Vandaag de dag, nu de hele wereld geglobaliseerd lijkt te zijn, heeft elk land nog steeds de mogelijkheid om zijn eigen aanpak te ontwikkelen voor verschillende aspecten van zijn ontwikkeling. En digitale transformatie is daar één van. Deze aflevering van de Innovantage podcast is gewijd aan de weg die Litouwen heeft gekozen en zijn prestaties in de aanhoudende AI-revolutie. Om over dit onderwerp te praten, nodigde Sigli’s CBDO Max Golikov Dr. Linas Petkevičius uit in zijn studio.Bekijk de volledige Innovantage-aflevering met Dr. Linas Petkevičius hier.AI-ecosysteem in LitouwenLinas is algemeen directeur van de Artificial Intelligence Association van Litouwen en universitair hoofddocent aan de Universiteit van Vilnius met een focus op AI, deep learning (DL) en andere technologieën die daarmee verbonden zijn. Het idee om deze twee gebieden van professionele activiteiten te combineren klinkt misschien te uitdagend. Toch merkte Dr. Petkevičius op dat hij veel voordelen ziet in dit duo. Als onderzoeker en docent moet hij cursussen plannen en studenten begeleiden die bachelorscripties schrijven in verschillende toepassingen, de nieuwste onderzoekspublicaties volgen om toegang te krijgen tot nieuwe ideeën en technieken. Van de kant van de AI Association en zijn NGO-gerelateerde activiteiten moet Linas communiceren met belanghebbenden van het ecosysteem en hen samenbrengen door middel van discussies en overleg. Maar al deze dingen hebben een gemeenschappelijke basis. En dat is AI. Het betekent dat Linas niet alleen op de hoogte kan blijven van het onderzoek vanuit het perspectief van de academische wereld, maar ook vanuit het perspectief van bedrijven. Hierdoor heeft hij een volledig beeld van het Litouwse AI-ecosysteem.Litouwen is een klein land. Het slaagt er echter in om alle partijen die bijdragen aan het AI-domein, waaronder de academische wereld, bedrijven, startups, professionals en enthousiastelingen, onder één paraplu te verenigen. Vandaag de dag wordt er veel gedaan om innovaties te ondersteunen en het tech ecosysteem uit te breiden. Er zijn talloze evenementen, zoals hackathons en bijeenkomsten, die helpen om nieuwe ideeën te laten horen. Linas vertelde dat Litouwen vandaag de dag erg aantrekkelijk is voor zowel lokale startups als internationale investeringen. Bovendien is het land geïnteresseerd in het verwelkomen van nieuwe projecten en talenten. Het nodigt ook alumni uit om terug te komen na hun studie in het buitenland. Volgens Dr. Petkevičius is het, gezien de huidige omstandigheden in de techsector, een goed moment om dit te doen.Hoe AI wordt waargenomen door het publiekAI verandert wat we elke dag kunnen aanraken en zien. Maar het verandert ook veel fundamentele dingen in hoe de wereld functioneert. Voorheen werd de wereld beheerst door een kapitalistische benadering. Als je arbeid had, kon je waarde creëren door een callcenter op te zetten en dat was je marktvoordeel. Als je kapitaal had, kon je fabrieken bouwen en exploiteren en dat was jouw manier om waarde te creëren. Nu ziet alles er niet meer zo uit. AI is gearriveerd. En nu kan één programmeur met een laptop duizenden banen vervangen door automatiseringstools te maken. Deze benadering valt niet in de categorieën arbeid of kapitaal. Het is een compleet nieuw idee waar we niet aan gewend zijn.Wat is Deep Learning?Deep learning staat bekend als een subset van machine learning dat vertrouwt op kunstmatige neurale netwerken om te leren van gegevens. Volgens Dr. Petkevičius helpt deep learning ons om bepaalde gegevens, zoals afbeeldingen, tekst of spraak, aan te passen en te transformeren naar nieuwe dimensies om ze informatiever te maken. Dergelijke modellen kunnen bijvoorbeeld een afbeelding analyseren en beschrijven wat waarop te zien is, wat de algemene stemming is en of de afbeelding wazig is of niet. Soortgelijke bewerkingen kunnen worden uitgevoerd met tekst. Een DL-model kan een paragraaf lezen en informatie geven zoals de namen van de bedrijven die erin worden genoemd, de belangrijkste semantische informatie die wordt gepresenteerd, de stijl van de tekst, de algemene context, enz. Deze toepassingen kunnen nu zeer waardevol zijn voor bedrijven. Als ze een afbeelding hebben, kunnen ze de beschrijving ervan krijgen die verschillende doeleinden kan dienen.Belangrijkste stimulansen en barrières voor AI- en DL-onderzoekDr. Petkevičius deelde zijn eigen observaties over hoe de interesse in deep learning-onderzoek van de kant van studenten de afgelopen jaren is veranderd. Bijvoorbeeld, 5 jaar geleden, toen studenten deep learning kozen als onderwerp voor hun bachelorscripties, moesten ze veel coderen en hadden ze veel andere technische dingen. Tegenwoordig is dit proces minder ingewikkeld. Nu hebben ze toegang tot ChatGPT en kunnen veel nieuwe producten met succes worden gebouwd op de basis ervan. Hierdoor is het niet alleen eenvoudiger, maar ook aanzienlijk sneller om nieuwe ideeën te testen en te implementeren. Daarom is het niveau van de onderzoeksprojecten van studenten nu veel hoger dan 5 of 10 jaar geleden. De modellen die studenten afleveren kunnen echt bruibaar en duidelijk zijn voor het grote publiek. Ze kunnen echte waarde en interessante use cases hebben. Maar ze reproduceren niet de fundamentele nieuwe kennis, ze zijn niet gebaseerd op het laatste onderzoek. In deze context noemde Linas de noodzaak om hen uit te nodigen om met fundamentele onderwerpen te werken en ermee te experimenteren. Soms kunnen zulke experimenten echter behoorlijk deprimerend zijn, vooral voor studenten. Om één succesvol model te krijgen, moet je soms een heleboel dingen proberen, honderden combinaties testen, maar al deze inspanningen blijven onzichtbaar. Het is onmogelijk om vanaf de eerste proef een uitstekend model voor zakelijke of academische doeleinden te maken. Een andere barrière die studenten kan ontmoedigen om DL-onderzoek te doen, is dat we allemaal één groot model voor alles willen hebben. Maar op dit moment lijkt dat niet realistisch. Het is veel verstandiger om kleinere modellen te hebben die ontworpen zijn voor een beperkt aantal taken.De kloof tussen de academische wereld en real-life projectenWe hadden een piek in technologische doorbraken in 2015 toen verschillende beeldherkenningsmodellen werden ontwikkeld. In 2017 was er aanzienlijke vooruitgang in verschillende generatieve tools. Vandaag hebben we ook de taalmodellen die pas echt innovatief werden nadat ze in 2018 interessante resultaten begonnen op te leveren. Op dat moment was het enige probleem dat al die technologieën en al die doorbraken zich in de academische wereld, in R&D, bevonden. Het grote publiek had het eindproduct niet om het aan te raken en de mogelijkheden ervan te begrijpen. Toch is deze kwestie niet nieuw. Eeuwenlang heeft de academische wereld het voortouw genomen bij de introductie van fundamentele modellen en theorieën. Als vernieuwers op zoek waren naar ideeën die in de praktijk toepasbaar waren, konden ze academisch onderzoek gebruiken om aan echte producten te werken die later beschikbaar zouden zijn voor klanten. Dit proces kon 5 of 10 jaar duren. En niemand had in eerste instantie vertrouwen in het succes ervan. Hetzelfde gebeurt nu. Vanuit het oogpunt van toepassing zijn de academische wereld en het bedrijfsleven samengevoegd. Veel bedrijven hebben AI-teams die samenwerken met de academische wereld om nieuwe ideeën sneller te testen en te implementeren en de tijdspan tussen onderzoek en productie te verkleinen.Veranderende gewoontenHet is interessant om te analyseren hoe de toepassing van technologieën samenhangt met wat we gewend zijn. Vandaag de dag is men van mening dat lessen in computervaardigheid nutteloos kunnen zijn voor moderne kinderen. Ze gaan actief om met smartphones, terwijl het gebruik van traditionele computermuizen en het typen van verzoeken met een toetsenbord met knoppen voor hen ouderwets lijken.Linas noemde een interessant