AI: de revolutie die ons naar de hemel of de hel kan leiden

‘Hoe komt het toch dat ik de zee ruik telkens als ik aan een kiwi ruik?’ Bernard Lahousse, een bio- ingenieur met een zwak voor gastronomie, kreeg de vraag 18 jaar geleden van Sang-Hoon Degeimbre, de chef van het sterrenrestaurant l’Air du Temps. Ze waren aan het brainstormen om met de hulp van wetenschap nieuwe culinaire inzichten te ontwikkelen. Een chemische analyse bracht het antwoord: de vrucht en het schelpdier delen bepaalde aromatische molecules, waardoor ze in de keuken goed combineerbaar zijn. De ‘kiwitre’, een hapje van kiwi, oester en kokosroom, was geboren.

In zijn zoektocht naar de wetenschap achter gastronomie richtte Lahousse jaren later het Gentse bedrijf Foodpairing mee op. Behalve sterrenchefs helpt het ook voedingsmultinationals originele succesrecepten te ontwikkelen. Traditioneel gebeurde dat door eindeloos te experimenteren met ingrediënten en de culinaire creaties voor te schotelen aan een lukraak testpanel. Foodpairing doet het met een zelf ontwikkeld computermodel dat meteen vertelt of de ingrediënten goed bij elkaar passen en of de nieuwe creatie in de smaak zal vallen bij het doelpubliek.

‘We zijn het hele aanbod van de supermarkt hier aan het analyseren’, zegt mede-oprichter en CEO Johan Langenbick, terwijl hij ons het voedingslabo van Foodpairing toont. De samenstelling van honderden voedingswaren wordt tot op moleculair niveau bestudeerd en in een enorme database gepompt. ‘Met die informatie stellen we aromaprofielen op die omschrijven hoe mensen een bepaalde smaakcombinatie proeven.’ Het model van Foodpairing gebruikt daarvoor zo’n zeventig ‘descriptoren’, zoals fruitig of kazig.

Behalve met voedingsdata wordt de database continu gevoed met informatie over de - wisselende - voorkeuren van consumenten in verschillende landen. Van welke smaken houden ze? Welke producten doen het goed? Welke recepten zijn trending op sociale media? ‘Met al die gegevens bouwen we digitale tweelingen van consumenten en voorspellen we wat in een bepaalde markt zal werken’, zegt Langenbick. ‘Stel dat een bedrijf een jongerendrankje met gember en ananas wil lanceren in Brazilië, dan berekent ons model een score die meteen een idee geeft van het potentiële marktsucces.’

Wat Foodpairing doet, is een tastbaar voorbeeld van hoe artificiële intelligentie (AI) bedrijven helpt efficiënter en doeltreffender te worden. ‘Nieuwe voedingsproducten ontwikkelen kost handenvol geld, met een kleine kans op succes. Door dat proces te digitaliseren besparen we onze klanten maanden tijd en verhogen we hun slaagkansen’, zegt Langenbick.

Het verhaal van Foodpairing toont een onderbelichte kant van AI. Lang voor de hype rond de slimme conversatiebot ChatGPT waren Vlaamse bedrijven al aan de slag met data en statistiek om beter te innoveren of oude processen te optimaliseren. Ook die verhalen belichten we de komende twee weken in onze reeks ‘AI&I’, zonder uiteraard het belang van die nieuwe chatbots te minimaliseren.

Waar maakt AI nu al het verschil?

De Antwerpse haven is een van de plekken in ons land waar ‘saaie’ data een grote economische impact hebben. ‘Een van onze eerste cases was een oplossing om het loodsen van schepen naar Antwerpen efficiënter te maken’, zegt Joeri Ruyssinck van de Gentse AI-applicatiebouwer ML2Grow. ‘Traditioneel werden de shiften van de loodsen opgeschreven op een groot bord, waarbij men moest inschatten hoelang elke loods op het schip zou zitten op basis van factoren zoals het weer, de drukte, de grootte van het schip. Dat gebeurde op basis van ervaring en buikgevoel. Maar zelfs voor mensen die dat al tientallen jaren doen, blijft het moeilijk om zo’n complex proces te voorspellen.’

