AI voor iedereen; Hoe bedrijven profiteren van vooruitgang in AI en machine learning

Het moment waarop technologie echt doorbreekt, kan meestal alleen achteraf worden bepaald. Bij artificial intelligence (AI) en machine learning (ML) is dat anders. Beide technologieën zijn nagenoeg alomtegenwoordig en prijken bovenaan menig lijstje met buzzwords. Persoonlijk denk ik dat er, juist door die opkomst van AI en ML, geen beter moment is om slimme applicaties te ontwikkelen en te gebruiken. Er komen namelijk drie zaken samen.

Ten eerste wordt data over de hele wereld digitaal vastgelegd, zowel online met tools, als offline met sensoren. Als gevolg daarvan is er een enorme hoeveelheid data beschikbaar. Ten tweede is er ook genoeg betaalbare computercapaciteit voor intelligente applicaties beschikbaar in de cloud, voor organisaties van elke omvang. En ten slotte heeft er ook een “algoritmische revolutie” plaatsgevonden: het is mogelijk triljoenen algoritmen tegelijk te trainen, wat het hele machine learning-proces behoorlijk versnelt. Daardoor kan er meer onderzoek worden gedaan, wat zorgt voor de kritieke hoeveelheid kennis die nodig is om exponentiële groei in de ontwikkeling van algoritmen en architecturen te kickstarten.

We zijn een heel eind gekomen met AI, maar die vooruitgang bleef grotendeels onopgemerkt. AI en ML waren exclusief voor wetenschappers en onderzoekers. Maar dat is aan het veranderen: AI en ML-diensten, frameworks en tools zijn inmiddels breed en voor iedereen beschikbaar – ook voor organisaties die met nul ervaring in het veld. Consultants bij McKinsey verwachten dat de wereldwijde markt voor AI-gebaseerde diensten, software en hardware jaarlijks met 15 tot 25 procent zal groeien en tegen 2025 ruim 108 miljard euro waard zal zijn. Een aantal startups maakt al gebruik van AI-algoritmes voor alle denkbare doeleinden: van zoeken naar tumoren in patiëntfoto’s en mensen helpen buitenlandse talen sneller te leren, tot automatische afhandeling van claims bij verzekeringsmaatschappijen. Tegelijkertijd worden volledig nieuwe applicatiecategorieën gecreëerd. Natuurlijke gesprekken tussen mensen en machines spelen daarbij een belangrijke rol.

Vooruitgang dankzij machine learning

Is de hype rondom AI en ML wel terecht? Wat mij betreft wel: het biedt het bedrijfsleven en de maatschappij oneindige mogelijkheden. Dankzij digitalisering en krachtige computers zijn we al in staat om op sommige gebieden menselijke intelligentie na te bootsen en zelfs te overtreffen. We schrijven diverse algoritmes voor een groot aantal applicaties en veranderen deze in diensten, zodat iedereen gebruik kan maken van ML. Het maakt ons leven makkelijker en/of veiliger. Neem bijvoorbeeld zelfrijdende auto’s: van alle ongelukken in de Verenigde Staten, wordt 90 procent veroorzaakt door menselijke fouten. De verwachting is dan ook dat het aantal ongelukken af zal nemen op de lange termijn, als auto’s zelf kunnen rijden. In de luchtvaart is dat al langer de realiteit.

MIT-pioniers Erik Brynjolfsson en Andrew McAfee voorspellen dat het macro-economische effect van het zogenoemde “tweede machinetijdperk” vergelijkbaar is met dat van de stoommachine (het “eerste machinetijdperk”). Veel mensen voelen zich oncomfortabel bij het idee dat menselijke intelligentie en AI naast elkaar gaan bestaan. Dat is te begrijpen. Daarom moet ook, naast voor de technische ontwikkelingen, aandacht zijn voor hoe mensen en AI in de toekomst samen kunnen bestaan, de morele en ethische aspecten die ontstaan en hoe we ons ervan kunnen verzekeren dat we goede grip hebben op AI. Het vinden van een antwoord op die vragen is net zo belangrijk als het oplossen van de technische uitdagingen. Dogma’s en ideologieën gaan ons daarbij niet helpen. Wat we nodig hebben is een objectief, breed debat dat rekening houdt met het welzijn van de maatschappij in zijn geheel.

