Je kijkt door een ouderwetse stereoscoop en ziet een foto van een berglandschap met een huisje op de helling. Dit beeld wordt in 3D weergegeven. Na vijf seconden wordt het beeld zwart. Vervolgens verschijnt de foto opnieuw, maar met een kleine verandering: het huisje ziet er nu net iets anders uit. Terwijl jij deze verandering bekijkt, houdt een geavanceerd AI-systeem je oogbewegingen in de gaten. Waar kijk je naar? Hoe lang? Na tientallen vergelijkingen van dit soort foto’s, waarbij de tweede altijd subtiel verschilt van de eerste, beoordeelt de software of je mogelijk Alzheimer hebt of niet.
Patronen herkennen
Mensen zonder Alzheimer richten hun blik doorgaans op de plekken in een afbeelding waar iets nieuws gebeurt, terwijl mensen met Alzheimer vaker naar het midden van de afbeelding blijven kijken. Hoewel deze methode nog niet in ziekenhuizen wordt gebruikt en de AI-analyse bij ongeveer één op de tien personen verkeerd uitpakt, laat dit voorbeeld zien hoe veel potentie AI heeft in de medische wereld en andere wetenschappelijke disciplines.
Maar laten we eerst even teruggaan naar het begin. Wat is kunstmatige intelligentie precies? In eenvoudige termen is het software die patronen herkent. Hoewel AI al sinds de jaren vijftig bestaat, werd het pas recentelijk echt bruikbaar omdat computers tot ongeveer 2010 niet snel genoeg waren. In de afgelopen vijftien jaar heeft deze patroonherkenningstechnologie zijn weg gevonden naar zowel de wetenschap als ons dagelijks leven. Denk bijvoorbeeld aan kijkaanbevelingen op streamingdiensten zoals Netflix, of je telefoon die het volgende woord voorspelt terwijl je een bericht typt. In de wetenschap wordt AI ook op allerlei manieren gebruikt, zoals bij het analyseren van oogbewegingen voor de Alzheimer-test. Maar AI helpt wetenschappers ook bij het voorspellen van het weer en het ontwikkelen van nieuwe medicijnen.
Nieuwe Inzichten
Wetenschappers maken al gebruik van kunstmatige intelligentie, en dat is helemaal geen probleem volgens dr. Kristiaan Glorie, directeur van Erasmus Q-Intelligence, onderdeel van de Erasmus Universiteit Rotterdam. “Wetenschappers zijn altijd op zoek naar nieuwe inzichten,” zegt hij. “Het maakt niet uit of die inzichten uit een algoritme komen of uit de hersenen van een mens.” Maar dat betekent niet dat onderzoekers zomaar kunstmatige intelligentie op een willekeurige dataset kunnen loslaten. Glorie ziet AI als een nuttig hulpmiddel, vergelijkbaar met een gps in een auto. “Het is een ondersteuningssysteem dat nuttig kan zijn, maar er moet altijd iemand zijn die beoordeelt of het hulpsysteem correct werkt,” legt Glorie uit.
De reden waarom wetenschappers voorzichtig moeten zijn met het gebruik van AI op hun data is eenvoudig en heeft te maken met het eerder genoemde talent van AI: het ontdekken van patronen. “Patronen kun je overal vinden,” zegt Glorie. “Maar de vraag is of die patronen een betekenisvol verband aangeven of gewoon toevallig zijn.” In het begin van de twintigste eeuw zagen statistici bijvoorbeeld dat er meer baby’s werden geboren in dorpen waar ooievaars nestelden. Het lijkt een correlatie, maar het is geen oorzakelijk verband. Terwijl mensen dit kunnen begrijpen, kijkt kunstmatige intelligentie puur naar de patronen en maakt geen onderscheid tussen betekenisvolle correlaties, indirecte relaties of toevallige patronen.
Sneeuw op de Achtergrond
Om AI te helpen de juiste patronen te herkennen, moet het worden getraind. Het trainingsmateriaal is cruciaal, en soms kunnen er fouten ontstaan. Een groep onderzoekers ontwikkelde een AI-programma om husky’s van wolven te onderscheiden. Ze trainden de software met talloze foto’s van husky’s en wolven, tot het programma ze zelf kon onderscheiden. Het leek goed te werken, totdat ze het systeem een foto van een wolf in de sneeuw lieten zien, waarop het programma zei dat het een husky was. Het probleem? Alle trainingsfoto’s van husky’s hadden sneeuw op de achtergrond, terwijl de foto’s van wolven dat niet hadden.