Kunstmatige intelligentie (AI)
Wat is het en waarom is het belangrijk?
Kunstmatige intelligentie (in het Engels: Artificial intelligence of AI) zorgt ervoor dat machines kunnen leren van ervaringen, dat ze zich kunnen aanpassen aan nieuwe input en dat ze menselijke taken kunnen uitvoeren. De meeste voorbeelden van kunstmatige intelligentie (AI) van tegenwoordig, zoals computers die met je kunnen schaken of auto’s die zelf kunnen rijden, zijn gebaseerd op ‘deep learning’ en ‘natural language processing’. Met behulp van deze technieken kunnen computers getraind worden om specifieke taken uit te voeren door grote hoeveelheden data te verwerken en patronen in de data te ontdekken.
De geschiedenis van kunstmatige intelligentie (AI)
De term ‘kunstmatige intelligentie’ werd al in 1956 bedacht, maar kunstmatige intelligentie (AI) is tegenwoordig vooral populair vanwege de enorm toegenomen datavolumes, geavanceerde algoritmen en verbeteringen in rekenkracht en opslagcapaciteit.
In de jaren ’50 richtte onderzoek naar kunstmatige intelligentie (AI) zich vooral op probleemoplossing en symbolische methoden. In de jaren ’60 wilde het Amerikaanse Ministerie van Defensie werken aan manieren waarop computers vormen van menselijke redenatie konden nabootsen. Zo kon het Defense Advanced Research Projects Agency (DARPA) in de jaren ’70 een project afronden waarbij straten in kaart werden gebracht. Ook produceerde DARPA in 2003 intelligente persoonlijke assistenten, ruim voordat we kennismaakten met Siri, Alexa en Cortana.
Dit vroege werk maakte de weg vrij voor de automatisering en formele redenering die we tegenwoordig in computers zien, inclusief beslissingsondersteunende systemen en slimme zoeksystemen die kunnen worden ontworpen om menselijke vaardigheden aan te vullen en te versterken. Dit vroege werk maakte de weg vrij voor de automatisering en formele redenering die we tegenwoordig de computers van tegenwoordig, die uitgerust zijn met beslissingsondersteunende systemen en slimme zoekfuncties om de menselijke vermogens aan te vullen en te versterken.
Kunstmatige intelligentie (AI) mag dan in Hollywood- en sciencefictionfilms worden uitgebeeld als mensachtige robots die de wereld overnemen, maar de werkelijkheid is gelukkig iets minder eng (en ook iets minder intelligent). Kunstmatige intelligentie (AI) biedt veel specifieke voordelen voor elke industrie. Lees verder voor moderne voorbeelden van kunstmatige intelligentie (AI) in de gezondheidszorg, in retail en nog veel meer.
1950s–1970s
Het vroege werk met neurale netwerken smaakt naar meer “denkende machines”.
Present Day
Deep learning zorgt voor een enorme toename in vraag naar kunstmatige intelligentie (AI).
“Kunstmatige intelligentie (AI) is al jaren een integraal onderdeel van de software van SAS. Tegenwoordig helpen we onze klanten op alle gebieden om te profiteren van de vooruitgang in kunstmatige intelligentie (AI). We blijven vormen van kunstmatige intelligentie, zoals machine learning en deep learning, integreren in oplossingen binnen het hele SAS-portfolio.”Jim Goodnight CEO SAS
Kunstmatige intelligentie (AI) trends om in de gaten te houden
Bekijk nu deze video om te zien hoe experts binnen de kunstmatige intelligentie (AI) en datawetenschap de trends voor de komende 10 jaar bespreken.
Welke rol speelt ethiek in de toekomst van kunstmatige intelligentie (AI)? Hoe belangrijk is big data? Waarom is domeinkennis zo cruciaal voor het succes van kunstmatige intelligentie (AI)?
Het meest belangrijke? “Het gaat erom wie de data in handen heeft. Dat is de echte baas,” zegt Harper Reid, pionier in technologie.
Waarom is kunstmatige intelligentie (AI) belangrijk?
- Kunstmatige intelligentie (AI) automatiseert repetitief leren en ontdekken door middel van data. In plaats van het automatiseren van handmatige taken, werkt kunstmatige intelligentie (AI) aan frequente en geautomatiseerde taken waar veel data voor nodig is. Het systeem is betrouwbaar en onvermoeibaar. Je hebt natuurlijk wel mensen nodig om het systeem op te zetten en de juiste vragen te stellen.
- Kunstmatige intelligentie (AI) voegt intelligentie toe aan bestaande producten. Veel producten die je op dit moment al gebruikt, zullen worden verbeterd dankzij kunstmatige intelligentie. Neem als voorbeeld Siri, die als extraatje toegevoegd werd aan een nieuwe generatie Apple-producten. Automatisering, interactieve platforms, bots en slimme machines kunnen worden gecombineerd met grote hoeveelheden data om vele technologieën te verbeteren. Upgrades in huis en op het werk variëren van slimme beveiliging en slimme camera’s tot analyse van investeringen.
