Download het artikel in 
ENGINEERINGNET.BE - Mieke De Ketelaere (50), program director AI bij imec: "AI is een belangrijke trend waarover nog veel onduidelijkheid bestaat".
“Als het om artificiële intelligentie gaat, moet ik de neuzen van de onderzoeksgroepen van imec, in Leuven, Brussel, Gent en Antwerpen in dezelfde richting zetten”, schetst De Ketelaere. Ze zet er de ‘AI roadmap’ en mijlpalen uit. “Universiteiten doen aan basisonderzoek. Onze groepen gaan een stap verder op vlak van toegepast onderzoek. Onze sterktes lagen origineel op het vlak van hardware en nanotechnologie.
Door een recente fusie kwamen daar software en oplossingen bij. Van onze concurrenten (Fraunhofer - Dresden en Leti – Grenoble) willen we ons inzake AI onderscheiden door onze methodes om energie-efficiënter te werk te gaan én door explainability op vlak van software en oplossingen.”
Het eerste betekent chips en algoritmes maken die minder materiaal en energie verslinden. Het tweede, dat de inzet van AI niet alleen een slimmer resultaat oplevert maar dat ook het proces dat daartoe leidde niet ongenaakbaar ver en onzichtbaar weggestopt zit in een zwarte doos, maar wel degelijk ‘verklaarbaar’ is en uiteindelijk dus beheerst wordt.
AI niet op één maar op vele eindpunten
“Artificiële intelligentie zal in de toekomst niet op één eindpunt ergens in de cloud draaien”, stelt De Ketelaere, “maar wel op de IoT-devices, op de sensoren zelf, de camera, de radar,…” Op vele plaatsen en dicht bij waar de data ontstaan, op de edge of de rand, dus. “De kracht van AI zal in de combinatie van dat alles steken.”
Ze geeft het voorbeeld van een Tesla-wagen die overdag voorrang zal geven op de input van de camera op die van de radar. Bij mist zal de info van de radar evenwel voorrang moeten krijgen. “Het gaat uiteindelijk om de kracht van de combinatie.” Zoals bij parallel processing. Een ander voorbeeld. Drones, die in de regel maar een beperkte energievoorraad hebben, moeten in staat zijn om vluchtdata lokaal te verwerken, zodat niet alles steeds door de ether heen en weer gestuurd dient te worden.
“Met onze groepen zoeken we de interconnected edge op”, zegt De Ketelaere wiens eigen research eerder op software is toegespitst. “Hoe moeten algoritmen er uit zien om bijvoorbeeld ‘transfer learning’ mogelijk te maken?” Om kennis van het ene systeem over te dragen naar een ander. Voordeel? “Wie kan tennissen heeft al een voetje voor bij squashen of omgekeerd.”
Narrow versus generische AI
Vaak wordt echter op ‘narrow AI’, op verticale oplossingen, ingezet. Die algoritmen zijn heel goed in één ding. Maar AI die enkel getraind wordt op eigen systemen en niet tussen verschillende systemen onderling, resulteert in éénkennige systemen. Ze wil liever niet het woord ‘autistisch’ gebruiken maar het gaat om systemen die geen sociale skills hebben en geen echte ‘state of mind’ of gemoedstoestand kennen.
“Als de slimme systemen van verschillende autonome voertuigen, bijvoorbeeld, niet met elkaar communiceren, komen er onvermijdelijk accidenten van.” Er is dus een keuze nodig voor een bredere of ’general AI’ “maar ook voor ‘generische AI‘ voor het geval we niet op de cloud kunnen terugvallen. Dan moeten we kiezen voor kleinere algoritmen, weinig data en bepaalde hardware waarmee we slimmer tewerk gaan.”
Het gaat om systemen die weinig energie verbruiken, die geen latency/vertraging in hun communicatie hebben, systemen die geen connectiviteit vergen en dus korter of langer autonoom kunnen beslissen, systemen die ‘privacy preserving’ zijn,… “Je wilt immers systemen waarbij niet de privédata van mensen en bedrijven/organisaties heen en weer gestuurd worden maar veeleer de algoritmes zelf. Dat de algoritmes naar de data komen.