voorbeeld. Hij kan zien dat jonge studenten heel vaak hun smartphone gebruiken om iets te googelen, zelfs als ze voor de computer zitten tijdens de programmeerlessen. Dat is de kracht van gewoontes. Is het je opgevallen dat het tegenwoordig voor veel mensen veel handiger is om berichten te schrijven in plaats van te bellen, vooral als ze ergens buiten zijn? Dat komt omdat dit vandaag de dag al natuurlijker lijkt. En het verklaart waarom sommige technologieën nog steeds niet wijdverspreid zijn, ondanks hun potentiële waarde. Zo produceren spraak-naar-tekst modellen tegenwoordig een redelijk goede nauwkeurigheid. Ze kunnen zeer nuttig zijn voor een zeer breed publiek. Zelfs tijdens het autorijden kan iemand gewoon tegen AI praten en een volledig, goed geformatteerd document als resultaat krijgen. Toch is het voor de meeste mensen nog steeds gemakkelijker om hun teksten te typen. Hoewel het gebruik van VR-brillen, zoals Apple Vision Pro, ons zou kunnen helpen bij het verzamelen van veel noodzakelijke informatie over objecten en processen, wordt de toepassing ervan om dezelfde redenen vertraagd. Om sommige innovaties in ons leven te implementeren, moeten we eerst ons gedrag veranderen.Hoe kies je de beste ideeënIn zijn gesprek met Linas vroeg Max hem naar de manieren om te beslissen of nieuwe technologie goed is of welke startups interessant genoeg zijn om te ondersteunen. Helaas kun je, tenzij je de toekomst kent, zonder testen niet met 100% nauwkeurigheid raden welk idee succesvol zal zijn. Volgens Linas organiseren ze bij de AI Association regelmatig AI-meetups, zodat ze zoveel mogelijk nieuwe ideeën en nieuwe sprekers kunnen uitnodigen om over hun startups te praten. Hierdoor krijgt de gemeenschap veel waardevolle en diverse informatie van verschillende mensen met verschillende achtergronden. Linas merkte op dat hoe meer ideeën er worden geuit, hoe beter. Als we maar één of een paar opties voor diensten hebben, raken we eraan gewend en willen we geen veranderingen meer. Maar als we elke week een nieuwe app hebben, proberen we die uit en gaan we op zoek naar een betere. Dit stimuleert nieuwe ontwikkelingen en helpt om betere resultaten te behalen. Educatie voor het publiek is ook heel belangrijk bij het ontwikkelen en adopteren van nieuwe ideeën en producten.AI in de gezondheidszorgHebben we het echt nodig? Dr. Petkevičius merkte op dat er in de gezondheidszorg veel taken zijn die echt geschikt zijn voor automatisering. Het is bijvoorbeeld mogelijk om zeer efficiënte algoritmen te introduceren die verschillende beelden kunnen analyseren, zoals CR- of röntgenscans, en snel feedback kunnen geven over eventuele afwijkingen of potentiële gezondheidsrisico’s. Hier hebben we een enorm tijdsvoordeel. Als een radioloog ongeveer 10 minuten nodig heeft om een scan te analyseren en een conclusie te trekken, dan doet AI dat in milliseconden. Bovendien kunnen AI-modellen enorm helpen bij complexe domeinen als weefsel- en kankerherkenning. Toch komt het uiteindelijk allemaal neer op de hoeveelheid gegevens. Hoe meer gegevens van hoge kwaliteit je hebt, hoe complexer en efficiënter je modellen kunt maken. Sommige grote ziekenhuizen in de Verenigde Staten hebben 100x meer patiënten dan een ziekenhuis of laboratorium in een klein land. Als gevolg daarvan hebben ze 100x meer gegevens voor validatie en verder gebruik.Maar kunnen we binnenkort volledig geautomatiseerde medische consulten verwachten? Aan de ene kant lijkt het erop dat we met de introductie van AI-apps de efficiëntie van veel processen enorm zullen verhogen. AI kan niet gefrustreerd raken als het steeds dezelfde dingen moet herhalen. Het heeft geen emoties en de kwaliteit van zijn consulten kan niet slechter worden door zijn vermoeidheid. Aan de andere kant kan het wel hallucineren, wat betekent dat het informatie kan geven die feitelijk onjuist of misleidend is. Dit maakt duidelijk dat voor definitieve beslissingen nog steeds de menselijke maat nodig is.Terwijl AI met gegevens kan werken, hebben artsen hun eigen levensechte, voortdurend evoluerende ervaringen. Ze hebben de laatste informatie over hoe medicijnen werken bij verschillende symptomen en kunnen vaak veel meer factoren tegelijk analyseren dan AI kan. In veel landen is er echter een probleem met het maken van afspraken met gespecialiseerde artsen. Daarom kunnen AI-apps die mensen ten minste voorlopige diagnoses en aanbevelingen kunnen geven, een grote hulp zijn.Stedelijke planning en generatieve AIStedelijke planning kan worden genoemd als een van de gebieden die de grootste voordelen kunnen halen uit de toepassing van AI. In dit domein zijn AI-tools absoluut niet schadelijk en zijn de risico’s gerelateerd aan het gebruik ervan het laagst. Dankzij Generatieve AI kun je gemakkelijk ongeveer 100 mogelijke demo’s krijgen van hoe je bijvoorbeeld een park moet reconstrueren. Je kunt verschillende opties selecteren en aanpassen. Daarom benadrukte Linas dat stedelijke planning een heel goed gebied kan zijn voor experimenten met AI.AI-regulering: Goed of slecht?Op dit moment is AI-regulering een gebied vol onzekerheid. In de VS is er bijvoorbeeld nog steeds geen uitgebreide federale wetgeving die de creatie van AI-tools regelt en het gebruik ervan specifiek verbiedt of beperkt. De Europese AI-wet is op 1 augustus 2024 van kracht geworden (Let op: de Innovantage podcastaflevering met Dr. Linas Petkevičius is voor die datum opgenomen. De kernprincipes en ideeën die in dit document worden verkondigd, waren echter al bekend). Dit betekende een cruciale stap in de richting van een alomvattend en ethisch kader voor AI in de regio. Volgens de gekozen lijn van AI-regulering is er een classificatie van toepassingen van deze technologie op basis van hoe ze ons als samenleving beïnvloeden. Sommige hebben bijvoorbeeld geen directe invloed op mensen. Daarom is het niet nodig om specifieke regels in te voeren om ze te reguleren. Sommige toepassingen zouden volledig verboden moeten worden vanwege hun schadelijke kracht. Er zijn ook enkele gevallen van AI-gebruik die de mogelijkheid hebben om ons te beïnvloeden en/of waarbij we gewond kunnen raken. Met andere woorden, zulke gevallen gaan gepaard met hoge risico’s (bijvoorbeeld alle toepassingen van AI in de gezondheidszorg). Ze moeten strikt worden gereguleerd en er moeten eisen worden gesteld aan het testen ervan. Zonder twijfel moeten dit soort AI-producten worden gecontroleerd. Maar zonder een duidelijke visie op hoe ze getest moeten worden, hoe ze gecertificeerd moeten worden, leidt dit alles tot veel controverses.De implementatie van AI-regulering leidt ook tot extra bureaucratie en kosten voor startups en bedrijven die onderzoek doen in risicovolle domeinen. Vandaag de dag kunnen we zien hoe de concurrentie tussen de grootste Amerikaanse AI-bedrijven, zoals Meta en OpenAI, in een stroomversnelling raakt. Ze verbeteren hun modellen voortdurend zodat ze steeds betere resultaten kunnen laten zien. In de Europese regio zijn er op dit moment geen grote AI-bedrijven. En extra regelgeving zal geen gunstige omstandigheden creëren voor nieuwe projecten. Vandaag de dag kan het erg duur en riskant zijn om nieuwe modellen vanaf nul op te zetten. Daarom kan regelgeving, ondanks alle voordelen die het de ruimte kan brengen, innovatie ook bevriezen. Stel je eens voor hoeveel ideeën er niet zullen worden omgezet in echte projecten als het verboden is om persoonlijke gegevens online te bewaren.Bottom lineVandaag de dag is het overduidelijk dat AI veel meer is dan een modewoord of marketing keyword. Het heeft toepassingen in het echte leven en de waarde ervan voor verschillende domeinen neemt voortdurend toe. Hoewel verschillende experts verschillende meningen hebben over de ontwikkeling van deze technologie en de aanpak om ermee te werken, is de meerderheid het erover eens dat alleen in samenwerking met elkaar en met gemeenschappen, de academische wereld en het bedrijfsleven de hoogste toppen kunnen bereiken. Hetzelfde idee werd benadrukt door Dr. Linas Petkevičius. En Litouwen is een goed voorbeeld van een land waar deze aanpak goed werkt.Meer weten over hoe AI het bedrijfsleven verandert? Volg ons om de volgende afleveringen van de Innovantage podcast niet te missen.

