Waar we jou als lezer op de hoogte houden van allerlei ontwikkelingen op ICT-gebied, doen we dat voor onze medewerkers natuurlijk ook. Maandelijks nemen we onze collega’s wel mee in nieuwtjes, worden ze getraind in hun vaardigheden en kennis en laten collega’s hun specialistische werkwereld zien. Onze altijd nieuwgierige specialist op het gebied van Office 365, Bert, geeft jou als lezer deze keer een exclusief inkijkje in de nog ondenkbare wereld van AI.
Waar mijn interesse als functioneel Office 365 consultant bij Unica ICT Solutions van nature al ligt op nieuwe ontwikkelingen, mag ik organisaties ook dagelijks helpen om al het moois dat in de Microsoft-suite zit er zo goed mogelijk te implementeren. Zo wordt ook mijn interesse enorm gewekt als we het hebben over artificial intelligence. Denk aan Microsofts Copilot; eigenlijk is er voor ieder Microsoft 365-product vandaag de dag al Copilot beschikbaar. Ik had daar zelf een beetje moeite mee, want AI kun je zien als een zwarte doos. Je stopt er informatie in, AI doet er iets mee waarvan je geen idee hebt wat er gebeurt, en er komt een antwoord uit waarvan je niet altijd zeker weet of het klopt en ook niet altijd kunt achterhalen waar die informatie vandaan komt.
Hoe werkt AI nu echt?
Voor mij genoeg reden om op onderzoek uit te gaan en mijn bevindingen te delen met mijn collega’s. En nu ook met jou. Want wat zit er nu in die ‘zwarte doos’, wat gebeurt er nou onder de motorkap en hoe werkt AI nu echt? Om daarachter te komen, besloot ik zonder gebruik te maken van hulpmiddelen een eigen neuraal netwerk (dat zorgt ervoor dat een computer kan leren, besluiten kan nemen en menselijk gedrag kan vertonen) te bouwen. Een computer met neuraal netwerk verschilt daarin van een gecodeerd computerprogramma. Daar is immers expliciet geprogrammeerd wát de computer moet doen. Ook wel het ‘if this, than that’ principe. Het gedraagt zich ook altijd op dezelfde manier, volgens de regels die er vooraf gedefinieerd zijn. Uitermate geschikt dus voor situaties waar de regels duidelijk zijn vastgesteld. Dat werkt bij een computerprogramma met neuraal netwerk toch echt anders. Daar leert het programma zelf wat het moet doen, moet het getraind (gevoed) worden en kan het ook foutieve besluiten maken (dat kun je lezen in de blog van mijn collega Hendry). Het is geschikt voor situaties waarbij het moeilijk is om expliciete regels te definiëren, maar er wel voldoende voorbeelden beschikbaar zijn om het netwerk te trainen.
Vereenvoudigd model van het menselijk brein
Een neuraal netwerk is het brein achter de meeste AI-oplossingen, zoals bijvoorbeeld ChatGPT en Gemini, maar ook natuurlijk Copilot. In het menselijk lichaam bestaat ons brein uit een netwerk van miljarden neuronen die verbindingen kunnen vormen, communiceren via synapsen en eenmaal verbonden neuronen vormen netwerken die verantwoordelijk zijn voor het uitvoeren van specifieke functies (denk aan het gebruiken van je hand om een glas drinken te pakken). Wanneer een menselijk brein leert, ontstaan daar nieuwe netwerken van verbindingen. Een neuraal netwerk in computers is ‘niets meer’ dan een vereenvoudigd model van het menselijk brein creëren. Want net als in ons brein wordt ook in de computer een netwerk gevormd, dat een taak moet uitvoeren. In eerste instantie heeft het netwerk geen idee hoe deze taak uitgevoerd moet worden. Daarvoor moet eerst getraind worden. Dat trainen gaat in iteraties, kost veel tijd en vereist veel trainingsdata. Is een iteratie beter in het uitvoeren van de taak dan de voorgaande iteratie, dan geven we het ontstane netwerk door aan de volgende generatie. Hiermee ontstaat de kans dat de volgende generatie slimmer zal zijn dan zijn voorganger. Wanneer we dit vaak genoeg herhalen, ontstaat uiteindelijk een neuraal netwerk in de computer dat geleerd heeft om zelfstandig de taak uit te voeren (in het voorbeeld het besturen van het busje hieronder of het glas drinken hierboven).
