Dit is onze tijd: Werken aan betrouwbare AI

Friso Heslinga doet onderzoek naar de inzet van AI om zo goed mogelijk beslissingen te kunnen nemen. “Ik ontwikkel AI-modellen die automatisch foto- en videobeelden kunnen beoordelen. Camera’s, satellieten, zelfrijdende auto’s, ziekenhuizen, bedrijven – we leggen steeds meer beelden vast. Soms 24/7. Al die foto’s en video’s interpreteren, dat is vrijwel onmogelijk zonder AI.”

Leren van voorbeelden

Hoe meer informatie AI kan interpreteren, hoe beter en sneller mensen beslissingen kunnen nemen. “Een AI-model leert van voorbeelden, dit noemen we een data-driven approach. Zo leert het model zelf afwijkingen opsporen.”

Van een diagnose stellen tot een auto die zijn omgeving moet kunnen herkennen, beeldanalyse met AI kan op verschillende manieren meerwaarde leveren. Tijdens zijn PhD richtte Friso zich op medische beeldanalyse, onder andere om hoornvliestransplantaties te ondersteunen. Daarnaast ontwikkelde Friso AI voor de analyse van netvliesbeelden, een onderwerp waar TNO ook veel stappen heeft gezet.

Als de data ontbreekt

Hoe train je een AI-model om iets te herkennen waar nauwelijks relevante beelden en video’s beschikbaar zijn? Om dit op te lossen, onderzoekt Friso bij TNO meerdere mogelijkheden. Zoals het aanvullen van echte data met synthetische data. “Dat is data die we zelf maken met behulp van 3D-simulatiesoftware. Sinds kort maken we deze data ook met generatieve AI. Zo maken we bijvoorbeeld bestaande synthetische datasets nóg realistischer. Of we brengen meer variatie aan, zodat het AI-model leert kleine verschillen te herkennen.”

Vertrouwen op AI

Mensen moeten kunnen vertrouwen op de AI-modellen die hen ondersteunen. Dat is een grote uitdaging, vertelt Friso. “Mensen zijn heel goed in generaliseren. Zodra ze een paar voorbeelden hebben gezien, kunnen ze hun kennis toepassen op nieuwe situaties, zelfs als deze er behoorlijk anders uitzien. Dat generaliseren is een grote uitdaging voor AI-modellen, helemaal als ze getraind zijn met synthetische data. We moeten dus nog stappen zetten om onze simulaties en AI-modellen te verbeteren. De opkomst van generatieve AI biedt daarbij enorme kansen, bijvoorbeeld door reeds gesimuleerde beelden extra realistisch te maken. Of nog beter, door een tekstuele beschrijving direct om te zetten naar een waarheidsgetrouwe afbeelding.”

Stroomversnelling

In vroegere stadia waren AI-modellen mede geïnspireerd door de neurale netwerken van het menselijk brein. Inmiddels zijn er veel stappen gezet qua modelarchitecturen en trainingsmethoden. Friso: “De techniek en de snelheid blijft me fascineren. AI kan steeds meer verschillende taken combineren. Dat verandert nu al hoe we werken en die veranderingen komen straks nog meer in een stroomversnelling. De impact van AI gaat heel groot worden, uiteindelijk in alle aspecten van ons leven. Dat ik hier met mijn werk een kleine bijdrage aan kan leveren, is heel tof.”