Over de stroomversnelling van AI, de keerzijde van technologische innovaties en de toekomst van AI

Met de onstuimige opmars van AI en algoritmes kunnen we spreken van een technologische innovatie golf. Maar wat zijn oorzaken en succesfactoren en hoe verhoudt de AI-golf zich tot eerdere innovatie golven en wat betekent dit voor de toekomst van AI? We vroegen het aan Job van den Berg, Partner/Co-Founder ai.nl en The AI Group B.V en key-note spreker op het DPP-congres 2023. 

Hoe kan het dat AI, algoritmes en AI-toepassingen zich de afgelopen jaren zo sterk hebben ontwikkeld? 

Hiervoor zijn grofweg drie redenen te noemen. De belangrijkste reden is rekenkracht. De rekenkracht is zo sterk geworden dat we in een split second grote hoeveelheden data analyseren. Computers kunnen zo snel rekenen en met de komst van Deep Learning nog betere output genereren waardoor er veel meer oplossingen zijn gekomen en generatieve AI is ‘losgebarsten’. Een andere reden is de hoeveelheid data. 90% van de data is in de afgelopen 2 jaar verzameld. Hoe meer en betere data, hoe beter de AI-toepassingen. En een derde reden is kapitaal: de hoeveelheid geld die in AI wordt geïnvesteerd is exorbitant toegenomen. Daardoor is technologie in een stroomversnelling gekomen. 

Waar staat de AI en algoritme toepassings-golf als we ze deze vergelijken met andere innovatiegolven? 

Wellicht realiseert niet iedereen dat zich, maar de industriële revolutie is nog steeds gaande. AI is onderdeel van vierde golf waar we dus nu midden in zitten. Waar in de derde industriële revolutie de computer opkwam, zijn we nu op het moment gekomen dat AI en robotisering verder volwassen worden en ons (werkende) leven gaat beïnvloeden. Maar AI als technologie bestaat al heel lang! Al in 1956 spraken wetenschappers op de Dartmouth Conference over de ontwikkelingen op het gebied AI. Het enige wat door de tijd is veranderd, is dat AI inmiddels vele malen ‘intelligenter’ is geworden door die enorme toename in met name rekenkracht en de komst van deep learning waardoor ongestructureerde data zoals beelden en teksten beter geanalyseerd kunnen worden. Daardoor zijn er nu bijvoorbeeld zelfrijdende auto’s. Dat AI daadwerkelijk iets voor jou maakt/genereert, “generatieve AI genoemd”, is iets wat nu pas echt bestaat.  

Wat kunnen we leren uit eerdere innovatiegolven? 

Dat we op zoek moeten gaan naar de juiste samenwerking tussen ‘mens’ en ‘machine’. AI zou eigenlijk moeten staan voor “Augmented Intelligence”: een technologie die een aanvulling is op of hulpje van de mens. Ook dit is niet nieuw. We zijn al honderden jaren bezig met de juiste inzet van technologie. Denk aan een graafmachine die helpt om sneller te graven en huizen te bouwen. Of een elektrische schroevendraaier die helpt om sneller dingen in elkaar te zetten. Vaak leiden dit soort innovaties (klein en groot) ertoe dat er nieuwe banen en kansen ontstaan en dat we meer tijd kunnen besteden aan taken waar de mens echt goed in is en meer voldoening van krijgen. Maar ook dat we heel goed moeten nadenken over de ethische kaders en regelgeving, zodat we ten alle tijden voorkomen dat innovaties met verkeerde bedoelingen worden ingezet. 

Zijn er succesfactoren te onderscheiden die bij meerdere innovatie golven een rol hebben gespeeld? 

Uitvinden welke taken of processen beter besteed zijn aan machines/technologie en welke juist door de mens opgepakt moet (blijven) worden. Maar ook de hoeveelheid data, rekenkracht en investeringsbudget om innovatie te laten slagen. 

Wie worden er nou beter van zo’n innovatiegolf en wat levert het op? 

Misschien goed om te benoemen dat we door de industriële revolutie heen zien dat door technologie meer banen ontstaan en dat een klein deel van de banen echt verdwijnt. ‘It’s not the end of work, it’s the end of boring work’. Over de grote linie profiteren we van innovaties en creëert het kansen. Innovaties opent dus nieuwe deuren. Maar dat neemt niet weg dat we ook nieuwe gewoonten en vaardigheden moeten aanleren en dat dit niet altijd eenvoudig is. En dat innovaties ook verkeerd kunnen worden ingezet. Regelgeving, transparantie, educatie én voorkomen dat kennis over innovaties bij een te kleine groep komt te liggen, zijn dé randvoorwaarden om ervoor te zorgen dat we er beter van worden. 

Bij technologische innovaties staan dataprotectie & privacy (vaak) steeds meer onder druk. Bij AI wordt gebruik gemaakt van persoonsgegevens zonder dat personen dat soms weten. Soms wordt innovatie boven privacy verkozen. Hoe zit het met de keerzijde van technologische innovaties? 

Dit is een terecht en belangrijk punt. Vaak zie je dat pas op het moment dat een innovatie doorbreekt er wordt nagedacht over regelgeving en privacy. Dat is laat en kan riskant zijn. Dat zagen we gebeuren toen het internet doorbrak: we hadden eigenlijk geen richtlijnen wat het doel was en hoe we ermee om wilden gaan. Denk aan het Cambridge Analytica schandaal als voorbeeld van wat er gebeurt als er niet goed wordt nagedacht over regelgeving en de ethische kant. Daarom is het zo goed dat we vol inzetten op de EU AI Act . Hoewel het nog even duurt voordat deze van kracht is, heeft het al effect. Geen enkel bedrijf gaat een AI-tool ontwikkelen om mensen overal te volgen en te monitoren want daar komen grote boetes op. Het heeft dus al een preventieve werking. Transparantie over AI, richtlijnen wat wel en niet kan, zijn ongelooflijk belangrijk.  

Waarover ga je het tijdens jouw afsluitende key-note op het DPP-congres 2023 hebben en waarom mag de privacy en data professional deze sessie niet missen? 

Ik plaats de ontwikkelingen op het gebied van AI in een bredere, historische context. Hoe en wat kunnen we leren van eerdere technologische innovaties? Hoe hebben deze innovaties zich ontwikkeld en wat betekenen ontwikkelingen voor de toekomst van AI? Het antwoord op deze vragen helpt om beter te kunnen bepalen hoe we AI echt voor ons kunnen laten werken. Men denkt vaak ‘We willen ‘iets’ met AI, maar weten niet wát’. Het wordt een concreet en praktisch verhaal dat aanzet tot actie!