In de Innovantage-podcast praat Sigli’s CBDO Max Golikov met tech-experts en ondernemers over hun visie op hoe kunstmatige intelligentie de wereld transformeert. De vierde aflevering gaat echter veel verder dan dat. Leesa Soulodre, de gast in deze aflevering, legde niet alleen de rol van technologie in de moderne samenleving uit, maar ook de rol van de samenleving in technologische vooruitgang.Bekijk de volledige Innovantage-aflevering met Leesa Soulodre hier: https://www.youtube.com/watch?v=D5oANROV8X4&t=1373sLeesa is de oprichter van R3i Group en de Managing General Partner bij R3i Capital, een deep-tech venture capital firma met een focus op AI en duurzame ontwikkeling.Deep-tech startups: Belangrijke valkuilen onderwegLeesa’s bedrijf helpt projecten bij het verkrijgen van kapitaal, klanten, en non-dilutive financiering, waardoor oprichters het volledige eigendom van hun bedrijven behouden.Vandaag de dag staan oprichters die in deep-tech werken (projecten die gebaseerd zijn op hightech innovaties of significante wetenschappelijke doorbraken) vaak voor drie grote uitdagingen:Een commerciële uitdaging, of de commerciële “Vallei des Doods.” Dit is de periode waarin een startup al begonnen is met opereren, maar nog geen inkomsten genereert. Oprichters moeten deze fase doorstaan om te bewijzen dat hun product waarde heeft.Een technische uitdaging. Het is belangrijk om aan te tonen dat een product consequent presteert, zodat het veilig in gebruik is.Een ethische uitdaging. Deze heeft te maken met het feit dat veel technologieën vandaag de dag geen ingebouwde noodstop hebben. Daarom moet een product inherent veilig zijn.Hoe zorgen we ervoor dat AI-ontwikkelingen veilig zijn?Tijdens haar gesprek over de veiligheid van AI-producten, haalde Leesa enkele bekende voorbeelden aan. Zo maakte Airbnb van ieders huis een potentiële verblijfplaats, wat leidde tot de noodzaak van vertrouwen- en veiligheidsteams. Hetzelfde gebeurde met de opkomst van taxidiensten, waar ieders auto als taxi kon fungeren.In het geval van AI is de situatie mogelijk nog alarmerender. Deep neural network compressie kan bijvoorbeeld worden ingezet om sneller en efficiënter mensen te vermoorden dan met andere technologieën.En als je bedenkt dat elk AI-product voor een dergelijk doel kan worden gebruikt, wordt het duidelijk dat we dit idee van vertrouwens- en veiligheidsteams moeten behouden. Dit is van vitaal belang om ervoor te zorgen dat onze technologieën niet worden misbruikt voor onbedoelde doeleinden.Elke AI-organisatie met zoveel invloed als OpenAI die niet gaat investeren in vertrouwens- en veiligheidsteams, zal te maken krijgen met aanzienlijke juridische en wettelijke hindernissen. Bovendien zullen dergelijke bedrijven in de toekomst nog meer problemen hebben met verdere groei en innovatie als ze geen impliciet vertrouwen krijgen van hun gebruikersbasis.Regulering in de AI-sectorBij het reguleren van technologiebedrijven ontstaan vaak controverses, vooral omdat regelgeving niet altijd gelijke trede houdt met technologische ontwikkelingen.In de discussie over dit aspect met Max, noemde Leesa dat ze in het bestuur zit van het AI Asia-Pacific Institute. Ze communiceert met vertegenwoordigers van de overheden in de regio. De overheden willen vangrails bouwen voor technologieën, en met name AI. Maar er is een aanzienlijke barrière.Laten we Singapore als voorbeeld nemen. De absolute meerderheid van de geregistreerde Generative AI-bedrijven begint net met hun reis. Ze bevinden zich in hun seed- of pre-serie A-stadium. Dit betekent dat ze vaak niet eens weten wat ze op het blik hebben. Ze kennen de waarde van hun producten niet. Daarom is het logisch dat ze niet klaar zijn om te investeren in toezicht door de regelgever. Daarom heeft het geen zin om hen te vragen dat te doen.Leesa gelooft dat het verstandiger is om vangrails te bouwen in de structuur van de belangrijkste technologieën die ten grondslag liggen aan nieuwe producten en oplossingen die door startups worden gecreëerd.Veel GenAI-bedrijven bouwen bijvoorbeeld hun tools op de achterkant van de technologieën die zijn ontwikkeld door OpenAI, Microsoft of Amazon. Het is dus logischer om met deze techgiganten te beginnen. Zij moeten eerst voldoen aan de regelgeving.Is het gebruik van populaire LLM’s de sleutel tot succes?Als we spreken over volwassen AI-technologieën waar startups op kunnen vertrouwen, noemde Leesa bijvoorbeeld Hugging Face. Het is een veelzijdig platform dat algemeen bekend staat om zijn open-source repository van meerdere grote taalmodellen (LLM’s).Leesa’s VC-bedrijf werkt veel met startups. Ongeveer 2000 projecten beweerden dat ze Hugging Face gebruikten. Na een nauwkeurig onderzoek bleek dat slechts 200 het daadwerkelijk gebruikten. En slechts 16 waren financierbaar volgens de experts van R3i.Tegenwoordig zijn er veel spelers met vergelijkbare aanbiedingen. Leesa merkte op dat zowel open-source als commerciële modellen, zoals ChatGPT, een goede optie kunnen zijn voor nieuwe technologieën. Maar hier is het van vitaal belang om te begrijpen dat ze verschillende doeleinden dienen. ChatGPT is bijvoorbeeld perfect voor het converteren van grote volumes van altijd dezelfde automatiseringstaken.Als investeerder en technoloog is Leesa geïnteresseerd in het vinden van technologieën die zo efficiënt en veilig mogelijk werken en de hoogste waarde opleveren.Ze zei dat ze niet investeert in ChatGPT-achtige oplossingen. Ze zoekt naar toegepaste AI-technologieën rondom kritieke infrastructuur en sterk gereguleerde industrieën. De projecten die ze het interessantst vindt, zijn die welke tastbare resultaten kunnen opleveren. Ze kunnen de transformatie van punt A naar punt B aandrijven in domeinen als slimme steden, energie, gezondheidszorg, industriële productie, waterbeheer, landbouw, mobiliteit, ruimteveiligheid, beveiliging, bewaking,Ze noemde bijvoorbeeld dat haar VC-bedrijf vaak investeert in technologieën voor hernieuwbare energie. Het is nu al een sterk gereguleerde sector, ondanks dat het relatief nieuw is.Deep-tech investeringen: Wanneer is het een goed idee om een AI-project te steunen?In het gesprek met Max gaf Leesa aan dat er tegenwoordig veel AI-gerelateerde projecten zijn die aantrekkelijk lijken voor investeerders. Maar in werkelijkheid kunnen ze een muizenval blijken te zijn.Leesa werkt samen met de deep tech-industrie en investeert liever alleen in projecten met diepgaand wetenschappelijk onderzoek en technologische uitvindingen, die bewezen kunnen worden door een patentpool of een datamodus. En als een project een datamodus heeft, moet het zijn eigen datamodus zijn, niet die van Microsoft of OpenAI.Maar wat zijn deze dingen? En waarom zijn ze belangrijk?Leesa legde dit uit met voorbeelden uit het echte leven. Wanneer wetenschappers aan de universiteit iets uitvinden, moeten ze dit beschermen tegen kopiëren of misbruik. In dergelijke gevallen kunnen ze bijna altijd een patent aanvragen dat een idee of een innovatie beschermt. Als iemand anders deze innovatie wil gebruiken, moet hij of zij een licentie verkrijgen.Leesa waarschuwt echter voor een serieuze uitdaging met betrekking tot patenten. Wanneer je een patent publiceert, kan iedereen leren waar het over gaat. Helaas worden patenten, met name in de softwareontwikkelingsindustrie, op dit moment niet goed genoeg beschermd.Patenten zelf kunnen worden gezien als activa. Zelfs als een project mislukt of de ontwikkeling van de technologie wordt bevroren, hebben oprichters nog steeds een patent dat verder kan worden verkocht.Wat betreft data, ook dat kan worden gemonetariseerd. Als uw bedrijf