Kunstmatige intelligentie

Kunstmatige intelligentie gaat een steeds grotere rol spelen in ons leven. Het zit in onze mobiele telefoon, het helpt ons met autorijden en er komen steeds meer toepassingen in de gezondheidszorg. Maar wat is kunstmatige intelligentie nou eigenlijk? In dit artikel zoeken wij dat voor u uit en zetten wij de belangrijkste punten op een rij. Volgens Divtag (2019) is er sprake van kunstmatige intelligentie als machines of systemen zelfstandig problemen kunnen oplossen en taken kunnen uitvoeren. Hierbij leren deze machines of systemen van hun eigen fouten, ervaringen en omgevingen en passen zich daar waar nodig aan om vervolgens een betere oplossing te kunnen produceren. 

Wat is kunstmatige intelligentie?

Volgens Heida (2017) kan kunstmatige intelligentie ook worden omschreven als het met behulp van een computer nabootsen van het menselijk brein. Net zoals het menselijke brein werkt kunstmatige intelligentie namelijk met zenuwcellen (neuronen).  Volgens Hersenstichting (2019) is een zenuwcel een cellichaam die opgebouwd is uit meerdere korte uitlopers (dendrieten) en één lange uitloper (axon). De dendrieten zijn een soort antennes die signalen opvangen van andere zenuwcellen. Uit onderzoek (Brainmatters, z.d.) is gebleken dat een axon er juist voor zorgt dat deze signalen weer bij andere zenuwcellen terecht komen. Dit neurale netwerk wordt bij kunstmatige intelligentie softwarematig geëmuleerd. Dit geëmuleerde kunstmatige neuraal netwerk is opgebouwd uit verschillende processoren die de dendrieten en de axon digitaal vervangen en informatie kunnen verwerken. Alle processoren binnen dit netwerk hebben een zeer complexe onderlinge verbinding die daar waar nodig kunnen worden verzwakt, versterkt, aangemaakt of worden verbroken door dit netwerk. Door deze verbindingen aan te passen kan dit kunstmatige neuraal netwerk zichzelf verbeteren en trainen.

Maar hoe kan dit kunstmatige neuraal netwerk vervolgens een probleem oplossen of een vraag beantwoorden? Kunstmatige intelligentie reageert aan de hand van algoritmes en herkende patronen op data of impulsen uit de omgeving. Uit een artikel van de Volkskrant (2010) blijkt dat een algoritme een ingewikkelde wiskundige formule is om bepaalde problemen op te lossen. Zo kan er van te voren bepaald worden hoe er gereageerd moet worden in bepaalde situaties. Door middel van een algoritme weet een kunstmatig neuraal netwerk dus hoe er gereageerd moet worden op een situatie en wat de gewenste uitkomst zou moeten zijn. Ook kan dit netwerk reageren op situaties waar nog geen algoritme voor is geschreven. Hier maakt het neuraal netwerk gebruik van mogelijk relevante algoritmes. Volgens Hijink (2017) kan het netwerk ook worden getraind om het juiste antwoord te geven met voorbeelden die door mensen zijn geclassificeerd als goed of fout. Hiernaast kan het netwerk ook patronen vinden in eerder verkregen informatie om tot een resultaat te komen. Spencer-Harper (2019) stelt dat een kunstmatige neuraal netwerk echt moet leren van zijn eigen fouten en pas na vele herhalingen het juiste antwoord kunnen geven. Het interessante aan kunstmatige intelligentie is dan ook het moment waarop de leercurve van dit netwerk minder studietijd nodig heeft dan een normaal menselijk brein. Hierdoor kunnen er namelijk sneller problemen worden opgelost of kunnen er zelfs problemen worden opgelost die voor het menselijk brein te ingewikkeld zijn.

