Haalt corona ook artificiële intelligentie onderuit?

Niet alleen de mens raakt van slag door de coronacrisis. Door de plotse veranderingen in onder meer ons koopgedrag, zijn zelfs modellen voor artificiële intelligentie compleet in de war.

De uitbraak van de coronapandemie heeft ons koopgedrag radicaal gewijzigd. Op e-commerceplatformen zoals Amazon en bol.com maakten populaire producten zoals gsm-hoesjes en tech gadgets plaats voor mondmaskers, handgel en papieren doekjes. Plots vonden meer bulkaankopen plaats, en raakten voorraden sneller uitgeput. Uiteindelijk voelde Amazon, dat normaal zijn eigen huismerken actief naar voren schuift, zich genoodzaakt om ook ‘coronaproducten’ van andere merken aan te bevelen.

Maar niet alleen het aanbevelingssysteem stond tijdens de eerste coronagolf op zijn kop. Ook de software die via kunstmatige intelligentie voorraadbeheer, marketing en fraudedetectie regelt, creëerde een immense chaos. Met alle gevolgen van dien: vertraagde leveringen waren in maart en april schering en inslag. Als klap op de vuurpijl blijft ons koopgedrag trouwens veranderen. Aan het begin van de lockdown kocht u misschien grote hoeveelheden toiletpapier, vandaag kijkt u eerder naar gezelschapsspellen en fitnessapparatuur.

Niet alleen het koopgedrag, maar ook het mobiliteitslandschap is drastisch door elkaar geschud. Verkeersdata stroken helemaal niet meer met de werkelijkheid. Uw vertrouwde Waze-applicatie wist immers niet dat u, samen met de rest van de bevolking, ‘in uw kot’ zat. Maar helemaal problematisch wordt het als zelfs onze veiligheid in het gedrang komt. Ook voorspellingen over windsnelheden, die beïnvloed worden door de aanwezigheid van vliegtuigen, zijn door de stilgelegde luchtvaartsector nog allesbehalve accuraat.

U begrijpt het al: artificiële intelligentie was duidelijk niet voorzien op covid-19. Nochtans is de technologie heel sterk verweven met ons dagelijks leven. De vraag luidt dan ook: kunnen we het tij nog keren, en hoe?

Zwarte zwaan

Maar eerst even terug naar de oorzaak van de warboel, die onmogelijk kon worden vermeden. Volgens Jonathan Berte, CEO en oprichter van AI-bedrijf Robovision, zijn algoritmes simpelweg niet voorzien op zo’n ‘black swan event’, zoals verschillende economen het omschrijven. “Je zou data van zwarte zwanen uit het verleden kunnen minen (een techniek die wordt gebruikt om gegevens te analyseren en nieuwe verbanden bloot te leggen, nvdr.), maar zo’n zwaan is telkens fundamenteel anders”, zegt Berte. “Tijdens een pandemie vertonen we andere gedragspatronen dan bij pakweg een oorlog. Op zich worden machine-learningmodellen gebouwd om op die veranderingen in te spelen. Maar als de input te sterk verschilt van de data waarop ze zijn getraind, dan verliest het systeem zijn nauwkeurigheid.”

Jan Van de Poel, oprichter van de AI-marktplaats SeeMe.ai en indertijd co-founder van de scale-up Flow Pilots, bekijkt het vooral van de praktische kant. “Ik merk dat bedrijven momenteel veel bezig zijn met het bouwen en in productie zetten van AI-modellen, terwijl we ook naar het volledige plaatje moeten kijken”, zegt Van de Poel. “Elk AI-model vereist een continue cyclus van verbetering. Het is geen fire and forget, wel een kwestie van tijdig ingrijpen waar nodig. Het slechtste wat je kan doen, is artificiële intelligentie blindelings vertrouwen.”

