Human-AI, want samen kunnen mens en machine grotere uitdagingen aan

Realiteit kan niet altijd aan verwachtingen van generatieve AI voldoen

Nu generatieve AI-toepassingen, zoals ChatGPT, wereldwijd voor de massa beschikbaar zijn en zich in een ongekend tempo verder ontwikkelen, klinken er naast de kreten van verwondering ook regelmatig verzuchtingen van mensen die er toch wat meer van hadden verwacht. ‘We moeten niet vergeten dat generatieve AI-systemen uit statische modellen bestaat waarbij het op basis van kansberekening mogelijk is om te voorspellen wat een logisch antwoord op een bepaalde vraag kan zijn. AI is en blijft het een voorspelmachine die we zelf ontwikkelen en die gebruikmaakt van wiskundige regels die we zelf hebben bedacht’, benadrukt Wico Mulder, die zich bij TNO als Scientist Integrator bezighoudt met Human-AI-ecosystemen.

Nuchtere kijk op een fascinerende ontwikkeling

‘Als computerwetenschapper vind ik het uiteraard fascinerend wat voor mogelijkheden er met de huidige AI-technieken al zijn’, vervolgt hij. ‘Ondertussen beseffen we ons hier in het nuchtere Groningen maar al te goed dat er grenzen zitten aan wat er met generatieve AI mogelijk is.’

Ontbrekend vertrouwen

‘Mensen snappen vaak nog niet zo goed wat generatieve AI wel en niet kan’, zegt Isabelle Tilleman, die als Scientist Innovator bij TNO werkt. ‘Je ziet dan ook dat ze AI-toepassingen niet altijd gebruiken op momenten dat ze er juist het meest aan zouden hebben. Dus eigenlijk zou een AI-systeem zelf moeten aangeven waar het goed in is en in hoeverre het je met een bepaalde vraag kan helpen. Dan weet je waar je aan toe bent. Dat zorgt voor vertrouwen. En daaraan ontbreekt het nu vaak nog.’

Teamwork

Verwachtingen beter managen en zo aan het vertrouwen werken, zou echt nog maar het begin zijn. Mulder en Tilleman zien allebei namelijk heel duidelijk een toekomst voor zich waarbij een nauwere samenwerking tussen mensen en AI-systemen centraal staat. ‘Mensen en AI-systemen kunnen elkaar perfect aanvullen. Maar dat lukt alleen als ze elkaar goed begrijpen en nauw met elkaar samenwerken’, geeft Mulder aan. ‘Teamwork dus, waarbij mensen en AI-systemen niet alleen samen op zoek gaan naar oplossingen, maar waarbij ze elkaar ook vragen stellen en zo gaandeweg van elkaar leren wat wel en wat niet werkt.’

Meerwaarde voor mens en machine

Zo’n samenwerking tussen mens en machine zal overigens wel wat tijd en aandacht vergen, verwacht Tilleman. ‘Bij zo’n samenwerking zijn mensen al vrij snel bang dat AI hun werk uiteindelijk zal overnemen. En er zijn natuurlijk ook momenten waarop dat het geval zal zijn. Maar er zijn genoeg situaties waarbij mensen en AI elkaar juist heel goed aan kunnen vullen. Zo kun je als mens gewoon blijven doen waar je goed in bent terwijl de AI je helpt op onderdelen waar je moeite mee hebt. Wij mensen zijn bijvoorbeeld heel goed in het inschatten van situaties op basis van intuïtie en gevoel. Zo kunnen we ons goed verplaatsen in een ander en bedenken wat die ander nodig heeft. Maar we kunnen niet in korte tijd heel veel scenario’s bedenken en die heel nauwkeurig doorrekenen, terwijl AI-systemen daar wel het geheugen en de rekenkracht voor hebben en daar ook daadwerkelijk toe in staat zijn. We spreken dan over augmented intelligence. Samenwerken heeft in dergelijke gevallen duidelijk een meerwaarde, zowel voor de mens als voor de machine.’

