UT-professor ziet kansen en beperkingen artificial intelligence

Hoe slim kunnen computers worden? Bij artificial intelligence (ai) wisselen algoritmes
signalen uit zoals de neuronen in onze hersenen. Door ze te voeden met een massa aan
data, kunnen ze van alles leren: een spelletje Go, een auto besturen of medische scans
analyseren. ‘Er is al veel verbeterd, we maken vorderingen, maar er is nog veel onduidelijk
over wat de beste methode is’, zegt professor statistiek Johannes Schmidt-Hieber,
de jongste hoogleraar van de Universiteit Twente en ai-expert.

Lees hieronder het hele artikel
 
global goal icon

In het kort

  • UT-professor Johannes Schmidt-Hieber ziet kansen voor bedrijfsleven en maatschappij bij gebruik artificial intelligence (ai)
  • AI zal in de toekomst belangrijker worden, Schmidt-Hieber pleit voor vroege incorporatie in het onderwijs

Laat een kind van drie vier keer een hond zien en vier keer een kat, en het weet voor de rest van zijn leven wat wat is. Zo slim is een computer nog niet. Voordat die het onderscheid echt kan maken, moeten er duizenden plaatjes van honden en katten in. ‘Om een computer te leren onderscheid te maken tussen het ene object en het andere, moet je hem voeden met heel veel data. Het onderscheid tussen een hond of kat is niet zo relevant, maar als je een computer wilt leren een zelfrijdende auto te besturen is het onderscheid tussen een kind of  een konijn wel van levensbelang. Onze hersenen zijn veel efficiënter in beeldherkenning. Een computer raakt bijvoorbeeld al in de war als op een plaatje meerdere objecten staan, onze hersenen filteren die informatie automatisch.’

Intuïtie

Het doemscenario van computers die de mensheid overnemen is dus nog lang niet aan de orde. Schmidt-Hieber noemt het zelfs ‘nonsens’. ‘Artifical intelligence heeft de beste Go- peler in de wereld al verslagen, een spel wat wereldwijd door duizenden mensen wordt gespeeld, ook professioneel. Daar komt ook een mate van intuïtie  bij kijken, dus dat is slimmer dan verwacht. Een student uit mijn groep heeft de computer op basis van heel veel recepten nieuwe gerechten laten bedenken. Op basis van de stijl van bepaalde schilders kan de computer ook nieuwe schilderijen maken. Maar het is altijd een afgeleide van wat er al is, zelf een eigen stijl bedenken is nog een brug te ver.’ 


Toch wil de professor zeker niet geringschattend doen over het belang van ai. ‘Bij ziekenhuizen is een massa aan data beschikbaar. Met artificial intelligence zou je die gegevens  kunnen koppelen en kun je door alle ervaringen uit het verleden vergelijken, bijvoorbeeld bij de behandeling van kanker, de meest succesvolle combinatie van bijvoorbeeld medicijnen en bestraling kiezen. Nog een voorbeeld: radiologen beslissen nu op basis van een scan of iemand wel of geen kanker heeft. De computer kan wellicht een second opinion geven, waarmee je uitsluit dat een tumor over het hoofd wordt gezien.’

Mathematische technieken

Schmidt-Hieber geldt als expert op het gebied van ai en dan met name de wiskundige kant. ‘Informatica is er natuurlijk al langer mee bezig, en dan vooral met de toepassingen. Vanuit de wiskundige kant, en mijn vakgebied statistiek, kijk ik veel meer hoe we de uitkomsten kunnen interpreteren. Met nieuwe mathematische technieken kun je analyseren welke methode wel werkt en welke niet, en waarom. Hoe groot moet het neurale netwerk zijn om de beste werking van de methode te garanderen? De werking van de menselijke hersens is  nog niet ontrafeld, bij computers is deze makkelijker te ontdekken. Dit is lang een onderbelicht aspect geweest, alles was gericht op toepassingen. Maar om echt verder te komen zullen we ook mathematisch in de werking moeten duiken.’

Vroeg op inhaken

De jonge professor geeft workshops en conferenties, vooral voor academici. Behalve in de universitaire wereld ziet hij ook veel interesse bij de researchafdelingen van Google en  Microsoft, maar ook grote bedrijven als Toyota. Gezien de stormachtige ontwikkelingen pleit hij ervoor om leerlingen in het onderwijs al vroeg kennis te laten maken met ai en ‘deep learning’. ‘Zij moeten er straks mee werken, het is belangrijk dat het onderwijs daar al vroeg op inhaakt.’ 

 

De Universiteit Twente werkt ook bij dit onderwerp graag samen met het (regionale) bedrijfsleven. ‘In het Data Science Lab is al veel expertise. We komen graag in contact met bedrijven die hiermee aan de slag willen, maar daarvoor zelf natuurlijk niet de voorzieningen hebben die wij kunnen bieden. Door hier de problemen neer te leggen, kunnen wij  meedenken over een oplossing. Omgekeerd geeft het ons goed inzicht in de worstelingen van de dagelijkse praktijk, dat geeft weer input voor onderzoek.’

Datum: 26 februari 2020
Bron tekst: INN Twente
Auteur: INN Twente

Leer meer over #slimme technologie