Waarom nú een AI-bedrijf beginnen?

In de Medium Daily Digest van 6 juli 2017 een artikel van Marie Outtier over waarom je nú een AI-bedrijf zou moeten beginnen. Experts voorspellen dat AI belangrijker wordt dan elektriciteit en internet. AI wordt alomtegenwoordig in ons leven, AI leert van onze smaak op TV wat we leuk vinden en doet voorspellingen over wat je zeker ook moet zien. Je stofzuiger werkt met AI, en in China je WC papierdispenser (?). Haarlemmerolie, de nieuwe oplossing voor alle problemen.

Al ben ik geen expert, ik voorspel dat er een hele grote bubbel in aantocht is die over enkele jaren uiteen zal spatten. De verwachtingen zijn zo torenhoog gespannen dat dit onvermijdelijk is. Maar zelfs afgezien daarvan, wat is het nut van met AI verrijkte technologie? Je moet wel een bizarre fantasie hebben om AI in een WC papierdispenser te willen gebruiken. Om al dan niet met schuurpapier je billen af te vegen?!

Voor diegenen die niet weten wat er speelt rond AI, de volgende verklaring. Sinds een jaar of vijf is dankzij de enorme computercapaciteit van serverparken deep learning mogelijk geworden: het ontwikkelen van een neuraal elektronisch netwerk aan de hand van veel voorbeelden (big data). De gereedschappen daarvoor zijn nu vrij algemeen beschikbaar. Het idee van neurale netwerken bestaat al meer dan 50 jaar, maar is pas de laatste jaren praktisch bruikbaar geworden.

Hoe gaat dat in zijn werk? Je moet voldoende voorbeelden hebben van wat je met zo’n netwerk wilt herkennen, bepaalde zaken of verbanden. De ruwe data wordt meestal voorbewerkt om de essentiële verschillen te versterken en onbelangrijke te verzwakken. Belangrijk is dat de data gecategoriseerd wordt volgens de te herkennen zaken of verbanden. In het omvangrijke leerproces worden dan de parameters van het neurale netwerk bepaald die het beste resultaat geven.

Deze parameters kunnen vervolgens vrij eenvoudig worden gebruikt in een AI-toepassing. Er zijn inmiddels ook technieken ontwikkeld  om te blijven leren van nieuwe voorbeelden, maar dan verval je in een centrale toepassing die weer veel computer capaciteit vergt. Overigens zijn gecategoriseerde voorbeelden niet altijd nodig, je kunt ook gewoon trends proberen te vinden in een hooiberg van big data. Vooral leuk voor wetenschappers die complexe zaken willen doorgronden.

AI-systemen staan of vallen met de voorbeelden waarvan geleerd  moet worden. Vandaar dat de chatbot TAY (zie vorige blog) snel leerde om racistische uitspraken te doen. Er komen steeds meer en steeds betere big data databases beschikbaar voor de leerfase, vandaar de grote rage om een nieuw AI-bedrijf te beginnen. Wie weet vind je goud!

Maar ik denk dat de grote bedrijven (Google, Amazon, Facebook en Apple) toch de dienst zullen gaan uitmaken. Zij beschikken over enorme serverparken, verzamelen bergen informatie over hun klanten en hebben de expertise – essentiële voorwaarden voor het slagen van AI. De kans dat een klein bedrijf op goud stuit, is altijd aanwezig maar heel klein.

Mevrouw Outtier die het artikel schreef, is medeoprichter van een bedrijf dat een AI-collega (Aiden) aanbiedt voor marketeers. Een virtuele collega die zaken voor je uitzoekt. Dan hoef je de AI-expertise niet zelf te hebben om er toch van te profiteren. Dat lijkt me best wel een nuttige toepassing. In ieder geval nuttiger dan een stofzuiger met AI!

Hein van Steenis (6 juli 2017)