De mogelijkheden van AI voor de toekomst (5/5)

Kunstmatige intelligentie (AI) wordt beschouwd als een van de meest disruptieve technologieën die invloed heeft op het dagelijks leven en het bedrijfsleven. Onderzoekers en deskundigen uit de praktijk vergelijken de opkomst van AI met de industriële revolutie uit de vorige eeuw. AI bestaat uit een aantal technologieën die de huidige manier van zakendoen drastisch zal veranderen. Steeds meer taken zullen geautomatiseerd worden, maar de grootste impact komt van vernieuwde en nieuwe bedrijfsmodellen en de opkomst van intelligente diensten die voorheen nog niet bestonden.

We sluiten onze reeks artikelen over AI af met deze editie die vijf voorbeelden uitlicht van zakelijke kansen die mogelijk worden gemaakt door AI, met als doel een discussie teweeg te brengen rond vragen zoals: Welke deuren gaan er open als ik AI in mijn bedrijf toepas? Welke waarde kan AI leveren? Hoe kunnen we de waarde van AI bepalen? We weten dat de invloed van AI op verschillende manieren uitgedrukt kan worden, zoals bijvoorbeeld weergegeven in de onderstaande tabel:

Waarde	Voorbeeld
Kostenverlaging	Hoog niveau van intelligente automatisering in callcenters voor verzekeringsmaatschappijen
Optimale service-efficiëntie	Efficiëntie in de gezondheidszorg door contactmomenten tussen klanten en huisartsen te verminderen (door slimme chatbots te implementeren die triage uitvoeren en algemene vragen beantwoorden)
Nieuwe geldstromen	Cross- en upsell van producten in e-commerce via intelligente adviessystemen en personalisatie
Verhogen klanttevredenheid	Nieuwe diensten zoals supermarkten die gezondheidsadvies verstrekken aan klanten

We bekijken enkele voorbeelden uit verschillende industrieën en onderzoeken de aard van AI in deze voorbeelden.

Toepassing 1: AI in diagnose en behandeling van ziekten

Kostenverlaging door AI lijkt een belangrijke drijfveer om de toenemende kosten in de gezondheidszorg tegen te gaan. De mogelijkheid om de effectiviteit van de zorg significant te verbeteren door bijvoorbeeld diagnose en behandelplannen te maken waarbij gebruik wordt gemaakt van AI is echter veel groter.

De mogelijkheden variëren van het ontwikkelen van geneesmiddelen tot het stellen van diagnoses en het opstellen van persoonlijke behandelplannen (bijna tot op DNA-niveau van een individueel patiënt).

Infervision gebruikt bijvoorbeeld deep learning technieken op patiëntgegevens die afkomstig zijn van röntgenstraling, CT-scans, MRI-scans, tekstbeschrijvingen van symptomen en diagnostische rapporten om automatische diagnostische adviezen tot stand te brengen. Meerdere ziekenhuizen in China werken al met dit adviessysteem waardoor (long)kanker in een vroeg stadium vastgesteld kan worden.

Nog een voorbeeld van het gebruik van deep learning is het classificeren van huidkanker. Onderzoekers hebben reeds een systeem ontwikkeld dat huidkanker kan classificeren en dat qua precisie vergeleken kan worden met die van ervaren dermatologen. Door deze AI technologie beschikbaar te stellen via mobiele apparaten kan dermatologische zorg voor meer mensen dan ooit beschikbaar worden.

Toepassing 2: AI in modeontwerp en interactie met klanten

Niet het eerste onderwerp waarbij je denkt aan AI, maar men verwacht dat AI technologie ook de mode-industrie zal beïnvloeden. Een disruptieve mogelijkheid op de lange termijn wordt mogelijk gemaakt door GANS: Generative Adversarial Networks. Het algoritme gebruikt twee neurale netwerken: een generator en een discriminator. De logica achter GAN is dat de generator beelden genereert die voor de discriminator echt lijken (door gebruik te maken van een iteratieve benadering). De gegenereerde beelden lijken zo op elkaar voor de trainingsset dat deze er meteen bij zouden passen. Door deze techniek te gebruiken kan een GAN zich voordoen als een echte modeontwerper door nieuwe kleding te ontwerpen die dezelfde stijl heeft als de stijl waarop het getraind is. Het Amazon team Lab126 is al begonnen met het testen van de mogelijkheden binnen dit domein. Voor dit specifieke voorbeeld kan wat de waarde betreft een grotere klanttevredenheid en zelfs een concurrerend voordeel worden verkregen.

