfs zonder begeleiding van mensen. Maar AI-systemen hebben geen bewustzijn. Ze zijn geprogrammeerd met algoritmes en gevoed met data. Zelflerend betekent dus niet dat alles vanzelf gaat. Zorgvuldige monitoring en controle door mensen blijft nodig. Alleen op die manier weten we zeker dat AI zich gedraagt zoals de programmeurs het bedoeld hebben. U kunt het vergelijken met een leerling die een zelfstudiedag heeft gehad. Na afloop vraagt de leraar wat hij heeft geleerd en hoe hij tot deze conclusie is gekomen. Kunstmatige intelligentie is, kortom, een heel handig hulpmiddel. Maar wel hand in hand met menselijke monitoring en controle.