Applied AI: wat bedoelen we daar precies mee? Hoe kun je de technologie rond Artificiële Intelligentie toepassen in de praktijk en waar bestaan AI-oplossingen uit?
AI gaat al een tijdje mee en in de afgelopen 15 jaar heeft de meer klassieke vorm plaatsgemaakt voor ‘moderne’ data gedreven AI. Binnen een AI-systeem worden regels voor beslissingen geleerd uit bijvoorbeeld data en is het algoritme flexibel en lerend. De nieuwere benadering van AI focust in de academische wereld veelal op het ontwikkelen van nieuwe algoritmes die net iets sneller, preciezer en generieker kunnen voorspellen.
Ethische kant van AI
Maar hoe belanden die nieuwe algoritmes vervolgens bij de eindgebruiker? Wat levert het diegene op? Wat is de meerwaarde? Daar komt Applied AI om de hoek kijken, al leeft die benadering soms nog wat op de achtergrond. Binnen het Centre of Expertise Applied Artificial Intelligence van de Hogeschool van Amsterdam willen we ons juist hard maken voor de toepassing van AI, en wel om de volgende redenen:
- Er is een kloof tussen wat theoretisch of in een labomgeving mogelijk is, en wat werkt in de praktijk.
- We moeten de boel aan het werk krijgen en de regie pakken. AI lijkt soms een wereld van cowboys, die van alles maken en in de markt zetten. Puur omdat het kan/omdat zij het kunnen.
- AI komt in een slecht daglicht door negatieve voorbeelden, neem discriminatie, ‘system says no’ en perverse business modellen.
- Het vertrouwen in en de ethische kant van AI moeten meer aandacht krijgen om de bovenstaande problemen op te lossen.
Applied AI focust dus op het leveren van een meerwaarde, het liefst in co-creatie met de eindgebruiker. Een officiële, passende definitie is er nog niet, dus doen wij een voorzet.
Definitie
Digitalisering gaat in de kern over het maken van betere beslissingen. Je moet je altijd afvragen: wat zou een mens doen? De inzet van AI moet een verbetering leveren op de huidige accuratesse van hoe beslissingen nu genomen worden. Applied AI focust daarbij niet op het beste functionerende algoritme, maar op het algoritme dat succesvol geïmplementeerd kan worden: technisch, financieel en langdurig.
Uiteindelijk draait het dan ook om het nemen van betere beslissingen door de eindgebruiker:
- Juist – meer correcte beslissingen
- Tijdig – eerder een correcte beslissing maken (denk aan smart maintenance, onderhoud aan een machine nog voordat deze kapot gaat)
- Volledig – beslissingen over hele keten en voor meerdere eindgebruikers
- Vertrouwen – beslissingen erkennen, accepteren en vertrouwen
Goede Applied AI
AI is succesvol toegepast wanneer het AI-systeem de volgende kenmerken bevat: data, algoritmes, handelingsperpectief van gebruiker en monitoring. Het systeem moet een significante verbetering zijn voor organisatie (proces) én mens, waarbij de oplossing voor de eindgebruiker afdoende transparant en te begrijpen is.
Een systeem komt het beste tot zijn recht, indien:
- repetitief – ze doen zich steeds voor in dezelfde vorm met dezelfde ‘input’
- tijdrovend – de doorlooptijd van de taak is groot, nauwkeurig bestuderen van foto’s/video’s
- automatiseerbaar – de uitkomst van de taak is voorspelbaar
- paralleliseerbaar – meerdere keren dezelfde taak op subonderdelen
- meersporig – taak kan meerdere keren tegelijkertijd worden uitgevoerd
- nauwkeurig – zorgvuldige uitvoering is van belang (soms nauwkeuriger dan menselijk mogelijk is)
Goede AI vraagt daarom om vakmanschap:
- Trainingsdata van hoge kwaliteit & juiste kenmerken om een uitspraak te kunnen doen.
- Model is op de juiste manier opgezet (structuur vh model).
- Training is goed uitgevoerd (niet teveel voorbeelden van dezelfde soort).
- AI wordt voor het juiste doel ingezet.
Referenties
[1] Yong Zheng. 2019. A Course on Applied AI and Data Science: Recommender Systems. In Proceedings of the 20th Annual SIG Conference on Information Technology Education (SIGITE ’19). Association for Computing Machinery, New York, NY, USA, 43–48. DOI:https://doi.org/10.1145/3349266.3351405
[2] Christian Nnaemeka Egwim, Hafiz Alaka, Luqman Olalekan Toriola-Coker, Habeeb Balogun, Funlade Sunmola,Applied artificial intelligence for predicting construction projects delay,Machine Learning with Applications, Volume 6, 2021, 100166, ISSN 2666-8270, https://doi.org/10.1016/j.mlwa.2021.100166.
[3] Natarajan, P., Rogers, B., Dixon, E., Christensen, J., Borne, K., Wilkinson, L., & Mohan, S. (2021). Demystifying AI for the Enterprise: A Playbook for Business Value and Digital Transformation (1st ed.). Productivity Press. https://doi.org/10.4324/9781351032940
[4] YAO, Mariya; ZHOU, Adelyn; JIA, Marlene. Applied artificial intelligence: A handbook for business leaders. Topbots Inc., 2018.
[5] Learning Algorithms, Machine/Deep Learning, and Applied AI: A Conceptual Framework
Prashant Natarajan H2O.ai Bob Rogers UCSF Center for Digital Health Innovation Oii Incorporated Harvard University IACS DOI: 10.4324/9781351032940-2
[6] Why Data Scientists should know about change management – KD Nuggets – JR Helmus -2018 https://www.kdnuggets.com/2018/02/data-scientist-change-management.html