Wanneer het gaat over technologie, gaat het vaak ook over artificiële intelligentie (AI). Autonome auto’s, bussen of vliegtuigen, drones, robotica, verkeersmanagement, smart cities, preventief onderhoud enzovoort. Dat zijn slechts enkele zaken waarop wordt gezinspeeld als we het hebben over AI. Het lijkt nog futuristisch, en het is vast verrassend om te ontdekken dat AI zowel deel uitmaakt van het verleden als van het heden, en dat we er in ons dagelijks leven door worden omringd.
- Weten we echt wat artificiële intelligentie (AI) is?
- Kennen we het verschil tussen symbolische artificiële intelligentie en connectionistische artificiële intelligentie?
- Kunnen we slimme oplossingen ontwikkelen zonder Machine Learning en Deep Learning te gebruiken?
- Wat zijn de sectoren en toepassingsgebieden van AI?
Artificiële intelligentie (AI) kan worden gedefinieerd als de imitatie door computersystemen van menselijke intelligentieprocessen zoals leren en redeneren. Sinds het ontstaan ervan, dat teruggaat tot het artikel "Computing Machinery and Intelligence", gepubliceerd door Alan Turing in 1950, heeft AI ups en downs gekend die beïnvloed worden door technologische vooruitgang.
Tussen de jaren vijftig en tachtig was symbolische AI het dominante paradigma in AI-onderzoek. Wat is symbolische AI? Symbolische AI wordt ook wel gedefinieerd als de verzameling van alle onderzoeksmethoden in artificiële intelligentie die symbolische redeneermethoden implementeren, zoals regelmotoren, expertsystemen of kennisgrafieken. Het gaat hier eerder om een klassieke benadering, waarbij een model van het probleem wordt gecodeerd en van het systeem wordt verwacht dat het de ingevoerde gegevens volgens dat model verwerkt om een oplossing te bieden.
Tussen 1960 en 1970 waren onderzoekers ervan overtuigd dat symbolische benaderingen er uiteindelijk in zouden slagen een algemene artificiële intelligentiemachine te creëren. Maar eind jaren zeventig besloten onderzoekers de symbolische benadering achter zich te laten, grotendeels vanwege de technische beperkingen van deze benadering. Die benadering werd vervangen door een AI die specifieke problemen benadert vanuit een statistisch en wiskundig oogpunt in plaats van vanuit algemene artificiële intelligentie.
In de jaren tachtig kwam Machine Learning op, voornamelijk met de heropleving van connectionistische AI via Machine Learning. Machines beginnen de "te volgen regels" af te leiden enkel door gegevens te analyseren.
Machine learning is een geheel van leeralgoritmen die zijn onderverdeeld in vijf categorieën, afhankelijk van het leertype dat wordt gebruikt: gesuperviseerd, niet-gesuperviseerd, semi-gesuperviseerd, door versterking en door overdracht.
Systemen die Machine Learning gebruiken, moeten worden aangedreven door gestructureerde en gecategoriseerde gegevens waarmee ze nieuwe, vergelijkbare gegevens kunnen leren classificeren. Om de prestaties te verbeteren, is de tussenkomst van een menselijke expert mogelijk om het systeem de juiste categorieën van onjuiste classificaties aan te geven.
Deep Learning is ontstaan in het begin van de jaren 2010. Het is een onderdeel van Machine Learning omdat het gebaseerd is op leren zonder toezicht. Deep Learning is met name geschikt voor complexe taken, waarbij niet alle aspecten van het te verwerken object vooraf kunnen worden geclassificeerd. Voor Deep Learning-systemen is het niet nodig om gestructureerde gegevens te gebruiken. Dergelijke systemen kunnen zelf de onderscheidende kenmerken bepalen. In elke laag van het neurale netwerk zoekt het systeem naar een nieuw objectspecifiek criterium als basis om te beslissen welke classificatie aan het einde van het proces voor het object moet worden behouden. Met behulp van Deep Learning kan het systeem zelf de onderscheidende kenmerken van de gegevens identificeren zonder dat menselijke experts eerst een voorafgaande classificatie moeten uitvoeren.