- Kunstmatige intelligentie (AI) past zich aan dankzij geleidelijk zelflerende algoritmen zodat de data zelf kan programmeren. Kunstmatige intelligentie (AI) zoekt altijd naar structuur en regelmaat in data, waardoor algoritmen slimmer worden. Net zoals een algoritme zichzelf kan leren schaken, kan het ook leren welk product bijvoorbeeld nu het beste online aanbevolen kan worden. Het model past zich aan wanneer er nieuwe data beschikbaar is.
- Kunstmatige intelligentie (AI) analyseert meer en dieper dankzij het gebruik van neurale netwerken met veel verborgen lagen. Het bouwen van een fraudedetectiesysteem met vijf verbogen lagen was vroeger onmogelijk, maar met meer rekenkracht en big data kan dat opeens wel. Je hebt veel data nodig om deep learning-modellen te trainen, omdat ze direct van de data leren. Je hebt veel data nodig om deep learning-modellen te trainen, omdat ze direct van de data leren.
- Kunstmatige intelligentie (AI) is ongelooflijk accuraat dankzij het gebruik van neurale netwerken. Jouw interactie met Alexa en Google zijn bijvoorbeeld allemaal gebaseerd op deep learning. Deze producten worden bovendien alleen maar nauwkeuriger naarmate je ze meer gebruikt. In de medische wereld wordt kunstmatige intelligentie, bijvoorbeeld deep learning of objectherkenning, ingezet om met verbeterde nauwkeurigheid kanker op te sporen op medische afbeeldingen.
- Kunstmatige intelligentie (AI) haalt het meeste uit data. Zelflerende algoritmen maken je data waardevol. De antwoorden zitten in je data en je hoeft alleen maar gebruik te maken van kunstmatige intelligentie (AI) om ze te vinden. Omdat de rol van data belangrijker is dan ooit, kan het een competitief voordeel zijn om de beste data binnen jouw industrie in handen te hebben. De beste data wint, zelfs als iedereen volgens dezelfde technieken werkt.
WildTrack and SAS: Saving endangered species one footprint at a time.
Flagship species like the cheetah are disappearing. And with them, the biodiversity that supports us all. WildTrack is exploring the value of artificial intelligence in conservation – to analyze footprints the way indigenous trackers do and protect these endangered animals from extinction.
De kunstmatige intelligentie (AI) van tegenwoordig
Reflecteren over kunstmatige intelligentie (AI) – Podcast
Is kunstmatige intelligentie (AI) altijd bevooroordeeld? Heeft kunstmatige intelligentie (AI) mensen nodig? Wat is de volgende stap binnen de kunstmatige intelligentie? Luister naar de podcast van Kimberley Nevala, waarin de voortgang van kunstmatige intelligentie (AI) met verschillende gasten wordt besproken, inclusief koplopers, activisten en data experts.
Jouw reis naar succesvol gebruik van kunstmatige intelligentie
Bepaal of jij kunstmatige intelligentie (AI) echt nodig hebt én ga eens na of jouw organisatie klaar is voor het gebruik van kunstmatige intelligentie. Deze serie vol strategiegidsen en bijbehorende webinars is ontwikkeld door SAS en MIT SMR Connections en biedt begeleiding door echte pro’s.
Vijf technologieën binnen de kunstmatige intelligentie (AI) die je moet kennen
Lees ons korte overzicht van de belangrijkste technologieën die kunstmatige intelligentie (AI) vooruit drijven. Deze handige introductie bevat korte beschrijvingen en voorbeelden van machine learning, natural language processing en nog veel meer.
Hoe kunstmatige intelligentie (AI) wordt gebruikt
Binnen elke industrie is er een grote vraag naar toepassingen binnen de kunstmatige intelligentie, inclusief systemen die kunnen worden gebruikt voor automatisering, leren, rechtsbijstand, risicobeheer en onderzoek. Voorbeelden van het gebruik van kunstmatige intelligentie (AI) in de industrie zijn:
Gezondheidszorg
Met kunstmatige intelligentie (AI) kan je medicatie laten klaarleggen en kunnen scans gelezen worden. Persoonlijke assistenten in de gezondheidszorg kunnen als levenscoach worden ingezet om je te helpen herinneren dat je je medicatie moet nemen, dat je moet sporten of dat je gezonder moet eten.
Retail
Kunstmatige intelligentie (AI) verzorgt toepassingen om online te kunnen shoppen, waarbij er persoonlijke aanbevelingen worden gedaan en waarbij aankoopopties met de klant besproken worden. Ook voorraadbeheer en magazijnindeling technologieën kunnen worden verbeterd met behulp van kunstmatige intelligentie.
