Wat is artificiële intelligentie?

Kunstmatige intelligentie is gebaseerd op het vermogen van rekeneenheden om menselijk leren te reproduceren. Een netwerk van neuronen bootst eerst na en zal zich daarna verfijnen door een toenemend aantal gegevens te analyseren. Dit gebeurt totdat het in staat is om de mogelijkheden van menselijk nadenken te reproduceren – of zelfs te overtreffen. Hierdoor kan AI items herkennen in beelden, gegevens modelleren, informatie bij elkaar brengen, trends voorspellen en precieze resultaten leveren. Allemaal met natuurlijke taal.

Geschiedenis van artificiële intelligentie

Al in de jaren veertig, toen de eerste computers werden geboren, wilden veel wetenschappers als Alan Turing een "kunstbrein" ontwikkelen. Deze experts hebben verschillende experimenten uitgevoerd om hun doel te bereiken: een machine maken die slimmer is dan de mens. En om het te bewijzen, ontwikkelden ze een evaluatiesysteem dat beroemd is gebleven: de Turing-test.

Het principe is simpel: gedurende vijf minuten stuurt één persoon berichten per computer naar twee vreemden, een mens en een machine. Als de persoon aan het einde van het gesprek niet in staat is ze te onderscheiden, dan is de test geslaagd. AI bewijst dat het voldoende vaardigheden heeft ontwikkeld om een natuurlijke taal te reproduceren en deel te nemen aan een intelligente dialoog, soms zelfs met een beetje humor.

In 1956 creëerden drie wiskundigen de eerste taal voor kunstmatige intelligentie, IPL-11, en trainden zo een programma om wiskundige problemen op te lossen. Dit bleek al snel in staat met een begrijpelijke uitleg bekende stellingen te bewijzen. De wetenschappers ontwikkelden vervolgens een technologie voor zelf leren, machine learning. Dit bouwt zelf zijn eigen AI, waarbij het zichzelf op een grote hoeveelheid data traint om een menselijke analyse te reproduceren.

Machine learning en big data (of het vermogen om een exponentiële hoeveelheid informatie te verzamelen om AI te trainen) vormen de kern van het succes van artificiële intelligentie en de vooruitgang ervan.

Het wetenschappelijke concept van artificiële intelligentie is gebaseerd op drie fundamentele stappen: het opnemen van informatie, het analyseren van gegevens en het opstellen van passende antwoorden of acties.
 

• Opnemen van informatie

Tegenwoordig genereert elke interactie op een website informatie. Deze gegevens moeten dus worden geregistreerd en opgeslagen, zodat ze aan kunstmatige intelligentie kunnen worden doorgegeven. Soms moeten ze zelfs geanonimiseerd worden: in het kader van de AVG (GDPR) mag de digitale activiteit van een persoon niet aan zijn persoonsgegevens zijn gekoppeld.

Om informatie te registreren en op een begrijpelijke manier door AI-programma's te laten omvormen, creëren wetenschappers leeralgoritmes. Deze zogenaamde "kunstmatige neuronen" maken het bijvoorbeeld mogelijk om duizenden beelden te decoderen. Elk beeld wordt pixel voor pixel omgezet om een gegevensset op te bouwen. Er zijn weer andere programma's en algoritmen ontworpen om de gegevens uit big data te registreren en aan te leveren aan de leeralgoritmen.

Cloud computing biedt de rekenkracht die vereist is voor deze technologie. Hiermee kunt u direct profiteren van deze gegevens en ze volledig benutten.

• Analyseren van gegevens

De informatie die door artificiële intelligentie wordt verwerkt en ontcijferd vormt de echte basis van het zelf leren: deep learning. Om een passend antwoord op de diverse uitdagingen te krijgen, stellen datascientists voor elke situatie toepasselijke criteria op. De automatische leeralgoritmen verrijken deze lijst met criteria stapsgewijs en bieden nieuwe, relevantere antwoorden.

Hoe meer artificiële intelligentie gevoed wordt met nieuwe gegevens, hoe fijnmaziger het op deep learning gerichte netwerk van kunstmatige neuronen zal worden. AI leert en begrijpt, wat ook een technische impact heeft: er moet worden gezorgd voor een constante beschikbaarheid van big data en voor verse en betrouwbare binnenkomende informatie. Vooral data mining is een analyseproces dat gegevens verzamelt en vergelijkt om overeenkomsten, markttrends of bruikbare informatie te identificeren. De vooruitgang van AI is gebaseerd op deze krachtige algoritmen en op toegang tot gegevens.