Toepassing in de zorg

Uit een artikel van de Zorgkrant (2020) blijkt dat kunstmatige intelligentie momenteel toegepast wordt om het coronavirus (COVID-19) te bestrijden. Zo hebben medisch specialisten en datawetenschappers de opdracht gekregen om tijdens een onderzoek zich te richten op een voorspellingsmodel, waarbij gekeken zou worden naar de beademingsbehoefte van een besmette patiënt. Hierdoor zou de mogelijkheid worden geboden om te zien wanneer iemand voor een periode een plaats op de Intensive Care nodig zou hebben. In het belang van deze patiënten worden de desbetreffende gegevens gepseudonimiseerd, zodat er niet op een directe wijze naar hen verwezen kan worden. Er is echter geen toestemming nodig om de gegevens van deze patiënten te gebruiken en te analyseren, omdat er sprake is van een maatschappelijk belang waarbij de volksgezondheid beschermd moet worden tegen de uitbraak van het virus. Omdat de patiënten vaak te ziek zijn om hier zelf een mening over te geven, is er overleg geweest met de Autoriteit Persoonsgegevens.

Volgens Wiggers (2019) zou kunstmatige intelligentie zorgen voor verschillende ethische conflicten op het gebied van privacy. De techniek van kunstmatige intelligentie zou ontwikkeld zijn, zonder rekening te houden met privacy van mensen. Er zouden namelijk verschillende instanties zijn die deze privacygevoelige informatie zouden delen of doorverkopen aan andere bedrijven, zonder dat de personen in kwestie hier toestemming voor hadden gegeven of hier vanaf wisten. Daarnaast zou het neuronennetwerk van de techniek van kunstmatige intelligentie zeer vatbaar zijn voor de inbraak op kwetsbare datasets die vaak gecentraliseerd zijn op opslagplaatsen. Er kan dus gesteld worden dat de privacy van mensen ten koste kan gaan bij de toepassing van kunstmatige intelligentie.

Echter blijkt dat ondanks de verzameling van gegevens, dat de toepassing van kunstmatige intelligentie veel potentie heeft. Zo wordt volgens Carmen Peters (2019) de techniek momenteel op verschillende manier ingezet om de gezondheidszorg te verbeteren. Een voorbeeld hiervan in het Deepmind Health Project van Google, waarbij deeplearning ingezet wordt om algoritmes bij hoofd-, nek en oogscans te verklaren. Hierdoor zal het mogelijk worden om artsen te ondersteunen en met cruciale informatie te voorzien die nodig is om de juiste diagnose te stellen. Hierdoor zal de kans verkleint worden om een verkeerde diagnose te stellen. De toepassing van kunstmatige intelligentie zal dus een positieve invloed hebben op de volksgezondheid, waarbij de zorg onder de patiënten beter verdeeld kan worden.

De toekomst

Er kan dus gesteld worden dat de toepassing van kunstmatige intelligentie veel mogelijkheden en ook veel risico’s met zich mee brengt. Er zullen steeds meer taken geautomatiseerd worden, waarbij de gevolgen op de arbeidsmarkt en het onderwijs groot zullen zijn. Een artikel (Emerce, 2018) vermeldt dat kunstmatige intelligentie in de toekomst gebruikt kan worden in verschillende industrieën en onderzoeken, waaronder de zorgsector. Zo zou de toepassing van kunstmatige intelligentie ervoor kunnen zorgen dat de zorg voor patiënten significant verbeterd zou worden, waarbij diagnoses en behandelplannen gemaakt kunnen worden op basis van het DNA. Een ander voorbeeld van deeplearning zou bijvoorbeeld het classificeren en herkennen van huidkanker kunnen zijn. Zo zou het mogelijk moeten worden om een systeem te ontwikkelen die huidkanker zou moeten herkennen bij patiënten. De precisie hiervan zou dan vergeleken moeten worden met die van specialisten. Door deze technieken aan te bieden via de mobiele telefoons zou deze dermatologische zorg ontzettend veel mensen beschikbaar moeten worden. Deze ontwikkelingen zouden dus de werkdruk van veel artsen kunnen verlagen.

Al met al blijkt dat kunstmatige intelligentie zowel voordelen als nadelen heeft. Er kan gesteld worden dat kunstmatige intelligentie als één van de meest innovatieve technologieën beschouwd kan worden, waarbij de toepassing veel mogelijkheden voor de toekomst kan bieden. Het is echter aan de mens om deze mogelijkheden na te streven.