De Nationale AI-cursus

Voor het vak Dataverwerving en verwerking kregen we de opdracht om deel te nemen aan de Nationale AI cursus en deze te voltooien. Tijdens deze cursus werd de wereld van AI een stuk duidelijker en leerden we een hele boel zaken bij.  

In dit blogbericht tracht ik jullie de basics van AI uit te leggen zodat jullie zoals ik een beetje rijker worden rond Artificiële Intelligentie.

Nu laat ons starten met te definiëren wat AI is?
Eigenlijk is er geen exacte definitie omdat AI constant evolueert. Om er toch een begrip aan te hangen kunnen we zeggen dat AI intelligente systemen zijn die zelfstandig taken kunnen uitvoeren in complexe omgevingen en eigen prestaties verbeteren door te leren van ervaringen.

Dus AI heeft twee kenmerken, het is enerzijds zelfstandig, het kan zonder tussenkomst van mensen opereren. Het is zelflerend , naarmate het vaker wordt gebruikt, meer voorbeelden ziet wordt het systeem steeds slimmer.

Turing test

Nu wat is de Turing test?
De Turing-test, oorspronkelijk het imitatiespel genoemd door Alan Turing in 1950, is een test van het vermogen van een machine om intelligent gedrag te vertonen dat gelijk is aan of niet te onderscheiden is van dat van een mens.

Nog geen enkel computer systeem heeft deze test doorstaan. Vanaf wanneer men een gesprek heeft binnen een breed domein zal de computer bepaalde vragen niet kunnen beantwoorden waardoor de test niet zal slagen.

Narrow AI vs General AI

Daarnaast kan je onderscheid maken tussen twee soorten AI. Ai die we de dag van vandaag kennen is zeer goed binnen het gebied van Narrow AI. Narrow AI is kunstmatige intelligentie toegepast op een enkele taak zoals een chatbot, virtuele assistent of zelfrijdende auto.

Ook heb je general AI. Dit is kunstmatige intelligentie die niet alleen heel veel van een specifiek vakgebied, maar kan ook gewoon met jou praten alsof het een gesprek is mens tot mens.

Wat is een algoritme?

Is niet meer dan een reeks regels of instructies die je van een beginsituatie naar je gewenste einddoel brengt.

Door algoritmen kunnen systemen sneller en efficiënter werken dan mensen. Systemen lossen met behulp van algoritmen allerlei verschillende soorten puzzelstukken op.

Beslisbomen

Wat is een beslisboom? Een beslisboom is een overzicht van de mogelijke uitkomsten van een reeks gerelateerde keuzes. Hiermee kan een individu of organisatie bepaalde opties tegen elkaar afwegen op basis van kosten, kansen en voordelen.

Computers gebruiken beslisbomen constant. Voor een computer is dat geen probleem want die kan van boven naar beneden, heel snel, alle scenario’s doornemen. Om vervolgens de optimale keuze te maken, voor iedere zet opnieuw. Dit gebeurt volgens het Minimax-algoritme.

Machine learning binnen Artificiële Intelligentie

Machine learning gaat om machines die zelf kunnen leren. En daardoor steeds slimmer worden. Door een algoritme meer en meer voorbeelden te laten zien, wordt het steeds beter in een betreffende taak. Deze kent drie soorten:

Supervised learning

Deze vorm van leren is ‘gecontroleerd’, omdat mensen aan de computer voorbeelden laat zien. Heeft een systeem bijvoorbeeld als taak om honden van katten te onderscheiden, dan laten mensen eerst veel verschillende voorbeelden zien van zowel honden als katten. Het systeem gaat vervolgens aan de slag en formuleert regels om vast te stellen waarom een afbeelding een hond of een kat laat zien. Door middel van oefening en het ontvangen van feedback scherpt het systeem de regels steeds verder aan.

Reinforcement learning

Anders dan bij supervised learning, ontvangt het systeem bij reinforcement learning pas feedback nadat de taak helemaal is uitgevoerd. Het systeem bepaalt eerst of de afbeelding een hond of een kat laat zien, daarna krijgt het feedback of deze keuze juist was.