Productie-industrie
Kunstmatige intelligentie (AI) binnen de productie-industrie kan ivd-data analyseren terwijl deze binnenkomt uit aangesloten apparatuur, om te voorspellen hoeveel werk eraan komt met behulp van netwerken met terugkerende verbindingen, een specifiek type ‘deep learning’-netwerk dat werkt met gegevensreeksen.
Biowetenschappen
Van het garanderen van de veiligheid van geneesmiddelen tot ervoor zorgen dat nieuwe vormen van therapie sneller toegepast kunnen worden – kunstmatige intelligentie (AI) kan het volledige potentieel van data gebruiken om de grootste problemen op het gebied van gezondheid op te lossen.
Banken
Kunstmatige intelligentie (AI) zorgt ervoor dat mensen hun taken sneller, nauwkeuriger en efficiënter kunnen uitvoeren. Binnen financiële instellingen kunnen AI-toepassingen helpen om frauduleuze transacties op te sporen, om snel en nauwkeurig kredietwaardigheid vast te stellen en handmatige data management taken te automatiseren.
Publieke sector
Kunstmatige intelligentie (AI)kan slimme steden nog slimmer maken. Op nationaal niveau kan het bescherming bieden door de paraatheid te verhogen en voorspellend onderhoud uit te voeren. Bovendien kan kunstmatige intelligentie (AI) de efficiëntie en effectiviteit verhogen.
Samenwerken met kunstmatige intelligentie (AI)
Kunstmatige intelligentie (AI) is er niet om ons te vervangen. Het is bedoeld om ons meer mogelijkheden te bieden en ervoor te zorgen dat we nog beter worden in wat we doen. AI-algoritmen leren op een andere manier dan mensen. Ze zien dingen anders. Ze herkennen relaties en patronen die wij niet opmerken. Zo biedt de samenwerking tussen mensen en kunstmatige intelligentie (AI) veel kansen, het kan:
- Analytics introduceren in industrieën waar het momenteel onderbenut is. Analytics introduceren in industrieën waar het momenteel onderbenut is.
- De prestaties verbeteren van bestaande analytische technologieën, zoals computer visie en tijdreeksanalyse.
- Economische barrières overwinnen, inclusief taal- en vertaalbarrières.
- Bestaande mogelijkheden versterken en zorgen dat we beter worden in wat we doen.
- Zorgen voor meer zicht, meer begrip, meer geheugen en nog veel meer.
De belangrijkste beperking van kunstmatige intelligentie (AI) is het feit dat kunstmatige intelligentie (AI) alleen kan leren en kennis kan opdoen op basis van data. Dat betekent dat onnauwkeurige data kan leiden tot onnauwkeurige resultaten. Aanvullende lagen van voorspelling of analyse moeten daarom apart worden toegevoegd.
De AI-systemen van tegenwoordig zijn getraind om een duidelijk gedefinieerde taak te verrichten. Het systeem dat het spelletje poker kent, weet niet hoe hij moet schaken. Het systeem dat fraude detecteert, kan geen auto besturen en kan jouw geen rechtsbijstand verlenen.
In andere woorden: deze systemen zijn zeer, zeer gespecialiseerd. Ze focussen zich op één specifieke taak en gedragen zich daarin dus heel anders dan mensen.
Wat is Composite AI?
De meeste hedendaagse AI-projecten zijn gebaseerd op verschillende technologieën in de datawetenschap. Het gebruik van verschillende AI-technieken om op deze manier het beste resultaat te bereiken, wordt volgens Gartner composite AI genoemd. Voor complexe problemen is het namelijk niet altijd het beste om gebruik te maken van één techniek. Het beste antwoord op welke vraag dan ook, is vaak een combinatie van verschillende technieken en technologieën, zoals machine learning, optimalisatie en objectdetectie.
“SAS verlegt de grenzen van de grotere composite AI-beweging die nu gaande is in de industrie,” zegt Bryan Harris, SAS Chief Technology Officer. “Een versnelde digitale transformatie vraagt om ingewikkelde beslissingen. Hiervoor is input nodig vanuit verschillende analytische technieken, zoals beschrijvende statistiek, natural language processing, deep learning, audio processing, computer vision en nog veel meer. Bedrijven die deze technieken snel weten toe te passen, hebben een competitief voordeel in hun digitale transformatie.”
SAS® Visual data mining en machine learning
Kunstmatige intelligentie (AI) wordt vereenvoudigd als je data kunt voorbereiden op analyse en als je modellen kunt ontwikkelen met moderne machine learning algoritmen en je tekstanalyses kunt integreren binnen één product. Bovendien kan je projecten waarbij SAS gecombineerd wordt met andere talen ook coderen, inclusief Python, R, Java of Lua.
