Podcast

Hoe zal artificiële intelligentie ons leven beïnvloeden?

Hoe wordt artificiële intelligentie ontwikkeld? Is de werking vergelijkbaar met die van ons brein? Hoe kunnen we een stad slim maken? Gaan we straks bij een computer op consultatie? Worden we er ooit beste vrienden mee? En is de angst dat computers straks de wereld overnemen terecht? Eos-redacteur Kim Verhaeghe vraagt het aan computerwetenschapper Steven Latré van de Universiteit Antwerpen en imec.

In deze podcast kom je onder andere te weten:

  • Wat artificiële intelligentie, deep learning en machine learning is
  • Of er een verschil is tussen een computerbrein en dat van ons
  • Hoe AI verkeerslichten overbodig kan maken (zonder ongevallen)
  • Hoe slimme computers dokters kunnen helpen bij het maken van een diagnose
  • Of kunstmatige intelligentie ook creatief en empathisch kan zijn
  • Wat de positieve toepassingen (maar ook de gevaren) van deep fakes zijn
  • Als computers ook te slim kunnen worden, en de wereld van ons overnemen

Een vraag, een wetenschapper en dertig minuten. Dat is onze interview-podcast Vraag het Aan.

Beluister Vraag het Aan ook via je favoriete podcast-app, waaronder:

'Artificiële intelligentie kan veel minder dan we denken'

Slimme systemen veroveren de wereld. Netflix weet beter dan je beste vriend welke nieuwe serie of film jij goed zal vinden. Zelfrijdende wagens hebben geen bestuurder meer nodig. En in je smartphone woont een virtuele assistent die een antwoord heeft op al je vragen. Worden computers straks slimmer dan wij? Computerwetenschapper Steven Latré van de Universiteit Antwerpen en onderzoekscentrum IMEC geeft antwoord.

In eenzelfde adem gaat het vaak over artificiële intelligentie, machine learning en deep learning: wat is het verschil?

Steven Latré: ‘Artificiële intelligentie omvat eigenlijk alle pogingen om computersystemen “intelligent” te maken. In het verleden gebeurde dat door veel “als, dan”-regels te programmeren: “als dit gebeurt, doe dan dat”. Die aanpak heeft natuurlijk beperkingen. Stel dat je een robot wil ontwikkelen die via de telefoon een afspraak bij de kapper kan maken. Het is quasi onmogelijk om daarvoor alle mogelijke “als, dan”-scenario’s te programmeren. Daarom geven we computers nu de opdracht om in heel veel data zelf naar patronen te zoeken. Zo kan je een computer bijvoorbeeld heel veel voorbeelden van telefoongesprekken tussen een klant en een kapper laten horen. De computer leert zichzelf vervolgens hoe hij best reageert als een kapper bijvoorbeeld vraagt: “kan het ook een half uurtje later?”’ Die aanpak heet machine learning. Deep learning is een vorm van machine learning die geïnspireerd is op het menselijke brein. Als zo’n computersysteem een verkeerde beslissing neemt, dan volstaat het om dat aan de computer te melden. Die zoekt dan telkens een lichtjes ander antwoord, tot het netwerk nog amper fouten maakt. Het voorbeeld van de robot die een afspraak maakt, is trouwens in verregaande ontwikkeling: Google Duplex kan een afspraak maken bij een kapper of restaurant, zonder dat de persoon aan de andere kant van de lijn doorheeft dat hij of zij met een stemassistent aan het praten is.’

Ik vermoed dat AI nog veel meer kan dan enkel een afspraak maken bij de kapper? Waar zie je nog veelbelovende toepassingen?

‘We werken zelf aan de slimme stad. Daarmee bedoel ik nieuwe toepassingen die het voor de gebruikers van een stad aangenamer maken. Denk aan slimme verkeerslichten. Verkeerslichten kunnen nu al waarnemen wat er in de onmiddellijke omgeving gebeurt. Dankzij sensoren in het wegdek weet zo’n licht bijvoorbeeld dat er een wagen voor het rode licht staat te wachten. Dat systeem kan veel efficiënter. Wij ontwikkelen een systeem dat door metingen op enkele honderden meters voor het verkeerslicht de situatie aan het verkeerslicht over bijvoorbeeld 30 seconden kan voorspellen. Het systeem weet dan welk verkeer (een wagen of fietser, snel of traag…) op komst is en kan de programmatie van de groene lichten daarop afstemmen.’

Artificiële intelligentie vindt ook steeds meer toepassingen in de medische wereld. Hoe leidt je een computer op tot dokter?

‘Het mag nooit de bedoeling zijn om een systeem op te leiden tot dokter. AI zal altijd een hulpmiddel blijven om het werk van de dokter efficiënter te maken. Computersystemen kunnen bepaalde handelingen van een dokter automatiseren. En ze bieden de kans om meer te leren uit bestaande data. Een computersysteem kan bijvoorbeeld gegevens van alle mogelijke ziektebeelden in de wereld in kaart brengen en daaruit inzichten verkrijgen. Dat kan het zoeken naar tumoren of andere afwijkingen die wijzen op een aandoening versnellen.’

Zouden we vrienden kunnen worden met een computer?

‘Daar staan we nog heel ver van. Ondanks veel vooruitgang blijft zelfs de beste AI een systeem dat voor een bepaalde input een bepaalde output klaar heeft. Dat staat mijlenver van hoe wij als mensen met elkaar omgaan. Computers missen belangrijke vaardigheden zoals empathie en kritisch nadenken, en ze hebben helemaal geen bewustzijn.’ 

Kunnen computers kunst maken?

‘Dat wel. Creativiteit is vaak ook een soort van patronen uit het verleden interpreteren en daaruit iets nieuw creeëren. Een slim systeem kan perfect op basis van heel veel muzikale hitlijsten een nieuwe hit maken. Maar ja, je kan je natuurlijk wel afvragen of dat nog creativiteit is of reproduceren.’

Neemt AI altijd de juiste beslissing?

‘Het hangt ervanaf wat je juist noemt. Een AI-systeem is bijvoorbeeld niet ethisch. Het drijft op basis van de data. Als je er niet ethische data in stopt, komen er ook geen ethische antwoorden uit. Dat zie je bijvoorbeeld in systemen die premies voor verzekeringen moeten berekenen. Zij zouden op basis van de data discrimineren op basis van ras en geslacht, maar wij mensen vinden dat onethische en dus worden die keuzes niet aanvaard.’

Worden computers ooit slimmer dan wij?

‘Ik denk het niet. Toch niet heel binnenkort. Computers kunnen goed meten en weten, maar ik zie bijvoorbeeld geen pad naar de ontwikkeling van kunstmatig bewustzijn. Computers kunnen ook nog altijd veel minder dan we veronderstellen. Neem nu leren fietsen. Een kleuter leert dat bijna vanzelf, maar er is nog altijd geen enkele robot die het kan. Uiteraard zullen computers in specifieke domeinen wel beter worden dan wij. Je kan een computer aanleren om onklopbaar te worden in een computerspel, maar als je datzelfde systeem vervolgens vraagt om een kop koffie te drinken, dan verslikt hij zich gegarandeerd.’