zorgvuldig data verzamelt, identificeert, classificeert en tagt, kunt u (of iemand anders die er toegang toe krijgt) het gebruiken om nieuwe producten te maken of de bestaande producten van stroom te voorzien.Generatieve AI voor patenten: Kunnen we erop vertrouwen?Leesa geeft aan dat het fantastisch is voor ideeënvorming en vooral brainstormen. Toch is het van vitaal belang om te begrijpen dat dergelijke modellen hallucinogeen zijn. Dat betekent dat ze verkeerde of irrelevante antwoorden kunnen geven. Dat kan gebeuren omdat de trainingsgegevens onvolledig of bevooroordeeld waren. En dat is slechts een helder voorbeeld van het principe “Garbage in, garbage out”. Bovendien kunnen hallucinaties optreden omdat AI-modellen vaak beperkingen missen die mogelijke uitkomsten kunnen beperken.Daarom kunnen we de volgende conclusies trekken uit zo’n situatie. Ten eerste moeten we altijd heel voorzichtig en aandachtig controleren of de ontvangen informatie waar is. En ten tweede hebben we, ondanks de vooruitgang in GenAI, nog steeds menselijke creativiteit, empathie en vindingrijkheid nodig. Dat is wat AI op dit moment niet kan garanderen.Innovatietiming: Het Assepoester-effectHet is geen goed idee om te vroeg naar het bal te komen, want dan is er nog niemand. Maar je moet ook niet te laat komen, want dan mis je alle lol. Je moet net op tijd zijn. Daarom is het, voordat je een nieuwe technologie introduceert, noodzakelijk om te analyseren of de markt er klaar voor is en om de belangrijkste barrières voor de acceptatie ervan te overwegen. Het psychosociale aspect is belangrijk. Mensen moeten jou en je oplossing vertrouwen.Het is van vitaal belang om naar verschillende meningen te luisteren om mogelijke onbedoelde gevolgen te detecteren die onopgemerkt kunnen blijven voor oprichters. Wanneer een team aan een nieuw product werkt, hebben ze maar één perspectief. Maar wanneer je iets nieuws bouwt voor een community, moet je weten welke impact je innovatie daarop zal hebben. Het is ook de moeite waard om te vermelden dat de impact op de ene community kan verschillen van de impact op de andere.Het klinkt misschien verrassend, maar in veel gevallen is het heel verstandig om ook naar kinderen te luisteren. Tegenwoordig zijn er zelfs enkele tech-evenementen voor kinderen. En dat is een heel goede trend. Op een dag zullen ze actieve gebruikers van technologie worden. Daarom zijn hun stemmen, hun vragen en hun twijfels ook waardevol.Toen Leesa sprak over de technologieën waarin ze heeft geïnvesteerd, noemde ze een paar voorbeelden. Ze beschreef ze als absoluut revolutionair vanuit het perspectief van activering en implementatie.Quantum Brilliance. Het bedrijf werkt aan room-temperature diamond-powered quantum computing. Met andere woorden, dankzij het gebruik van synthetische diamanten zullen quantumversnellers bij kamertemperatuur kunnen werken. Hoewel de geschiedenis van dit project nog maar net is begonnen, belooft het quantum computing naar een breed publiek te brengen en het alledaagse technologie te maken. Deze aanpak zal elk aspect van een slimme stad kunnen revolutioneren, inclusief beveiliging, medicijnontwikkeling, materiaalkunde, databewerkingen, enz.ViewMind. Dat is een bedrijf voor hersengezondheid. Hun technologie kan in uw oog kijken en miljoenen oogbewegingen in één beeld vastleggen gedurende 10 minuten. Op basis hiervan kan het met een zeer hoge mate van nauwkeurigheid bepalen welk niveau van degeneratie u in uw hersenen hebt of waarschijnlijk zult hebben. Een dergelijk onderzoek kan helpen bij het beheersen van ziektes als Alzheimer, dementie, multiple sclerose, Parkinson of zelfs posttraumatische stress bij een soldaat. Deze technologie kan aantonen welk gebied in de hersenen is aangetast en kan helpen bij het leveren van gepersonaliseerde behandeling. Dit soort technologieën kan ons leven absoluut ten goede veranderen. Ze kunnen ons verplaatsen van wat we behandeling noemen naar het voorkomen en voorspellen van ziektes. In het geval van gezondheidszorg is zo’n aanpak van grote waarde.De meest veelbelovende, op waarde gebaseerde technologieën zouden iets moeten doen dat minstens iets beter is dan wat er nu gebeurt en kunnen de manier waarop we iets waarnemen enorm veranderen. Bijvoorbeeld, technologieën voor enorme vermindering van koolstofemissies veranderen de manier waarop we denken over het gebruik van energie en water.De grootste bedreiging voor economische groeiAls we het over nieuwe technologieën en economische welvaart hebben, zei Leesa dat een van de grootste zorgen piraterij is, zowel fysiek als digitaal.Piraterij is een van de factoren die toeleveringsketens kunnen beïnvloeden, banen kunnen stelen en de economische ontwikkeling in gevaar kunnen brengen. Wanneer digitale versies van boeken bijvoorbeeld gratis worden verstrekt, verliezen mensen die hebben bijgedragen aan de creatie ervan hun loon.Desondanks is het soms mogelijk om, ondanks een enorm negatief effect, enkele positieve kanten te ontdekken. Deze manier van distributie kan een belangrijke rol spelen bij de digitale bewaring van sommige media die geen winst meer genereren, maar nog steeds waardevol kunnen zijn in termen van geschiedenis, kunst of cultuur. Bovendien kan dit nieuwe kansen bieden voor degenen die beperkte toegang hebben tot legale distributie-infrastructuur.Hoe te beslissen waar te investerenVerschillende investeerders kunnen hun eigen methodologieën toepassen op hun besluitvormingsproces. Leesa vertelde dat ze bij R3i Capital ook hun eigen filosofie hebben als het gaat om het kiezen van projecten. Een van de belangrijkste dingen waar ze op letten, is het team.Om onbewuste vooroordelen te voorkomen, vertrouwt R3i Capital op een AI-engine die is gebouwd in samenwerking met Hatcher. Als gevolg hiervan doorloopt elk team dezelfde filters en is het resultaat van een dergelijke evaluatie zo objectief mogelijk.Dankzij deze aanpak heeft absoluut iedereen dezelfde kansen. Zo’n systeem stelt het VC-bedrijf in staat om zelfs die groepen die vaak worden genegeerd, zoals vrouwen en minderheden, een stem te geven.Bovendien is het erg belangrijk om te analyseren hoe financierbaar het bedrijf is en wat de waarschijnlijke impact is. Volgens Leesa is het hierbij absoluut noodzakelijk om 100% transparantie te behouden. Dit zal het gewenste vertrouwen tussen oprichters en kapitaal waarborgenKapitaalmarkten hoeven immers niet bruut te zijn. Ze moeten in plaats daarvan eerlijk zijn. Dit zal helpen om een ​​win-winsituatie te bereiken.Waarom is duurzaamheid belangrijk?Leesa legde uit dat R3i met zijn investeringen technologiebedrijven ondersteunt met een tastbare ESG-productimpact. Met andere woorden, ze richten zich op producten die prioriteit geven aan milieuproblemen, sociale problemen en corporate governance.Investeerders zeggen echter soms dat ze niet om het milieu en duurzaamheid geven, maar om geld.Maar hoe kan een gezondheidsproduct het leven van patiënten niet verbeteren als het een goed gezondheidsproduct is? Hetzelfde geldt voor energie, cyberbeveiliging, mobiliteit en andere industrieën.Duurzamer, milieuvriendelijker en maatschappelijk waardevoller worden betekent niet dat je minder geld krijgt. Sterker nog, vaak kan het zelfs meer geld betekenen. Dit kan worden verklaard door de bereidheid van mensen om te betalen voor de dingen die de kwaliteit van hun leven kunnen verbeteren.Als een aangeboden product mensen schaadt of enorme negatieve gevolgen heeft, zal de maatschappij het niet vertrouwen.Omdat durfkapitaalbedrijven geïnteresseerd zijn in resultaten op de lange termijn, proberen ze te wedden op winnende technologieën. Duurzaamheidsbedrijven die zich richten op sociale en milieueffecten behoren daar zeker toe.Samen winnen, niet alleenAan het einde van dit gesprek met Max deelde Leesa haar gedachten over de rol van de maatschappij in innovaties. Een van de belangrijkste aanbevelingen die ze iedereen kan geven, is om meer empathie te hebben voor elkaar en voor gemeenschappelijke problemen.Soms kunnen oprichters, wanneer ze geen financiële steun van overheden of bedrijven kunnen krijgen, hulp krijgen van andere mensen die zich bekommeren om het oplossen van de problemen die door hun projecten worden aangepakt.Om succes te behalen, is het erg belangrijk om de volgende eerste stap te zetten. En we kunnen het niet alleen.Bij Sigli delen we deze visie en dat is een van de redenen waarom we de Innovantage-podcastafleveringen maken.Als je ook gefascineerd bent door de capaciteiten van AI en andere opkomende technologieën, evenals hun kracht om de wereld te veranderen, blijf dan bij ons. Er komen binnenkort nieuwe inspirerende ideeën!

