Waarom data voor AI niet meer in onze hersenen passen

We doen slimme dingen met kunstmatige intelligentie. Zo wordt bijvoorbeeld vroegtijdig huidkanker opgespoord met foto’s die we maken met onze telefoon. En kunnen we fraude beter detecteren door patronen te vinden in grote hoeveelheden data. Hoewel de machine niet goed is in het uitvoeren van redeneringen of met zaken als analogieën of creatief denken, is het echt goed in het doen van bepaalde dingen die onze hersenen niet aankunnen.

Data die onze hersenen niet aankunnen
Maar wat is dat, bepaalde dingen die onze hersenen niet aankunnen? Neem nu het voorbeeld van een ziekenhuis in Londen. Daar hebben ze een machine learning algoritme ontwikkeld die acuut nierfalen kan voorspellen, 48 uur voordat het optreedt bij een patiënt. Hierdoor kunnen artsen eerder ingrijpen. Voor het ontwikkelen van het algoritme zijn 620.000 unieke datapunten geanalyseerd, waarbij er 3600 uiteindelijk een voorspellende waarde blijken te hebben. Dit zijn aantallen die we als mens niet meer kunnen overzien en die niet in ons brein passen. De machine kan de patronen hier wel herkennen en ons helpen.

Een ander voorbeeld is die van de aanbevelingen voor films en series. Jouw kijkgedrag en voorkeuren worden vergeleken met die van miljoenen andere kijkers. Zo wordt voorspeld welke series of films je leuk vindt.

Veel bronnen en verbanden
Met kunstmatige intelligentie wordt, simpel gezegd, met computeralgoritmes gezocht naar patronen met een voorspellende waarde. Mensen zijn hier goed in. “Het gedrag van anderen kunnen voorspellen, is essentieel voor sociale interactie”, volgens Harold Bekkering, hoogleraar cognitieve psychologie aan de Radboud Universiteit

Alleen gebeurt het voorspellen van het gedrag van anderen in de eerste plaats onbewust. Zodra we bewust veel data of zelfs databronnen met elkaar moeten verbinden dan wordt het steeds moeilijker voor ons.

Sportteams zijn een mooi voorbeeld waar veel data wordt gecombineerd. Voetballers worden gedurende de hele wedstrijd nauwkeurig gevolgd, topteams in de Tour de France voorspellen split second wat een concurrerende renner gaat doen. Maar de Formule 1 is wel het mooiste voorbeeld van een sport die wordt gewonnen door juiste voorspellingen.

Iedere twintig minuten verandert de auto
Een Formule 1 auto is uitgerust met ongeveer 150 sensoren die samen 2 GB-data per raceronde produceren. Deze data wordt onmiddellijk geanalyseerd door het team in de pit, en door teams in de fabriek. Talloze simulaties worden op deze data losgelaten. Tijdens testen, worden iedere twintig minuten aanpassingen aan de auto doorgevoerd, terwijl de auto racet.

Hoe sneller een team in staat is om met data de juiste voorspelling te maken en de bijbehorende beslissing te nemen, hoe groter de kans op winst van de race.

Voor AI en Machine Learning worden grote hoeveelheden data gebruikt. Mogelijk komt deze data zelfs uit meerdere bronnen, zoals het weer, seizoenen, etc. De machine is in staat deze data zo te verwerken dat subtiele patronen gevonden kunnen worden, die we als mens zouden missen. De rekenkracht van de machine is hier goed voor in te zetten.

Joop Snijder is Head of Research Center AI bij Info Support.