ML2Grow pakte het probleem aan door dozen vol logboeken van de voorbije tien jaar uit de kelders van de loodsdiensten te halen, die te digitaliseren en een algoritme te laten speuren naar patronen in de gigantische databerg. ‘Na enkele dagen zagen we al verbanden die toelieten veel efficiënter te plannen. Aanvankelijk wilden ze ons niet geloven. Tot ze ons vroegen het model te toetsen aan een dag waarop alles verkeerd was gegaan. Onze voorspellingen klopten als een bus.’

Het vervangen van buikgevoel door data is een rode draad in veel AI-projecten. ‘Het einddoel is processen verbeteren. Vaak automatiseren we repetitieve taken, zoals kwaliteitscontroles in de tapijtindustrie. Wie wil nu nog de hele dag aan de band staan om alles met het blote oog te checken?’ Volgens Ruyssinck zitten steeds meer productiebedrijven met het probleem dat de laatste generatie die dat soort werk nog deed met pensioen gaat.

AI neemt niet alleen jobs over, maar biedt ook maatschappelijke meerwaarde. Nergens is dat duidelijker dan in de geneeskunde. De diagnose van allerlei aandoeningen, van een sluimerende tumor tot een nakende hartaanval, gebeurt sneller en accurater door computers die patronen herkennen in de data van duizenden patiënten. Ziekenhuis Oost-Limburg (ZOL) pioniert al jaren met het bijeenbrengen van duizenden gigabytes aan zorgdata. Daarin liggen sleutels verborgen voor de preventie van ziektes, zodat we langer gezond blijven en de sociale zekerheid honderden miljoenen euro’s besparen.

Mede dankzij AI konden we in een recordtempo vaccins tegen corona ontwikkelen. Die snelheid wordt het nieuwe normaal. ‘We werken al enkele jaren samen met een farmabedrijf, waarbij we onder meer de ontwikkeling van vaccins in de in-vitrofase aanzienlijk hebben versneld’, zegt Davio Larnout, oprichter en CEO van de Brusselse AI-consultant Radix. ‘Een AI-gedreven copiloot helpt de laboranten sneller en nauwkeuriger de bacteriën te registreren, en te rapporteren hoe ze zich in een kweekschaaltje ontwikkelen.’

Verder aan de horizon doemt de hypergepersonaliseerde geneeskunde op: een pil of vaccin volgens uw genetisch profiel en andere persoonlijke data. Vandaag spuwen slimme AI-bots al computercode uit, straks schrijven ze misschien de genetische code voor een gentherapie op maat.

Ook het klimaat en het milieu hebben baat bij de doorbraak van AI. De baksteenfabrikant Wienerberger verzamelde met sensoren een massa data over zijn productieproces en ontdekte daarin parameters die toelieten het energieverbruik van zijn ovens substantieel te verminderen. Voor consumenten zal de technologie inzichten bieden in de ecologische voetafdruk van de producten in hun winkelkar of van de vervoermiddelen die ze kiezen. Op macroniveau kan AI klaarheid scheppen in complexe klimaatsystemen en zo gerichte oplossingen voorstellen.

Hoe vernieuwend zijn de AI-chatbots?

Pioniers als de Fransman Yann LeCun en de Canadese profs Geoffrey Hinton en Yoshua Bengio legden de grondslag voor statistische en voorspellende AI-modellen al in de jaren tachtig. Maar het duurde tot midden jaren 2000 voor computerwetenschappers genoeg data en rekenkracht hadden voor deep learning, algoritmes die je kan trainen om ingewikkelde patronen te herkennen in data.

In 2012 gaf de lancering van AlexNet, een computermodel dat veel beter dan andere modellen beelden kon herkennen, het startschot voor een eerste golf aan AI- innovaties. Die draaiden rond computervisie, met toepassingen als objectdetectie, kwaliteitscontrole en gezichtsherkenning. De voorbije vijf jaar kwam de grote sprong vooruit in de taalverwerking, met Large Language Models (LLM’s) die worden getraind op miljarden woorden en parameters. Het bekendste is GPT van het bedrijf Open AI, dat het fundament vormt van het intussen beroemde ChatGPT.