In de afgelopen jaren is de ontwikkeling van deze verschillende methoden van machine learning geëvolueerd dankzij een gunstig klimaat in combinatie met de aanhoudende daling van de prijs van computervermogen en de spectaculaire toename van de gegevensstroom, voornamelijk afkomstig van sociale netwerken. De relevantie van het gebruik van AI-technologieën is dan ook groot, aangezien het gaat om een grote hoeveelheid heterogene gegevens, inclusief gestructureerde en ongestructureerde analyse, bijna in realtime.
Vooruitgang in artificiële-intelligentietechnologieën zorgt ervoor dat mensen de tools krijgen om de besluitvorming en de uitvoering van bepaalde taken op verschillende gebieden te vergemakkelijken. Hieronder volgen een paar voorbeelden uit ons dagelijks leven, maar ook uit de industrie waar artificiële intelligentie toe behoort.
online winkelen en adverteren.
Artificiële intelligentie wordt vaak gebruikt om potentiële klanten gepersonaliseerde aanbevelingen te geven op basis van hun zoekgeschiedenis, aankoopgeschiedenis of online gedrag. AI is erg belangrijk in de commerciële wereld.
Afhankelijk van de persoonlijke gegevens van de bezoekers van e-commercesite, zullen hun behoeften en verwachtingen verschillen. Is het een vrouw of een man? Ouders? Mensen die vaak sportkleding kopen? Een persoon die de voorkeur geeft aan comfortabele kleding of luxe kleding?
Wanneer je online naar een advertentie kijkt, heb je vast al eens gedacht: "Ik was van plan dit product te kopen". Dat is artificiële intelligentie op zijn best.
Nee, het is geen magie, en AI kan ook je gedachten niet lezen. Het is gewoon een systeem dat je online activiteiten kan volgen en vervolgens verder kan gebruiken. Producten die je op verschillende winkelsites of zoekmachines bekijkt, worden bijgehouden, en advertenties over die producten worden aan jou getoond.
Data science-technieken en gedragsanalyse zijn er om technologische bouwstenen te bieden aan bestaande tools in bedrijven om deze mate van personalisatie op te zetten.
smartphone en sociale netwerken.
Het lijkt moeilijk om ons leven voor te stellen zonder mobiele telefoons. De verschillende toepassingen van onze mobiele telefoons zijn nu een integraal onderdeel van ons dagelijks leven. Sommige van die toepassingen zijn gebaseerd op artificiële intelligentie.
De intelligente assistenten die in onze telefoons zijn ingebouwd, zoals Siri, Alexa en Google Assistant, zijn de meest voor de hand liggende voorbeelden van artificiële intelligentie die de meesten van ons kennen en gebruiken.
Steeds meer mobiele technologieplatformen ontwikkelen oplossingen die artificiële intelligentie gebruiken om verschillende aspecten van apparaten te beheren, zoals batterijbeheer, aanbevelingen voor evenementen, enzovoort.
En dan is er ook nog de artificiële intelligentie in verschillende socialmedia-apps. Of het nu gaat om Facebook, Twitter, Instagram of een ander platform: AI beheert zowel de feed die je ziet tijdens het scrollen, als de meldingen die je ontvangt.
Er wordt rekening gehouden met je smaak en voorkeuren, je geschiedenis, enzovoort. AI organiseert de informatie op een manier die voor jou relevant is, waardoor je geneigd bent om het te raadplegen.
persoonlijke digitale assistenten, spraakbesturing en automatische invoer.
Smartphones gebruiken artificiële intelligentie om producten te leveren die zo relevant en geschikt mogelijk zijn. Virtuele assistenten beantwoorden vragen, geven suggesties en helpen bij het beheren van dagelijkse taken.
Wil je weten hoe AI wordt gebruikt voor spraakbesturing?
Je hoeft niet ver te zoeken. Kijk maar naar je eigen mobiele apparaat. De integratie van AI maakt typen comfortabeler. Het kan woorden, zinnen en emoji's voorspellen op basis van wat je normaal gebruikt en je schrijfstijl. Het gaat verder dan de predictive texts die in eerdere mobiele telefoons werd gebruikt: het is meer contextspecifiek en het imiteert je schrijfstijl.
slimme woning.
