AI door de bril van Abbeel

De big bang in AI

De snelheid van vooruitgang typeert AI. Maar dat is volgens Pieter Abbeel niet altijd het geval geweest: “AI zag het levenslicht in de jaren 50. Tot 2012 werd er echter gebruik gemaakt van het ‘traditionele’ programmeren op basis van coderen om computers slimmer te maken, wat betrekkelijk weinig vooruitgang bracht.”

Met de komst van AlexNet in 2012 kwam daar radicaal verandering in. Gebaseerd op het menselijke brein, creëerde AlexNet een artificieel neuraal netwerk dat werd getraind via data input – ook wel ‘deep learning’ genoemd. Deze techniek focust op het voeden van het programma met beelden en data, zodat het connecties kan leggen, patronen kan herkennen en op basis daarvan voorspellingen kan doen.

“Deep learning is, in het kort, programmeren via data. Hoe meer kwalitatieve data worden ingevoerd, hoe slimmer en efficiënter het AI-systeem wordt”, aldus Abbeel. Alle moderne AI-programma’s zijn gebaseerd op deze deep learning methodologie, waardoor onder meer beeld-, gezichts- en spraakherkenning mogelijk wordt.

Trends & toekomst

Maar wat zijn de nieuwste trends en wat staat er ons nog te wachten? Volgens Pieter Abbeel dienen we volgende ontwikkelingen zeker in het oog te houden:

• Een hele video creëren op basis van een tekstuele omschrijving? AI-modellen zoals Sora doen het voor u in een handomdraai.
• Griezelig of niet, AI kan sinds kort ingezet worden voor ‘brain reading’. Zo wordt het mogelijk om te voorspellen waar een persoon naar kijkt door het analyseren van de breinactiviteit.
• Door AI te trainen aan de hand van data van radiologiebeelden, kan het helpen om onder meer kwaadaardige bottumoren te herkennen op röntgenfoto’s.
• Dankzij data van windpatronen kan AI voorspellen wanneer en hoe sterk wind kan zijn, wat voor de windenergie-industrie enorm interessant kan zijn.
• Sectoren en industrieën die werken volgens vaste structuren en die kampen met een gebrek aan arbeidskrachten, zoals recyclageparken, warenhuizen en de landbouwsector, kunnen een beroep doen op AI in robotica (om te helpen recycleren, rekken te vullen, verscheidene gewassen te oogsten enz.).
• Bedrijven gebruiken AI om benodigde voorraden te voorspellen en hoeveelheden van producten in te schatten op basis van consumentengegevens. 

De grenzen bewaken

De toepassingen en mogelijkheden van AI lijken grenzeloos. AI kan de efficiëntie en productiviteit enorm vergroten, en ons leven op veel vlakken vereenvoudigen. Toch zijn er valkuilen en uitdagingen die we niet aan de kant mogen schuiven.

Zo kan teveel controle geven aan AI riskant zijn. Een gezond evenwicht tussen controle geven en behouden, en nagaan hoe we de adviserende rol van AI in stand kunnen houden, zal almaar belangrijker worden.

De EU AI Act, die in maart 2024 door het Europees Parlement werd goedgekeurd, legt regels vast rond het gebruik van AI en legt bepaalde AI-toepassingen aan banden. De verordening heeft als doel om bepaalde risico’s die gepaard gaan met het gebruik van AI, te beperken. Zo worden er beperkingen opgelegd op het gebruik van systemen voor biometrische identificatie door rechtshandhavingsinstanties, en geldt er een verbod op AI die wordt gebruikt om kwetsbaarheden van gebruikers te manipuleren of uit te buiten.

Certificaten inbouwen in de chips van telefoons, zogenaamde crypto-certificaten, kan dan weer helpen om door AI gegenereerde fake video’s en fake news te detecteren.

Abbeel benadrukt ook dat ontwikkelaars waakzaam moeten blijven voor fouten in de data en de nodige aandacht dienen te geven aan het ingeven van kwaliteitsvolle data en het verbeteren van AI-systemen. Constant bijleren en bijsturen is dus de boodschap.

In de toekomst zullen bedrijfsspecifieke AI-applicaties, i.e. AI-technologieën toegespitst op een bepaald bedrijf en gevoed door (vertrouwelijke) bedrijfsgegevens, eveneens aan belang winnen om de verkoop te verhogen, bestaande producten te verbeteren enzovoort. In hoeverre ondernemingen erin slagen om hun producten en diensten te optimaliseren op basis van deze AI-data, zal bepalend zijn.