Kunstmatige intelligentie in de samenleving

Machine learning, big data en rekenkracht stimuleren recente AI-ontwikkelingen
Sinds Alan Turing in 1950 de vraag stelde “Kunnen machines denken?”, heeft het vakgebied van kunstmatige intelligentie (AI) ingrijpende veranderingen doorgemaakt. De term “AI” werd in 1956 geïntroduceerd. Van symbolische AI, waarbij mensen op logica gebaseerde systemen bouwden, tot de AI-winters in de jaren 70, tot schaakcomputers als Deep Blue in de jaren 90, heeft AI een lange ontwikkelingsgeschiedenis. Sinds 2011 hebben doorbraken in “machine learning” (ML), een subset van AI die statistische methoden gebruikt, de mogelijkheid van machines verbeterd om voorspellingen te doen op basis van historische data. De volwassenwording van een modelleertechniek genaamd “neurale netwerken”, samen met grote datasets en rekenkracht, zijn belangrijke factoren die AI doen groeien.

AI-systemen voorspellen, adviseren of nemen beslissingen die de omgeving beïnvloeden
Volgens de AI-expertgroep van de OESO (AIGO) is een AI-systeem:

Een machine-gebaseerd systeem dat, voor een set door mensen gedefinieerde doelen, voorspellingen doet, aanbevelingen geeft of beslissingen neemt die reële of virtuele omgevingen beïnvloeden. Het gebruikt machine- en/of menselijke input om reële en/of virtuele omgevingen waar te nemen; abstraheert deze waarnemingen tot modellen (automatisch, bijvoorbeeld via machine learning, of handmatig); en gebruikt modelinferenz om informatie- of handelingsopties te formuleren. AI-systemen zijn ontworpen om met verschillende graden van autonomie te functioneren.

De levenscyclus van AI-systemen omvat: (i) planning en ontwerp, dataverzameling en -verwerking, modellering en interpretatie; (ii) verificatie en validatie; (iii) implementatie; en (iv) operatie en monitoring. AI-onderzoekstaxonomieën onderscheiden toepassingen (bijv. natuurlijke taalverwerking), leertechnieken (bijv. neurale netwerken), optimalisatie (bijv. one-shot learning) en onderzoek dat maatschappelijke kwesties behandelt (bijv. transparantie).

AI kan productiviteit verhogen en helpen complexe problemen oplossen
Naarmate AI een algemene technologie wordt, verandert het economische landschap. Door goedkopere en nauwkeurigere voorspellingen, aanbevelingen en beslissingen kan AI productiviteit verhogen, levens verbeteren en complexe uitdagingen aanpakken. Effectief gebruik vereist complementaire investeringen in data, vaardigheden en digitale workflows, evenals organisatieveranderingen. Adoptie verschilt per bedrijf en sector.

Snelle groei van investeringen en bedrijfsontwikkeling in AI
Na vijf jaar gestage groei versnelt private equity-investering in AI-startups sinds 2016. In 2017 verdubbelden de investeringen tot 16 miljard dollar. Halverwege 2018 ontvingen AI-startups 12% van alle wereldwijde private equity-investeringen, een sterke stijging ten opzichte van 3% in 2011, zichtbaar in alle grote economieën. Deze investeringen zijn vaak groot, soms miljoenen dollars. Met de volwassenwording van technologie en businessmodellen groeit de brede toepassing van AI.

AI-toepassingen in transport, wetenschap en gezondheidszorg
AI wordt snel toegepast in domeinen waar grote datasets patronen onthullen en complexe, onderling afhankelijke systemen worden gemodelleerd om besluitvorming te verbeteren en kosten te verlagen.

• In transport bieden autonome voertuigen met virtuele besturingssystemen, HD-kaarten en routeoptimalisatie voordelen op het gebied van kosten, veiligheid, levenskwaliteit en milieu.

• In wetenschap helpt AI bij het verzamelen en verwerken van grootschalige data, het repliceren van experimenten, kostenreductie en versnelling van ontdekkingen.

• In gezondheidszorg ondersteunt AI vroege diagnose en preventie van ziekten en epidemieën, het ontdekken van behandelingen, gerichte interventies en zelfmonitoringtools.

• In strafrecht wordt AI gebruikt voor predictive policing en recidivebeoordeling.

• Digitale beveiliging gebruikt AI om bedreigingen automatisch en steeds vaker realtime te detecteren en erop te reageren.

• In landbouw monitort AI gewas- en bodemgezondheid en voorspelt de impact van omgevingsfactoren op opbrengsten.

• Financiële diensten gebruiken AI om fraude te detecteren, kredietwaardigheid te beoordelen, klantendienstkosten te verlagen, transacties te automatiseren en naleving te ondersteunen.

• In marketing en reclame analyseert AI consumentengedrag om content, advertenties, producten, aanbevelingen en prijzen te personaliseren.

Vertrouwde AI is cruciaal om voordelen te behalen
Naast voordelen brengt AI ook publieke beleidsuitdagingen met zich mee, die samenwerking vereisen om AI-systemen betrouwbaar en mensgericht te maken. Vooral sommige vormen van machine learning roepen ethische en billijkheidskwesties op, waaronder respect voor mensenrechten en democratische waarden en het risico dat vooroordelen uit de analoge wereld worden overgedragen naar de digitale. Sommige AI-systemen zijn zo complex dat hun beslissingen mogelijk niet verklaard kunnen worden. Transparantie en verantwoordingsplicht zijn essentieel. AI-systemen moeten veilig en betrouwbaar functioneren.

Overheden moeten beleid ontwikkelen dat betrouwbare AI-systemen bevordert, inclusief stimulansen voor verantwoorde AI-onderzoek en -ontwikkeling. Naast technologie en rekenkracht gebruikt AI ook enorme datasets, wat de behoefte aan toegankelijke digitale omgevingen en sterke gegevens- en privacybescherming vergroot. Een AI-ecosysteem ondersteunt ook het MKB bij de transitie en waarborgt een concurrerende omgeving.

AI zal delen van menselijk werk vervangen en veranderen, waardoor de aard van werk verandert. Beleid moet de overgang tussen banen bevorderen en doorlopende educatie, training en vaardighedenontwikkeling waarborgen.

AI is een groeiende beleidsprioriteit voor alle belanghebbenden
Gezien de transformerende voordelen en risico’s van AI is het een toenemende beleidsprioriteit voor alle belanghebbenden. Veel landen hebben speciale AI-strategieën ontwikkeld, zien AI als motor voor groei en welzijn, investeren in het opleiden van de volgende generatie onderzoekers en denken na over de beste aanpak van AI-uitdagingen. Niet-gouvernementele belanghebbenden — inclusief bedrijfsleven, technologie, academie, maatschappelijke organisaties en vakbonden — en internationale instellingen zoals de G7, G20, OESO, Europese Commissie en VN nemen ook actie.

In mei 2019 nam de OESO onder leiding van een multi-stakeholder expertgroep de AI-principes aan — de eerste internationale standaard van overheden voor het verantwoord beheren van betrouwbare AI.