Nu de AI-revolutie aan kracht lijkt te winnen, is het voor bedrijven erg belangrijk om hun kans niet te missen om zich hierbij aan te sluiten, of misschien zelfs deze transformatie te leiden. Bij Sigli willen wij jullie helpen een concurrentievoordeel te behalen door uit te leggen hoe je de kracht van deze technologie kunt benutten.Bekijk hier de volledige Innovantage-aflevering met Vasil Simanionak.In de tweede aflevering van de Innovantage-podcast sprak Max Golikov met Vasil, de Chief Delivery Officer bij Sigli, een persoon die al lang gefascineerd was door AI voordat het beschikbaar werd voor een breed publiek. Deze sfeer zag er compleet anders uit dan doorsnee computing, wat het voor hem enorm interessant maakte. Geïnspireerd door films als Terminator en Star Trek, koos Vasil AI als zijn hoofdvak.In een gesprek met Max deelde Vasil zijn visie op het verleden, heden en de toekomst van kunstmatige intelligentie en noemde hij de taak die hij nooit aan AI zal delegeren.In ons artikel hebben we de meest interessante ideeën uit deze discussie verzameld en we hopen dat je ze inzichtelijk zult vinden.AI: Toen alles begonHet zou volkomen onjuist zijn om te zeggen dat AI samen met ChatGPT of 1–2 jaar eerder verscheen. In werkelijkheid zijn sommige producten die door AI van dit of dat type worden aangestuurd, al vrij lang geleden ontwikkeld.De eerste expertsystemen werden ongeveer 50 jaar geleden geleverd en ze waren al een voorbeeld van een zeer beperkte AI. Hun mogelijkheden en use cases waren natuurlijk nogal beperkt.Zulke systemen hadden bijvoorbeeld door een advocaat in specifieke gevallen kunnen worden gebruikt. Advocaten moeten hun cliënten vaak standaardvragen stellen, zoals de geboorteplaats, de geboortedatum, de woonplaats, enz. Op basis van de antwoorden op deze vragen kan een expertsysteem een ​​document voorbereiden dat vervolgens aan bepaalde autoriteiten wordt voorgelegd of voor andere doeleinden wordt gebruikt.Dus wat zijn expertsystemen? Ze kunnen worden gedefinieerd als vroege vormen van AI die vertrouwen op een reeks regels die door menselijke experts worden verstrekt om beslissingen te nemen of problemen binnen een specifiek domein op te lossen.De ontwikkeling van deze oplossingen is gerelateerd aan gebruikelijke coderingsdingen, omdat dergelijke dingen zijn gebaseerd op voorwaarden zoals “Als iets — Doe dan iets”. De belangrijkste taak en uitdaging in dit geval is om de juiste regels te definiëren. Dit betekent dat menselijke experts die aan deze regels werken, de specificiteit van alle gerelateerde processen diepgaand moeten begrijpen.Is ChatGPT een voorbeeld van AI?De volgende fase van AI-ontwikkeling is iets dat in ons moderne begrip als AI wordt beschouwd.Terwijl expertsystemen moeilijk te begrijpen waren voor het grote publiek en ze alleen een specifiek, beperkt gebruik hadden, is alles anders met ChatGPT-achtige modellen. Ze hebben enorm veel publieke aandacht gekregen en ze zijn voor iedereen beschikbaar. Deze oplossingen stellen gebruikers in staat om vragen in te voeren en duidelijke resultaten te krijgen.Als we het over dat soort systemen hebben, zal in de meeste gevallen ChatGPT worden genoemd en dat is een voorbeeld van uitstekende marketing en branding.De meeste mensen beschouwen ChatGPT absoluut als AI. Maar is dat waar? Terwijl we het daarover hadden, benadrukte Vasil dat het juiste antwoord afhangt van ons perspectief en exacte begrip van kunstmatige intelligentie.Aan de ene kant hebben grote taalmodellen (LLM’s) geen gezond verstand, maar ze kunnen wel gegevens verwerken. Ze zijn gebouwd op neurale netwerken die het menselijk brein nabootsen.Een neuron heeft bijvoorbeeld één input en één output. Als de eerste input wordt geactiveerd, wordt er een output geactiveerd. In netwerken worden neuronen in miljoenen lagen geplaatst. Gebruikers moeten een input doen en wachten op een output. Zo werken ze.Als het gaat om deep learning met LLM’s, definiëren we niet het onderliggende model om deze data te verwerken. We definiëren gewoon een soort infrastructuur met het neurale netwerk waar we veel neuronen hebben en die op verschillende lagen met elkaar verbonden zijn.We geven data en verwachten het resultaat. Maar zelfs een maker van dit model heeft geen idee hoe een LLM zal antwoorden.Vanwege de enorme invloed van de media wordt tegenwoordig algemeen aangenomen dat deze ChatGPT-achtige oplossingen echte AI zijn, ondanks enkele beperkingen in hun mogelijkheden.De basis: Wat is AI?AI is een enorme set van alles wat te maken heeft met iets dat machines kunnen doen, vergelijkbaar met wat mensen kunnen doen. Natuurlijk kunnen mensen rekenen, maar een rekenmachine is geen AI-oplossing. We kunnen dus zeggen dat machines in de context van AI iets net zo goed moeten doen als mensen, of misschien zelfs beter.Ondanks alle aspiraties rondom AI is het nog steeds een hulpmiddel, geen andere soort of zoiets.Verschillende niveaus van AITegenwoordig kunnen we verschillende modellen (of niveaus) van AI definiëren. Ze verschillen niet alleen van elkaar in hun functionaliteit, maar ook in de manier waarop ze met data omgaan. Laten we ze kort samenvatten.ExpertsystemenZoals hierboven beschreven, werken expertsystemen niet echt met data. Deze systemen zijn mooie, eenvoudige hulpmiddelen, maar ze geven je niet de indruk dat je met intelligentie te maken hebt.ML-modellenML-systemen werken met wat data, maar er zijn geen strikte regels. Ingenieurs en analisten definiëren het model van hoe deze data verzameld en verwerkt moet worden. Dus we hebben controle over hoe de oplossing met onze data zal werken. We plaatsen deze data in dit model en we controleren hoe we het moeten gebruiken.Een goed voorbeeld hiervan is een ML-aangedreven app voor de vastgoedmarkt. Je kunt verschillende parameters invoeren, zoals de grootte van een appartement en de locatie, terwijl een app de prijs berekent op basis van de parameters.Grote taalmodellenTekstmodellen zijn de eenvoudigste van dit soort. Ze werken op de tekstinvoer en kunnen deze tekst omzetten in een nieuwe. Hier kan hun werk worden vergeleken met het werk van programmeurs die vereisten moeten omzetten in code.Wanneer een output die door het model wordt aangeboden niet goed genoeg is, kan een gebruiker feedback geven. Op die manier kan een model worden getraind om betere outputs te garanderen.Bovendien wordt er veel gesproken over de kwaliteit van de data die voor training wordt gebruikt en hun oorsprong, zoals of ze legaal of illegaal zijn verkregen en gebruikt. Daarover is echter nog steeds geen eenduidige mening.Word AI het einde van de mensheid?Dat is een van de vragen die misschien heel controversieel en soms zelfs een beetje naïef klinkt, maar het is echt interessant hoe AI-experts hierop antwoorden. Vasil gaf een behoorlijk verontrustend antwoord. Hij zei dat alles afhangt van ons gedrag. Toch is het geen reden om te zoeken naar manieren om zo vriendelijk mogelijk te zijn voor AI om te overleven. Het is gewoon een reden om dit aspect wat dieper te bestuderen.Volgens Vasil is er een mogelijkheid dat AI de mensheid zal uitroeien, en er is ook een mogelijkheid om buiten een dinosaurus te zien. Maar toch, het is slechts een mogelijkheid.Onze toekomst, en onze kansen om in leven te blijven, zullen afhangen van hoe AI-aangedreven oplossingen, inclusief LLM’s, zullen worden ontworpen en hoe we ze zullen gebruiken.Als we een ChatGPT-achtige oplossing met het internet laten communiceren, zal deze vrij complexe taken kunnen uitvoeren. Het zal bijvoorbeeld in staat zijn om een ​​website te starten, een domein te kopen (als je het wat geld geeft) en een no-code of low-code platform te creëren.Zelfs een LLM kan interacteren met de echte wereld en echte AI kan een mens niet alleen in tekstuele gesprekken, maar ook in livestreams, enorm nabootsen. Als je ooit video’s hebt gezien met levensechte sprekende gezichten die zijn gegenereerd door Microsoft’s VASA, weet je dat ze heel overtuigend kunnen zijn.Kan AI de wereld overnemen? Theoretisch gezien wel. Maar alleen als een mens het dit laat doen.Dagelijkse toepassingen van AI voor echte bedrijvenIn het gesprek met Max noemde Vasil verschillende voorbeelden van veelgebruikte zakelijke use cases van AI.