De ontwikkelaars hielden hun LLM’s lang afgeschermd van het grote publiek, maar het voorbije jaar kwam een concurrentieslag op gang met Open AI, Microsoft en Google in de hoofdrol. Plots zitten we volop in het tijdperk van generatieve AI, die in staat is op menselijk niveau te converseren en inhoud te creëren. De wereld kijkt verbaasd, enthousiast en angstig naar wat de software allemaal kan. Elke dag getuigen mensen in de media hoe ChatGPT hun carrière een duw gaf of het leven van hun huisdier redde.

Maar elke dag lezen we ook dat bots onze job gaan afpakken en in staat zijn mensen depressies of zelfmoordgedachtes aan te praten.

De reacties tonen dat we het innovatiepotentieel van AI te lang hebben onderschat. Wie er al langer mee bezig is, spreekt eerder van een evolutie dan van een revolutie. Hoe menselijk ze ook lijken, de chatbots blijven computerprogramma’s die met behulp van statistiek woorden en beelden produceren zonder zich ‘bewust’ te zijn van de betekenis. Als je ze bevraagt over feiten waarop ze niet of weinig zijn getraind, maken ze fouten of beginnen ze van alles te verzinnen.

Toch zijn ook de specialisten verrast door de snelheid waarmee het vooruitgaat. ‘Ik zie dingen gebeuren waarvan ik vijf jaar geleden dacht dat ze nog decennia zouden duren’, zegt Luc De Raedt, computerwetenschapper aan de KU Leuven. Ook kantoorwerkers gebruiken AI-tools al massaal voor tijdrovende taken als copywriting, vertalingen, presentaties of mails. ‘Vroeger was het veel te duur of technisch onmogelijk om zelf zulke toepassingen te maken. Door de LLM’s is een democratisering van de technologie bezig, die nog verder zal gaan doordat de grote techbedrijven ze in hun applicaties en clouddiensten integreren’, zegt Bart Baeyens van de Antwerpse applicatiebouwer Faktion.

Naast de verbreding in het gebruik zien we een explosie aan gerichte toepassingen. De grote taalmodellen zijn basismodellen. Je kan ze rechtstreeks gebruiken, maar je kan je ze ook eigen data meegeven of ze verder trainen en finetunen met bedrijfsspecifieke data. ‘Datakwaliteit is essentieel om goede resultaten te halen uit AI. In sommige projecten gebruiken we de generatieve AI-toepassingen om data te verrijken, om die data vervolgens als input te gebruiken voor klassieke AI-toepassingen. Die techniek, ‘GPT in the loop’, is de echte wind in de zeilen van klassieke AI. Die kruisbestuiving maakt ons enthousiast’, zegt Baeyens.

Ook Joeri Ruyssinck (ML2Grow) noemt het voortbouwen op ‘foundational models’ de echte revolutie van vandaag. Hij toont hoe je op de website van Hugging Face, een Frans-Amerikaanse aanbieder van tools voor AI-ontwikkelaars, snel datasets en modellen kan vinden die door andere ontwikkelaars worden gedeeld. Zo wordt het steeds makkelijker de bouwblokken van nieuwe toepassingen gewoon uit het rek te halen. Als de AI-sector een bos in volle bloei is, dan zijn de basismodellen de bomen in het bos. Hun stammen worden niet alleen dikker en hoger, ze krijgen ook steeds meer takken en zijtakken waaraan als blaadjes duizenden concrete toepassingen groeien.

De decennia oude megatrend van digitalisering en automatisering krijgt zo een nieuwe versnelling, in fabrieken en kantoren. De economen Joseph Briggs en Devesh Kodnani van de zakenbank Goldman Sachs denken dat de doorbraken in generatieve AI in het komende decennium de wereldeconomie met 7 procent kunnen boosten. De verwachte productiviteitswinst van 1,5 procentpunt is niet vast te pinnen op een bepaalde taak of sector. Ze zit in veel kleine hoekjes, in alle geledingen van de bedrijfswereld en de overheid.

Voor leidinggevenden is het belangrijker dan ooit dat ze de processen in hun bedrijf kennen en begrijpen, en de invoering van AI niet per se als één groot transformatieproject zien. ‘Bedrijven verliezen zich vaak in grote trajecten, terwijl ze veel sneller kleine verbeteringen kunnen doen. Soms hoor ik van CEO’s dat ze eerst alle data op orde willen zetten alvorens met AI te beginnen. Maar als je niet weet welk doel je voor ogen hebt, dreig je dingen over het hoofd te zien en weer van nul te moeten beginnen’, zegt Ruyssinck.

