Skip to main content

Tag: Artificial Intelligence

Artificial Intelligence: Utopie of dystopie?

Geschreven door Andre Boeters op . Gepost in Continuous Learning. Geen reacties op Artificial Intelligence: Utopie of dystopie?

Deel 4: AI in software testing

Wat is de impact van AI op software development en testing?

De huidige golf van automatisering, ook wel de ‘vierde golf van de industriële revolutie’ genoemd, wordt voor een groot deel mogelijk gemaakt door ANI. Veel mensen zijn bang dat het voor veel banenverlies gaat zorgen. Waar automatiseringen vroeger vooral zorgde voor banenverlies onder laaggeschoolde, onpopulaire beroepen, ligt dat nu anders. Ook banen die veel denkwerk en zelfs creativiteit vergen kunnen op de tocht komen te staan. De vraag is dan ook hoe ver dit zal doorzetten en hoe we hier mee om zullen gaan als maatschappij. Én, niet geheel onbelangrijk, hoe zit dit eigenlijk met het test vak? Wat is eigenlijk de impact van AI op software development en testen?

Het is zeker mogelijk om AI’s in te zetten voor het ontwikkelen en testen van software. AI algoritmes hebben als voordeel dat ze niet aan scherpte verliezen wanneer ze lang bezig zijn, wat zorgt voor een hogere productiviteit en lagere foutmarges. Feit is wel dat alles op dit gebied in opdracht is van mensen met specifieke wensen. AI toepassingen werken momenteel op basis van grote hoeveelheden data, menselijke beslissingen, uitkomsten en algoritmes die door de mens zijn ingeladen. AI’s zijn goed in staat om kloppende code te schrijven, maar het belangrijkste is natuurlijk de ‘wat’ vraag: wat moet er gemaakt worden. Deze kan een AI moeilijk zelf invullen. Het is natuurlijk goed mogelijk dat er grote hoeveelheden data beschikbaar komen van wat mensen prefereren en belangrijk vinden in hun software. Dit gaat dan echter alleen op voor bestaande concepten. Wanneer je iets compleet nieuws wilt ontwikkelen is dat lastiger.

Dit geldt niet alleen voor het ontwikkelen maar ook voor het testen van software. Een AI is goed in staat om zelf geautomatiseerde testen uit te voeren en bugs in de code te ontdekken. Het probleem is echter dat de AI niet eenvoudig kan identificeren wat gewenst en ongewenst gedrag is van de software, omdat dit vanuit menselijk perspectief komt. Ook is het voorlopig nog niet goed in te schatten voor kunstmatige intelligentie waar de echte risico’s liggen. Er zullen dus mensen nodig blijven als supervisor om deze algoritmes te trainen en bij te sturen wanneer nodig, zodat ze er van kunnen leren. Ook is het de vraag hoe een AI om kan leren gaan met false positives. In hoeverre de AI autonoom kan testen is ook afhankelijk van hetgeen dat er getest moet worden. Als we dit reflecteren op de ISO 25010 dan kan het per hoedanigheid verschillen hoe geschikt het is om een AI op los te laten. Zo kan het zijn dat een AI zich bijvoorbeeld heel goed raad weet met het testen van de performance van een systeem. Ook kan een AI goed bijdragen aan het bevorderen van de beveiligbaarheid, door zelf actief op zoek te gaan naar zwakheden in het systeem. Een wat subjectievere hoedanigheid als leerbaarheid of gebruiksgemak zal lastiger zijn voor een AI om zich volledig eigen te maken. Dit is namelijk afhankelijk van doelgroepen en van persoonlijke voorkeur. Wellicht zullen AI’s op den duur overal wel in uitblinken, wanneer de technologie en algoritmes erachter zo geraffineerd zijn dat ze in staat zijn accuraat de verwachte uitkomsten kunnen voorspellen. Tot die tijd zullen we het moeten beschouwen als een kans en een aanvulling op onszelf waarmee we tot ongekende resultaten kunnen komen.

Artificial Intelligence: Utopie of dystopie?

Geschreven door Andre Boeters op . Gepost in Continuous Learning. Geen reacties op Artificial Intelligence: Utopie of dystopie?

