Laurens Vreekamp AI en de mens

Laurens Vreekamp: ‘AI begint bij mensen en eindigt bij mensen’

Laurens Vreekamp AI en de mensIn steeds meer applicaties duiken de mogelijkheden en resultaten van Artificial Intelligence (AI) op. In Photoshop kun je met Neural filters bijvoorbeeld een zwartwitfoto inkleuren. Luminar Neo zit stikvol met AI. Je praat bij de support van Bol.com met een chatbot en de belastingdienst kan je door de mangel halen met haar algoritmes. Laurens Vreekamp schreef The Art of AI, Een praktische introductie in machine learning voor mediamakers. We spraken met Laurens over de mogelijkheden en onmogelijkheden van AI. Kan een AI-toepassing intelligent zijn en creatief? Wat kan een mediamaker met AI? Wordt een fotograaf of tekstschrijver door AI-toepassingen werkloos? Wat zijn de ethische gevolgen van het toepassen van AI-oplossingen? Volgens Laurens is de mens uiteindelijk altijd verantwoordelijk voor een AI-toepassing: ‘AI begint bij mensen en het eindigt bij mensen!’

Artificial Intelligence, machine learning en algoritmes

Zou je voor de lezers het verschil kunnen uitleggen tussen Artificial Intelligence, machine learning en algoritmes?
Laurens Vreekamp: ‘In de volksmond worden AI, algoritmes en machine learning vaak door elkaar gebruikt, maar het zijn hele verschillende dingen. Algemene definities bestaan er eigenlijk niet. Waar je ook komt, bij Stanford, bij de nationale AI-cursus of bij Microsoft, iedereen hanteert een andere definitie. Die definities bevatten meestal vier elementen: data, taken, autonomie en algoritme. Je zou kunnen zeggen dat AI – kunstmatige intelligentie – het onderzoeksvakgebied is en dat machine learning daar een toepassing van is. Bijna alle toepassingen van AI die we nu kennen, van zelfrijdende auto’s, tot het systeem dat je gezicht herkent waarmee je mobiele telefoon unlockt, zijn allemaal vormen van machine learning. Machine learning, het trainen van computersystemen met voorbeelden, is de praktisch toegepaste vorm van AI. Als je het hiërarchisch bekijkt, heb je AI als containerbegrip. Daar binnen bevindt zich machine learning. Om machine learningmodellen te trainen, heb je een algoritme nodig. Marlies van der Wees, mijn coauteur van het boek, legt dat mooi uit in hoofdstuk 1. Daar neemt ze het voorbeeld van een boekenkast. Veel mensen hebben een boekenkast met de boeken gesorteerd op alfabet, op de achternaam van de schrijvers. Ontwerpers hebben boeken ook wel op kleur gesorteerd. Je kunt hier twee verschillende algoritmes voor schrijven, de één op achternaam, de ander op kleur. De regels voor het sorteren zijn algoritmes.’

Laurens Vreekamp.

‘Spotify heeft een model getraind en dat kan het veel beter dan dan een mens’

‘Voor het op volgorde zetten van die boekenkast heb je genoeg aan een algoritme, maar als dat lastiger wordt, heb je machine learning nodig. Je wilt bijvoorbeeld aan vrienden aanbevelingen over muziek geven. Als je drie goede vrienden hebt en je weet wat hun smaak is, kun je dat prima zelf doen. Maar als ze het elke week van je vragen, wordt het al een zware klus. Als 1000 mensen hetzelfde aan je vragen, is het onbegonnen werk: Enter Spotify met de aanbevelingen die je elke week van ze krijgt. Spotify heeft een model getraind en dat kan het veel beter dan dan een mens. Als er te veel uitzonderingen zijn, kun je er geen algoritme meer voor gebruiken. Dan kun je een machine learningmodel trainen. Dat moet je voeden met je luistergeschiedenis en wat andere mensen, vergelijkbaar met jouw luistergeschiedenis, ook luisteren. Zo kom je aan de juiste aanbevelingen.’