· Contentgeneratie.AI kan ook in talloze situaties worden toegepast wanneer het wat input van de gebruiker kan gebruiken en op basis daarvan een soort content kan maken. AI kan een goede tekst voor je e-mail opstellen, zelfs als je maar een paar opsommingstekens hebt.· Samenvatting maken.AI kan een goed hulpmiddel zijn bij het opnemen van de content die door iemand anders is gemaakt. Stel dat je bijvoorbeeld voor dat je een PDF-bestand van 20 pagina’s hebt en je een algemeen begrip van de inhoud ervan moet krijgen, hoeveel tijd heb je dan nodig? Wat als dit document 200, 2000 of 20.000 pagina’s bevat? AI kan het verwerken en je veel sneller een snelle samenvatting bieden dan welke mens dan ook. Wat hier nog verrassender is, is dat voor AI 20.000 pagina’s en 20 pagina’s precies hetzelfde zijn.· Ondersteunende diensten.AI wordt niet moe, raakt niet afgeleid en heeft geen slechte dagen. Het heeft geen emoties — en dat is zijn win-factor. Daarom moet je niet aarzelen om zoveel mogelijk vragen aan AI te stellen. Het zal niet geïrriteerd raken. Vasil gaf toe dat hij dit in zijn dagelijkse werk ook doet om zoveel mogelijk relevante informatie te krijgen. Bij tests met mensen bleek AI beleefder en toleranter te zijn. Daarom kunnen door AI aangestuurde apps een goede keuze zijn voor eerste lijn ondersteuningsdiensten die algemene problemen en veelvoorkomende vragen behandelen voordat ze doorgaan naar gespecialiseerde hulp.AI is altijd bereid om te helpen en kan de tijd die nodig is om een ​​klant te beantwoorden verkorten. In deze context is het echter belangrijk om een ​​financiële factor niet weg te laten. Als je bijna echte klantenondersteuning wilt die praktisch zonder menselijke deelname functioneert, zal dit duurder uitpakken dan het inhuren van menselijke specialisten.Hoeveel kost het om AI te implementeren?De kosten van dergelijke projecten kunnen sterk variëren op basis van verschillende factoren en parameters. De basisinfrastructuur voor modellen zoals ChatGPT vertegenwoordigt bijvoorbeeld een groot aantal grafische verwerkingseenheden of GPU’s. Deze gespecialiseerde hardware is essentieel voor het verwerken van complexe berekeningen, evenals voor het trainen en uitvoeren van AI-modellen.Daarom is het noodzakelijk om de kosten van GPU-huurservices van bijvoorbeeld Nvidia of Microsoft te berekenen. Zij hebben verschillende abonnementsmodellen die aan verschillende behoeften kunnen voldoen.Bovendien kan je kiezen voor on-premises infrastructuur en alle vereiste software- en hardwarebronnen binnen de fysieke locatie vinden. Dit model zal ook gepaard gaan met enkele extra kosten.Als we kijken naar het gebruik van AI-modellen, zullen we hier ook verschillende scenario’s hebben.Vasil merkte op dat in het geval van het gebruik van een commercieel model wanneer je de AI niet hoeft te trainen, de kosten van één query een paar cent zullen zijn. Wanneer je echter de oplossing moet trainen en verfijnen, zal het een heel ander verhaal zijn. De prijs zal aanzienlijk hoger zijn en het is erg lastig om deze te definiëren.Het is ook cruciaal om in gedachten te houden dat je met LLM’s niet voor elke query een 100% correct resultaat kunt verwachten. Daarom kunnen er meerdere interacties nodig zijn om het gewenste resultaat te krijgen.In ieder geval werkt het principe van de kwaliteitsverhouding hier vrij goed. Hoe groter je investering is, hoe beter het resultaat dat je kunt verwachten. Je moet echter toegeven dat het geen menselijk resultaat zal zijn. Gezien dit, moeten bedrijven een balans vinden tussen het bedrag dat ze bereid zijn te betalen en de kwaliteit die ze zullen accepteren.Toekomst van AI: Zal ​​het menselijke experts vervangen?Toen ze het over de toekomst hadden, waren Max en Vasil het erover eens dat technologieën te snel veranderen. Het is erg moeilijk om voorspellingen te doen voor meer dan 5 jaar.Volgens Vasil kunnen ChatGPT en soortgelijke oplossingen in de nabije toekomst echter geweldige persoonlijke assistenten worden. Het gebruik van dergelijke assistenten kan veel verder gaan dan puur zakelijke toepassingen. Ze kunnen bijvoorbeeld de gezondheid van gebruikers controleren, herinneringen sturen en veel andere taken uitvoeren die het leven van mensen beter maken.Een ander interessant en veelbelovend gebied van AI-gebruik is communicatie, wat erg belangrijk is in het bedrijfsleven.Laten we toegeven dat we allemaal verschillende opvattingen hebben over sommige dingen, zelfs als we dezelfde taal spreken. Door AI aangestuurde persoonlijke assistenten kunnen ervoor zorgen dat onze gedachten op een goede manier door anderen kunnen worden waargenomen.ChatGPT-achtige systemen kunnen onze ideeën vertalen naar grotere definities die uitgebreider zijn voor anderen. Ze zullen dienen als bruggen tussen mensen, omdat ze niet alleen woorden één voor één kunnen vertalen. Ze kunnen vertalen wat er werkelijk wordt gezegd.Dat is een positieve kant van hun implementatie. Toch is er ook een negatieve: sommige vertalers kunnen hun baan verliezen.Wanneer is een mens beter dan AI?Een van de belangrijkste kwesties over AI die Vasil benadrukt, is dat je niet altijd kunt controleren of ChatGPT je iets biedt dat waar is of niet. Daarom is het volgens hem absoluut niet het beste idee om op AI te vertrouwen bij het uitleggen van iets aan kinderen. Hier is een mens een onbetwiste leider (vooral als het om je eigen kind gaat).Natuurlijk zijn er oplossingen zoals Google’s Gemini. In dit geval zijn antwoorden googlebaar en kun je de bron van informatie zien. Toch kan AI de context waarin een kind dit of een vraag kan stellen, niet volledig begrijpen. Bovendien is menselijke interactie iets dat we allemaal nodig hebben.Welke vaardigheden zijn essentieel in het AI-tijdperk?Tijdens hun gesprek raakten Max en Vasil ook een heel belangrijk onderwerp aan over de vaardigheden die tegenwoordig vereist zijn.Vroeger waren leraren en boeken de bronnen van de waarheid voor de jonge generatie. Toen kwam het internet erbij. Nu is alles behoorlijk onduidelijk.Welke bronnen kunnen worden vertrouwd? Wie kunnen we geloven?Daarom is het voor een nieuwe generatie erg belangrijk om het vermogen te ontwikkelen om de bron van gegevens te controleren en te begrijpen of deze betrouwbaar is. Een mens kan goed zijn in sommige dingen, maar kan in andere dingen volledig fout zitten. Gezien dit is het cruciaal om kritisch te denken en te zien wie en wanneer we kunnen vertrouwen.Terwijl ze het hadden over de waarde van AI, benadrukten Max en Vasil ook het belang van menselijke verbinding en persoonlijke touch in communicatie. Dit zijn dingen die we zelfs in het tijdperk van AI en significante digitale transformaties moeten behouden.Als je meer wilt weten over AI, de huidige rol ervan voor bedrijven en de toekomstige vooruitzichten, mis dan onze volgende afleveringen van de Innovantage-podcast, gehost door Max Golikov, niet.

