Teksten schrijven met ChatGPT, afbeeldingen maken met Midjourney en kletsen met een chatbot: artificiële intelligentie, afgekort naar AI, wordt langzaamaan onderdeel van ons dagelijks leven. AI wordt ook steeds sneller en slimmer. Soms is het haast onmogelijk om het kunstmatige van het werkelijke te onderscheiden.
Dat roept toch een aantal vragen op. Dreigt AI ons te overheersen als een kwaadaardige supercomputer of is het een handig hulpmiddel dat we slim in kunnen zetten? We spraken Mischa Beckers, lector Data Science, over de goede en slechte kanten van AI.
Laten we bij het begin beginnen: wat is AI nou precies?
“AI heeft eigenlijk wel 1000 verschillende definities. Iedereen vindt er weer iets anders van. Een definitie van AI die mij aanspreekt is:
The theory and development of computer systems able to perform tasks normally requiring human intelligence, such as visual perception, speech recognition, decision-making, and translation between languages.
Eigenlijk is AI een computersysteem dat een aantal intelligente taken kan uitvoeren waarvoor eerder menselijke vormen van intelligentie nodig waren. Dat klinkt nog steeds een beetje vaag, want wat bedoelen we met intelligentie? Omdat wij als mensen intelligent zijn, kunnen wij visuele beelden interpreteren en spraak herkennen. Op basis van onze indrukken kunnen we meningen vormen, argumentaties opzetten en op basis daarvan beslissingen nemen. We kunnen vertalen van de ene taal naar de andere, maar ook van menselijke taal naar bijvoorbeeld computertaal. Als we het hebben over AI, dan willen we eigenlijk dat een computer datzelfde kan doen.”
Denk dat je dat mensen daarom AI best wel spannend vinden? Omdat het zo lijkt op wat wij als mensen kunnen?
“Ik denk dat AI zo’n groot onderwerp is, omdat computers steeds sneller worden, steeds meer procescapaciteit en geheugen hebben en omdat er wereldwijd hele grote datacentra worden gebouwd om dit te faciliteren. Hierdoor wordt het steeds makkelijker om AI-applicaties te maken. Die applicaties moet je wel trainen om iets te kunnen maken, herkennen of vertalen. Dat vergt heel veel voorbeelden, dus heel veel data. En om al die voorbeeldjes te kunnen verwerken, heb je veel procescapaciteit nodig. Het wordt dus ook steeds makkelijker om AI-applicaties te maken én te trainen, en daardoor verschijnen er ook steeds meer en steeds spectaculairdere applicaties ten tonele.”
Als onderwijsinstelling denk ik dat we gas bij moeten geven om de voor- en nadelen van AI te begrijpen
Er worden dus steeds meer AI-applicaties gemaakt, maar worden ze ook steeds intelligenter?
“Dat is een lastige vraag. Als het antwoord ‘ja’ is, dan wordt het natuurlijk risicovol. Ik denk dat er vooral in de media een somber beeld van AI geschetst wordt, omdat vaak de negatieve kanten benadrukt worden. Dat AI ons over gaat nemen, omdat het té slim wordt bijvoorbeeld. Dat AI gevaarlijk kan zijn voor de mens. Maar we zijn als mens eigenlijk al gevaarlijk. Immers, we kunnen in principe alles inzetten voor gevaarlijke of slechte doeleinden. AI dus ook. Denk aan de wapenindustrie, oorlogsvoering, cybercrime. Gelukkig zijn er ook veel positieve berichten, bijvoorbeeld over hoe AI kan helpen effectievere medicijnen te produceren of duurzamer voedsel te produceren.”
Het is denk ik ook heel erg menselijk om te kijken hoe ver je kan gaan.
“Zeker. Waar liggen de grenzen? En kan ik over die grenzen heen?”
Heeft AI grenzen? Of is het zo breed en alomvattend dat het grenzeloos is?