Als het gaat om de toepassing van AI in slimme woningontwikkeling, denken we natuurlijk aan Alexa en Bixby.
Deze artificiële-intelligentietoepassingen zijn echter niet beperkt tot intelligente stemassistenten. Ze gebruiken AI:
- om automatisch de temperatuur aan te passen van een apparaat op constante temperatuur
- om energie te besparen door het automatisch in- en uitschakelen van lichten, afhankelijk van de aanwezigheid van mensen
- als slimme luidsprekers
- om de kleur van het licht aan te passen aan het tijdstip van de dag
Dit zijn toepassingen van artificiële intelligentie die gebruikt worden om je huis ‘slimmer’ te maken.
Artificiële intelligentie evolueert voortdurend en er worden steeds meer oplossingen ontwikkeld om ons gedrag te begrijpen en ernaar te handelen.
waken over de veiligheid.
Artificiële intelligentie leidde tot ideeën over het gebruik ervan voor bewaking op grotere schaal. Hoewel de ethische kwesties op dit gebied nog controversieel zijn, is het algemeen bekend dat artificiële intelligentie ook hier steeds vaker wordt gebruikt. Het monitoren van de enorme stroom die door verschillende camera's en andere apparaten wordt uitgezonden, is niet alleen een vervelende bezigheid, maar heeft ook zijn grenzen. Artificiële intelligentie maakt gebruik van technologieën zoals gezichtsherkenning, objectherkenning en locatieherkenning. Het kan toegangen monitoren en analyseren.
financiële diensten.
De bankwereld is een van de sectoren die technologische uitvindingen vaak eerder toepassen dan de meeste andere sectoren.
Banken gebruiken artificiële intelligentie op veel gebieden: om fraude op te sporen, om investeringstrends van klanten te analyseren, om een goede klantenservice te bieden enzovoort.
Gebruik je een nieuw apparaat om een transactie uit te voeren en krijg je daarvan een melding van je bank? Dat gebeurt via AI, om mogelijke fraude op te sporen. Meldingen van banken en andere financiële instellingen met betrekking tot hun diensten en producten zijn voorbeelden van AI die je voorkeuren, wensen en financiële situatie begrijpt om gerelateerde producten aan te bevelen.
gezondheid.
Dankzij de vooruitgang in Machine Learning, Deep Learning en Big Data blijft artificiële intelligentie de medische wereld geleidelijk veranderen.
Artificiële intelligentie maakt een meer nauwkeurige en gedetailleerdere medische diagnose mogelijk. AI maakt ook de verdere ontwikkeling van chirurgie, radiologie en therapieën mogelijk, en laat daarnaast toe om de drukte in ziekenhuizen te beheren.
Vooruitgang in artificiële intelligentie zal de medische diagnose van specifieke ziekten nauwkeuriger en gedetailleerder maken. Dankzij big data kunnen grote hoeveelheden data nu eenvoudiger, sneller en efficiënter worden verzameld. Uiteraard gebeurt dat met respect voor de privacy van de patiënt.
Om bijvoorbeeld de verspreiding van het coronavirus tegen te gaan, hebben onderzoekers met ervaring in data-analyse en data science nieuwe methoden ontwikkeld om het virus te detecteren, enkel en alleen door het geluid van hoesten. Artificiële intelligentie wordt ook gebruikt om vaccins en behandelingen voor de ziekte te bestuderen. En dan hebben we het nog niet gehad over het feit dat artificiële intelligentie het mogelijk maakt om COVID-19 te bestrijden, dankzij de productie van warmtebeelden en in verschillende andere situaties op luchthavens.
Op medisch gebied kan AI infecties opsporen door een CT-scan te maken van de longen van de patiënt. AI maakte het ook gemakkelijker om gegevens te verzamelen om dan zo het verloop van de infectie te volgen.