AI is een buzzword geworden. Maar hoe veel weten we eigenlijk over AI? Kunnen we de nieuwe kansen die het ons biedt volledig benutten? Om dieper in dit onderwerp te duiken en AI transparanter te maken voor iedereen, hebben we de Innovantage -podcast gelanceerd. In deze serie van verschillende afleveringen spreekt Sigli’s CBDO Max Golikov met AI-experts die hun professionele mening delen over hoe AI de wereld om ons heen transformeert.Onze eerste gast is Dominik Lukes , System Technology Officer bij Oxford, die het Reading and Writing Innovation Lab runt. Dominik onderzoekt de mogelijkheden van kunstmatige intelligentie al sinds begin jaren 90, lang voordat de wereld bekend raakte met ChatGPT.In deze aflevering van de Innovantage -podcast bespraken Max en Dominik de impact van AI op de onderwijssector en het potentieel om de academische omgeving te revolutioneren. Daarnaast bespreken ze de basisprincipes van generatieve AI, het werkprincipe van LLM’s (Large Language Models) en zelfs de waarschijnlijkheid van een AI-Apocalyps.Bekijk hier de volledige Innovantage -aflevering met Dominik: https://youtu.be/7b4v6xnRDLI?si=8B4e_zuhnsKyrPwg&utm_source=medium&utm_medium=cpcHeb je nu geen tijd om het te bekijken? Wij hebben een korte samenvatting voor je gemaakt!Belangrijke termen die je moet kennenLaten we eerst kort de belangrijkste termen uitleggen die betrekking hebben op het onderwerp.Elke AI-tool is gebaseerd op een model, en een model is een set parameters. Deze parameters zorgen er namelijk voor dat als je iets in een model stopt, het je iets teruggeeft.De modellen die in ChatGPT en vergelijkbare oplossingen worden gebruikt, zijn modellen die taal en tekst genereren.Wat zijn LLM’s?Maar wat bedoelen we met “ Large Language Models ” ( LLM’s )? Wat maakt ze groot?De gratis versie van ChatGPT die op dit moment beschikbaar is, vertrouwt op een corpus, oftewel een collectie, van ongeveer een half biljoen woorden, wat een enorm aantal is. Wat GPT-4 betreft, heeft OpenAI geen precieze cijfers bekendgemaakt. Maar toen Meta een nieuw Large Language Model genaamd Lama3 uitbracht, zeiden ze dat het vooraf was getraind op meer dan 15T tokens die allemaal waren verzameld uit openbaar beschikbare bronnen.Hoe groter het corpus is dat je voor de pre-training gebruikt, hoe hoger de kwaliteit is die je kunt verwachten.Er zijn ook parameters die moeten worden toegepast om de modellen te laten werken. Er zijn kleine modellen met 8 miljard parameters, terwijl grote modellen er honderden miljarden hebben.Waarom moet je AI-modellen vooraf trainen?Een interessant en belangrijke doorbraak in AI was dat het niet meer nodig is om AI voor elke taak apart te trainen. Je kunt al deze 15 biljoen tokens nemen en een model met een aantal basis cognitieve capaciteiten pre-trainen.Na de pre-training is het tijd voor fine-tuning, wat ervoor zorgt dat je model andere dingen doet. Bedrijven zijn constant bezig met het fine-tunen van de modellen. Daarom veranderen de modellen. Bijvoorbeeld, iets dat vorige maand werkte, werkt deze maand misschien niet meer en vice versa.Om de gewenste resultaten te behalen, moeten de gegevens die worden gebruikt voor pre-training ‘’schoon’’ zijn en zorgvuldig worden geselecteerd binnen de mogelijkheden van het algoritme. Het model moet worden voorgetraind en vervolgens worden verfijnd voor een bepaald doel. En dat is een van de dingen die de AI-oplossing beter zal laten werken.Hoe werken AI-modellen?Het werk van AI-modellen kan worden vergeleken met een regressiecurve, wat een soort voorspellingscurve is. Hoewel sommige van zulke modellen werken op frequenties en gebeurtenissen. Wat ze binnenin hebben, zijn gewichten en relaties.Dominik vergeleek zulke modellen met semantische machines. Ze zijn dus semantisch in de zin dat ze relaties tussen dingen begrijpen, maar ze zijn niet semantisch in de zin dat ze de wereld buiten zichzelf begrijpen.GPT: Wat is het?Heb je er ooit over nagedacht wat deze afkorting kan betekenen? Eigenlijk staan deze drie letters voor wat we zojuist hebben uitgelegd over het werk van zulke modellen.G staat voor Generatieve. Dit betekent dat het model tekst kan genereren.P staat voor Pre-trained. Dit betekent dat het model vooraf getraind moet worden op een groot corpus aan data om patronen, grammatica, feiten over de wereld te leren en om wat redeneervermogen te krijgen.T staat voor Transformer. Dit verwijst naar de onderliggende architectuur van het model dat wordt gebruikt voor natuurlijke taalverwerking.AI-hallucinatiesAls je ooit met LLM’s hebt gewerkt, heb je waarschijnlijk gemerkt dat ze soms onjuiste antwoorden kunnen geven of iets kunnen “verzinnen” dat eigenlijk niet bestaat. Dat betekent dat deze modellen ondanks enorme verbeteringen nog steeds kunnen hallucineren.Het kan gebeuren omdat modellen worden getraind op data. Ze leren voorspellingen te doen door patronen in de data te vinden. Niettemin kan een AI-model, vanwege bevooroordeelde of onvolledige data, onjuiste patronen leren die resulteren in verkeerde voorspellingen.Hoe AI beter kan werkenHelaas kunnen AI-modellen ons niet leren hoe we correct met hen moeten communiceren. En laten we eerlijk zijn, interactie met AI is niet hetzelfde als communiceren met een persoon.Je moet voorbereid zijn op een “achtbaan”. Dat betekent dat AI-tools soms veel verder kunnen gaan dan je verwachtingen, maar ook dat de uitkomsten soms teleurstellend voor je kunnen zijn.Om betere resultaten te behalen, moet je experimenteren, verschillende prompts uitproberen en uw eigen aanpak ontwikkelen om de AI de gewenste taken te laten uitvoeren.Niet alleen door ChatGPT: AI-aangedreven tools die nu worden gebruiktToen ChatGPT in november 2022 openbaar werd gemaakt, zorgde het vrijwel direct voor enorme hype. Laten we eerlijk zijn, in de massaperceptie is ChatGPT een synoniem geworden voor generatieve AI. Toch is dat verre van waar. Tegenwoordig zijn er enorm veel verschillende tools, waarvan de functionaliteit sterk kan verschillen van wat ChatGPT biedt.Allereerst kan je jouw kennismaking met AI beginnen met de zogenaamde Big Four. Naast ChatGPT van OpenAI omvat het ook:Claude door Anthropic;Gemini (voorheen bekend als Bard) door Google;Copilot van Microsoft.Mensen gebruiken deze populaire modellen om verschillende tools te bouwen.Elicit is bijvoorbeeld zo’n tool die je kan helpen met je onderzoek. Het kan zoeken naar papers en er informatie uit halen. Natuurlijk moet je het nog steeds controleren, maar je krijgt echt een goede draft.Er zijn ook projecten die de mogelijkheden van de vrijgegeven coding IDE van GPT’s benutten. Het stelt mensen in staat om bijvoorbeeld aangepaste bots te maken binnen ChatGPT of Copilot.Door gebruik te maken van API’s is het mogelijk om oplossingen te bouwen buiten deze platformen.Volgens Dominik bevinden we ons momenteel in een stadium waarin iedereen probeert te zien wat AI nu voor ons kan doen. Maar we beginnen ook te onderzoeken wat het in de toekomst voor ons kan doen en wat de mogelijkheden zijn.Zeer gerespecteerde onderwijsinstellingen zoals Oxford ontdekken ook actief het potentieel van AI, samen met de rest van de wereld. Dominik vertelde dat ze experimenteren met ChatGPT, de enterprise-versie, integraties met Copilot en andere innovatieve tools die worden aangestuurd door AI.Voor onderzoekers is het in dit geval van groot belang om te begrijpen wat studenten van verschillende oplossingen vinden, wat ze nuttig vinden en hoe ze kunnen profiteren van de integratie van AI in de leeromgeving.Dominik deelde ook zijn persoonlijke gedachten. Volgens hem is Claude een goede tool voor educatieve doeleinden. Het kan omgaan met lange context. Het betekent dat je het hele academische artikel kunt uploaden en het kunt vragen om je een samenvatting te geven of om specifieke informatie in de tekst te vinden. Deze functie maakt Claude anders dan ChatGPT en kan niet alleen zeer nuttig zijn voor studenten of professoren, maar