Een AI-model kan je dan niet terug leiden naar de oorspronkelijke data waarop het getraind werd.” Er bestaan verschillende mogelijkheden om dit te doen: federated, joint, distributed, enz. In de ziekenhuiswereld worden bijvoorbeeld in het geval van federated learning lege algoritmes getraind op lokale data. De getrainde modellen van de verschillende ziekenhuizen worden vervolgens tot één übermodel verenigd…
Tiny AI
“Vandaag is alles té groot. imec werkt aan ‘tiny AI’, zowel op het vlak van hardware, algoritmen als data. We willen alles zo klein mogelijk.” Om de kracht op de edge te kunnen zetten. Bij Apple’s gezichtsherkenning komt bijvoorbeeld het algoritme op de smartphone zelf te staan zodat de data niet voortdurend heen en weer gesluisd hoeft te worden. “Het is een trend die je als eindgebruiker misschien niet direct ziet maar steeds meer zal worden ingezet.”
Lang was AI een discipline, een vak aan de universiteit. Later nestelde het zich achter gesloten deuren in banken en bij verzekeraars. De Googles en Amazons van deze wereld maakten van artificiële intelligentie echter een marketing buzzword dat resulteert in allerlei conflicten. “Ik geloof in AI maar we mogen ons niet wegsteken achter black boxes. Vandaag is het spanningsveld niet goed voor innovatie. We moeten inzetten om dat weg te nemen en duidelijkheid te brengen.
Ook op de interoperabiliteit tussen verschillende AI-systemen. Zo niet zal het de kast ingaan omdat het geen acceptatie vindt.” Die acceptatie zal belangrijk zijn bij het uitrollen van AI. “De aanvaarding door gebruikers zal gepaard gaan met een grotere transparantie. AI is niet zoals kanker of het klimaat. AI is een tool die wij creëerden. Wij moeten er de controle over behouden.”
door Luc De Smet
Kader 1: Typische ICT-carrière
Haar studies industrieel ingenieur in Gent liepen zo vlot dat ze met twee jaar erbij burgerlijk ingenieur werd. Ze trok daarvoor in 1992 naar het Duitse Aalen (robotica) en vervolgens naar Stuttgart om in de cybernetica te duiken. Ze startte haar doctoraat in Auckland (Nieuw-Zeeland) rond een deep learning systeem dat een gynaecoloog zou vertellen wanneer een geboorte mocht ingeleid worden. Twee jaar later was ze het uiteindelijk oneens met de opzet en brak ze het werk af op ethische gronden.
“Daarna doorliep ik een typische ICT-carrière bij grotere bedrijven”, zegt Mieke De Ketelaere. Van consultant bij IBM tot product manager bij Microsoft en vervolgens business developer bij SAS met aandacht voor advanced analytics in drie gebieden (consumentengedrag, patiëntengedrag en burgers of de publieke sector) waar privacy en ethiek belangrijk zijn. Ze werkte daarbij tien jaar in het buitenland, stuurde teams aan in verschillende landen, focuste op de analytica en de vertaalslag naar de praktijk.
Bij SAS werkte ze aan fraudedetectie bij e-commerce applicaties, analyseerde ze het omni-channel klantengedrag voor verschillende grotere retailers, zocht ze patiënten-ervaring in ongestructureerde gegevens en bestudeerde ze de impact van sociale media op verkiezingen. Ze gaf gastcolleges aan de Vlerick Business School, Neyenrode Business University en het Madrileense ISDI en zetelt in raden van bestuur. Sinds mei is Mieke De Ketelaere program director artificial intelligence bij imec.
Kader 2: Boek
Alles AI wordt veelal op één hoop gegooid. Velen denken iets over AI te weten na het zien van een paar filmpjes op YouTube. Mensen uit de meest verscheiden domeinen praten er maar op los… Maar AI is geen taal die de doorsnee burger verstaat. De Ketelaere werkt aan een boek om dit in een verstaanbare taal te brengen.