Kan AI de intelligentie van de mens evenaren?

Dankzij AI zien de Amerikaanse techreuzen de vraag naar hun diensten fors toenemen, maar ze hebben ook redenen om zich zorgen te maken. De investering in grote AI-modellen kost handenvol geld. Intussen beent de opensourcebeweging, de gemeenschap van programmeurs die samen code schrijven en delen, hen in snel tempo bij met gratis beschikbare modellen. ‘Terwijl we onderling aan het vechten zijn, eet de opensourcebeweging stilletjes onze lunch op’, staat in een recent uitgelekt intern document van Google.

Open AI-oprichter Sam Altman, zo’n beetje de Bill Gates van de AI-industrie, verklaarde recentelijk dat het tijdperk van steeds grotere AI-modellen op zijn einde loopt. Ze nog verder opschalen is onhaalbaar door de hoge ontwikkelingskosten en de fysieke limieten van de energieverslindende datacenters waarop ze draaien. Volgens onderzoek van de Amerikaanse Cornell University dreigen we nog voor 2026 alle kwaliteitsdata voor de training van die modellen opgebruikt te hebben.

‘Het aantal benodigde berekeningen om AI-modellen te trainen stijgt exponentieel, en de jongste jaren nog sneller dan vroeger. Daar staat gigantische financiële en ecologische kosten tegenover’, zegt Steven Latré, die bij het Leuvense onderzoeksinstituut Imec het onderzoek naar artificiële intelligentie leidt. ‘We zitten op een scharniermoment. Als we er niet in slagen om duurzame oplossingen te bouwen, riskeren we in een AI-winter te belanden en zullen de grote doorbraken over tien jaar uitblijven. Dat zou jammer zijn, want AI heeft het potentieel om maatschappelijke problemen aan te pakken.’

Als de toekomst niet in nog grotere modellen ligt, waar ligt ze dan wel? Volgens experts gaat AI meer deel uitmaken van onze fysieke wereld, omdat ze geleidelijk in toestellen wordt geïntegreerd. ‘Voor veel toepassingen is dat sneller, veiliger, energiezuiniger en beter voor de privacy dan een verbinding met de cloud’, zegt Latré. De lancering van smartphoneapps voor ChatGPT is een stap in die richting. Maar net zo goed zullen robotstofzuigers, camera’s en complete industriële installaties AI-chips aan boord krijgen waarmee ze analyses kunnen maken en beslissingen nemen. Een veelbelovende speler in die ‘Edge AI’ is de Belgisch-Nederlandse chipdesigner Axelera AI, die in tweeënhalf jaar tijd al 45 miljoen dollar aan kapitaal en innovatieleningen ophaalde.

Voor echt disruptieve technologie, zoals volledig autonome auto’s en huishoudrobots die uw bed opmaken en uw eten koken, moeten ook de AI-modellen verder evolueren. ‘De taalmodellen zijn goed in patroonherkenning. Een ander soort intelligentie draait rond het maken van complexe redeneringen en het uitvoeren van taken die meerdere stappen vereisen. In beide domeinen gaan we vooruit, maar de combinatie is lastig. Dat wordt de grote uitdaging’, zegt Luc De Raedt (KU Leuven). Een zelfrijdende auto die aan een druk kruispunt komt, moet niet alleen auto’s, fietsers, voetgangers en verkeersinfrastructuur kunnen herkennen. Hij moet al die dingen koppelen aan de context en de verkeersregels, hij moet scenario’s vergelijken en in een fractie van een seconde een beslissing nemen.

‘De huidige deeplearningmodellen zoeken correlaties in data. Zogenaamde causale AI probeert ook te doorgronden hoe en waarom bepaalde variabelen andere variabelen beïnvloeden’, zegt Latré. Doorbraken kunnen grote winst opleveren voor onder meer de gezondheidszorg, de farmasector en de precisielandbouw. ‘Voorspellen dat de oogst van een boer kleiner zal zijn, is één ding. Als je begrijpt waarom dat zo is, kan je stappen ondernemen om de oogst te verbeteren.’