Er zijn ook andere voorbeelden. Chatbots die aangedreven worden door AI en die uitgerust zijn met natuurlijke taalverwerking en beeldherkenningsvaardigheden kunnen contact hebben met klanten op een intuïtieve manier en productadvies geven. Stel je voor dat je een foto maakt van je T-shirt en dit deelt met de chatbot die vervolgens advies geeft welke nieuwe trendy sneakers goed bij je outfit passen.

Toepassing 3:  AI in cybercrime and fraudedetectie

De impact van cybercrime op bedrijven is enorm. Naast de immateriële schade (bijvoorbeeld reputatieschade), kunnen kosten flink oplopen voor een bedrijf. Volgens een schatting van Forbes zullen de globale kosten van cybercrime oplopen tot 6 biljoen in 2021. Een groot deel van deze kosten wordt veroorzaakt door creditcardfraude en hoewel technieken voor het opsporen van fraude al jaren bestaan, zijn deze nog steeds niet goed genoeg om fraude effectief te voorkomen. Nieuwe AI-technieken, zoals recurrente neurale netwerken (Recurrent Neural Networks, RNN) die voorheen niet beschikbaar waren, kunnen de oplossing zijn om fraude in vroegere stadiums op te sporen (8). Detectiesystemen voor fraude die uitgerust zijn met getrainde RNN kunnen snel duizenden transacties scannen en hierover voorspellingen doen of ze classificeren in groepen (bijvoorbeeld van hoog naar laag frauderisico). Dit soort systemen kunnen helpen tijd te besparen door te letten op zaken waarbij een grote kans op fraude bestaat. Hierbij moet men wel oppassen: als je gebruik maakt van deze algoritmes is een degelijk governance een vereiste om de output in de gaten te houden en mogelijke vertekeningen (bias) zoveel mogelijk te beperken. Het is alom bekend dat het voorgetrainde karakter van de algoritmes kan leiden tot bias wat voor een serieuze tekortkoming in het systeem kan zorgen.

Identificeren van criminele activiteiten

Met de recente lancering van de nieuwe iPhone X, kunnen veel mensen over de hele wereld gebruik maken van gezichtsherkenning. In de komende jaren zullen iPhone-gebruikers hun iPhone kunnen vergrendelen door in de camera aan de voorkant van de telefoon te kijken. Maar de authenticatie van persoonlijke content is niet de enige toepassing van gezichtsherkenning. Overheden en veiligheidsdiensten gebruiken gezichtsherkenning om criminelen op te sporen. Onlangs had de politie in China 25 gezochte criminelen gearresteerd op een Chinees bierfestival door gebruik te maken van foto’s die genomen werden bij de ingang. Niet alleen gezichtsherkenning kan helpen bij het opsporen van criminelen, emotieanalyse kan hierbij extra waarde toevoegen. NTchLab heeft een software ontwikkeld, die al in gebruik is genomen, die kan herkennen of iemand gestrest of boos is. Deze software kan bijvoorbeeld gebruikt worden in een supermarkt om verdachte situaties beter in de gaten te houden.

Toepassing 4: AI in gepersonaliseerde advertenties

Stel je voor dat je een winkel binnenloopt en je favoriete merk of product is diezelfde dag afgeprijsd. Dit kan toeval en je geluksdag zijn, maar het is een voordeel voor de winkeleigenaar, omdat je meer geneigd bent het product te kopen. Dit is allemaal mogelijk dankzij technieken zoals gezichtsherkenning. Een gepersonaliseerde advertentietoepassing zoals deze, is getraind met vele voorbeelden, mensenkennis en koopgedrag. Het resultaat is een intelligente toepassing die het type klanten, hun emoties en mogelijke aankoopvoorkeuren kan herkennen. Gepersonaliseerde reclame is een bewezen methode om meer inkomsten te werven. Omdat deze technieken al beschikbaar zijn, kunnen ze op korte termijn veel waarde opleveren.