Deel 3: AI in het bedrijfsleven

AI in het bedrijfsleven

In het bedrijfsleven zal AI technologie niet enkel een rol van betekenis gaan spelen voor (technische) eindproducten. Het kan ook veel waarde bieden bij het optimaliseren van diverse ondersteunende bedrijfsprocessen en -activiteiten. Aan de klantzijde van het bedrijf kan het ondersteuning bieden bij klantenservice, door gepaste informatie te verstrekken over producten en door antwoord te geven op vragen. Ook kan AI helpen op het gebied van commercie en bij het vormgeven van User Experiences. Denk hierbij aan het optimaliseren van productsuggesties, van de gebruiksvriendelijkheid van de website of misschien zelfs dynamische website voor verschillende gebruikersgroepen. Aan de interne kant van het bedrijfsleven gaat het vooral over het automatiseren en optimaliseren van diverse Interne processen en strategieën. Deze AI systemen analyseren bijvoorbeeld verkoop- en klantgegevens en leiden hieruit af welke verkoop-, inkoop- of reclamestrategieën het meest succesvol zijn.

Een ander voorbeeld is een Nederlandse bank die een algoritme heeft ontwikkeld dat frauduleuze transacties herkent die voor de wet Melding Ongebruikelijke Transacties (MOT) gemeld moeten worden aan de instanties. Hierbij is het van belang dat het aantal false positives zo laag mogelijk blijft. Aan het model wordt continu gesleuteld om de criminelen voor te blijven.

Een wereldwijd uitzendbureau kan op basis van AI algoritmen sneller zien bij welke organisatie de komende tijd behoefte bestaat aan uitzendkrachten. Allerlei open data wordt gecombineerd met interne data zodat accountmanagers veel effectiever zijn in het aanboren van nieuwe klanten en markten.

Ook is er een oliemaatschappij die allerlei type sensoren (o.a. temperatuur) heeft ingebouwd in zijn pompenarsenaal. Deze genereren continu data die realtime wordt verstuurd naar een datacenter. Een algoritme ziet patronen ontstaan die wijzen op slijtage of mankementen. Op basis daarvan wordt gekeken hoe preventief onderhoud kan voorkomen dat een pomp uitvalt. Hier is sprake van AI gecombineerd met the internet of things.

Artificial Intelligence: Utopie of dystopie?

Geschreven door Andre Boeters op . Gepost in Continuous Learning. Geen reacties op Artificial Intelligence: Utopie of dystopie?

Deel 2: Toepassingen van AI technieken

Wat zijn de laatste ontwikkelingen en waarvoor is het toepasbaar?

Terug naar het heden. We bevinden ons dus in een tijd waarin veel aan het veranderen is en steeds meer mogelijk wordt op het gebied van deze technologie. En hoewel de meningen verschillen over hoever dit fenomeen zal doorzetten, niemand zal ontkennen dat we het plafond nog niet hebben bereikt. In het vorige deel hebben we enkele bekende ontwikkelingen op het gebied van AI (Artificial Intelligence) al benoemd, maar wat speelt er nog meer?

AI in gezondheidszorg

Eén van de sectoren waar kunstmatige intelligentie naar verwachting een grote en vooral ook positieve rol van betekenis kan gaan spelen is de gezondheidszorg. Slimme algoritmes kunnen zeer grote sets aan data van onder andere patiënten, medicijnen, behandelingen, symptomen en aandoeningen analyseren, interpreteren en met elkaar vergelijken om zo binnen relatief weinig tijd tot een accurate diagnose te komen met de voor die patiënt meest geschikte behandeling en medicijnen. Er zijn een aantal niveaus waarop een combinatie van AI en Big Data tot stand kan komen om een ondersteunende rol te vervullen. Deze zijn:

  • Supervising: op basis van gegevens en bekende uitkomsten bepalen wat te doen (regels);

Echter is het wel de vraag hoe toereikend AI’s met Big Data kunnen zijn wanneer er relatief weinig data beschikbaar is van bijvoorbeeld patiënten. Sceptici verwachten ook niet dat het belang van de persoonlijke rol die een arts vervult mijn zijn patiënten vervangbaar is.

