Artificial Intelligence (AI), machine learning en data-analytics: begrippen die we vaak associëren met science fiction, maar die al overal om ons heen zijn. Denk aan chatbots, kaartenapps en de aanbevelingen van Netflix en Spotify. Of neem de persoonlijk assistent in Google Foto’s, die voorstelt dubbele afbeeldingen vast te verwijderen. Dit zijn alledaagse toepassingen van slimme technologieën, die ons leven gemakkelijker maken. Maar wat is AI nu eigenlijk?

In de kern gaat het bij AI om het nabootsen van menselijke intelligentie door machines die leren. Machines die het geleerde vervolgens omzetten in concrete acties. Een voorbeeld is de schaakcomputer die nadenkt over welke zetten hij moet doen.

Leren doet de computer door zich regels eigen te maken. ‘Als je tegenstander deze zet doet, dan doe jij dat’. Programmeurs tikken die regels allemaal in. Een meer geavanceerde methode is om de computer te voeden met een berg aan schaakspellen. Een algoritme haalt daar patronen uit, dat heet machine learning. Zo kom je tot een model dat zelfstandig kan besluiten tot een bepaalde zet.

Snelle opmars lerende machines

Over schaakmachines gesproken: Alan Turing schreef in 1950 het eerste schaakprogramma, als een verre voorloper van AI1. Het kon twee zetten vooruitdenken. In 1996 versloeg IBM’s Deep Blue2 schaakgrootmeester Gary Kasparov met een rule-based algoritme. Dat kon 12 tot 14 zetten vooruitdenken. De overwinning van Deep Blue2 geldt als een doorbraak, computers zijn beter in schaak dan mensen. Nog indrukwekkender is de prestatie van Alpha Go. Dit op machine learning en deep learning gebaseerde algoritme versloeg in 2016 Go-wereldkampioen Lee Sedol. Go kent meer combinaties dan schaken. Sedol is inmiddels gestopt met professioneel spelen, de computer is volgens hem onverslaanbaar.

Dat het met zelflerende systemen ook verkeerd kan gaan, bewees Twitterbot Tay. Die ging door interactie met personen racistische taal gebruiken en werd snel weer uit de lucht gehaald2.

Steeds meer organisaties gebruiken AI

Inmiddels is er steeds meer rekenkracht beschikbaar en meer opslagcapaciteit. Daardoor is er steeds meer data voorhanden om AI-modellen mee te trainen. De modellen waarop AI-toepassingen draaien, werken daardoor steeds betrouwbaarder. Het is waarschijnlijk om die reden dat Gartner signaleert dat een toenemend aantal organisaties AI gebruikt.3

We staan meestal niet stil bij alle data die we genereren. Het versturen van een mailtje bijvoorbeeld, levert al nieuwe data op. Machines kunnen al die data sneller en accurater verwerken dan mensen. Om bij het voorbeeld van mail te blijven: MyAnalytics in Outlook stuurt automatische berichten die cijfermatig inzicht geven in het mailverkeer. Het systeem vertelt wie belangrijke personen zijn om contact mee te houden, en geeft tips om te voorkomen dat je week volloopt met vergaderingen.

Voorbeelden van AI in de praktijk

AI biedt mogelijkheden in tal van sectoren. Een paar voorbeelden4:

• In de verzekeringswereld kan het worden ingezet om frauduleuze claims aan het licht te brengen5.
• In de zorg kan AI radiologen helpen om scanbeelden te beoordelen, als een tweede paar ogen.
• In de financiële sector kunnen slimme machines assisteren bij het beoordelen van de kredietwaardigheid van aanvragers.
• In marketing kan AI helpen voorspellen of iemand van plan is een aankoop te doen, of om aanbeveling te doen voor een volgende aankoop.

BPSOLUTIONS werkt aan een AI-gedreven oplossing voor de zakelijke logistiek. Die voorspelt of leveringen op tijd wordt afgeleverd of niet. Daarvoor wordt een model gevoed met historische gegevens: wat was de geschatte aankomsttijd en wat was het werkelijke tijdstip? Hoe was het weer, wie was de leverancier, uit welk land kwamen de pallets met dozen? Het algoritme herkent patronen in al die data. Het voordeel voor de klant is dat die bijvoorbeeld een melding krijgt van de nieuwe bezorgtijd.

Een data scientist zet een paar stappen om dit voor elkaar te krijgen:

• datakwaliteit beoordelen en data opschonen (niet alle data is immers geschikt om het model mee te voeden);
• data analyseren voor het samenstellen van de dataset (welke data relevant is om een model mee te voeden?);
• kiezen, testen en finetunen van het AI model voor de meest betrouwbare resultaten.

AI vooral sterk in samenwerking met mensen

Het is goed te weten dat machines in films de wereld overnemen maar dat AI in de echte wereld het beste functioneert in samenwerking met mensen. Machines zijn vooral goed in het uitvoeren van eenvoudige, nauw omschreven taken. Ze nemen ons repetitief werk uit handen dat wij vaak als saai ervaren. Bij de AI-oplossing voor de logistiek waar BPSOLUTIONS aan werkt, gaat het bijvoorbeeld om het uitzoeken van pakketten die op een ander tijdstip worden afgeleverd, wat ook nog eens een tijdrovende klus is. Mensen blijven nodig voor de ‘human touch’. Met hun inlevingsvermogen en gezond verstand, drukken ze op de stopknop als machines ontsporen ‑ zoals Tay.

BPSOLUTIONS is zowel sterk in adviseren over de potentie van AI voor organisaties als het uitvoeren, het bouwen van AI modellen. Daarnaast implementeren wij de oplossing in de infrastructuur en houden vervolgens goed in de gaten of de oplossing doet wat het moet doen. Ook trainen we het model bij, door steeds data te verversen. Op die manier helpen we u kansen te benutten om efficiënter te werken, klanttevredenheid te vergroten en de concurrentie voor te blijven. Dat laatste is waar AI uiteindelijk om draait, waarom AI zo belangrijk is.

Wilt u meer weten over de mogelijkheden over wat AI voor u kan betekenen? Neem dan contact op met een van onze experts via www.bpsolutions.com, tel. 030 303 2900 of mail naar info@bpsolutions.com.

Over BPSOLUTIONS:

BPSOLUTIONS helpt organisaties hun Mission Critical IT in te richten op een manier waardoor de organisatie slimmer wordt en daardoor vooruitgang kan boeken. Dit doen wij door aan de ene kant te zorgen dat de IT up and running is en blijft en aan de andere, kant zorgen we er met Data Analytics en AI voor dat bedrijven klaar zijn voor de toekomst, waarmee data echt voor uw bedrijf gaat werken. Bij alles wat we doen, maken we de wereld een beetje slimmer.