Big Data en Artificiele Intelligentie

BIG DATA EN ARTIFICIELE INTELLIGENTIE

Vierluik over kansen en uitdagingen in het informatietijdperk

We leven in een informatietijdperk. Ontwikkelingen in het informatietijdperk gaan vergezeld door toverwoorden als Business Intelligence, Big Data, Data science, Algoritmes en Machine learning. Door de aandacht rond ChatGPT is Artificiële Intelligentie (A.I.) het dominante buzzword geworden. Daarmee is de cirkel bijna rond, want het informatietijdperk is geworteld in pogingen tot het nabootsen van menselijke intelligentie in een machine. Evenals bij andere doorbraken in de IT staan tegenover de kansen en mogelijkheden die A.I. biedt, uitdagingen en knelpunten. In de recent toegenomen aandacht doet zich een boeiende paradox voor. Bij eerdere doorbraken in de IT was er een duidelijke rolverdeling: commerciële partijen en technici benadrukten de kansen, theoretici en politici wezen op de risico’s. Bij A.I. is deze rolverdeling minder scherp. Behalve de usual suspects van maatschappijwetenschappers en filosofen, wijzen ook topmensen uit het bedrijfsleven op de risico’s van A.I. en roepen de overheden op tot regulering van A.I.

In dit vierluik beschouwen we de meest recente ontwikkelingen rond A.I. vanuit verschillende perspectieven.

In de maatschappelijke discussie over A.I. buitelen toverwoorden snel over elkaar heen. De term ‘Artificiële Intelligentie’ wordt in tenminste vier verschillende betekenissen gehanteerd, en ook de andere termen die door de discussie zoemen, zijn meerduidig. In de cursus brengen we terminologisch orde aan en plaatsen we de verschillende aspecten van het huidige informatielandschap in historisch perspectief.

De geschiedenis van A.I. is er een van hooggespannen verwachtingen en diepe teleurstellingen, met zo nu en dan ‘onmogelijkheidsbewijzen’. Dit lokt vaak een ‘hoog over’-discussie uit tussen ‘gelovigen’ en ‘niet-gelovigen’. Wij bewandelen een ‘agnostische’ weg en proberen vast te stellen welke ontwikkelingen in de A.I. succesvolle resultaten hebben opgeleverd en welke niet. Daarbij maken we onderscheid tussen theoretisch succes en economisch succes. Een A.I.-toepassing is theoretisch succesvol als de verwerking van data leidt tot het maken van de juiste keuzes. Een A.I.‑toepassing is economisch succesvol als de aanbieder ervan de winst ziet groeien. Theoretisch en economisch succes gaan niet altijd samen.

Wat voor de een succes is, kan voor de ander nadelig zijn, bijvoorbeeld doordat banen verdwijnen. Ongeacht het bereikte theoretisch succes, kan A.I. voor de samenleving als geheel nadelig uitpakken. In dit verband wordt vaak gesteld dat innovatie weliswaar bestaande functies wegdrukt, maar meer nieuwe functies creëert en dat daardoor de welvaart toeneemt. Bij het toetsen van die stelling lijkt het erop dat die alleen opgaat als theoretisch succesvolle A.I. niet optimaal wordt ingezet.

De discussie over A.I. geeft een extra dimensie aan ethische en juridische vraagstukken over rechtvaardigheid en verantwoordelijkheid. De gangbare benadering is het afbakenen van een domein waarin A.I. niet mag worden gebruikt of bepalingen vaststellen die moet garanderen dat het gebruik van A.I. inzichtelijk, uitlegbaar blijft. In de cursus gaan we na of de gangbare benadering effectief kan zijn. Zijn we op de goede weg of dwingt de extra dimensie ons ook de regels te herzien die we hebben opgesteld voor menselijk handelen?