AI in Security

Een andere sector waarin al veel proeven gedaan worden naar de mogelijke toepassingen van AI is beveiliging. Voor dit domein wordt het steeds meer als iets noodzakelijks gezien. Dit komt doordat kwaadwillenden bijna vanzelfsprekend ook in toenemende mate gebruik zullen maken van deze technologieën. Om ons hiervoor weerbaar te maken zullen we er zelf ook zo veel mogelijk gebruik van moeten maken. Enkele voorbeelden:

Cyber Defence: AI algoritmes gebruiken machine learning (ML)om een beter beveiliging te bouwen. Door eerdere cyber aanvallen te analyseren leert het systeem zichzelf te verdedigen tegen nieuwe soorten aanvallen en kan het systeem de aanvallen zelf afhandelen aan de hand van protocollen. Ook zou het systeem mogelijk aanvallen en malware kunnen voorspellen en hierop anticiperen.

Cyber Attacks: Ook het omgekeerde gaat gebeuren. Door AI en ML kunnen hackers proberen om het systeem in verwarring te brengen. Oftewel; de cyberaanvallen laten de beveiligingssystemen de verkeerde dingen leren om uiteindelijk toch binnen te kunnen dringen. Daarbij worden cyberaanvallen complexer en als AI wordt toegepast in cyberaanvallen worden ook deze aanvallen steeds verbeterd en dus gevaarlijker.

Ten slotte zijn er natuurlijk ook beveiligingsontwikkelingen op autorisatie niveau. Denk hierbij aan stemherkenning en gezichtsherkenning, zoals we onlangs al op de nieuwe iPhone hebben gezien. Deze technologie kan ook ingezet worden voor grootschalige monitoring, met als doel het waarborgen van de veiligheid. Deze ontwikkeling brengt mensen echter niet enkel een gevoel van veiligheid. Door deze technieken kan het gevoel voor privacy ook in het geding komen. Zo worden dergelijke technieken in China al massaal ingezet om particulieren op straat te monitoren, waarin enkele kleine vergrijpen door een burger al grote gevolgen kunnen hebben. Denk naast strafrechtelijke vervolgingen ook aan maatregelen als achtergesteld worden in de rangorde voor het kopen van een huis. Deze ontwikkelingen doen al gauw denken aan  . Komt deze fictie nu dan echt een stap dichterbij?

AI in autonome voertuigen

Bekend is dat er volop gewerkt wordt aan zelfrijdende auto’s. Hierin zijn de afgelopen jaren dan ook grote stappen in gemaakt. Het is dan ook wachten tot de eerste volledig autonome personenauto zijn intrede doet voor het grote publiek. Technisch gezien zijn deze auto’s al een feit. Op dit moment is het enerzijds wachten tot de techniek de techniek is geperfectioneerd, en daarnaast is het van belang dat wetten en regelgeving hiervoor worden aangevuld. Naast personenauto’s wordt er ook gewerkt aan andere voertuigen, zoals autonome vrachtschepen. Hierbij is het belangrijk dat de radarsystemen meer objecten gaan herkennen, waaronder ook recreatieve voertuigen en mensen. Opvallend ver in de autonome ontwikkeling zijn vliegtuigen. Een piloot hoeft in werkelijkheid vaak slechts enkele minuten zelf te vliegen en zit er meer als supervisor voor het systeem. Drones hebben helemaal geen bemanning en kunnen op de automatische piloot lange tijd blijven vliegen. Het voordeel voor vliegende voertuigen is dat de lucht minder dichtbevolkt is en er minder verschillende objecten te identificeren zijn. Verwacht wordt dat de eerste zelf-vliegende vliegtuigen in 2025 op de markt verschijnen. Boeing en Airbus zijn al bezig met het testen van autonome vliegtuigen.

Dit waren enkele voorbeelden van (eind)producten waarin AI een rol van betekenis kan gaan spelen. In het volgende deel kijken we naar wat voor invloed AI verder nog kan hebben op het bedrijfsleven.