Het concept artificiële intelligentie (ai) werd formeel geïntroduceerd in 1956, met als doel mensachtige intelligentie te ontwikkelen. Hoewel de technologie sindsdien grote vooruitgang geboekt, is nog steeds niet te voorspellen hoe ai zich zal ontwikkelen en welke stappen nog zijn te zetten. Wel staat vast dat de coronapandemie de digitalisering in een stroomversnelling heeft gebracht, en daarmee de investeringen in ai nog verder gestimuleerd.
Nederland staat derde in de EU-ranglijst van digitale economieën, en ten opzichte van andere Europese burgers zijn Nederlanders bovengemiddeld digitaal vaardig. Daarnaast is het onderzoek naar AI de afgelopen jaren sterk gegroeid, vooral met betrekking tot planning en besluitvorming. In de EU is de strategie erop gericht de investeringen tegen 2030 te verhogen tot 20 miljard euro per jaar. Wereldwijde technologie- en automatiseringsbedrijven investeren zelfs in de ontwikkeling van hun eigen AI-algoritmes.
Dit gezegd hebbende, is ai nog steeds een technologie in ontwikkeling en zijn er afwegingen die bedrijven in overweging moeten nemen wanneer ze ai in hun processen en besluitvorming willen integreren.
Wat kan de geschiedenis van ai ons leren over de toekomst? En wat zijn de valkuilen van ai waar we ons bewust van moeten zijn om te zorgen voor een productievere toekomst?
Turing
In 1950 probeerde de pionier Alan Turing te bewijzen dat een computer in staat zou zijn om mensen te overtuigen van zijn intelligentie. Dit was het begin van het imitatiespel, ook wel bekend als de Turing-test, dat vandaag de dag wereldwijd bekend is en in veel case-studies over ai wordt gebruikt. Later, in 1956, introduceerden Allen Newel, Herbert Simon en Cliff Shaw het eerste op ai gebaseerde programma dat bekendstaat als de Logic Theorist. Dit programma was in staat een zoekboom te verkennen op basis van logica, door ad hoc regels toe te passen (later heuristiek genoemd) en een programmataal genaamd Information Processing Language te gebruiken voor het verwerken van lijsten.
Vandaag de dag wordt kunstmatige intelligentie in allerlei situaties gebruikt: van persoonlijke omgevingen, zoals slimme iot-apparaten in huis, tot bedrijven die financiële processen willen automatiseren of het gebruik van robots in magazijnen. We gebruiken ai om onze eigen intelligentie aan te vullen – om complexe oplossingen te vinden, met onzekerheden om te gaan, van grote datasets te leren, en nog veel meer. De mogelijkheden die deze technologie biedt, blijven zich ontwikkelen, maar dat geldt ook voor de uitdagingen.
Gezichtsherkenning
Ai-technologie heeft de manier waarop we met elkaar en met de wereld omgaan veranderd. Zie de gezichtsherkenning op onze telefoons of de systemen waarmee we werken. Hiermee heeft het dus ook de manier waarop we zakendoen veranderd. Procesautomatisering, het gebruik van robots voor magazijnoptimalisatie, realtime-inzichten en datagedreven beslissingen zijn enkele voorbeelden van ai die we dagelijks tegenkomen.
Wereldwijd gebruiken bedrijven ai om hun mogelijkheden uit te breiden en hun prestaties en activiteiten te optimaliseren. Een ander voordeel van ai is de automatisering van repetitieve taken, waardoor werknemers meer tijd overhouden voor complexere taken. Maar ai kan ook uitdagingen en meer complexiteit opleveren voor bedrijven. Denk aan de integratie met bestaande systemen, de hoge kosten van de technologie, en het beperkte aantal mensen met de juiste expertise op de huidige arbeidsmarkt.
Degenen die sceptisch staan tegenover de vooruitgang van ai wijzen op aspecten als bias, ethiek, modellering en veiligheid. Data en software worden door mensen geprogrammeerd, en dat betekent dat ai dat ook is. Hoe voorkomen we dat menselijke vooroordelen onderdeel worden van de manier waarop kunstmatige intelligentie data analyseert? Er bestaat geen simpel antwoord, maar door de programmering gezamenlijk te doen, kunnen we zorgen voor diverse perspectieven en minder bias.
Hulpmiddel
Ai draait echter om meer dan alleen datasets en moet worden gezien als een zich continu ontwikkelend technologisch hulpmiddel dat helpt om repetitieve, vervelende taken te automatiseren. In ai-labs passen ontwikkelaars ai en machine learning toe om nieuwe patronen te ontdekken in grote hoeveelheden data. Vervolgens kunnen modellen worden ontwikkeld die deze data inzichtelijk maken, zodat bedrijven hun werk beter kunnen doen.
Een voorbeeld is uitgavenbeheer. Met behulp van ai wordt automatisch informatie uit betalingsbewijzen, kaarttransacties of leveranciersfacturen gelezen en op de juiste manier gekoppeld aan de bijbehorende po-nummers en bestanden. Dit is een taak die vroeger handmatig moest worden uitgevoerd. Door dit te automatiseren kunnen bedrijven tijd en geld besparen, terwijl de kans op fraude of fouten afneemt.
Aangezien er geen internationale norm is voor de manier waarop informatie op bonnetjes moet worden geordend, ontwikkelt de software zich voortdurend om te begrijpen hoe deze documenten moeten worden gelezen en informatie moet worden verwerkt. Zo snel als de technologie beweegt, zo snel moeten wij meebewegen.
Rooskleurig
Met alles wat we de afgelopen 75 jaar over ai hebben geleerd, en met inachtneming van de huidige beperkingen van de technologie, ziet de toekomst van ai er rooskleurig uit. Zij heeft bedrijven niet alleen geholpen om zich te herstellen van wereldwijde crisissituaties door de kosten te verlagen en de efficiëntie te verhogen, maar maakt ook de weg vrij voor toekomstige mogelijkheden die een positieve impact kunnen hebben op de economie en de maatschappij als geheel.