De rekenkracht van al deze algoritmen vormt de motor van kunstmatige intelligentie. Als het niet wordt gestroomlijnd, kan het tekortschieten en de interacties tussen kunstmatige neurale netwerken vertragen... waardoor het potentieel van AI wordt beperkt. Daardoor hebben datascientists al snel krachtigere grafische kaarten nodig. Ze proberen ook de beschikbare technische resources, de GPU-berekeningen, te optimaliseren.

Voor deze professionals hebben we oplossingen als OVHcloud AI Training geïmplementeerd in onze Public Cloud. Zo kunnen ze voor het trainen van AI deze resources automatisch, zonder menselijke tussenkomst stroomlijnen.

Netwerken voor deep learning worden steeds sneller en krachtiger. De gegevensverwerking is vrijwel instantaan, wat het toepassingsbereik van artificiële intelligentie vergroot. Leren via versterking is onbeperkt: elke nieuw gegeven verbetert de nauwkeurigheid van AI.

• Opstellen van passende antwoorden of acties

Als de gegevens geïnterpreteerd, vergeleken en geanalyseerd zijn, kan artificiële intelligentie hiermee een antwoord of een reactie leveren dat aan de verwachtingen voldoet. Dit is een vorm van "cognitieve reflex", die door de datascientists moet worden gedefinieerd om de AI in staat te stellen:

• aanbevelingen voor video's te geven die passen bij de persoon (relationele intelligentie);
• repetitieve taken te automatiseren (intelligente automatisering);
• realtime vertalingen te maken (semantische analyse, taalinterpretatie);
• veelbelovende markttrends voor een start-up of projectmanager te identificeren (bedrijfsinformatie);
• een object of dier te herkennen op duizenden foto's (visuele herkenning);
• zelfstandig een voertuig op de juiste plaats te parkeren (cognitieve reflexen, positiebepaling).

Voorspellend model in de publieke sector

Zonder kunstmatige intelligentie is het beheer van infrastructuur en openbare diensten complex en tijdrovend. Voor elk besluit moet er met veel parameters rekening worden gehouden. Het besluit om bijvoorbeeld een station te vernieuwen houdt in dat men met sterk uiteenlopende problemen wordt geconfronteerd, zoals de prioritering van werkzaamheden die volgens de geraamde begroting moeten worden uitgevoerd, de studie van verkeersstromen voor het aanbieden van omleidingen, de optimalisering van het vervangende vervoer, enzovoorts.

Door artificiële intelligentie (AI) te trainen om beschikbare gegevens te verzamelen, te verwerken en te analyseren, kunnen nauwkeurigere prognoses worden opgesteld. Dit biedt ook de mogelijkheid om beslisbomen op te stellen met de kosten en de voordelen van elke optie. Deze voorspellingen dienen dan als hulpmiddelen bij de besluitvorming (business intelligence).

AI is een uitstekende oplossing voor het plannen van activiteiten. Dit geldt voor alle overheden en openbare diensten.

Onderzoek en ontwikkeling op het gebied van gezondheid

Kunstmatige intelligentie vormt de kern van veel programma's voor onderzoek en ontwikkeling (R&D) op het gebied van gezondheid. Dat is waar het de meest veelbelovende resultaten oplevert.

De vroegtijdige opsporing van kanker en ernstige ziekten is bijvoorbeeld een grote uitdaging voor de medische sector. Na succesvolle visuele herkenningstests zijn AI-algoritmen opgenomen in screeningsprogramma's voor vroege tumoren. Vergeleken met een team neurochirurgen is het MRI-herkenningsalgoritme nu al tien keer sneller en effectiever bij het opsporen van hersentumoren. Het vergelijkt elk nieuw hersenbeeld met duizenden databases.

Het gebruik van voorspellende analyses en beeldherkenning kan patiënten helpen redden, nog voordat de ziekte zich voordoet. Het verandert de wereld van de geneeskunde ingrijpend.

Via het extraheren van kennis uit duizenden wetenschappelijke rapporten kan data mining zorgen voor:

• een beter begrip van de oorzaken van bepaalde ziekten;
• detectie van mogelijke contra-indicaties tussen verschillende geneesmiddelen;
• het versnellen van wetenschappelijk onderzoek op grote schaal.