Tijd voor dingen waar de mens goed in is…

Er zijn veel leuke dingen die je dankzij AI kunt doen. AI-technologie kan je creativiteit inspireren, en het kan je allerlei taken uit handen nemen. Maar mensen vinden het ook eng, ongrijpbaar. Bijvoorbeeld de algoritmes van de Nederlandse belastingdienst of de chatbot van Microsoft die ineens racistische taal begon uit te slaan. Er is angst dat je als tekstschrijver of fotograaf overbodig wordt. Neem het voorbeeld van die bibliotheekrecensenten bij NBD Biblion. Die kregen een mail dat de recensies voortaan gemaakt werden met AI.
LV: ‘Ik weet wel dat er over het bericht veel ophef was, maar dat we eigenlijk die recensies nooit hebben gezien. Ik betwijfel op dit moment of een machine in staat is om eigenhandig recensies te schrijven. Ik lees op hun site dat het niet gaat om het schrijven van recensies, maar om het metadateren van informatie over het boek, niet over de inhoud. Het is dus geen subjectief oordeel over het boek, maar een combinatie van AI die de trefwoorden en belangrijke metadata uit de tekst destilleren. Vervolgens wordt dat in plaats van een opsomming of spreadsheet, gepresenteerd in een korte inhoudelijke tekst. Dat neemt niet weg dat bepaalde medewerkers die deze taken eerder uitvoerden, deze taken niet meer of minder vaak doen sinds de komst van AI. Dit is wat mij betreft meer een consequentie van automatisering. Het lijkt me uiteindelijk lonender voor organisaties om te kijken hoe voorspelbare, routinematige, tijdrovende en/of foutgevoelige klussen door AI uit handen kunnen worden genomen. Daardoor krijgt de mens meer tijd voor de dingen waar zij of hij goed in is: creativiteit, communicatie, menselijkheid, empathie en het leggen van verbanden.’

Ik denk dat mensen zich niet realiseren dat er al zoveel AI-toepassingen zijn en dat ze die al gebruiken. De Neural Filters van de laatste versies van Photoshop, Luminar AI en Neo. In het boek staan ook allerlei toepassingen en interviews die je creatief kunnen inspireren. 
LV: ‘Ontwerpers en kunstenaars kunnen die tools gebruiken voor inspiratie. In het boek schrijven we over het project Deep Family van Daniela Schwabe en Casper Schipper waarbij AI als assistent is gebruikt. De centrale vraag van het project was: ‘Onze familiegeschiedenis en herinneringen zijn voor een groot deel gebaseerd op foto’s en videomateriaal. Wat nu als je dat materiaal laat uitbreiden of er op voortborduurt met AI? Ga je dan ook je herinneringen aanpassen of uitbreiden?’ Schilder Daniela Schwabe digitaliseerde hiervoor haar hele visuele familiearchief en Casper trainde een zogeheten styleGAN2 – een image generator – waarmee ze niet-bestaande groeps- en pasfoto’s van haar familieleden kreeg. Ze is daar vervolgens weer verder mee gaan schilderen. Je hebt tekstschrijvers die tools gebruiken waarmee je beginnetjes van een artikel kunt maken. Een ander voorbeeld is DALL-E, waarbij je een tekst ingeeft waarna er een beeld uitrolt. Op die manier kan AI je inspiratie geven voor een alternatieve tekst of beeld.’ 

‘Je kunt AI- toepassingen gebruiken als copiloot, iemand die met je meekijkt als een sparringpartner.’

‘Je ziet dat de creatieve mensen die ervaring hebben met AI- toepassingen het gebruiken als een copiloot, iemand die met je meekijkt als een sparringpartner. Je gooit er wat beelden of tekst in en je kijkt waar die AI-toepassing mee terugkomt. Aan veel dingen heb je misschien niets, maar dat maakt niet uit, want het kost je ook heel weinig moeite. En soms denk je: dit beeld, dit kleurgebruik, deze composities zijn interessant of bij een uitkomst heb je misschien nooit bij stilgestaan. Zo kun je AI steeds als compagnon inzetten, als er geen menselijk collega beschikbaar is, als je freelance bent of als je een keer eens andere feedback wilt. Dat doen deze systemen, want ze zijn natuurlijk allemaal uiteindelijk op menselijke historische data gebaseerd. Of het nu foto’s of teksten zijn, ze gebruiken de input van mensen. Het zijn geen kunstmatige systemen die uit zichzelf iets kunnen maken. Dat kunnen ze helemaal niet, ze kunnen alleen recombineren.

AI heeft een eigen vorm van creativiteit

Kan AI de intelligentie en creativiteit van mensen bereiken?
LV: ‘In hoofdstuk 2 van het boek stellen we de vraag: kunnen machines creatief zijn? Volgens een aantal filosofen, wetenschappers en bouwers van AI-systemen is het antwoord op dit moment: nee, althans, niet op een menselijk niveau. Makers zeggen ook dat AI een eigen vorm van intelligentie is, dus ook een eigen vorm van creativiteit. Net zoals we voor een hond niet bang hoeven te zijn dat die beter ruikt dan mensen, zou je die intelligentie als een ander soort organisme kunnen zien. Maar misschien geven we er dan teveel credit aan en gaan we de kant van het bewustzijn op. Daar moeten we van wegblijven. AI zal op een andere manier voorstellen doen en op een andere manier creatief zijn dan wij, mensen. Je hoeft eigenlijk niet bang te zijn dat AI de menselijke creativiteit gaat nabootsen, want daar is heel voor nodig. Intentie bijvoorbeeld en dat heeft AI niet. Intentie is dat je uit jezelf iets moet willen beginnen. Dat kan bijvoorbeeld uit frustratie of boosheid zijn en die hebben systemen niet. Het schijnt ook dat onze vleselijkheid en sterfelijkheid belangrijk is voor onze creativiteit. Dus er zijn veel eigenschappen voor creativiteit nodig die een computersysteem niet heeft.’