Worden redenerende AI-modellen de volgende stap? Bij artificial general intelligence (AGI) is de technologie in staat de intellectuele capaciteiten van mensen te evenaren of te overtreffen. Experts debatteren eindeloos over de vraag of en wanneer we dat niveau bereiken. De realiteit is dat niemand het weet. Volgens de Vlaamse AI-pionier Jonathan Berthe, oprichter van Robovision, vergt het modellen die veel minder data-afhankelijk zijn. ‘Mensen hebben geen miljoenen beelden nodig om te weten wat een kat is. Een tiental voorbeelden volstaat. Die oneshotlearning wordt heel belangrijk.’

Kunnen we de technologie nog in de hand houden?

In welke vorm ook, AI kan een van de meest disruptieve krachten in de geschiedenis van de mensheid worden. Geoffrey Hinton, de ‘peetvader van AI’, plaatste de technologie in een recent interview op één lijn met de uitvinding van het wiel, de industriële revolutie en de elektrificatie van de samenleving. En net als die revoluties zal ook deze een goede en een slechte kant hebben, deels voorspelbaar zijn en deels vol verrassingen zitten.

AI-makers, gebruikers, beleidsmakers en toezichthouders hebben de morele plicht nu stil te staan bij de ongewenste gevolgen van de technologie: een stortvloed aan deepfakevideo’s en desinformatie, slecht getrainde AI-bots die de vooroordelen van mensen overnemen, bedrijven die klanten discrimineren op basis van data, camera’s en sensoren die permanent ons doen en laten registreren.

Ook het debat over de impact op de arbeidsmarkt is te belangrijk om af te doen met oneliners. De economen Joseph Briggs en Devesh Kodnani (Goldman Sachs) voorspellen dat liefst 300 miljoen voltijdse jobs kunnen worden weggeautomatiseerd. Volgens data-analist Tomas Pueyo, die in de coronacrisis bekendheid verwierf met zijn sterk onderbouwde analyses, wijzen alle indicatoren erop dat de sociale ongelijkheid fors zal toenemen. ‘Het is naïef om bang te zijn van technologie, maar het is ronduit gevaarlijk de potentiële jobvernietiging te ontkennen’, stelt hij.

Helemaal angstaanjagend is de gedachte aan geopolitieke conflicten en oorlogen die met AI worden uitgevochten. Denk aan robothackers en computervirussen die de klok rond op zoek gaan naar strategische doelwitten, drones die zelfstandig missies uitvoeren en algoritmes die tactische beslissingen nemen op het slagveld. De ultieme doemgedachte is dat AI-systemen ooit in staat zijn om, vanuit een logica verscholen in een ondoorgrondelijk algoritme, mensen op grote schaal om het leven te brengen.

Het is weinig hoopgevend dat de twee dominante AI-machten, de VS en China, amper bezig lijken met die uitdagingen. Europa heeft het voortouw genomen met AI-wetgeving die nog onvolmaakt is maar toch de belangrijkste uitwassen aanpakt. Al stellen velen zich de vraag wat die regels waard zijn als er geen sterke Europese industrie is om ze in toe te passen. Europa heeft geen Google, Microsoft of Amazon, maar we hebben wel andere sterktes, zegt Steven Latré (Imec). ‘Die zitten vooral in de kleinere AI: dichter bij het toestel, goedkoper en duurzamer. De Europese AI-wet kan dienen als kompas voor een eigen AI-model, dat onderworpen is aan transparante ethische regels.’

Davio Larnout (Radix) ziet ruimte voor een Europees industrieel AI-beleid. ‘We hebben talent genoeg, maar we moeten AI ook als een strategische troef durven te zien. Misschien moeten we een AI-versie oprichten van Imec of het CERN (het Europese onderzoekscentrum voor subatomaire deeltjes in Genève, red.). De oplossingen die ze daar ontwikkelen, zou je in open licentie aan Europese bedrijven kunnen geven.’

Een Europese aanpak die ethiek en veiligheid vooropstelt, zou alvast de steun krijgen van een massa ondernemers en academici. Onder meer Sam Altman (OpenAI) liet onlangs verstaan vragende partij te zijn voor meer regulering en een actief betrokken overheid. Grijpt de politiek die kans, of laat ze zich leiden door irrationele angst of een ongebreideld geloof in de vrije markt? Het antwoord zal mee bepalen of onze beschaving opschuift naar een AI-hemel of een AI-hel.

Volg de nieuwe ontwikkelingen op tijd.be/AI