Maar hoe intelligent is AI nu eigenlijk? En kan deze nieuwe technologie nu al ‘zomaar’ toegepast worden? Mijn antwoord op deze vraag is een volmondig nee. AI is namelijk nog lang niet ‘af’, we missen nog een aantal essentiële ingrediënten. Concentreer daarbij niet alleen op onderzoek aan universiteiten. Ook het hoger beroepsonderwijs (hbo) kan met het bedrijfsleven en partners een belangrijke bijdrage leveren.

De kurk waar AI vandaag op draait is rekenkracht en data, veel data. Zelflerende algoritmes zoals neurale netwerken worden gevoed met grote datasets en zijn in staat om hier patronen in te ontdekken. Op basis van deze technologie kunnen we datagedreven beslissingen programmeren. In feite berekenen deze algoritmes simpelweg correlaties, het verband tussen X en Y. Maar een AI die echt dingen begrijpt, dat wil zeggen, oorzaak-gevolg relaties legt en een mentaal model ontwikkelt hoe de wereld in elkaar zit, is nog ver weg.

Zo doen de huidige datagedreven vertaalalgoritmes hun werk zonder dat ze de inhoud van de tekst verstaan. Neem het voorbeeld van de zelfrijdende auto. Na duizenden uren training met extreem veel data heeft een neuraal netwerk geleerd om objecten op de weg te herkennen en de auto de opdracht te geven deze te ontwijken of ervoor te stoppen. Maar een zelfrijdende auto bedenkt niet: Hé, ik zie een bal de weg oprollen, laat ik alvast snelheid minderen want er zouden spelende kinderen achteraan kunnen komen. Wij mensen kunnen dat wel, met slechts 40 uur rijles.

Een ander element dat nog ontbreekt is ethiek. Het is in de praktijk onduidelijk hoe en of we AI kunnen koppelen aan menselijke waarden. Regelmatig verschijnen er berichten in de media dat AI discrimineert of iemand onterecht markeert als verdacht persoon. Vaak heeft dit te maken met patronen die al in de data verstopt zitten en waarmee het algoritme getraind wordt. Zo kwam Amazon een jaar geleden negatief in het nieuws vanwege hun vrouwonvriendelijk wervings- en selectiealgoritme. Het bleek dat dit algoritme vooral mannen aannam op vacatures voor softwareontwikkelaars. Een kijkje in de data liet zien dat deze ‘vooroordelen’ ook in het aannamebeleid van Amazon aanwezig waren.

Het laatste argument waarom AI nog niet volwassen is, is van heel praktische aard. AI is nog geen echte engineering discipline. De stappen om een AI-applicatie te maken hebben een hoog ‘trial-and-error-gehalte’ en zijn vaak niet gekoppeld aan een gedegen ontwikkelproces.

Een experimenteel karakter past bij AI. Echter, het bouwen van een indrukwekkende ‘demonstrator’ of een research prototype is niet hetzelfde als het maken van een slim product of dienst voor een grote groep eindgebruikers. Software professionals en managers van ICT-bedrijven hebben vandaag de dag onvoldoende handvatten om hier goed mee om te gaan. Hoe richt je het verzamelen en de opslag van data in? Wanneer zijn voorspellende modellen verouderd en moet je ze opnieuw trainen?

Ik zou er dan ook voor willen pleiten om niet alle AI-middelen uit het Nationaal Groeifonds in te zetten voor wetenschappelijke onderzoeksprojecten. Laat universiteiten werken aan de volgende generatie AI-modellen met causaliteit en andere fundamentele concepten. Maar we moeten juist nu ook investeren in een betere inbedding van AI in de maatschappij. Ten aanzien van zowel AI-engineering als ethiek valt veel te winnen. Fieldlabs en de hybride leeromgevingen, zoals het Fontys ICT Innovatielab op Strijp T, waarin het hbo nauw samenwerkt met het bedrijfsleven en overheidsorganisaties, zijn uitermate geschikt om hiermee te experimenteren en te onderzoeken wat er in de praktijk wel of niet werkt.

Gerard Schouten is lector AI & Big Data bij Fontys Hogeschool ICT in Eindhoven