Pijnlijke incidenten uit het verleden, denk bijvoorbeeld aan de seksistische rekruteringsrobot van Amazon, vallen de stelling van Van de Poel bij. Misschien bewijst deze crisis dan niet zozeer hoe onbetrouwbaar artificiële intelligentie is, maar hoe slecht wij mensen ermee omgaan. “Laat deze coronacrisis een goede eye-opener zijn. En ervoor zorgen dat verregaande automatisaties hun doel niet voorbijschieten”, voegt hij daar nog aan toe.

Menselijke troeven

Vrezen dat artificiële intelligentie ten dode is opgeschreven, hoeft dus niet. Toch rijst de vraag: wat na dit ‘black swan event’? Hoe accuraat kan een systeem – niet alleen tijdens crisissituaties, maar ook nadien – nog zijn? Zowel op economisch als psychologisch gebied staan we voor heel wat onzekere tijden. Wat wel stilaan duidelijk wordt, is dat technologie meer dan ooit ten dienste zal staan van de mens, en niet omgekeerd.

“Niemand was voorbereid op een crisis van deze omvang, maar een mens van vlees en bloed zal altijd wendbaarder zijn dan een algoritme”, weet Berte. “Hoe dan ook zal een zelflerend systeem in zekere mate nog steeds menselijke sturing behoeven. Elke organisatie of instelling is dus gebaat bij een toegewijd team dat de gegenereerde data consistent toetst aan actuele gebeurtenissen in de praktijk. Meer nog, betrouwbare data zijn een must als we willen vermijden dat we economisch gezien het Griekenland van de Noordzee worden. Bovendien is dit dé gelegenheid bij uitstek voor datawetenschappers om opnieuw de knoppen te bedienen, en de mogelijkheden van andere, voor sommigen misschien nog ietwat onbekendere machine-learningtechnieken onder de loep te nemen.”

Snelheid

Het is van onmetelijk belang dat we daar snel genoeg gebruik van maken, omdat deze machine-learningtechnieken ook in crisissituaties betrouwbaarheid garanderen. Berte heeft het onder meer over few-shot learning, een techniek die systemen in staat stelt om slimmer te worden zonder veel input. Vandaag kunnen systemen al worden getraind om met een beperkte hoeveelheid data accurate voorspellingen te doen. Vergelijkbaar is transfer learning, dat de lange trainingstijd van systemen en het aantal benodigde datapunten reduceert. Aangezien kunstmatige intelligentie ons alsmaar meer zal ondersteunen in belangrijke beslissingen, moeten we daar dringend gebruik van maken. “Eigenlijk is het jammer dat er zo’n crisis moest plaatsvinden om te beseffen dat artificiële intelligentie geen ‘one size fits all’-gegeven is”, vindt Berte.

“Wat soms nog wordt onderschat in de snelheid en doeltreffendheid van slimme algoritmes, is de explainability“, voegt Van de Poel daar aan toe. “Bij veel modellen, waaronder beeldherkenning, kan een systeem goed verklaren waarom het een bepaalde voorspelling doet. Dat is belangrijk om sneller betere én robuustere modellen te kunnen bouwen.

Maar het belang van snelheid duidt evenzeer op de AI-gestuurde toepassingen ter bestrijding van het virus zelf. Alleen al in ons eigen land schoten afgelopen weken verschillende stukjes innovatie uit de grond in verschillende domeinen. Robovision gebruikt zijn AI-software bijvoorbeeld voor bedrijfstoepassingen om in de toekomst longscans op covid-19 te controleren. Een ander voorbeeld is een heat display van het West-Vlaamse Aptus , die bedrijven kunnen gebruiken om de gezondheid van hun medewerkers te controleren bij het binnenkomen. De walkthrough display is in staat om de lichaamstemperatuur contactloos te meten in enkele seconden. “Ook wij beseffen dat deze tool permanente monitoring vraagt”, vertelt oprichter Alexander Vanwynsberghe, managing partner bij Aptus. “Wij hoeven geen medisch bedrijf te zijn om de vinger aan de pols te houden van de evolutie in besmettingen.”

Zal de coronacrisis uiteindelijk uitgroeien tot een opportuniteit om ons als maatschappij nog beter te laten ondersteunen door technologie? Enkel de toekomst zal het uitwijzen.