“Dat heeft ook weer te maken met de definitie van intelligentie die we aanhouden. In een aantal zaken die mensen goed kunnen, wordt AI steeds beter. Maar voor AI is het nog steeds moeilijk om te argumenteren, plannen, creatief te zijn of te improviseren. Als we kijken naar specifieke taken zoals visuele perceptie of spraakherkenning, dan zijn er heel weinig grenzen. AI-applicaties zijn hier nu al ontzettend goed in en worden nu ook al veel gebruikt, in veel contexten. De medische wereld gebruikt bijvoorbeeld veel beeldherkenning. Dat beseffen mensen vaak niet. Je smartphone, je home assistant en de beveiligingsapparatuur in je huis maken al jaren gebruik van AI. Die applicaties blijven ook steeds sneller en beter worden, maar ze zijn er echt al langer.”
De media benadrukt graag de negatieve of gevaarlijke kanten van AI, maar hoe moet de HZ aandacht besteden aan AI?
“Als onderwijsinstelling moet je meegaan in dit soort ontwikkelingen. Ondanks dat de techreuzen een AI-pauze voorstellen, omdat het allemaal erg snel gaat. Als onderwijsinstelling denk ik dat we juist gas moeten geven om iedereen bij te krijgen. Om beter te begrijpen wat de voordelen en kansen van AI zijn, maar ook wat de nadelen en valkuilen zijn.”
En wat kunnen we als onderwijsinstelling dan met AI?
“Je zou de richting waar je als HZ naartoe wilt gaan, kunnen baseren op data. Dit gebeurt ook al. Met learning analytics kun je intelligent omgaan met gegevens waar wij als onderwijsinstelling over beschikken. Met AI zou je kunnen voorspellen wat de leerresultaten gaan zijn en waarom, en op basis daarvan beslissingen nemen.”
Kunnen docenten AI ook inzetten in het onderwijs zelf?
“Docenten kunnen AI inzetten als hulpmiddel om slimmer te werken. Bijvoorbeeld met behulp van de AI-applicatie ChatGPT kun je onderwijsmateriaal genereren. Je hoeft niet steeds zelf het wiel uit te vinden, AI kan je daarbij helpen. Ook kun je AI-applicaties gebruiken om het opgeleverde werk van studenten te beoordelen en (elkaar) feedback te (laten) geven, oefenmateriaal te genereren, et cetera. Hier moeten we onszelf ook weer afvragen: waar ligt de grens? Je gaat natuurlijk niet alles door AI laten doen. Je hebt altijd een docent, coach of supervisor nodig. Maar je kunt je wel laten ondersteunen door AI.”
Je blijft altijd mensen nodig hebben. Maar je kan je wel laten ondersteunen door AI.
En als we het hebben over onderzoek, welke kansen biedt AI dan?
“Alle onderzoeksgroepen die we nu binnen HZ hebben, krijgen te maken met steeds meer data. Nu is de vraag, is het zinvol om daar een analyse op los te laten? Draagt dat bij aan de doeleinden van het lectoraat? Vaak wel. Als je een beslissing gaat nemen of een richting wilt bepalen, dan moet je dat niet doen gebaseerd op onderbuikgevoel of gewoonte. Dat moet gebaseerd zijn op data, op feiten. Op basis van data kun je veel inzichtelijk maken en ook beargumenteren.”
Wordt AI al actief ingezet in het onderzoek?
“Binnen mijn eigen lectoraat doen we onderzoek naar een breed scala aan AI-toepassingen. Dat varieert van beeldherkenning voor autonoom varen of in de precisielandbouw, het voorspellen van falen van componenten in bruggen, sluizen of riolen tot en met het vinden van patronen in biodiversiteitsaspecten. Een belangrijk speerpunt hierbij is dat we mogelijke vooringenomenheid,
ofwel bias in de data willen herkennen en corrigeren en dat we uitlegbare AI-modellen maken. In samenwerking met het Data Science Lab verkennen we mogelijkheden nog verder. Veelal met stagiaires. Zo heeft een stagiair bij het Data Science Lab een applicatie ontwikkeld die een team van softwareontwikkelaars op een kunstmatige manier laat samen werken. Dat team bestond uit chatbots! Aangestuurd door AutoGen. Nu kun je dit spannend vinden, want dan lijkt het kunstmatige toch wel heel erg op het menselijke. Maar je kunt het ook omdraaien. Wat kunnen we hiervan leren? Welke lessen kunnen we hier voor ons menselijke team uit oppikken? Misschien doen wij als mensen bepaalde dingen wel heel inefficiënt en die maken we op deze manier inzichtelijk.”
