ICT Trends en Ontwikkelingen

Artificial intelligence – geen sciencefiction meer

Kunstmatige intelligentie: er wordt al vele jaren over gesproken. Visoenen van robots waar je mee kunt converseren en die uiteindelijk smarter zijn dan jij. Inmiddels zijn we met ‘artificial intelligence’ heel wat verder, maar ziet het er toch even wat anders uit dan we dachten.  Het is nu al veel nuttiger dan we misschien hadden verondersteld in sciencefiction. Machine learning, deep learning en AI, hoe zit het precies? 

Artificial intelligence gaat de wereld ingrijpend veranderen, dat staat vast. Veel toepassingen zijn al realiteit, al mag je gerust zeggen dat de technologie nog volop in ontwikkeling is. Het helpt bedrijven om iedere afzonderlijke klant optimaal te bedienen en ziekenhuizen om de beste diagnose te stellen, om maar twee voorbeelden te noemen.

Het wordt steeds makkelijker om data te verzamelen en te verwerken. Dat komt vooral doordat de kracht van processors de laatste jaren ongelofelijk snel is toegenomen. Met al die rekenkracht slagen we er steeds beter in om betekenis te geven aan de immense hoeveelheid data die we verzamelen. Daarbij blijft het een uitdaging om de juiste conclusies te trekken uit al die informatie die beschikbaar is. Daar komt kunstmatige intelligentie bij kijken en vooral ‘machine learning’.

Van beschrijven naar voorspellen

Al tientallen jaren verzamelen bedrijven data over het koopgedrag van klanten. Daar kunnen ze de voorraden en de aanbiedingen die ze aan klanten doen op afstemmen. Dat is al heel wat, maar klanten worden steeds minder voorspelbaar en markten veranderen in razend tempo. In de retail wil het management zo veel mogelijk bezuinigen op het voorraadbeheer door een just-in-time-benadering. Dat terwijl klanten steeds minder merktrouw zijn, mensen meer online op zoek gaan naar de beste koop en ongeëvenaarde service verlangen (“voor 23:00 u besteld, morgen geleverd”). Ook in de gezondheidszorg vinden veranderingen plaats die schreeuwen om een intelligentere aanpak en die vooral neerkomen op efficiënter omgaan met beperkte middelen.

Download de infographic:
“AI en gezondheidszorg, feiten cijfers”

Dankzij modellen voor machine learning kunnen organisaties veranderingen voorspéllen in plaats van erop reageren. Zo weten ze al wat er staat te gebeuren voordat de ontwikkelingen zich daadwerkelijk voordoen. En hoe meer data er verzameld wordt en hoe slimmer de computer die deze verwerkt, hoe beter die voorspellingen worden.

Maar wat is dan machine learning? En deep learning?

AI, machine learning en deep learning zijn termen die je vaak tegenkomt als het gaat over het analyseren van grote hoeveelheden data. Hoe zit dat precies? AI is de verzamelnaam voor programma’s, technieken of algoritmes die het denken en doen van mensen kunnen benaderen. Machine learning is een van de deelgebieden van AI. Het verwijst naar de techniek die machines hierbij helpen. Het gaat er vooral om dat computers leren om patronen in data te herkennen. Maar daarvoor zul je ze eerst moeten ‘trainen’ met behulp van algoritmes. Want om een afbeelding van een kat te onderscheiden in tienduizenden afbeeldingen zul je de computer eerst plaatjes van een kat moeten laten zien. Hoe meer en hoe meer verschillend hoe beter. Omdat dit proces helemaal automatisch plaatsvindt, is er sprake van ‘machine learning’, zonder tussenkomst van een mens. Het resultaat is een ‘machine learning model’, een stukje software dat automatisch output geeft (‘alle afbeeldingen met katten’) als er input wordt gegeven (‘afbeeldingen’). In bredere zin: machine learning zorgt ervoor dat je de beschikking krijgt over software die uit jouw grote hoeveelheid data precies de informatie kan onderscheiden die je nodig hebt.

Online

Machine learning kan ook voortdurend plaatsvinden, bijvoorbeeld wanneer een stuk software data ontvangt van online processen, zeg een webshop. Deze processen zijn in staat om zichzelf voortdurend aan te passen aan de hand van de binnenkomende gegevens.

Op het moment dat machines in staat zijn conclusies te trekken uit grote hoeveelheden data, is sprake van deep learning, een van de manieren waarop machine learning ‘leert’. Bij deep learning is sprake van meerdere lagen van dataprocessing. De eerste laag kan bijvoorbeeld de randen van de afbeelding identificeren. De tweede laag herkent een staart op een afbeelding, de derde oren en een vierde snorharen. Na een aantal lagen trekt de computer de conclusie: “ah, een kat”.

Voor deep learning zijn neurale netwerken nodig. Deze kunstmatige netwerken zijn een simulatie van het menselijke brein. Ze bevatten knooppunten die met elkaar verbonden zijn en met elkaar communiceren om iets zinvols te maken van al die data. En het is vooral zinvol als er patronen moeten worden herkend in ongestructureerde data.

In het algemeen: wanneer we spreken van AI in de context van bedrijfsprocessen die met data te maken hebben, dan gaat het in de regel om machine learning. 

Download de infographic: “AI en retail, feiten cijfers”

Voorbeelden van machine learning

Machine learning kan organisaties efficiënter, klantvriendelijker en dus winstgevender maken. Een paar voorbeelden:

  • We kennen allemaal al de aanbevelingen die webwinkels doen op basis van eerdere bestellingen of naar aanleiding van de browsergeschiedenis en de likes die een klant op Facebook geeft. Dit is ook nog te combineren met het koopgedrag van vergelijkbare klanten. Door steeds meer data te verwerken, worden deze systemen steeds beter.
  • Het voorraadbeheer wordt nog vaak gedaan op basis van inschattingen en verkoopgegevens uit het verleden. Dankzij machine learning is het beter mogelijk voorspellingen te doen en te analyseren waarom er dingen misgingen.
  • Dankzij deep learning is het mogelijk de optimale prijs voor een product of dienst te berekenen. Machine learning kan criteria als de hoeveelheid korting, het type product en prijzen van concurrenten combineren met de optimale plek in de winkel en de beste manier om het product aan de man te brengen. Zo is te voorspellen welke prijs het best is in welke situatie en is ook het dynamisch toepassen van prijzen beredeneerd uit te voeren.
  • Met deep learning kan een machine steeds beter worden in het herkennen van beelden. Dat kan in de gezondheidszorg van pas komen, bijvoorbeeld bij het interpreteren van röntgenfoto’s en MRI-scans.
  • Door grote hoeveelheden patiëntendossiers te vergelijken, kan een systeem steeds beter voorspellen welke patiënten een bepaald ziektebeeld zullen vertonen.

Het voordeel van machine learning is dat het algoritmes en modellen kan gebruiken om uitkomsten te voorspellen. Voorwaarde is natuurlijk dat de datawetenschappers die ermee aan de slag gaan de juiste algoritmes gebruiken en betrouwbare data gebruiken. Hiermee is het mogelijk het model continu te trainen, door het van de data te laten leren. Zo zijn steeds nauwkeurigere voorspellingen mogelijk, wat organisaties klantvriendelijker en efficiënter maakt.

Lees ook

Reacties (0)

Gelieve in te loggen

Je moet inloggen om een reactie te kunnen plaatsen.