De vooruitgang van artificiële intelligentie en Big Data gaat veel verder dan de vooruitgang van de medische diagnostiek. Inderdaad, in de nabije toekomst zullen de takken van chirurgie, radiologie en therapie verder worden ondersteund door AI. Het belangrijkste doel is het verbeteren van de nauwkeurigheid van de behandeling en preventie van verschillende ziekten die de hele wereld treffen.
Onderzoekers bestuderen hoe ze artificiële intelligentie kunnen gebruiken om grote hoeveelheden gezondheidsgerelateerde gegevens te analyseren, om zo terugkerende patronen te ontdekken, tot nieuwe bevindingen te komen en om manieren te vinden om individuele diagnoses te verbeteren.
Een voorbeeld: onderzoekers hebben een AI-programma ontwikkeld dat kan reageren op noodoproepen. Het programma zal naar verwachting gevallen van hartstilstand bij oproepen sneller en vaker detecteren dan medische coördinatoren. Een ander voorbeeld is het door de EU medegefinancierde KConnect-project, dat meertalige zoek- en tekstdiensten ontwikkelt om mensen te helpen de medische informatie te vinden die het beste bij hun behoeften past.
automotive.
Slimme auto's zijn een ander domein uit ons dagelijks leven waar artificiële intelligentie steeds populairder wordt.
Het zijn niet alleen bedrijven als Tesla die voorop lopen op het gebied van automatiseringstoepassingen. Veel autofabrikanten overwegen ook om artificiële intelligentie in auto's te integreren om chauffeurs van dienst te zijn.
Informatie wordt gedeeld en gecommuniceerd tussen auto's om zich beter in het verkeer te kunnen bewegen. Realtime updates van verkeersknooppunten en wegblokkades worden onmiddellijk verzonden om andere voertuigen op het netwerk aan te zetten een andere route te kiezen.
Hoewel zelfrijdende auto's nog niet de norm zijn geworden, gebruiken onze auto’s op AI gebaseerde veiligheidsfuncties zonder noodzakelijkerwijs gebruik te maken van machine learning of deep learning. Automatic Emergency Braking (AEB) is bijvoorbeeld een toepassing waarmee de auto of vrachtwagen automatisch kan remmen wanneer het een mogelijke botsing detecteert met een voertuig, voetganger of ander obstakel.
Het AEB-systeem is ontworpen om verschillende wegscenario's aan te kunnen. Allereerst waarschuwt het de bestuurder voor obstakels voor de auto. Als de bestuurder niet op tijd actie onderneemt om de aanrijding te voorkomen, zal het AEB-systeem automatisch de remmen met wisselende kracht activeren volgens het intelligente snelheidsalgoritme.
Ook andere slimme functies zijn steeds meer aanwezig in auto's, zoals automatisch parkeren, spraakbesturing, gebarenbediening en het detecteren van slaperigheid.
luchtvaart.
In de luchtvaartindustrie kan AI worden gebruikt voor geautomatiseerde communicatie met verkeerstorens, het automatisch opstijgen en landen van vliegtuigen, automatische routebepaling van vliegtuigen op het land en inspecties voor foutdetectie (preventief onderhoud).
De ontwikkeling van artificiële intelligentie stelt luchtvaartmaatschappijen in staat om:
- hun inkomsten te verhogen door:
- snel inzicht te krijgen in de voorkeuren van klanten
- prijzen in realtime te optimaliseren
- de voorkeursbestemmingen van specifieke doelgroepen te bepalen
- het gebruik van het luchtruim te optimaliseren door middel van voorspellend onderhoud
- bagage in realtime te volgen, nauwkeurig in te schatten hoeveel brandstof nodig is voor de vlucht en kosten te verlagen
- klanttevredenheid te meten door het analyseren van klantgevoelens of het analyseren van reizen
- modellen en strategieën voor risicobeheer te implementeren door het model voor het inschatten van vermoeidheid te integreren in de software voor bemanningsplanning. Op die manier kan de planning worden aangepast op basis van het geschatte vermoeidheidsrisico van elke piloot.
Dag na dag ontdekken we dat intelligente oplossingen mensen helpen productiever te worden. Het biedt hen diensten om gemakkelijker toegang te krijgen tot informatie en sneller beslissingen te nemen.