Unsupervised learning

Bij unsupervised learning gaat een systeem zelf op zoek naar patronen in data. Dit is een ongecontroleerde manier van leren waarbij er niet wordt gestuurd door middel van juiste voorbeelden. Tijdens het leren verdeelt het systeem de honden en katten zelf in categorieën.

Wat wel vaker voorkomt is dat je in een filterbubbel terecht komt. De filterbubbel is het verschijnsel waarbij websites en zoekmachines hun resultaten afstemmen op jouw (eerdere) online zoekgedrag.

Wat is Deep learning?

Is een aaneenschakeling van wiskundige vergelijkingen en kan, in tegenstelling tot machine learning, uit de voeten met ongestructureerde data. Het kan zelf patronen ontdekken door te oefenen met grote hoeveelheden (test)data. Je kan zegen dat het gebaseerd is op hoe onze hersenen werken.

Artificiële intelligentie en Data

 Bij Artificiele Intelligentie wordt natuurlijk ook Data gebruikt. Maar af en toe komt het voor dat je data niet op een correcte manier wordt gebruikt. Om te voorkomen dat bedrijven misbruik maken van data heeft men RDS of Responsible Data Science ontstaan. Bedrijven horen zich te houden aan het acroniem FACTA.

F – fairness

Eerlijkheid: de data waarmee een systeem is getraind, moet een juiste en evenwichtige weergave van de werkelijkheid geven.

A – accuracy

Nauwkeurigheid: een systeem moet de juiste verbanden leggen tussen data.

C – confidentiality

Vertrouwelijk: als data een bepaald verband vindt, betekent dit nog niet dat dit naar buiten mag worden gebracht.

T – transparency

Helderheid: een systeem moet altijd kunnen uitleggen waarom het bepaalde beslissingen maakt.

A – accountability

Verantwoording: zorg dat de juiste experts jou beschermen tegen data-schandalen.

 

Wanneer ze zicht aan deze 5 regels houden zijn ze correct bezig met het gebruik van jouw data en zullen er dus geen problemen ontstaan qua datagebruik.

Correct gebruik van data

Data wordt veel binnen de overheid gebruikt en is bij de ene wat strenger dan bij de andere. Het wordt niet overal even correct gebruikt maar om te voorkomen dat systemen fouten maken of (onbedoeld) discrimineren, zijn er meerdere zaken van belang.

  • Het is essentieel dat data representatief zijn, wordt beschermd én voor de juiste doeleinden wordt gebruikt.
  • Wees altijd op je hoede en blijf kritisch. Dat geldt voor mensen die direct werken met AI-systemen, maar ook voor jou.
  • Als je je gediscrimineerd voelt door een computerprogramma, geef het aan. Het is belangrijk dat systemen transparant blijven en je inzicht kunnen geven hoe ze tot een beslissing zijn gekomen.

Wat met onze jobs?

Moest je je afvragen als Ai en robots onze banen gaan overnemen kan je dit vaststellen.

Sommige banen zullen verdwijnen omdat robots automatiseerbare taken overnemen waardoor veel banen ook inhoudelijk veranderen maar er zullen juist ook veel nieuwe banen ontstaan.

Zo, dit was de achtdelige Nationale AI cursus in een kort blogberichtje uitgelegd. Voor ieder onderdeel die ik hier heb uitgelegd kan je natuurlijk veel dieper opgaan maar om dit aangenaam leesbaar te houden laat ik het hier bij de basics.

 

Ik heb alvast genoten van deze cursus en voel me al veel intelligenter op het vlak van Artificiële Intelligentie. Kort gezegd heb ik geleerd dat AI niet zomaar een robot is die tegen je spreekt en dat we niet direct overgenomen zullen worden of al onze jobs zullen verliezen… of toch niet binnenkort 😉.

Geef een reactie

Het e-mailadres wordt niet gepubliceerd. Vereiste velden zijn gemarkeerd met *