Artificial Intelligence

Leestijd 6 minuten

Wat is het? Wat bedoelen we ermee? En hoe maak je het mogelijk?

Het zijn vragen waar velen mee rondlopen. Hopelijk kan ik hier antwoord op geven en je enigszins op weg helpen. Maar ook voor AI-specialisten is het soms erg onduidelijk waar ze nu precies mee bezig zijn.

Wat is Artificial Intelligence?

Artificial Intelligence betekent letterlijk vertaald kunstmatige intelligentie, oftewel intelligentie die de mens creëerde of een poging intelligentie na te bootsen. Vanaf 1943 is de mensheid bezig om de ‘intelligente’ machine te creëren, maar wanneer de mens denkt een intelligent systeem te hebben ontworpen schuift de definitie van Artificial Intelligence op.
Een simpel voorbeeld is de sprekende machine. Rond 1970 dacht men dat wanneer een machine, taal kon begrijpen en antwoorden, het systeem menselijke intelligentie moest hebben. Maar nadat de ‘luisterende’ en ‘antwoordende’ machine was gecreëerd, bleek dit toch geen menselijke intelligentie te zijn.

Wat bedoelen we met Artificial Intelligence?

Wat artificial intelligence precies inhoudt is onduidelijk. Een bekend gezegde is ook: “Artificial Intelligence is that what mankind has not done yet.” - Larry Tesler. Artificial Intelligence kan je zien als een ‘zelfdenkende’ machine. Alleen bestaat deze 'zelfdenkende' machine niet.

Toch gebruiken we de term en zeggen we dat we Artificial Intelligence ‘hebben’, ‘gebruiken’ of 'toepassen. Maar wat bedoelen we eigenlijk met het hebben, gebruiken en toepassen van Artificial Intelligence? We gebruiken de term vaak wanneer er sprake is van een computergestuurd systeem dat een voorspelling kan doen, zichzelf aanpast aan nieuwe patronen of zelfs besluiten neemt.

Kijk naar een weersvoorspelling; de machine voorspelt hoe het weer er de komende dagen uit gaat zien. Als de weerpatronen er vervolgens anders uit gaan zien, past de machine zijn voorspelling aan en laat het dus een ander weerbeeld zien. De machine kan zelfs rekening houden met het opwarmen van het klimaat voor een volgende voorspelling. Maar de machine neemt geen besluit. De machine geeft niet aan wat we met deze weersvoorspelling moeten doen.

Een webshop zou datzelfde algoritme kunnen gebruiken om niet zozeer een weersvoorspelling te doen, maar om bijvoorbeeld de voorstellingen van producten op de weersvoorspelling aan te passen. Dit gaat automatisch, oftewel; we laten de machine besluiten welke producten er op de homepagina van de webshop komen te staan. In dit laatste zit een wezenlijk verschil. De machine doet niet alleen een voorspelling, maar neemt een besluit op basis van die voorspelling. Machine learning is in het proces geïntegreerd.

Het voorbeeld van de weersvoorspelling noemen we machine learning. De machine leert van patronen, past zich daarop aan en doet een voorspelling.

Het voorbeeld van de webshop noemen we Artificial Intelligence. De machine doet niet alleen een voorspelling, maar neemt ook een besluit.

Kort samengevat: machine learning passen we toe om de machine patronen aan te leren en artificial intelligence passen we toe om de machine zelf besluiten te laten nemen.


Hoe maak je het mogelijk?

Begin klein en laat Artificial Intelligence groeien binnen de organisatie. Het (te) groots aanpakken van dit soort projecten eindigt geregeld in een teleurstelling. Vooral als er geen tijd is besteed aan het kennis vergaren en kunde creëren over deze ontwikkelingen. Zorg er altijd voor dat er voor de organisatie tijd is om bekend en zelfverzekerd te raken met de technologieën.

Naast het voor zichzelf sprekende advies “begin klein” is er ter aanvulling ook een procesgang om data projecten tot een succes te maken. De vragen in dit proces moeten te allen tijde doorlopen en beantwoord worden om naar de volgende fase te kunnen.


  • Wat is er gebeurd?
Deze eerste vraag geeft ons een overzicht van wat zich in de afgelopen periode heeft voorgedaan. Wanneer hier zicht op is kan men verder naar de volgende fase.
  • Waarom is het gebeurd?
Dit geeft een inzicht in waarom de dingen zijn gebeurd. Dit inzicht kan worden gebruikt om de volgende vraag te beantwoorden.
  • Wat gaat er gebeuren?
Als uitkomst levert deze vraag een vooruitzicht. Er is kennis waarom de dingen gebeuren, dus kan er worden gekeken naar wat er gaat gebeuren. Dit heeft als gevolg dat een actie met een voorspelling kan worden onderbouwd.
  • Wat is de beste actie?
Hier komt het besluit. De machine bepaalt op basis van de voorspelling welke handeling wordt verricht. Hier zit geen menselijke interactie meer in. Deze laatste fase vergt veel kennis en kunde van zowel processen, technologieën en de organisatie om het goed te implementeren.



Deze blog is geschreven door:

Dewi de Baat

Data Architect

Het is zijn passie om zijn kennis op een eenvoudige en positieve manier te doceren aan zijn studenten.

Interesse?

Of je nu al een hele datastrategie hebt staan, of dat je nog moet starten, wij denken graag met je mee in het realiseren van een datagedreven organisatie. Laat je naam en telefoonnummer achter en wij nemen snel contact met je op.
Bedankt voor het invullen! We bellen je zo spoedig mogelijk terug.
Oops! Something went wrong while submitting the form.

Alle online trainingen en opleidingen

Data Science opleidingen in Python en R voor beginners tot aan expert, data management opleidingen en data visualisatie trainingen in PowerBI.