Je hebt een uitgebreid hoofdstuk gewijd aan ethiek en AI. Wat mag AI? Moet je die ethische vragen niet eerst afdichten voor AI op uitgebreide schaal wordt gebruikt?
LV: ‘Je zou zeggen van wel, maar dit soort ontwikkelingen beginnen natuurlijk ergens, omdat het nu kan. In een technologische hoek, waar de resources zijn, dus waar het geld, de mensen en de kennis zitten. Die zitten nu bij die grote techbedrijven en die bedrijven komen met toepassingen en daar reageren we als maatschappij op. Zo gaat het volgens mij met iedere nieuwe technologische vernieuwing. We kunnen niet vooraf zeggen: eerst stellen we de regels op. Hierin ben ik wel een pragmatische realist. Dit is hoe dit soort ontwikkelingen gaan. Nu het grote publiek er steeds meer mee in aanraking komt, is het goed dat nu die vragen komen. Beter laat dan nooit. In Europa krijg je de AI Act. Ik zit zelf in een comité van de Raad van Europa over AI-gebruik binnen de journalistieke media, hoe we dat verantwoord gaan doen. Die vragen worden nu veel prangender en urgenter, omdat we ook wat uitwassen hebben gezien en onwenselijke consequenties.’

‘Ik hoop dat na het lezen van het boek blijft hangen, dat mensen in alle stappen van het ontwerpen en werken met AI een verantwoordelijkheid hebben. Welke data hebben we voor een toepassing nodig? Waar halen we de data vandaan, maar ook wie kiest ze uit? Als dat allemaal mensen zijn die dezelfde opleiding gedaan hebben in hetzelfde Europese land, dan zijn ze ook weer biased. Dus je wilt mensen van verschillende achtergronden omdat je dan blinde vlekken wegneemt.’

In alle fases van AI zijn mensen verantwoordelijk

In het boek staat een interview met journalist Coen Van de Ven, die een onderzoek naar online seksisme gericht op Nederlandse volksvertegenwoordigers. Voor dat project hadden Coen en zijn team op basis van een uitgebreide selectie- en zoekopdracht in totaal 1.268.889 twitterberichten verzameld. Ongeveer een kwart daarvan, 339.932 tweets, was verstuurd aan vrouwelijke politici. Die tweets moesten gelabeld worden. Dat kon natuurlijk niet handmatig. Met een groep van vier – twee redacteuren van De Groene en twee onderzoekers van de Utrecht Data School – labelden ze handmatig 10.400 unieke tweets. Daarvoor moesten ze met elkaar bepalen hoe je dat labelen moest doen. Als er in een tweet staat, ‘lelijke, dikke landverrader’, is het dan gericht op etniciteit, of op lichaam, of op gender. Daarbij kwamen ze op lichaam uit.’

‘Je ben als mens altijd verantwoordelijk voor de hele AI-cirkel.’

‘Soms was het niet zo duidelijk. Sigrid Kaag werd vaak aangevallen op haar man, die Palestijns is. Een Palestijn kan aangevallen worden vanwege een islamitische achtergrond, terwijl een Palestijn niet per se islamitisch hoeft te zijn. Zo moesten ze steeds uitvlooien of iets gericht was op etniciteit of religie. Over dat soort dingen hebben ze best veel gesprekken gehad. Over die labels moet je overeenstemming hebben. In al die fases zijn de makers van de AI-toepassing verantwoordelijk voor die interpretaties en voor die labels. Als de keuzes die je hebt gemaakt een niet bedoelde consequentie heeft, of onvoorziene implicatie of uitslag krijgen, dan moet je die kunnen bijstellen. In al die fases zijn mensen verantwoordelijk. Mensen willen een bepaald systeem, mensen kiezen de voorbeelden, mensen kiezen de labels en mensen vertellen of het slaagt of niet. En dus kun je niet zeggen: Maar dat komt door dat algoritme, het komt door AI! Nee, AI begint bij mensen en het eindigt bij mensen. Je bent als mens altijd verantwoordelijk voor de hele cirkel.’

Geïnteresseerd geraakt in AI en het boek van Laurens Vreekamp? Bestel het boek HIER bij Van Duuren Media. Over een van de mogelijkheden van Adobe Sensei, de AI van Adobe,  kun je HIER op het blog lezen. We schreven op dit blog ook nog over onze ervaringen met AI: over het uitwerken van interviews met Amberscript en over het schrijven van teksten met AI.

 

Geef een reactie

Deze site gebruikt Akismet om spam te verminderen. Bekijk hoe je reactie-gegevens worden verwerkt.