Tijmen Blankevoort (Scyfer): “Machines leren voorlopig nog niks zonder de input van de mens”

28 november 2016, 12:00

Over artificial intelligence bestaan veel schrikbeelden. Het zou ervoor zorgen dat de mens onderworpen wordt aan computers, aangezien onze intelligentie het aflegt tegen die van machines. Onzin, meent Tijmen Blankevoort, cto van het Amsterdamse bedrijf Scyfer. Machines leren voorlopig niks zonder input van mensen. Door miljoenen voorbeelden in te voeren en daar waarden aan toe te kennen, kan een machine leren iets te herkennen. “Ik heb dan ook veel liever dat mensen het hebben over zelflerende softwaretools dan over artificial intelligence, want het beschrijft veel beter wat het doet.”

Een voorbeeld is het werk dat Scyfer doet voor Tata Steel. “We zijn bij hen nu bezig zelflerende software in te zetten om oppervlakte-inspectie van staalplaten te doen. Er worden grote rollen staalplaten gemaakt en onze software analyseert de miljoenen plaatjes die worden gemaakt van het oppervlak van het staal, om te kijken wat voor fouten erop zitten en waar die terug te vinden zijn in het productieproces.”

Iets wat niet vanzelf gaat werken, maar waar veel data en menselijke analyse de computer kunnen leren imperfecties te herkennen. “Er zitten daar mensen met het algoritme te interacteren om het beter te maken.”

“In de gezondheidszorg en industrie valt veel te winnen”

Scyfer heeft een brede klantenkring. Van Tata Steel tot de ANWB en alles wat daar tussenzit. “We kiezen ervoor om de besten te zijn in AI, daar zetten we al onze pijlen op en we werken met veel bedrijven samen om dat op goede plekken neer te zetten. Dat is onze strategie. Maar onze salespersoon gaat relatief vaak naar ‘industry’ en ‘healthcare’.”

Dat zijn twee werelden waarin veel te winnen valt. Zo is de industrie vaak nog redelijk conservatief en wordt nog veel productiewerk door mensen gedaan die kunnen worden geholpen met AI. “Als zo’n techneut bij Tata Steel miljarden plaatjes moet bekijken, is dat onmogelijk. Dus wij leveren assistentie.”

“Healthcare is ook een geweldig gebied. Er vinden zoveel medische fouten plaats. Heel veel mensen in de medische sector moeten nu productiewerk doen omdat ze gepusht worden te innoveren en efficiënter te werken. Ik denk dat als je daar slimmere technologie gaat implementeren, we het niveau van de gezondheidszorg veel en veel hoger kunnen krijgen. Dus daarom die twee sectoren.”

Anders dan veel andere AI-bedrijven kiest Scyfer voor heel concrete projecten. “Wij identificeren projecten die daadwerkelijk wat opleveren voor een bedrijf. Als het niks oplevert aan het einde, dan gaan we het ook niet doen. Eigenlijk moet je daarmee beginnen voordat je begint met dure servers en het verzamelen van alle data. Want als je dat doet voordat je weet welke problemen je gaat oplossen, krijg je altijd een mismatch tussen wat je wilt doen en alle data die je verzamelt.”

“Ik hoor vaak van bedrijven dat ze hebben gehoord dat ze nu al moeten beginnen met het inrichten van een datastrategie en dat ze daar later dan de vruchten van kunnen plukken. Maar ik zeg: draai het om. Begin met een case: wat wil je oplossen of doen? Kijk naar de repetitieve dingen die gebeuren in je organisatie. Kijk naar hoe je dat misschien zou kunnen automatiseren of de mensen die dat doen zou kunnen helpen om dat proces te verbeteren. Werk van daaruit en ga dan data verzamelen.”

“Ja, de wereld wordt beter van artificial intelligence”

Een van de projecten waar Blankevoort echt enthousiast van wordt, speelt zich af in de medische sector. “We zijn bezig scans op te slaan die door radiologen worden geanalyseerd en beoordeeld. Als je dat opslaat, dus de scan en het oordeel, kun je imiteren wat de radioloog zegt. Dat betekent dat een groot deel van het werk op een gegeven moment mogelijk automatisch gaat.”

En als je de analyse niet laat doen door doorsneeradiologen, maar alleen door de beste uit het vak, creëer je een systeem dat beter werkt dan de huidige praktijk, waarbij je maar moet afwachten hoe goed een radioloog is in het zijn of haar vak. En die kennis kun je vervolgens overal toepassen.

Een belangrijke factor daarbij is transparantie. Hoe is iemand tot zijn of haar beslissing gekomen? “Alleen het antwoord is niet genoeg. Een docent wil zien hoe je tot die oplossing bent gekomen, dus je moet de stappen laten zien. Dat geldt ook voor AI. In de toekomst zullen de systemen kunnen uitleggen hoe ze tot een bepaalde oplossing zijn gekomen.”

“Er gebeurt al veel op dat vlak. Ook omdat de EU de regels oplegt dat de algoritmes die beslissingen maken, moeten kunnen uitleggen waarom. Dat wordt steeds groter en in de komende 20 jaar kunnen die algoritmes ook echt uitleggen waarom ze bepaalde beslissingen maken. Want dat maakt de interactie met een persoon en het leren van het systeem veel en veel makkelijker.”

Er worden de komende jaren dus grote stappen gezet. Nu al zie je grote verschillen met 20 jaar terug. “Waar je voorheen misschien machine learning kon doen op 10 variabelen, kun je nu miljoenen inputs geven aan algoritmen. Daar gaat die computer dan zelf sense van maken. En dat is waarom we nu plaatjes analyse kunnen doen, tekstanalyse, sensordata kunnen analyseren. Dat is het enige verschil. Het feit dat wij complexe data kunnen analyseren en daar voorspellingen mee kunnen doen, heeft ervoor gezorgd dat we die zelfrijdende auto straks hebben.”

De ontwikkelingen gaan dus snel en ook al zullen computers de wereld niet gaan overnemen, er zijn wel degelijk risico’s. “Je gaat straks met robots en AI een deel van het menselijk denkwerk overnemen, dat kan zorgen voor banenverlies. Het kan zo zijn dat de impact zo groot is, dat we daar sociaaltechnisch oplossingen voor moeten vinden; dus politiek en hoe wij onze samenleving inrichten.”

“Maar volgens mij zitten op elk historisch punt waar grote veranderingen plaatsvonden altijd negatieve effecten. Er is een transitieperiode die eventjes niet zo fijn is. Dat moet je voorzien en verhelpen, maar dat is mogelijk. En als je dat doet, denk ik dat de samenleving er een stuk leuker uit gaat zien.”

Leonieke Daalder is politicoloog en journalist. Ze werkte voor onder meer Radio Noord Holland en de VPRO. Bij de laatste omroep was ze verantwoordelijk voor crossmediaal project 3VOOR12 dat onder haar leiding onder meer de Prix Europa, Gouden Pixel, Pop Pers Prijs en UPC Digital Award won. Ze is een van de oprichters van Fast Moving Targets. Ze schrijft, interviewt, onderzoekt, filmt, presenteert. leonieke.daalder@gmail.com

Categorie
Tags

Marketingfacts. Elke dag vers. Mis niks!