ook voor bedrijven.Huiswerk is dood. Maar hoe zit het met onderwijs zelf?Als het gaat om onderwijs en de veranderingen die AI heeft gebracht (en in de toekomst zal brengen), maken veel mensen zich zorgen over de mogelijkheid om het kennisniveau van studenten te controleren. En hun standpunt is vrij duidelijk, bijvoorbeeld, vroeger was het format van thuisexamens behoorlijk populair. Studenten kregen opdrachten en moesten die thuis doen. Nu we zoveel AI-aangedreven tools tot onze beschikking hebben, kunnen zulke taken volkomen nutteloos zijn.Het is duidelijk dat je er niet langer op kunt vertrouwen dat alle studenten die hun essays inleveren, hun werk volledig zelf hebben geschreven. Dingen als compositie, spelling, grammatica en andere objectieve punten waar professoren voor zorgen, kunnen worden gecontroleerd en verbeterd door AI-oplossingen. Natuurlijk zijn ze nog lang niet perfect als het gaat om onderzoek en diepgaande analyse. Dat is echter iets dat we in het verschiet hebben.Sommige docenten proberen zogenaamde AI-checkers toe te passen waarvan verwacht wordt dat ze door AI gegenereerde content detecteren. Toch beweren AI-experts dat er vandaag de dag geen betrouwbare tools zijn die dergelijke content met 100% precisie kunnen identificeren. Er zijn verschillende grote en kleine modellen en ze genereren content op verschillende manieren. Bovendien zijn hun outputs sterk afhankelijk van prompts. Als gevolg hiervan kunnen we de resultaten die door deze checkers worden getoond niet vertrouwen.Hoe AI wordt geïntegreerd in het academische proces in OxfordMaar hoe kunnen docenten studenten motiveren om nieuwe stof te leren als zelfs hun huiswerk met behulp van kunstmatige intelligentie kan worden gemaakt?Professoren in Oxford hebben hun eigen benadering van het academische proces, wat een goede oplossing kan zijn voor veel onderwijsinstellingen. Een groot deel van de onderwijsactiviteiten vindt plaats in kleine groepen. Dat betekent dat studenten veel discussies hebben. Dus als ze papers inleveren, moeten ze er ook achteraf over praten.Wat betreft examens in Oxford, veel van hun examens vinden plaats in een bewaakte omgeving. Zo kunnen professoren zien wat de studenten gebruiken.Dominik is behoorlijk optimistisch over de integratie van AI in het onderwijsproces. Hoewel het nog te vroeg is om te spreken over de massale adoptie ervan, zal de verdere implementatie ervan zeker doorgaan. En de taak voor zowel docenten als studenten is om de beste manier te vinden om kunstmatige intelligentie te gebruiken voor hun behoeften.AI voor leraren: hoe je het nu kunt gebruikenMax en Dominik bespraken ook de toepassingsmogelijkheden van AI door docenten.Dominik deelde hier een eenvoudig principe van het werken met AI-oplossingen: je moet het juiste vragen van de juiste tool. ChatGPT kan bijvoorbeeld heel goed zijn in het uitleggen van wiskundige termen en concepten, maar het is heel slecht in het berekenen en oplossen van wiskundige taken.Soortgelijke dingen kunnen worden waargenomen in andere disciplines. Taaldocenten kunnen enorm profiteren van het vermogen van AI om meerkeuzetoetsen te maken voor studenten over een tekst of een grammaticale eigenschap. En hier kan AI perfect omgaan met dergelijke taken.Als je een AI-model echter vraagt om grammaticaoefeningen te maken waarbij je de lege plekken moet invullen, moet je geen hoge verwachtingen hebben. In dat geval kan AI de verkeerde optie aanbieden of de verkeerde gaten opvullen waar iets moet worden toegevoegd. Als je AI vraagt om je een voorbeeld te geven van een grammaticafunctie, krijg je vaak een antwoord dat je niet bevalt. Maar als AI een tekst voor je genereert, zal het zulke fouten niet maken.AI-generatie vereist nog steeds sterk menselijk toezicht, net als een stagiair. Het kan voor je werken, maar je moet nog steeds de geleverde resultaten controleren.Vaardigheden voor toekomstige studenten om met AI te werkenDe onderwijsomgeving verandert. Hoe kunnen we ons voorbereiden op deze AI-verrijkte wereld? Zijn er specifieke vaardigheden die mensen moeten proberen te ontwikkelen om beter te kunnen werken met de nieuw geïntroduceerde tools?Bij het beantwoorden van deze vragen benadrukte Dominik dat het onmogelijk is om een precieze set vaardigheden te noemen.Hier is een lijst met aanbevelingen van iemand die al jaren met AI werkt:Blijf ontdekken.Blijf het proberen.En denk niet dat als je een AI een paar keer hebt gebruikt, je de volledige grenzen van de mogelijkheden hebt verkend.Misschien vinden professionals over een jaar of twee wel wat vaardigheden die je moet kennen, maar nu nog niet. Er is niet één beste tool of de beste skillset die je in de academische omgeving kunt gebruiken, en ook niet in welke andere ruimte dan ook.AI voor mensen met een beperking: kan het mensen helpen barrières te overwinnen?Als we het over AI hebben, is het ook interessant om te zien dat zulke tools de kwaliteit van leven kunnen veranderen voor mensen met verschillende soorten beperkingen. En hier is het de moeite waard om niet alleen aandacht te besteden aan wat zulke oplossingen kunnen bieden in de educatieve context, maar ook in de context van dagelijkse taken.Hulpmiddelen als schermlezers of tekst-naar-spraakoplossingen kunnen zeer nuttig zijn voor mensen met verschillende soorten audiovisuele beperkingen. Het is mogelijk om elke willekeurige webpagina te kiezen en AI te vragen om uit te spreken wat er staat of wordt getoond. Met andere woorden, zelfs als iemand iets niet zelf kan lezen of zien, kan AI het. Natuurlijk zijn onnauwkeurige outputs veroorzaakt door AI-hallucinaties nog steeds mogelijk. Maar dat is al een grote stap voorwaarts.AI kan ook van grote hulp zijn voor mensen die moeite hebben met schrijven en typen vanwege dyslexie of andere problemen. In dit geval kunnen mensen vertrouwen op spraak-naar-tekstfuncties, evenals op AI-gestuurde grammatica- en spellingscontrole.Daarom zeggen we dat kunstmatige intelligentie mensen veel dingen kan bieden die ze voorheen niet konden.Toen hij het had over de mogelijkheden van AI om de bestaande grenzen voor mensen te verleggen, noemde Dominik ook dat het niet spreken van Engels vandaag de dag al een enorme beperking is. Degenen die deze taal niet kennen, zijn afgesloten van een groot deel van de wereld, vooral als het gaat om leren. Veel materialen worden alleen in het Engels aangeboden. En hier kan AI ook zijn kracht tonen. Je hoeft niet te wachten tot dit of dat onderzoek in je moedertaal is vertaald. Je kunt AI vragen het voor je te doen en snel een resultaat krijgen.En… Is een AI-Apocalyps onvermijdelijk?Laten we eerlijk tegen je zijn. Dat is gewoon een opvallende subkop. Terwijl sommige mensen proberen te raden wat er in het hoofd van GPT omgaat, weten experts als Dominik het antwoord al. Niets. Er gebeurt werkelijk niets in het hoofd van GPT tot het moment dat we een vraag naar de chatbot sturen.Wij leren voortdurend, zelfs als we slapen verandert ons brein.Grote taalmodellen, en andere AI-aangedreven tools, kunnen niet denken zoals wij. Ze verkennen de wereld om hen heen niet. Als er geen verzoeken van gebruikers zijn, zitten zulke modellen stil, net als een blob van getallen op je harde schijf. Dat betekent dat we ons volkomen veilig moeten voelen.In plaats van het laatste woordDe AI-industrie ontwikkelt zich in een enorm tempo. Zelfs een paar maanden kunnen indrukwekkende veranderingen met zich meebrengen, en een half jaar voelt als een sprong in een nieuw tijdperk. Daarom is het praktisch onmogelijk om te voorspellen wat er gaat gebeuren en wanneer. Laten we dus afwachten hoe AI-tools zich binnenkort zullen ontwikkelen en hoe onderwijs en andere sferen door deze veranderingen worden beïnvloed.Op zoek naar meer inzichten uit de wereld van AI? Volg ons op YouTube, like onze video’s, stel vragen in de comments en mis de volgende afleveringen van de Innovantage -podcast gehost door Max Golikov vooral niet!