IT-beveiliging en gegevensbescherming

Gegevensbescherming en -beheer zijn cruciale uitdagingen. Toegang tot, uitwisseling en gebruik van informatie is essentieel, zowel voor grote onderzoekscentra als voor kleine ondernemingen.

Computerbeveiligingssoftware en op artificiële intelligentie gebaseerde omgevingen kunnen mogelijke zwakke punten in een netwerk detecteren. Ze kunnen ook kwaadaardige software blokkeren, die het gedrag van een menselijke gebruiker imiteert.

Realtime automatische vertaling

Het beheer van klantrelaties is een belangrijke uitdaging voor alle organisaties die waarde hechten aan een uitstekende kwaliteit van dienstverlening. Met automatische taalverwerking (Natural Language Processing) centraliseert kunstmatige intelligentie de vragen van internationale klanten. Het vertaalt ze vervolgens onmiddellijk in de taal van de medewerker van de klantenservice, net als een tolk.

Elke medewerker van de klantenservice kan zo een passend antwoord geven dat perfect is geschreven en opnieuw vertaald in de taal van de gebruiker. Een chatbot biedt ook modellen voor antwoorden op basis van eerdere uitwisselingen.

Plannen, voorraadbewaking en beheer van stromen

Levensmiddelenbeheer, vraagprognoses en realtime voorraadbeheer zijn voor grootwinkelbedrijven en e-commerce van essentieel belang.

Dankzij voorspellende algoritmen kunnen producenten de juiste hoeveelheid producten bestellen voor de verwachte omzet. Dit leek tot voor kort bijna onmogelijk. Met verkoopcijfers en gegevens uit voorgaande jaren kunnen professionals nu een AI-interface trainen om de stroom van een groot aantal artikelen realtime te verwerken. Het bedrijfsinformatieprogramma identificeert snel de beste verkopen voor een bepaalde periode. Met voorspellende modellen, controlealgoritmen en informatievisualisatie bestellen inkopers op het juiste moment de juiste hoeveelheid artikelen. Op die manier worden verspilling en voorraadtekorten voorkomen.

Robotica en ingebouwde intelligentie

Robotica is een vorm van AI die gericht is op cognitieve intelligentie. Ontwikkelaars moeten dus veel meer ontwerpen dan een op een netwerk aangesloten intelligente computer: een autonome machine.

Robots of automaten zijn uitgerust met sensoren (ingebouwde camera's, microfoons, radars, netwerken van verbonden objecten, etc.) om juist op hun omgeving te reageren. Ze bepalen ook welke cognitieve reflexen geschikt zijn voor elke situatie.

Ingebouwde intelligentie toont nu al aan dat het een enorm potentieel heeft met de lancering van de zelfrijdende auto. Deze kan de verkeersregels begrijpen, zelf parkeren en in geval van gevaar binnen een milliseconde remmen.

NVIDIA GPU Cloud

Een grafische processor (GPU) is een rekeneenheid. Deze kan op een grafische kaart, zoals de NVIDIA V100S, of op een moederbord worden geplaatst. De goede werking van kunstmatige intelligentie berust op de effectiviteit van deze rekeneenheden.

De NVIDIA GPU Cloud (NGC) combineert alle GPU-software die automatisch de rekeneenheden van de NVIDIA-hardware optimaliseert. Het vergemakkelijkt deep learning en grafische berekeningen voor AI.

Jupyter Notebook

Jupyter is een opensource, gratis en interactief computing notebook (of web app). Uitleg, codes, vergelijkingen en visualisaties van websitebezoekers worden vrij gedeeld tussen gebruikers.

Jupyter werkt met talrijke programmeertalen en ontwikkelomgevingen (frameworks), zoals TensorFlow, PyTorch en MxNet. Gebruikers kunnen de code in de interface live bekijken, bewerken en uitvoeren, zodat de resultaten van elke wijziging direct kunnen worden gecontroleerd. Datascientists gebruiken Jupyter Notebook om diverse automatismes en kunstmatige intelligentie te creëren.

Apache Spark

Apache Spark is het vooraanstaande framework voor massale gegevensverwerking. Het doorloopt de gegevens in de database, laadt de uit te voeren bewerkingen in het geheugen en voert alle berekeningen in één keer uit. Wanneer de analyse is voltooid, worden de rekenbronnen vrijgegeven.

Apache Spark wordt dus gebruikt om grote hoeveelheden gegevens samen te voegen en gedetailleerde analyserapporten te leveren.