AI is back and here to stay

AI is back and here to stay

3508 2480 PE-café

In 1990 volgde ik een college in Neurale Netwerken en mocht ik op een Tulip-computer een Artificial Intelligence-systeem programmeren. Het werkte in de praktijk helaas niet, en het verbaasde mij ook niet dat de AI-hype, die in de jaren tachtig was opgekomen, nog datzelfde jaar instortte. De mens leek op dat moment toch de slag tegen de AI-systemen te winnen. Neurale netwerken werden al snel het lachtertje op de vakgroep. De onderzoeksbudgetten werden bevroren en de zogenaamde AI-winter was geboren.

Maar ondanks deze koude winter bleef AI in kleine stapjes doorgroeien. IBM ging door met investeren in AI en liet eind jaren negentig zien dat de schaakcomputer Deep Blue de grootmeester Kasparov kon verslaan. Later versloeg ook Watson, IBM’s supercomputer, alle deelnemers aan de quiz Jeopardy. Nu, een kwart eeuw later, is het ons duidelijk geworden: de groei aan data en computerkracht zorgt ervoor dat AI altijd doorleert. Je kan dus wel een veldslag tegen AI winnen, maar nooit de oorlog.

TechTeam

Om beurten schrijven zes columnisten over nieuwe technologie en wat ondernemers, bestuurders en werknemers hiermee kunnen. Deze week Martin Heijnsbroek, managing partner bij MIcompany.

Softwarebedrijven hebben het afgelopen jaar massaal hun analytics-dienstverlening gerebrand naar AI – zonder vaak iets noemenswaardigs ter veranderen. De eerste Chiefs AI zijn inmiddels ook aangesteld. Elke start-up heeft ondertussen een AI-strategie. Dus, wil je uitstralen dat je vandaag meedoet in Data Analytics, dan gebruik je de term AI. ‘When you’re fundraising, it’s AI. When you’re hiring, it’s Machine Learning, and when you’re implementing, it’s just a linear regression’, aldus een grapje op Twitter dat een paar maanden geleden viral ging.

Dit jaar lijkt dus de term AI zelfs Big Data van de troon te hebben gestoten. Dat is helemaal niet erg, want dat er heel veel data zijn en dat er nog meer komen, dat weten we onderhand wel. Discussies over welke data nu wel en welke niet tot die Big Data behoren, voegen vaak helemaal niks toe. De echte interessante vraag is hoe je de beschikbare data gaat inzetten om de klant beter te bedienen, je kosten te reduceren of bijvoorbeeld je businessmodel te veranderen.

Wie weet nemen universiteiten de populaire data science-opleidingen op de schop: met meer aandacht voor data management, software-ontwikkeling, organisatie en ethiek. Ondanks het wat irritante opportunisme rondom het gebruik van de term AI, ben ik wel blij met haar come-back. Want het woord AI komt voort uit een behoefte om vele verschillende – en voor de gemiddelde FD-lezer vaak onbegrijpelijke – analytische technieken onder één paraplu te brengen. Een paraplu die staat voor een doel: steeds intelligentere algoritmes en machines ontwikkelen die allerlei cognitieve functies van mensen kunnen overnemen of ondersteunen. Zoals: iets leren, een probleem oplossen, praten in verschillende talen, of plaatjes herkennen.

Waar je in een Big Data-debat discussies kreeg over de techniek van data-opslag en het inzetten van real-time applicaties, leidt de AI-discussie veel meer tot de kern van de worsteling van veel bedrijven. Als je AI in je organisatie wil benutten, dan is het logisch dat je begint met nadenken over de veranderende rol van de mensen in je organisatie. Anders ga je inefficiënte, handmatige processen veel duurder en langzamer maken door ze met meer intelligentie en complexiteit te voeden. Maar je hebt ook een visie nodig voor hoe je kan zorgen dat die mens het leuk gaat vinden om samen te werken met die intelligente robot of app.

In een AI-wereld wordt de behoefte aan ethische kaders ook steeds groter, vooral als de menselijke maat verdwijnt in bijvoorbeeld het zetten van prijzen en het uitsluiten van groepen op basis van data. Uber heeft in haar zoektocht naar die ethiek al haar prijsalgoritme bijgesteld om te extreme prijsstijgingen op kerstavond te voorkomen.

Daarnaast zullen we zien dat de organisatorische vraag over verantwoordelijkheid ook steeds relevanter wordt. Wie is er in de toekomst uiteindelijk verantwoordelijk voor het rijden van mijn Tesla? En wie kun je hierop aanspreken: de data-scientists of de directie van een bedrijf?

En nu ik toch enthousiast word over AI: wie weet besluiten universiteiten wel dat de nu zo populaire data science-opleidingen hun curricula op de schop moeten nemen: met veel meer aandacht voor data management, software-ontwikkeling, organisatie en ethiek. Zodat Nederlands slimste beta-studenten niet alleen leren hoe je het beste een algoritme kunt ontwikkelen, maar ook hoe je organisaties intelligenter en geautomatiseerd laat opereren. Een soort econometrie met een vleugje filosofie en bedrijfskunde, en een flinke scheut informatica erbij.

Bron: fd.nl