Machine Learning bij Amazon Web Services

De afgelopen twintig jaar werkten bij AWS duizenden software engineers aan ML. Ik zou zelfs durven zeggen dat Amazon het bedrijf is dat al het langst AI en ML als zakelijke technologie inzet. Wanneer barrières wegvallen, kan het hard gaan met innovatieve technologie.

En precies dat is nu het geval. In het verleden moest iedereen die AI voor zichzelf wilde gebruiken, bij nul beginnen: algoritmen ontwikkelen, enorme hoeveelheden data invoeren – zelfs als die applicatie later alleen beperkt zou worden ingezet. Veel consumenten-interfaces die tegenwoordig gewoon zijn, zoals aanbevelingen, auto-aanvullen of zoekvoorspellingen, zijn ML-gedreven. Tegenwoordig voorspellen ze ook voorraad, detecteren ze problemen bij klanten en lossen deze automatisch op, vinden ze neppe producten en verwijderen ze kwetsende reviews. Zo beschermen ze klanten tegen fraude. Maar dat is slechts het topje van de ijsberg.

Bij Amazon beschikken we over gegevens van miljarden bestellingen. Daarmee kunnen we andere AI/ML-gebaseerde modellen ontwikkelen met allerlei doeleinden, zoals bijvoorbeeld programmeerinterfaces die afbeeldingen analyseren, tekst veranderen in spreektaal of chatbots creëren. Uiteindelijk is er voor iedereen die een model wil definiëren, trainen en schalen een oplossing. Vooraf ingestelde bibliotheken en deep learning-frameworks zijn breed beschikbaar, dus iedereen kan er snel mee aan de slag.

Bedrijven als Netflix, Nvidia en Pinterest maken al gebruik van onze expertise in ML en deep learning. Meer en meer lagen worden toegevoegd aan een ecosysteem waarin bedrijven en organisatiezaken kunnen onderbrengen – afhankelijk van hoe diep ze zich willen én kunnen onderdompelen in het onderwerp. Belangrijk is de openheid van de lagen en de betrouwbare beschikbaarheid van de infrastructuur. In het verleden was AI-technologie zo duur dat het nauwelijks de moeite waard was om het te gebruiken. Tegenwoordig is het echter voor iedereen beschikbaar, en kan het op maat worden ingezet. Het vormt zelfs de basis voor nieuwe businessmodellen – zelfs gebruikers die geen AI-specialist zijn kunnen makkelijk en betaalbaar bouwstenen in hun eigen dienstverlening inbouwen. Met name kleine en middelgrote innovatieve bedrijven kunnen daarvan profiteren. Ze hoeven geen complexe ML-algoritmen en -technologieën te leren, en kunnen experimenten zonder dat daar hoge kosten bij komen kijken.

Artificiële intelligentie helpt klanten tevreden te stellen

Eén van de meest geavanceerde applicatiegebieden is e-commerce. Door AI ondersteunde voorselectiemechanismen helpen bedrijven voorkomen dat klanten complexe beslissingen moeten nemen. Het ultieme doel is uiteindelijk klanttevredenheid. Als er slechts drie typen tandpasta zijn, kan de klant snel één soort kiezen en daar tevreden mee zijn. Wanneer er meer dan 50 typen zijn, wordt het al snel moeilijk: je moet kiezen, maar weet niet zeker of de beslissing wel juist is. Hoe meer mogelijkheden er zijn, hoe moeilijker het voor de klant wordt. Onze meest bekende algoritmen komen daaruit voort: filteren van productsuggesties gebaseerd op iemands aankoopgeschiedenis, of op die van klanten die interesse in dezelfde dingen hadden.

Natuurlijk draagt ook consistentie bij aan tevredenheid van klanten. Intelligente ondersteuning maakt het leven makkelijker voor provider en klant. Voor Amazon Fresh ontwikkelden we algoritmen die leren hoe verse producten eruit moeten zijn, hoe lang dat zo is, en wanneer voedsel niet meer zou moeten worden verkocht. Vliegtuigmaatschappijen of transportbedrijven kunnen dit ook voor hun kwaliteitscontrole gebruiken, bijvoorbeeld door een algoritme te draaien dat beschadigde goederen herkent en ze automatisch uit de vracht pikt.

