Onze levens draaien om het nemen van beslissingen. Neem je een paraplu mee tijdens een wandeling of niet? En als er 25% kans op regen wordt voorspeld? En als je iets aan hebt wat absoluut niet nat mag worden?
Volgens Ajay Agrawal, econoom, professor, en coauteur van Prediction Machines: The Simple Economics of Artificial Intelligence (Voorspellende machines: de simpele economische aspecten van kunstmatige intelligentie) gebruiken we een combinatie van voorspellingen en oordelen om een beslissing te nemen, hoe groot of klein die ook is. De kracht van AI zit hem in het vermogen om het voorspellende deel van die combinatie voor zijn rekening te nemen, oftewel wat de kans op regen is. Uiteindelijk gebruik je je menselijke beoordelingsvermogen om te beslissen of je een paraplu mee moet nemen. Hierbij houd je rekening met hoe erg je het vindt om nat te worden ten opzichte van het gedoe dat het oplevert als je hem uiteindelijk voor niks meeneemt.
Kunstmatige intelligentiemodellen kunnen reusachtige hoeveelheden gegevens verwerken om zo patronen te herkennen en nauwkeurige voorspellingen te genereren. Het lijdt geen twijfel dat AI mensen helpt bij hun werk: ze zijn productiever, werken beter samen en krijgen betere vaardigheden. En wanneer bedrijven AI inzetten voor voorspellende analyses, kan het ervoor zorgen dat leidinggevenden op een andere manier beslissingen gaan nemen. Zo kunnen ze klanten beter van dienst zijn, middelen efficiënter toewijzen en nieuwe en verbeterde processen creëren.
Ajay nam onlangs deel aan onze Work Evolved-webinarserie om te praten over de mogelijkheden van AI en voorspellende analyses. We gingen opnieuw met Ajay in gesprek over voorspellende AI. Hieronder lees je wat hij te zeggen had over de mogelijkheden om hele industrieën te transformeren en welke medewerkers het meeste baat hebben bij de inzet van voorspellende AI-tools.
Sommigen zien AI als slimme machines, robots die kunnen praten en denken als mensen. Hoe kijkt u als econoom naar AI?
Kunstmatige intelligentie helpt ons bij onze voorspellingen. Bij voorspellingen gebruik je de informatie die je hebt om informatie te genereren die je niet hebt.
Dat is precies wat generatieve AI-modellen als ChatGPT doen: ze gebruiken voorspellingen om teksten te genereren die lijken te zijn geschreven door een mens. Generatieve AI-modellen voorspellen het volgende token, of woord, in een reeks om een boodschap te genereren die klinkt alsof deze afkomstig is van een echt iemand. Een ander voorbeeld is een bank die AI gebruikt voor fraudedetectie, waarbij ze gegevens van eerdere transacties en patronen van gebruikers verwerken om nauwkeurig te voorspellen of er bij een aankoop fraude in het spel is.
Een basisprincipe van de economie is dat wanneer iets goedkoper wordt, we er meer van gaan gebruiken. De opkomst van AI leidt tot goedkopere voorspellingen. En wanneer voorspellingen goedkoper worden, zullen we er meer gebruik van gaan maken.
Laten we eens dieper ingaan op voorspellingen. Wat is voorspellende AI precies en wat zijn een aantal voorbeelden uit de praktijk?
Voorspellende AI gebruikt ingevoerde gegevens om uitvoer te genereren. Als traditioneel voorbeeld kunnen we 20 jaar aan verkoopgegevens gebruiken om een voorspelling te doen over de verkoopcijfers voor het derde kwartaal van volgend jaar. De verkoopgegevens vormen de invoer en de voorspelling over de verkoopcijfers vormt de uitvoer.
Voor een minder traditioneel voorbeeld kunnen we de pixels in een medische scan gebruiken om een tumor als goedaardig of kwaadaardig te beoordelen. De pixelgegevens vormen de invoer en het label goed- of kwaadaardig vormt de uitvoer. Dat is ook een voorspelling.
Een interessante eigenschap van AI is dat deze, in tegenstelling tot eerdere statistische technieken, multimodale gegevens (bijv. foto's, video's en taal) als invoer kan gebruiken, dus niet alleen getallen, om voorspellingen te genereren in de vorm van foto's, video's en taal.