Slimme gebouwen

Tot zover de theorie. Hoog tijd voor een voorbeeld. Zo zou het gezien de netcongestieproblematiek enorm helpen als er slimme gebouwen komen met AI-systemen die zowel onderling als met mensen kunnen samenwerken om de beschikbare energie goed te verdelen. Dit is een actueel onderwerp waar Tilleman veel onderzoekswerk naar doet. ‘Die AI-systemen kunnen het energiegebruik van gebouwen autonoom regelen en gaandeweg, in onderling overleg, achterhalen wat de energiebehoeften zijn en wat de beste verdeelsleutel is. Het verdelen van energie is momenteel een van de grote uitdagingen waar we met de energietransitie mee te maken hebben, en met slimme gebouwen zouden we dat probleem op grote schaal aan kunnen pakken.’

Een AI als collega

‘Het verdelen van energie kan voor een groot deel autonoom, tussen gebouwen onderling, gebeuren. Maar in het geval van uitzonderingen en specifieke wensen of eisen, kunnen hier ook mensen een actieve rol in spelen’, vult Mulder aan. ‘Zo zouden slimme gebouwen de dialoog met onderhoudsmonteurs aan kunnen gaan. Stel dat er sprake is van een storing in de klimaatinstallatie: dan kan het gebouw zelf al een aantal scenario’s doorlopen en hierover met de onderhoudsmonteur in gesprek gaan. Dat klinkt misschien futuristisch, maar alles wijst erop dat we snel die kant op gaan.’

Principes uit de sociale psychologie

Voor het zover is, moet de communicatie tussen mensen en AI-systemen nog wel een stuk soepeler en natuurlijker verlopen. En dat vraagt volgens Mulder om een andere aanpak. ‘Waar het de afgelopen tien jaar bij AI vaak ging over big data en machine learning - wat overigens positief uitpakte en tot grote sprongen voorwaarts heeft geleid - zijn we nu in een fase beland waarin AI voor een breed publiek beschikbaar is en er echt andere eisen worden gesteld. Zo merken we dat principes uit de sociale psychologie een steeds grotere rol gaan spelen bij de verdere ontwikkeling van AI-systemen.’

Het menselijk brein als uitgangspunt

‘Dat is logisch’, vult Tilleman aan. ‘Zo is het ook ooit begonnen. In de beginperiode van AI werd er geprobeerd om een systeem te bouwen dat gebruikmaakt van principes die vergelijkbaar zijn met wat er in het menselijk brein gebeurt. En gaandeweg zijn veel ontwikkelaars zich meer gaan richten op de resultaten en minder op de overeenkomsten met menselijke intelligentie. Inmiddels zitten we weer in een nieuwe fase, waarin we AI al volop in ons dagelijks leven gebruiken. Daarbij hebben we nu de beschikking over nieuwe technologische ontwikkelingen die het mogelijk maken om steeds geavanceerdere AI-systemen te bouwen en daarbij gebruik te maken van principes uit de neurowetenschap, taalkunde en psychologie.’

Bijdragen aan een weloverwogen besluit

Die ‘bijscholing’ van AI-systemen moet de weg vrijmaken voor een betere samenwerking met mensen. ‘Je krijgt dan een AI die beter aansluit bij wat mensen verwachten’, licht Mulder toe. ‘Zo zou het al enorm helpen als AI-systemen beter kunnen uitleggen hoe ze tot bepaalde uitkomsten komen en ze ook de inzichten van mensen in hun data-analyses mee kunnen nemen. Dat leidt namelijk tot meer vertrouwen. En zoals gezegd, is vertrouwen essentieel voor een goede samenwerking. Neem de zorg. Als een arts de beschikking krijgt over een AI-systeem dat kan helpen bij het maken van diagnoses, dan wil die arts wel weten hoe het systeem tot die diagnose is gekomen. Pas als de arts en het AI-systeem met elkaar een discussie kunnen aangaan, op een manier waarop mensen dat ook doen, ontstaat er een situatie waarin een uitkomst van een AI-systeem goed op waarde kan worden geschat en dus ook echt bijdraagt aan weloverwogen besluit.’

Nieuwe, waardevolle inzichten

‘Precies’, beaamt Tilleman. ‘Het is zowel voor de mens als voor het AI-systeem mogelijk om een stukje informatie te missen of niet voldoende mee te nemen in een beslissing. Door het daar dan met elkaar over te hebben kunnen er nieuwe, waardevolle inzichten ontstaan. Het gaat er dus niet om wie er gelijk heeft, maar dat mens en machine op een andere manier te werk gaan en elkaar daardoor heel goed kunnen aanvullen.’