Als je de vraag kunt voorspellen, kun je beter plannen

In B2B- en B2C-bedrijven moeten goederen snel beschikbaar zijn. Daarom hebben we bij Amazon algoritmen ontwikkeld die de dagelijkse vraag naar goederen voorspellen. Met name bij kleding is dat ingewikkeld: die is altijd beschikbaar in veel verschillende maten en variaties en mogelijkheden voor nieuwe bestellingen zijn beperkt. Informatie over vraag in het verleden wordt ingevoerd, net als de fluctueringen die kunnen optreden bij seizoenskleding, het effect van speciale aanbiedingen en de gevoeligheid van klanten voor prijsveranderingen.

We kunnen voorspellen hoeveel shirts en in welke maat en kleur op een bepaalde dag worden verkocht. We hebben dit probleem getackeld en de technologie beschikbaar gesteld aan andere bedrijven als webdienst. MyTaxi profiteert bijvoorbeeld van onze ML-gebaseerde dienst om te kunnen plannen wanneer en waar een klant een voertuig nodig heeft.

Nieuwe werkverdeling

Maar AI kan meer dan alleen voorspellen. In veel industrieën kan AI mensen, wanneer toegepast in robots, afhelpen van routineus, stressvol en fysiek zwaar werk. Machines zijn erg goed en soms al beter in taken die voor mensen moeilijk zijn om te doen, zoals het vinden van de optimale order pick-route in een opslagruimte, en die zware materialen naar de verzendplek brengen. Bij op papier eenvoudige taken raken robots soms echter volledig van slag: bijvoorbeeld een doos herkennen die op een verkeerde plek terecht is gekomen. Dus hoe verenig je het beste van twee werelden? Door intelligente robots van mensen te laten leren hoe ze verkeerd geplaatste dozen kunnen herkennen en de verdere order picking aan hen over te laten. Daardoor houden medewerkers meer tijd vrij voor interactie met klanten.

Onze klant SCDM werkt ook vanuit dat idee: ruimte maken voor ‘menselijke’ kracht, maar in een volledig andere context. SCDM is een dienstverlener die banken en verzekeraars helpt digitaliseren. Door gebruik van AI stelt SCDM klanten in staat documenten te classificeren – ook al gaat het om allerlei verschillende bestandsformaten. Door honderdduizenden documenten tegelijk te scannen, ziet het algoritme van SCDM welk document relevant is voor een specifiek verzoek, zoekt uit waar relevante data voor een specifiek type voorbereiding zich bevindt, en haalt die data daarna uit het document. Als gevolg daarvan is er minder bias en zijn er minder fouten in berekeningen, en blijft er meer tijd over voor menselijke interactie met belangrijke stakeholders – zoals investeerders, analisten en andere klanten.

Machine learning in het onderwijs, de medische sector en ontwikkelingshulp

ML en AI hebben niet alleen het potentieel om efficiëntie en productiviteit te vergroten, maar kunnen ook worden ingezet in onderwijs. Duolingo, dat gratis taalcursussen aanbiedt, maakt gebruik van algoritmen die de uitspraak van gebruikers beluisteren en zo nodig corrigeren. In de medische sector ondersteunt AI doktoren bij analyse van röntgen- en MRI-scans. De Wereldbank gebruikt AI om infrastructuurprogramma’s, ontwikkelingshulp en andere maatregelen in de toekomst doelgerichter te implementeren.

Meer ruimte voor optimisme

Ondanks al deze ontwikkelingen hebben veel mensen uit de academische wereld, het bedrijfsleven en publieke sector nog altijd een kritische houding ten opzichte van ML en AI. Er wordt gewaarschuwd voor nieuwe superintelligentie die onze beschaving bedreigt. Daar is veel aandacht voor.

Naar mijn mening is zowel hysterie als euforie niet op zijn plek. Wat we nodig hebben is een pragmatisch-optimistische kijk op de mogelijkheden. AI stelt ons in staat de taken die onze gezondheid bedreigen, of waar machines beter in zijn, af te stoten. Niet om onszelf overbodig te maken: we krijgen er juist meer persoonlijke en economische vrijheid door. Voor relaties met anderen, om onze creativiteit meer ruimte te geven – eigenlijk voor alles waar mensen beter in zijn dan machines. Daar moeten we naar streven. Doen we dat niet, dan missen we economische én sociale kansen die we anders wel zouden hebben gegrepen.