72.2 Wat is AI?

Er bestaat nog geen duidelijke definitie van AI.1 Sommigen zien de huidige (beperktere) toepassingen al als AI, terwijl anderen daarvan pas willen spreken indien AI autonoom functioneert en enige mate van zelfbewustzijn, een eigen wil (of zelfs zelfbescherming) heeft dan wel zich aanpast aan verandering en eigen doelen zowel stelt als nastreeft.2 AI is bovendien een containerbegrip: hieronder vallen vele soorten toepassingen zoals machine learning, spraakherkenning, vertaling en het zelf spreken, gezichtsherkenning, robots, zelfrijdende voertuigen, planning en optimalisering en nog veel meer. Voorbeelden zijn machine learning systemen die medici helpen bij kankeronderzoek (en die betere indicatoren hebben gevonden dan de menselijke artsen),3 systemen die mensen in een gesprek kunnen adviseren (bijvoorbeeld over astma) en die ook in zekere mate kunnen reageren op emoties. Ook heeft bijvoorbeeld Google door middel van AI een energiebesparing van 40% gerealiseerd in zijn datacenters.4 In algemene zin leert AI door gebruik te maken van datasets om een bepaald rationeel doel te bereiken. De huidige opkomst van AI (die als zodanig al langer bestaat) zou mede kunnen worden verklaard door de steeds grotere hoeveelheden data die beschikbaar komen, ook door de uitbreiding van het Internet of Things.5 AI maakt gebruik van een leermodule en een uitvoeringsdeel. Het uitvoeringsdeel voert de taken uit waartoe de AI is gecreëerd en de leermodule geeft feedback op de uitvoering van de taken teneinde in de toekomst beter te functioneren om de gedefinieerde doelen te bereiken. Soms kan AI ook vaststellen hoe verschillende variabelen elkaar beïnvloeden. AI ontwikkelt zich ook op manieren die we niet kunnen voorspellen. Om de functionaliteiten van AI goed te gebruiken kan dat ook niet anders. Zo kunnen mensen geen traditionele algoritmes voor gezichtsherkenning programmeren. Dat valt alleen te realiseren via zelflerende algoritmen.6 Bij dit leerproces (machine learning) valt bovendien onderscheid te maken tussen supervised learning (waarbij mensen nog meekijken bij het leerproces), unsupervised learning (waarbij alleen de uitkomsten worden gecontroleerd) en reinforced learning (waarbij AI systemen in een vorm van competitie tot de beste uitkomst proberen te komen). Naast machine learning, waarbij de mens nog aangeeft wat de parameters zijn aan de hand waarvan een resultaat moet worden bereikt (bijvoorbeeld bij de analyse van een tekst hebben lidwoorden geen relevante betekenis), kennen wij deep learning waarbij de mens geen parameters meer ingeeft. Duidelijk zal zijn dat wanneer de mens minder invloed heeft op AI (in de vorm van toezicht op het leerproces), deze meer autonoom is, een meer omvattende functie vervult (bijvoorbeeld het vinden van oplossingen voor het klimaatprobleem) en met meer onzekerheden wordt geconfronteerd, de voorspelbaarheid van het functioneren van AI afneemt en de risico’s op de hiervoor genoemde nadelen groter worden.7 Niet alle soorten AI roepen derhalve in gelijke mate risico’s in het leven. Zo zal een robotstofzuiger in beperkte mate de hiervoor bedoelde risico’s oproepen.