Dat was een van de uitkomsten van de (online) vakkennisdag over Artificial Intelligence (AI) op donderdag 3 maart 2022, georganiseerd door de Nederlandse Vereniging voor Veiligheidskunde (NVVK).
Artificial Intelligence (AI), oftewel kunstmatige intelligentie, is een verzamelnaam voor allerlei technieken waarbij computers of machines een of meerdere aspecten van menselijke intelligentie proberen na te bootsen.
Toepassing Artificial Intelligence wisselend succesvol
Ruud van der Burg is expert in robotica en de interactie tussen mens en robot. Volgens hem heeft AI sinds de eerste ideeën daarover uit 1956 wisselend succes. “Ontwerpprocessen gebeuren steeds vaker in een virtuele omgeving. In de virtuele wereld kunnen we al ontzettend veel. In de fysieke wereld hoor je van nieuwe toepassingen na een tijdje veelal niets meer.”
Machines gaan het winnen van de mens als het gaat om logica (de linkerhersenhelft), meent Van der Burg. Maar zij leggen het af op creativiteit, emoties en nieuwe combi’s. “De traditionele automatisering, met robots in kooien in lange productielijnen, zijn snel en betrouwbaar. Maar voor cobots, de robots die als collega’s naast de mens werken, is navigeren in de openbare ruimte nog steeds te complex. Er gebeurt enorm veel, maar het is vooral testen en onderzoek. We zien het in de praktijk nog maar mondjesmaat terug.”
Ook algoritmen gebruiken AI
Toch worden we al dagelijks geconfronteerd met kunstmatige intelligentie. Al zijn we ons daar lang niet altijd van bewust, bleek uit een kleine poll tijdens de vakkennisdag. Veel bedrijven zoals Neflix, Spotify en Amazon doen klanten suggesties op basis van algoritmen. Die algoritmen maken gebruik van AI, vertelde Rosa Verhoeven, afgestudeerd in human machine communication. Als content developer AIProHealth bij Data Science Centre in Health (DASH) van UMC Groningen ontwikkelt zij trainingen en cursussen voor zorgprofessionals. Die gaan over hoe zij kunstmatige intelligentie in hun werk kunnen toepassen.
Machine learning: leren van statistiek
Verhoeven gaf een theoretisch inkijkje van verschillende methoden van ‘machine learning’, onderdeel van de grotere verzamelterm Artificial Intelligence. Zij legde uit dat machine learning een subgroep is van AI-technieken die statistische methoden gebruikt om te leren van voorbeelden. Met ingevoerde data kan een algoritme op basis van geselecteerde kenmerken tot de juiste voorspellingen komen. Een algoritme kan een beslisboom zijn. Vooraf kun je data labelen, supervised learning, of ongelabeld invoeren, unsupervised learning. In het laatste geval moet het algoritme zelf data clusteren.
Een verdergaande vorm van machine learning is deep learning. Daarbij maakt een algoritme gebruik van neurale netwerken met enorm veel verbindingen. Die zijn vergelijkbaar met onze biologische neurale werken. Deep learning wordt volgens Verhoeven nu al gebruikt om afbeeldingen van CT-scans te diagnosticeren en bij spraakherkenning.
Bij re-inforcement learning leert een machine door een actie uit te voeren in een omgeving en daarvoor beloond of bestraft te worden. Dit wordt gebruikt bij robotica. Verhoeven noemt als voorbeeld daarvan de robotarmen die een chirurg helpen bij een operatie.
Verschuiving van focus in werk zorg
Volgens Verhoeven wordt binnen de zorg kunstmatige intelligentie nu vooral toegepast bij diagnostiek, beslisondersteuning, het voorspellen van succes van een behandeling, monitoring van patiënten en logistieke processen. De robotische toepassing is volgens haar beperkt tot zo’n 5 á 10 procent.
Kunstmatige intelligentie neemt geen banen over”
Als voordelen noemt Verhoeven werkdrukverlaging, verbetering van zorgkwaliteit en een efficiënter zorgsysteem. Nadelen zijn volgens haar de vragen over betrouwbaarheid, verantwoordelijkheid, privacy bij datagebruik, vermindering van menselijk contact en de angst dat banen worden overgenomen. “Kunstmatige intelligentie neemt geen banen over. Het gaat eerder om een verschuiving in focus binnen het werk. AI kan een arts bij taken ondersteunen.”
Betrouwbare aanpak om van data te leren
Haar collega Eline Meijer, data scientist bij DASH van UMC Groningen, vertelde over praktijkonderzoek naar de organisatorische veranderingen in de huisartsenzorg door de coronapandemie. In drie regio’s werden data-analyses gedaan op acht miljoen consulten. “Met supervised learning bleek het mogelijk de belangrijkste info uit tekst te halen.” Ook in ander onderzoek bleek machine learning een betrouwbare aanpak om op een goede manier van data te leren: “Het model kwam overeen met de klinische beoordeling van de artsen.”
Hoe AI toepassen in het eigen werkveld?
De deelnemers aan de vakkennisdag zagen na de presentaties verschillende mogelijkheden om kunstmatige intelligentie toe te passen in hun werkveld. Een suggestie was bijvoorbeeld het analyseren van arbeidsongevallen met behulp van AI. Een andere het reduceren van storingen door data-analyses met kunstmatige intelligentie. En verder: Augmented Reality (op basis van deep learning) meegeven aan medewerkers op basis van camera en andere sensoren om te waarschuwen voor acute risico’s. Of Artificial Intelligence toepassen bij scenariodenken.
Geen supermachine die alles overneemt
Bijna onoverkomelijk was de vraag die altijd aan kunstmatige intelligentie kleeft: zitten er risico’s aan machines die zelf kunnen denken? Verhoeven: “Zolang wij met de goede bedoelingen programmeren, hoeven we ons daar niet op te focussen. Je moet wel oog houden voor allerlei ethische aspecten. Maar een supermachine die alles van de mensen overneemt, is niet aan de orde.”
