Direct naar content
  • Auteur

De wereldwijde hoeveelheid data explodeert. Bedrijven slaan biljoenen bytes aan informatie over hun klanten, leveranciers en eigen bedrijfsvoering op. Consumenten met smartphones blijven de data-aanwas opvoeren. We leven zonder meer in het tijdperk van big data. Hoe gaan we die enorme informatievijvers productief maken? Hierin zal kunstmatige intelligentie of AI een grote rol spelen. Mensen kunnen het niet alleen, we hebben de hulp van machines nodig.

De wereldeconomie verkeert in een overgangsfase. Er worden meer data dan ooit geproduceerd en opgeslagen en we slagen er steeds beter in om die enorme hoeveelheden data te analyseren en te gebruiken. Op de achtergrond speelt ook de opkomst van kunstmatige intelligentie, in het bijzonder machine learning. Slimme apparaten kunnen mensen helpen data te analyseren en zelf beslissingen te maken op basis van de informatie die ze aangeboden krijgen.

Telefoonboek is kinderspel

‘Big data’ is een enigszins vreemde term; we spreken ook niet over ’small data’ om het verondersteld tegenovergestelde van big data aan te duiden. Een betere term zou zijn: ‘infinite data’, een verzameling van data die voortdurend en exponentieel groeit. Dat is een groot verschil met conventionele data(verzamelingen).

Naast de omvang van en snelheid waarmee informatie wordt gegenereerd, speelt een derde factor mee, namelijk diversiteit. Big data kan alles beslaan, van een Word-document tot financiële transacties en gestreamde muziek of een video.

Blijven leven door AI

In de serie Black Mirror blijft een vrouw chatten met haar overleden echtgenoot. Dat is misschien morbide, maar ligt in principe binnen de mogelijkheden van big data en AI. Bij leven kan een profiel van de man gemaakt worden, dat vervolgens door kunstmatige intelligentie ‘geëxtrapoleerd’ wordt. AI kan voorspellen hoe de man gereageerd zou hebben op vragen van zijn vrouw. De gelijkenis met de Turingtest is duidelijk.

Om deze waterval aan informatie te analyseren en te gebruiken, volstaan traditionele methoden niet. Neem het volgende voorbeeld: hoewel er bijzonder veel informatie in een telefoonboek staat, is zo’n bundel niet echt te beschouwen als een vorm van big data. De informatie is namelijk gelimiteerd, geordend en relatief bescheiden in omvang. Maar hoe anders is de eindeloze stroom van informatie over mensen die door tolpoortjes lopen, op Facebook-links klikken en sensoren die real-time de productieprocessen in machines checken.

Dat ‘real-time’ speelt ook een grote rol, de vrijwel onmiddellijke analyse van informatie is de kern. Twitter is hiervan een voorbeeld. Twittergebruikers willen niet alleen tweets lezen van mensen die ze volgen, ze willen ook weten welke nieuwe mensen ze moeten volgen en welke onderwerpen trending zijn. Dit is nogal een uitdaging voor Twitter, omdat er duizenden keren per seconde wordt getwitterd. Om actuele onderwerpen aan te bieden, moet Twitter in real-time al die tweets scannen om te bepalen wat op dat moment een veelbesproken thema is. Het heeft immers weinig zin om het nieuws van gisteren aan te bieden. Dit kan niet zonder kunstmatige intelligentie.

Slim, slimmer, slimst

Wat is kunstmatige intelligentie of artifical intelligence (AI) eigenlijk? Het eerlijke antwoord is dat we dat eigenlijk niet weten, omdat niet volkomen helder is wat intelligentie precies is. Is een computer intelligent als hij bijvoorbeeld de Turingtest doorstaat? In zo’n test chat een mens met twee andere ‘personen’, een van die twee is echter geen mens maar een computer.

Alan Turing

De Britse wiskundige Alan Turing heeft gesuggereerd dat we van een intelligente computer kunnen spreken, als de ondervragende persoon niet kan onderscheiden wie de mens en wie de computer in de chat is. Dit criterium is niet vrij geweest van kritiek; menselijk gedrag nabootsen, impliceert niet dat de computer zelf begrijpt wat hij zegt. Het is dus maar de vraag of we van intelligentie kunnen spreken als een computer de Turingtest doorstaat.

Van robotics tot AI

Wat vaststaat, is dat we computers en apparaten wel steeds slimmer kunnen maken. En dat we ze nodig hebben voor analyse en gebruik van big data. Omdat die informatiestroom zo groot en divers en snelgroeiend is, hebben we simpelweg niet de tijd om het zelf te doen. Beter zien we AI als het eindpunt van een spectrum van intelligentie dat begint met ‘robotics’ en via ‘cognitive automation’ doorloopt naar AI.

