Datacadabra

Ik zie, ik zie wat jij niet ziet

Als je kijkt naar alle (technologische) ontwikkelingen in de afgelopen twee eeuwen, dan is AI niet meer dan de volgende stap in de evolutie. Het hoogtepunt van de digitale revolutie, zoals sommigen beweren. In de loop der tijd is er wel vaker weerstand geweest tegen veranderingen en de introductie van vernieuwingen. Sowieso kun je zeggen dat de mens van nature tegen veranderingen is. Waarom zou je veranderen? Het gaat toch immers goed zoals het nu gaat. Oké, het zou misschien wat makkelijker kunnen…..

Kijk, en dat is nu een van de redenen om te veranderen, om een innovatie door te voeren. Voor de vorige grote revolutie moeten we bijna 200 jaar teruggaan in de tijd. In 1839 reed de eerste stoomtrein in Nederland, tussen Amsterdam en Haarlem. En iedereen was bang voor dat grote zwarte monster, de locomotief die de trein moest aandrijven. Bij de voordelen van de trein, namelijk dat het voertuig het leven van mensen makkelijker zou maken, goederen zou kunnen vervoeren en de mobiliteit zou bevorderen, stond op dat moment niemand stil.

Innovaties maken het leven makkelijker

Maar terug naar deze tijd, naar de voordelen die hedendaagse innovaties hebben voor de samenleving. Bijna alle innovaties zijn gebaseerd op smart technology. Of op artificial intelligence, kunstmatige intelligentie. Het met behulp van een computer nabootsen van het menselijk denken, zoals de Dikke van Dale kunstmatige intelligentie definieert. En vrijwel zonder uitzondering dienen deze innovaties om het leven makkelijker te maken. Als je goed om je heen kijkt, zie je dat overal in het straatbeeld AI aanwezig is. In beveiligingscamera’s, bij automatische slagbomen met nummerplaatherkenning in parkeergarages, maar ook bij zelfscankassa’s in de supermarkt die registreren of je korting op een bepaald product hebt.

Mens en AI beter samen beter werk laten verrichten

Goed kijken, we hebben het er al over gehad. En goed kijken, oftewel waarnemen staat aan de basis van het stappenplan dat Datacadabra heeft ontwikkeld om AI succesvol te kunnen implementeren in een digitaal intelligentie platform. Zo’n platform is een geïntegreerde set van technologieën en tools waarmee we in staat zijn om digitale intelligentie, zoals kunstmatige intelligentie (AI) en machine learning (ML), effectief te ontwikkelen, implementeren en beheren. Allemaal met de bedoeling om mens en AI samen beter werk te laten verrichten, het werk te vergemakkelijken. 

De informatie die we in stap 1 hebben waargenomen, gaan we in stap 2 verzamelen en verder verwerken, om daar in stap 3 een berekening op los te laten en voorspellingen te doen over de uitkomst. Stap 4 is de uitvoerfase, oftewel de fase waarin we het model daadwerkelijk in de praktijk gaan toetsen en gaan implementeren.

De donkere kant van AI

Laten we ons in dit blog verder concentreren op stap 1 van ons stappenplan, het waarnemen. 

Met microfoons, camera’s, sensoren, infrarood of logaritmes. Belangrijk is dat je zeker bent van wat je waarneemt, want het komt weleens voor dat jouw waarneming een loopje met de werkelijkheid neemt. Neem bijvoorbeeld de deep fake video’s die op het internet opduiken. Van deze video’s zijn beeld en geluid met behulp van AI zodanig gemanipuleerd dat je denkt dat je een bepaald iemand ziet of hoort op basis van de typische kenmerken die betreffende persoon. Gezicht, stem, intonatie. Je denkt dat je darter Michael van Gerwen ziet, maar in werkelijkheid zie en hoor je voormalig minister Ferdinand Grapperhaus in de dartoutfit van Michael van Gerwen. 

Zwart met witte strepen maakt nog geen zebra

Waarnemen luistert dus nauw. Een afbeelding waarop alleen zwarte en witte strepen te zien zijn, maakt nog geen afbeelding van een zebra. Het zou ook een zebrapad kunnen zijn of een paard met een dekje om met zebrastrepen. Er zijn meerdere factoren die meespelen. Die moeten allemaal meegewogen worden voordat we er een uitspraak over kunnen doen. Belangrijk is dat we ons concentreren op wat relevant is. Pas als we dieper inzoomen op de informatie en deze verder analyseren en structureren (stap 2) en leren begrijpen (stap 3), kunnen we wellicht de conclusie trekken dat het om een zebra gaat. Om vervolgens die waarneming om te zetten in bruikbare informatie en te implementeren in een overzicht, dashboard of rapportage of te integreren in een API. 

Tot zover ons blog over waarnemen, stap 1 binnen ons stappenplan om AI te implementeren in een DIF (Data Integrated Framework) model. In ons volgende blog staat stap 2 (Structuren van informatie) centraal. Kun je niet wachten en wil je nu al weten wat AI voor jouw organisatie kan betekenen? Maak dan even een afspraak met ons.