Hoe kunstmatige intelligentie (AI) werkt
Kunstmatige intelligentie (AI) werkt door grote hoeveelheden data te combineren met snelle, repetitieve manieren van verwerken en intelligente algoritmen. Hierdoor kan de software automatisch van patronen of opties in de data leren. Kunstmatige intelligentie (AI) is een breed veld binnen de wetenschap dat bestaat uit verschillende theorieën, methodes en technologieën, waaronder de volgende subvelden:
- Machine learning automatiseert het bouwen van analysemodellen. Hiervoor worden methodes gebruikt van neurale netwerken, de statistiek, het operationeel onderzoek en de natuurkunde om verborgen inzichten in data te herkennen, zonder expliciet te programmeren waar naar gezocht moet worden.
- Een neuraal netwerk is een soort machine learning, maar bestaat uit verschillende onderling verbonden units (zoals neuronen) die informatie verwerken door te reageren op externe input en informatie door te sturen naar elke andere unit. Voor dit proces moet data meerdere malen doorlopen worden om relaties te herkennen en iets af te kunnen leiden van ongedefinieerde data.
- Deep learning maakt gebruik van enorme neurale netwerken met verschillende lagen van verwerkingsunits waarbij gebruik wordt gemaakt van geavanceerde rekenkracht en verbeterde technieken om complexe patronen in grote hoeveelheden data te leren herkennen. De meest bekende toepassingen zijn beeld- en spraakherkenning.
- Computer vision is gebaseerd op patroonherkenning en deep learning om afbeeldingen en video’s te kunnen “lezen”. Als machines afbeeldingen kunnen verwerken, analyseren en begrijpen, kunnen ze ook beeld- of videomateriaal vastleggen en de omgeving interpreteren.
- Natural language processing (NLP) houdt in dat computers menselijke taal, inclusief spraak, kunnen analyseren, begrijpen en genereren. De volgende stap van NLP is natural language interaction, waardoor mensen met computers kunnen communiceren en hen kunnen aanzetten tot taken door middel van normale, alledaagse taal.
Daarnaast zijn er ook diverse technologieën die kunstmatige intelligentie (AI) ondersteunen en mogelijk maken:
- Graphical processing units zijn belangrijk voor kunstmatige intelligentie. GPU zorgt voor de rekenkracht die nodig is voor de interactie. Het trainen van neurale netwerken vereist big data en rekenkracht.
- The Internet of Things (lvd) genereert enorme hoeveelheden data van aangesloten apparaten. De meeste data is niet geanalyseerd. Geautomatiseerde modellen met kunstmatige intelligentie (AI) zorgen dat we dit meer kunnen gebruiken.
- Geavanceerde algoritmen worden ontwikkeld en gecombineerd op nieuwe manieren, zodat meer data nog sneller en dieper geanalyseerd kan worden. Deze intelligente manier van verwerken is belangrijk om zeldzame gebeurtenissen te identificeren en te voorspellen, maar ook om complexe systemen te begrijpen en unieke scenario’s te optimaliseren.
- API’s (Application Programming Interfaces), zijn een soort draagbare codepakketten die het mogelijk maken om AI-functionaliteiten aan bestaande producten en softwarepakketten toe te voegen. Het is mogelijk om beeldherkenning toe te voegen aan beveiligingssystemen, maar ook om gebruik te maken van Q&A toepassingen die data beschrijven, om bijschriften en titels te maken en om interessante patronen en inzicht in data te herkennen.
Kortom: kunstmatige intelligentie (AI) levert software die input gebruikt om na te denken en die op basis daarvan de gewenste output levert. Kunstmatige intelligentie (AI) lijkt op menselijke interactie met software. Het levert beslissingsondersteuning voor specifieke taken, maar het zal nooit de mens vervangen – ook niet op de korte termijn.
Lees meer over dit onderwerp
-
Analytics leads to lifesaving cancer therapiesA long-shot treatment offers hope to 10-year-old Harrison after he learns the DNA profile of his cancer is resistant to chemo. Find out how data and analytics play a role in cancer research and cancer treatments that are saving lives.
-
Three steps for conquering the last mile of analyticsPutting your analytical models into production can be the most difficult part of the analytics journey. It’s no surprise that this last mile of analytics – bringing models into deployment – is the hardest part of digital transformation initiatives for organizations to master, yet it’s the most crucial.
-
As AI accelerates, focus on 'road' conditionsAI technology has made huge strides in a short amount of time and is ready for broader adoption. But as organizations accelerate their AI efforts, they need to take extra care, because as any police officer will tell you, even small potholes can cause problems for vehicles traveling at high speeds.
-
AI in government: The path to adoption and deploymentThe government sector is lagging in AI adoption, but awareness of the importance of AI in the public sector is increasing. Our survey indicates that operational issues are requiring governments to turn their attention to AI projects as a way to address important public issues.