Een droge keel zet aan tot actie
Ik besloot in mijn vrije tijd en omdat mijn nieuwsgierigheid in AI toch wel heel erg groot is, zelf een neuraal netwerk te bouwen. Ik heb mezelf ten doel gesteld een bus te bouwen dat zelf kan rijden en geef het de toepasselijke naam: UnicaCAR. Waar ik tijdens het vertellen van mijn verhaal een glas water voor me zie staan, voel ik dat ik een droge keel begon te krijgen. Informatie die in de input layer van mijn hersenen binnenkomt. Ik loop inmiddels al een tijdje mee op deze wereld en jarenlange training en ervaring heeft mij geleerd dat als ik een slokje water neem mijn droge keel verlicht wordt. De hidden layers in mijn hersenen sturen vervolgens mijn output layer aan, die ervoor zorgt dat ik mijn arm optil, het glas water oppak en een slok neem. Ik merk dat mijn droge keel wegebt en dat ervaar ik ook als een positief effect wat vervolgens in mijn hersennetwerk versterkt wordt. De kans is daarmee groter dat als ik de volgende keer een droge keel heb ik weer een slok water neem. Zo moet dat voor de UnicaCAR ook gaan werken, alleen heeft de bus geen ogen en handen. Taak dus om een sensor te maken zodat deze objecten kan gaan herkennen en dit via het neurale netwerk, door de input layer, de hidden layer en uiteindelijk de output layer aanstuurt. In de hoop natuurlijk dat het neurale netwerk uiteindelijk zo slim wordt dat het de bus zal laten remmen voor een object of bij zal sturen.
Een computergame is geboren
Nu had ik natuurlijk niet de middelen (of de ruimte) tot mijn beschikking om een echte bus te bouwen, dus ik moet het hebben van het maken van een autosimulatie. Met pijltjestoetsen zorg ik ervoor dat ik de auto kan bewegen, kan rijden op een weg met vangrails, de auto voorzie van sensoren met bijvoorbeeld collisie detectie, maar ook verkeer. Een computergame is geboren, en ik voelde me ook wel een echte game developer 😉. Al vond ik het wel zonde van mijn tijd, want ik wilde juist het brein van de UnicaCAR maken. De sensoren van de bus leverden via mijn gebouwde netwerk informatie af in de input layer, werden verzameld in de hidden layer die besluiten kon maken en gaf vervolgens via de pijltjestoetsen de juiste actie in de output layer. Met alle lagen die erin zitten wordt het toch al snel heel erg complex.
Complexe verbindingen
De verbindingen die ‘het brein’ van de bus legt, zijn nu nog bij iedere refresh compleet random en zorgen voor bizarre output. Na talloze pogingen (138 om precies te zijn) heb ik uiteindelijk een UnicaCAR die zelf vooruit rijdt en op het moment dat de sensor iets waarneemt toch een juiste handeling uitvoert. Maar er zal nooit automatisch een netwerk ontstaan dat de bus zelf met de juiste output zal besturen. Om dat te bereiken moet ik ervoor zorgen dat UnicaR zal gaan leren en dus een brein moet maken dat hij dit ook kan, slimmer is dan de hersenen van zijn voorganger, en die weer slimmer dan zíjn voorganger, enzovoorts. En ook dat lukte. Dit resulteerde in een neuraal netwerk dat volledig zelfstandig heeft geleerd om de Unica-bus te besturen, zonder van de weg te raken of in botsing te komen met het overige verkeer.
Een geslaagd project
Mijn bevindingen daarin zijn enerzijds heel gaaf maar anderzijds ook wel wat beangstigend. Want; het is me gelukt de computer zelf te laten leren het busje te besturen. Maar; uiteindelijk is nooit te voorspellen welke besluiten de computer precies neemt. Want: kijk naar de onvoorspelbaarheid van het menselijk brein. Maar; dat is ook meteen beangstigend, want het is niet te voorspellen wat er precies in het brein van de computer gebeurt. Want; de gelijkenis met de evolutie waarbij de slimste overleeft en zich steeds verder ontwikkeld. Maar; waar gaat dit stoppen wanneer computers steeds sneller en beter worden.
Snelle ontwikkelingen vragen om actie
We kunnen er ons als mens vaak nog geen enkele voorstelling van maken hoe hard het gaat met de ontwikkelingen op het gebied van AI. Dat de ontwikkelingen nu razendsnel gaan is meer dan duidelijk. Voordat je in deze tijd iets hebt, is er alweer iets nieuws. Zo snel gaat het. Dat we daarin moeten bijblijven en ervoor moeten zorgen dat we er niet door verrast worden. Wat je nu ziet is dat de samenleving aan het wennen is aan het idee van AI. Voor de ene groep lonkt AI, voor een andere minder of niet. Duidelijk is dat het ons niet erg goed lukt het in de hand te houden. Dus nu is het moment om te gaan nadenken over ‘wat moeten we nou met AI’. Je moet bijblijven in de ontwikkelingen, en een partner vinden die ook bijblijft in die ontwikkelingen en jou daarin kan adviseren.
Wil je samen met mij of mijn collega's eens sparren over AI-ontwikkelingen en wat die ontwikkelingen voor jouw organisatie kunnen gaan betekenen?
Vul dan onderstaand formulier in, wij staan voor je klaar.