En als we het toch over de gevaren van AI hebben, welke zie jij dan momenteel?
“Een hele belangrijke is dus bias, of vooringenomenheid in de data. AI moet getraind worden aan de hand van ontzettend veel voorbeeldjes. Dan zeg je eigenlijk tegen een AI-algoritme: ‘Kijk, ik geef je een voorbeeldje, een aantal waardes voor variabelen en dit moet eruit komen’. Het algoritme gaat dit dan proberen na te bootsen. Dit gaat in het begin vaak mis en van die fouten leert de AI weer. Stel je nou voor dat er bias of vooringenomenheid in die data, in die voorbeeldjes zit. Dan gaat het AI-algoritme dat ook leren.”
Wat kan het gevolg zijn van deze bias of vooringenomenheid?
“Denk aan racistische of seksistische chatbots. Een bekend voorbeeld is de HR-applicatie die Amazon heeft ingezet. Het bedrijf had problemen met de werving van personeel. Ze groeiden enorm en moesten heel veel personeel aannemen, maar ze hadden niet de tijd of capaciteit om al die sollicitatiegesprekken te voeren. Toen heeft Amazon een AI-applicatie ontwikkeld om daarbij te helpen. De conclusie van de AI was dat vrouwen niet geschikt zouden zijn om in een hoge functie bij Amazon te werken. Maar ja, op dat moment zaten er ook bijna alleen maar mannen in de top. Dus als die bias of vooringenomenheid in je input zit, dan zit het ook in je output.”
Het herkennen en ook het erkennen van die bias of vooringenomenheid, dat is nog steeds een menselijke taak.
“Er zijn gelukkig al veel methodes ontwikkeld om bias of vooringenomenheid te herkennen en het uit de data te filteren. Binnen de data science besteden we veel aandacht aan data understanding. Een dataonderzoeker gaat dus goed kijken naar data om die te begrijpen voordat die wordt gebruikt. Als je je vak als dataonderzoeker goed uitvoert, dan ga je tijdens de data understanding op zoek naar mogelijke bias of vooringenomenheid.”
Leiden we onze studenten ook op om bias of vooringenomenheid te herkennen en erkennen?
“Bij het onderwijs in de Data Science track van HBO-ICT komt dat zeker aan de orde. En vooral in de twee minoren, ‘Applied Data Science’ en ‘Applied AI and Ethics’. In de eerste ligt de nadruk op AI-modellen maken, in de tweede meer op de ethiek bij het inzetten van zulke modellen. Dat is een hele mooie combinatie, want zowel de technische als de ethische kant van AI komt aan bod. Ook zijn we bezig met een masteropleiding, ‘AI Translator’, met als beoogde startdatum september 2025. We leiden studenten op om de verbinder te zijn tussen de business en techniek. Je snapt de techniek en kan aan iemand die deze kennis niet heeft uitleggen wat de meerwaarde van AI kan zijn voor een bepaald vraagstuk. Daar gaat in de toekomst heel veel behoefte naar zijn.”
AI wordt echt onderdeel van onze community. Zo brengen we de boodschap over AI over. In de volle breedte.
Welke initiatieven lopen er momenteel binnen HZ rondom AI?
“Er zijn op dit moment meerdere initiatieven. Dat laat zien dat er veel behoefte is en dat er veel vraag naar is. Binnen HZ zijn er veel mensen bezig met AI. We hebben de AI Community, richtlijnen voor verantwoord AI-gebruik en natuurlijk het Data Science Lab in het Joint Research Center Zeeland (JRCZ). Er worden workshops en masterclasses georganiseerd om het gesprek rondom AI te openen. Dat is heel mooi. Op die manier wordt AI echt onderdeel van onze community. Zo brengen we de boodschap over AI over. In de volle breedte.”
