Teksten automatisch laten schrijven en in een paar seconden unieke afbeeldingen genereren… AI heeft de afgelopen maanden laten zien dat het tot heel wat in staat is. Als de ontwikkelingen zo snel blijven gaan, kan er de komende jaren veel veranderen. Nikhil Makkatira, data scientist bij TMC, zet vijf belangrijke AI-trends op een rij.
1 Stable Diffusion: razendsnel nieuwe afbeeldingen maken
Minstens zo indrukwekkend als het veelbesproken ChatGPT is de mogelijkheid om met een paar trefwoorden in een paar seconden een afbeelding te genereren met tools als DALL-E en MidJourney. Net als het taalmodel van ChatGPT gebruiken deze modellen een enorme hoeveelheid data die beschikbaar zijn op het internet, in dit geval bestaande afbeeldingen.
Ook Stable Diffusion is zo’n text-to-image-model. Het verschil met de andere twee is dat het een open source-model is dat iedereen op een beetje krachtige computer zelf kan draaien. Stable Diffusion maakt gebruik van deep learning. Het model wordt zo getraind dat het ruis uit een afbeelding kan verwijderen. Eerst krijgt het een afbeelding vol ruis, waarbij het wordt gevraagd een afbeelding met iets minder ruis te genereren. Door dat proces te herhalen, kan het een scherp beeld maken. Op basis van de informatie die het model heeft over hoe een beeld eruit moet zien, gaat het langzaam structuren aanbrengen in de ruis.
Dit soort tools wordt in hoog tempo ontwikkeld en met steeds meer data gevoed. We zullen de komende jaren tal van andere voorbeelden van generative AI zien om bijvoorbeeld complete video’s of muziekstukken te genereren op basis van een beschrijving.
2 Diagnoses stellen: beter dan de arts
Deep learning-modellen die beelden herkennen, zijn niet alleen nuttig om zelf nieuwe beelden te genereren. Ze doen ook al jaren dienst in de zorg om artsen te helpen bij het stellen van diagnoses. Zo hebben wetenschappers enkele jaren geleden al een model ontwikkeld dat huidkanker aan de hand van foto’s van patiënten beter kon herkennen dan dermatologen, hoeveel kennis en ervaring die ook hadden. Zo’n neuraal netwerk wordt getraind met tienduizenden afbeeldingen, waarna het per afbeelding tot wel 95% nauwkeurig kan beoordelen of het om kanker gaat of niet.
Is dat slecht nieuws voor medisch specialisten? Zeker niet. De modellen kunnen artsen helpen bij het stellen van de diagnose, maar de arts heeft nog altijd het laatste woord. Werken de modellen goed, dan besparen ze de artsen bovendien veel tijd.
3 Gedachten lezen: kan het en mag het?
Misschien wel de meest ingrijpende en angstaanjagende mogelijkheid van AI is het lezen van iemands gedachten. Daarbij dringt zich allereerst de vraag op of dit überhaupt mogelijk is. Mark Zuckerberg ziet een toekomst voor zich waarin mensen, als ze dat willen, rechtstreeks gedachten naar elkaar kunnen sturen. Hoewel het maar zeer de vraag is of het ooit zo ver zal komen, wordt er volop onderzoek gedaan naar brain-to-brain-communicatie en bestaan er al systemen die een begin hiervan kunnen realiseren. Zo onderzoekt het researchteam van Braingate hoe een brain-machine-interface – via elektrodes – mensen met een hersenaandoening robotarmen en tablets met hun gedachten kan laten aansturen.
Dat mag dan een waardevolle toepassing zijn, maar dat ‘gedachtenlezen’ ook tot een dystopische toekomst kan leiden, laat een video van het World Economic Forum zien. Daarin werden de hersengolven van medewerkers van een bedrijf gedecodeerd om te bepalen hoe serieus ze hun werk nemen, of ze bepaalde gevoelens voor collega’s hebben en of ze betrokken zijn bij illegale activiteiten. Om dat alles te registreren, zijn geen elektrodes in de hersenen nodig, maar volstaan wearables als een smartwatch of oordoppen.
4 Entity resolution: gegevens slim combineren
Het combineren van data is een van de belangrijkste taken waar AI toe in staat is. Maar data worden op allerlei verschillende manieren verzameld en opgeslagen. Voor een traditioneel computerprogramma zijn twee sets van data ongelijk als ze niet 100% hetzelfde zijn. Met entity resolution kunnen data die ongeveer gelijk zijn aan elkaar, maar niet volledig identiek, worden gekoppeld. Een slimme manier om te ontdekken dat data die sterk overeenkomen zijn toe te passen op dezelfde persoon.
Entity resolution kan data zo combineren dat ze tot een persoon te herleiden zijn. Dat is handig voor bedrijven die de data in hun systemen niet altijd op een consistente manier bewaren, maar het is ook te gebruiken om patiëntendossiers te verbeteren en zo betere zorg te leveren, of voor fraudebestrijding. Ook hier is een discussie over ethiek en privacy nooit ver weg. Hoever mag je gaan in het combineren van data? Wat gebeurt er als het algoritme het bij het verkeerde eind heeft? Hoe anoniem kunnen we nog door het leven gaan?
5 Singularity: worden wij straks overbodig?
Worden algoritmes in de toekomst zo slim dat mensen overbodig worden? Sommige mensen beweren dat dat binnen tien jaar werkelijkheid kan worden. Dat het volgens sommige experts niet bij science fiction blijft, is vooral te danken aan de snelheid waarmee AI en andere technologie zich ontwikkelt. Dat gaat in veel gevallen niet lineair, maar exponentieel. De vraag is dan of en wanneer het kantelpunt komt waarbij AI zo intelligent is dat het zijn eigen algoritmes kan verbeteren en wij als mensen het wel kunnen vergeten.