De grootste online supermarkt van Engeland, Ocado, is een echte pioneer als het gaat om het toepassen van AI-technologie in het doen van dagelijkse boodschappen. Met een geavanceerd roboticasysteem en een autonoom bezorgsysteem, heeft Ocado onlangs een nieuwe Amazon-functionaliteit gelanceerd: spraakbesturing. Klanten die beschikken over een Amazon Echo (Alexa) kunnen simpelweg artikelen opnoemen die zij willen kopen, waarop Alexa deze artikelen toevoegt aan een al bestaand boodschappenlijstje. Hoewel deze functionaliteit al op de markt is, is de toegevoegde waarde van belang voor de toekomst. Nu moet een boodschappenlijstje nog handmatig worden aangemaakt en luistert Echo alleen naar volledige gescripte zinnen. Een zin zoals ‘Hé Echo, we hebben geen melk meer!’ lijkt nog lang niet in zicht.

Toepassing 5: AI in logistiek en tijdige levering

Met de enorme groei van e-commerce en online shopping is een van de grootste uitdagingen voor e-commerce en de vele logistieke bedrijven om de verzendkosten in “the last mile” te verminderen en tegelijkertijd kwaliteit en service op peil te houden. Een aantal van de meest innovatieve bedrijven maken met het gebruik van AI een paradigmaverschuiving door. Zelfrijdende auto’s die gebruikt worden voor autonome bezorging zijn niet nieuw en worden serieus ingezet. Er zijn ook meer praktische gebieden waarbij AI een essentiële rol speelt in de logistiek. Je kunt hierbij denken aan tijdige levering, planning en tijdsinschatting. Deze gebieden worden gebruikt in de track & trace-systemen van logistieke bedrijven. Een goed voorbeeld van hoe AI gebruikt wordt, is een algoritme dat ontworpen is door Deloitte Nederland en waarmee bezorgmomenten voorspelt kunnen worden. Dit model is in staat om toekomstige bezorgingen te voorspellen gebaseerd op de schema’s van bezorgtrajecten. Deze schema’s zijn gevonden met AI-technieken. Aantoonbare kostenverlaging en een aanzienlijke verbeterde klanttevredenheid zijn hiervan de resultaten.

We hebben een aantal toepassingen van AI besproken en kunnen concluderen dat er een enorme mogelijkheid is voor bedrijven om verbeteringen door te voeren, efficiënter te worden en nieuwe bedrijfsmodellen op te zetten door de kracht van AI te gebruiken.

Dit was de vijfde en laatste editie van onze reeks artikelen over AI. In het eerste artikel hebben we een overzicht gegeven van de termen en definities die binnen AI gebruikt worden. In het tweede artikel hebben we enkele fundamentele technieken besproken die de kern vormen van AI. In het derde artikel zijn we verder gegaan en hebben we vijf toepassingen van AI uitgelicht: beeldherkenning, spraakherkenning, automatische vertaling, vraag en antwoord en games. Vervolgens hebben we in het vierde artikel vijf technologische trends geanalyseerd die grote stappen zetten in AI en ten slotte hebben we in dit vijfde artikel een aantal praktische toepassingen van AI gegeven die gebruikt worden in het dagelijks leven.

AI is en zal altijd een dynamisch en breed gebied blijven waarbij verschillende vakgebieden samenkomen, van computerwetenschap tot wiskunde en van neurowetenschappen tot filosofie en zelfs biologie. We hopen dat de onderwerpen in onze vijfdelige AI-reeks je geholpen hebben op een praktischere manier een end-to-end overzicht van AI te krijgen.

Deel 1: AI: Stand van zaken, terminologie, technieken en toepassingen

Deel 2: Verschillende AI-technieken: welke zijn er en hoe werken ze?

Deel 3: Vijf toepassingen van AI nader bekeken

Deel 4: Vijf technologieen die grote stappen zetten in AI

 

*) Dit artikel is geschreven in samenwerking met Joanne Lijbers, Carmen Wolvius en Hicham El Bouazzaoui