AI die verschillende vormen van intelligentie hebben te maken met automatisering. Automatisering is in feite het laten uitvoeren van ‘menselijke’ taken door applicaties – het verschil zit ‘m in de mate van (veronderstelde) intelligentie van deze applicaties. De eerste fase, robotics, is de eenvoudigste. Dit is min of meer lopende-bandwerk, waarbij computers of robots repetitieve taken uitvoeren. Het zojuist aangehaalde Twitter-voorbeeld zit op dit niveau; algoritmes struinen social media af op zoek naar trends.

De tweede fase, cognitive automation, wordt ook wel aangeduid met ‘machine learning’. Er is sprake van relatief eenvoudige automatisering mét een ingebouwd lerend vermogen in de applicatie. Nu wordt het echt interessant. Nu kan de applicatie de betekenis van bepaalde woorden op social media herkennen, maar ook of ze sarcastisch of ironisch zijn bedoeld. Zelfrijdende auto’s die meer leren door elke gereden kilometer, een schaakcomputer die meer over het spel leert door hem een miljoen simulaties te ‘voeren’ en talloze andere voorbeelden illustreren de band tussen machine learning en big data.

De laatste fase, echte kunstmatige intelligentie in combinatie met big data en het Internet of Things, is eigenlijk een sprong in het duister. Dat betekent dat alles wordt gemeten en alles met alles in verbinding staat. De mogelijkheden zijn eindeloos en vrijwel zeker groter dan we ons nu kunnen voorstellen.

Uit de film I, ROBOT

Lagere verzekeringspremie door Big Data en AI

Big data en AI veroorzaken schokgolven die niet alleen maar theoretisch zijn of maar een kleine groep mensen aangaan. Ook consumenten kunnen er de vruchten van plukken. In het verzekeringswezen, om maar een voorbeeld te noemen, zullen er grote veranderingen optreden.

IBM’s Watson Explorer platform kan werk van mensen op de claimsafdeling overnemen, omdat Watson enorme hoeveelheden ongestructureerde data kan analyseren en interpreteren. De Japanse verzekeringmaatschappij Fukoku liet eind vorig jaar weten 30 procent van de staf op de claimsafdeling niet meer nodig te hebben. De verzekeringsmaatschappij zal medische declaraties door Watson laten beoordelen, niet altijd meer door mensen.

Dit kan nog veel verder gaan. Het inschatten van verzekeringsrisico’s om zo een adequate premie te rekenen, zal ook geheel anders gaan. Nu is een moeilijk element van verzekeren het inschatten van de risico’s waartegen wordt verzekerd. Niet alleen spelen ontelbare factoren mee die niet allemaal door mensen gekwantificeerd kunnen worden. Ook is de informatie waarop nu nog inschattingen worden gemaakt, bijna per definitie historisch.

Nu nog wel althans, want risico’s inschatten kan door big data en AI in de toekomst in bijna real-time. Als de koelkast zelfstandig doet en de smartwatch om onze pols registreert hoeveel we bewegen - en als al die informatie gekoppeld is en geïnterpreteerd wordt - kan beginnen met sporten zomaar eens resulteren in een lagere premie voor een ziektekostenverzekering.

Hoe big is big?

Om een idee te krijgen van de omvang van big data, is Facebook interessant. Dit sociale netwerk is de op een na grootste website, na Google. Facebook heeft meer dan 1,9 miljard actieve gebruikers die elke dag bijna vijf miljard artikelen, foto’s en video’s delen.

Deze nieuwe technologie gaat in alle sectoren van de economie van invloed zijn. Niet alleen verzekeringsrisico’s kunnen geautomatiseerd worden beoordeeld, ook de duizenden arbeidscontracten en overeenkomsten die een grote onderneming met zijn werknemers heeft getekend, kunnen op een eenduidige manier worden beoordeeld. Zo ontstaan er geen oneerlijke verschillen en wordt er niet te veel gefactureerd. Dat spaart tijd, geld en – verreweg het belangrijkste – menselijke inspanning. Mensen kunnen zich dan concentreren op nieuwe en creatieve taken, want big data en AI mogen dan buitengewoon veelbelovend zijn, vooralsnog wordt het echt creatieve werk door mensen gedaan. De vraag is hoe lang dat nog waar is.

Heeft u een vraag over dit artikel?

De specialisten van ABN AMRO MeesPierson komen graag met u in contact.