Artificial intelligence wordt groot door klein te blijven

Wat is AI eigenlijk? Kort gezegd: de mogelijkheid van een machine om mensachtige vaardigheden te vertonen - zoals redeneren, leren, plannen en creativiteit.  Sander hanteert een uitgebreidere definitie volgens de AI-act: ‘Een op een machine gebaseerd systeem dat is ontworpen om met verschillende niveaus van autonomie te werken en dat na het inzetten ervan aanpassingsvermogen kan vertonen. Voor impliciete of expliciete doelstellingen leidt het uit de ontvangen input af hoe output zoals voorspellingen, inhoud, aanbevelingen of beslissingen te genereren die van invloed kunnen zijn op fysieke of virtuele omgevingen.’

Sander vult aan: ‘Het zijn dus vooral data-gedreven algoritmes die door een mens worden ingesteld. Hoewel AI nu een veelbesproken onderwerp is, is kunstmatige intelligentie eigenlijk al redelijk oud. Al in de Tweede Wereldoorlog werden er namelijk beslisbomen gebruikt om mensen te helpen bij het maken van keuzes. Deze modellen ordenden grote hoeveelheden data of vatten deze samen.’ De beroemde bombe-machine van Alan Turing, die de geheime enigma-code van de nazi’s brak, is hier een voorbeeld van.

Het grote verschil met de moderne AI-modellen is dat deze beslisbomen nog niks nieuws konden maken, legt Sander uit. ‘Alle mogelijke keuzes zaten al in het model. Ze waren dus, anders gezegd, niet generatief: beslisbomen konden geen nieuwe content genereren. Maar ook bij huidige AI-toepassingen is veel nog vooraf bedacht of ingevoerd. Denk aan een foto-app op je telefoon die mensen herkent op basis van uiterlijke kenmerken. Die ‘kennis’ ontstaat doordat de app heel vaak is verteld wie die persoon is. Sterker nog, die apps checken dat soms ook nog bij je door te vragen of die persoon met snor op de foto wel echt oom Henk is.’

Generatieve AI

Op het moment is de meest in het oog springende AI-toepassing de zogenaamde generatieve AI, bekend van onder andere ChatGPT voor tekst en MidJourney voor beeld. Generatieve AI is voortgekomen uit de oervorm van AI, zoals de hierboven beschreven beslisbomen. Het ontstaat bij het combineren van zaken als machine learning en natural language processing. Dit betekent dat je tegen een AI-model (machine) kunt praten alsof het een mens is (natural language), waarbij het AI-model leert van de input. De generatieve AI maakt dan, op basis van gestelde vragen (prompts in jargon), iets nieuws. Bijvoorbeeld een recept voor lasagne op basis van ingevoerde ingrediënten die je in je koelkast hebt liggen.

Op reis met generatieve AI

Daar waar ‘gewone’ AI al grote hoeveelheden data nodig heeft, gaat dat bij generatieve AI nog veel verder. Eerdere generaties van AI bepaalden op basis van een input een al bestaande output. Maar bij generatieve AI is ook de output een onzekere factor. De output is – net als de input – een nieuw, nog niet bestaand product. Dit nieuwe product wordt gecreëerd uit bergen aan bestaande data, waaruit een selectie wordt gemaakt. Daarom zijn er voor generatieve AI zo onvoorstelbaar veel gegevens nodig. Vergelijk het met een reis. Vroeger bestond het eindpunt bij vertrek al. Je nam, op basis van een stappenplan, een afslag van de snelweg of de juiste trein om bij een vooraf bepaalde plek uit te komen. Maar nu begin je aan de reis zonder dat die plek bestaat. De bestemming wordt in zekere zin tijdens de reis, op basis van jouw keuzes en opdrachten, samengesteld uit die enorme hoeveelheid beschikbare data die je onderweg vergaart. 

Maar wat is het dan niet?

Bij containerbegrippen als AI is het fijn om een heldere definitie te hebben, en een stukje voorgeschiedenis te kennen. Maar het is ook handig om te weten wat het niet is. Wat hoort niet thuis in de AI-container? Sander legt uit: ‘AI is nu eenmaal een hele grote container en er hoort dus ook heel veel in. Eigenlijk is het andersom: er zit nog veel meer in dan we nu denken. Vooral dingen die we helemaal niet (meer) als AI herkennen, zijn het juist wél. Bijvoorbeeld de woordsuggesties die je telefoon geeft bij het typen. Dat is een voorspelling van het meest waarschijnlijke volgende woord, gebaseerd op jouw eerdere input, en is dus een vorm van AI. AI wordt vaak aan hele grote problemen en oplossingen gelinkt. Wat de meeste mensen er echter van zullen merken, zijn juist die kleinere toepassingen die je dagelijks gebruikt. Het lijkt dus groot, maar is (nog) klein.’

En dan nu het Rijk

AI binnen het Rijk is een spannend onderwerp. Wat doet de Rijksoverheid met AI? Volgens Sander heeft AI hier juist wel betrekking op de eerdergenoemde grotere problemen. Denk aan het helpen bij WOO-verzoeken of het verder verbeteren van het documentenbeheer. Generatieve AI kan antwoorden vinden op vragen, omdat het snel enorme hoeveelheden data kan doorzoeken. AI kan dat in principe sneller en beter dan mensen. Maar in de praktijk zijn er nog wel een paar uitdagingen. Kan een AI-model bijvoorbeeld overal bij of alleen bij de data waar de opdrachtgever toegang toe heeft? ‘Dat zijn dingen waar je tegenaan loopt,’ vertelt Sander. ‘Ook is AI niet het antwoord of de oplossing, maar het kan daar wel onderdeel van zijn. AI is een middel in plaats van een doel. Het is noodzakelijk dat we – ook met ondersteuning van AI – blijven nadenken over wat het probleem is en wat daar de beste oplossing voor is.’

Ethiek en auteursrecht

Zeker binnen de Rijksoverheid mag ook de ethische kant van (generatieve) AI niet worden vergeten. Sander: ‘De datamodellen van marktpartijen als OpenAI (bekend van ChatGPT) moeten worden getraind. Dit wordt vaak in derdewereldlanden gedaan en niet altijd onder goede arbeidsomstandigheden. Daarnaast heb je te maken met auteursrecht. AI-modellen halen hun data uit miljoenen documenten die reeds op internet te vinden zijn. Je kunt niet controleren of al die documenten rechtenvrij zijn of dat er toestemming is gegeven voor het gebruik. En vergeet niet dat je, door AI te gebruiken, ook weer data terug in het model stopt. Het gebruik is dus altijd tweerichtingsverkeer. Daar moeten we als Rijksoverheid zeer zorgvuldig mee omgaan, want we willen natuurlijk niet dat onze (hoog gerubriceerde) informatie met de buitenwereld wordt gedeeld. Mede daarom is gebruik van niet gecontracteerde oplossingen zoals bijvoorbeeld ChatGPT binnen de overheid ook niet toegestaan.’

Rol van SSC-ICT

Wat kan SSC-ICT op het gebied van AI op een veilige en verantwoorde manier gebruiken, en aan de afnemers leveren? Sander licht toe dat je voor een AI-model drie dingen nodig hebt: 1. heel veel data, 2. een taalmodel dat je op die data loslaat en 3. de servers waar dit allemaal op draait. Bij veel marktpartijen als Open AI (ChatGPT) kun je vraagtekens plaatsen bij het verkrijgen en gebruiken van de data. Er mogen binnen de overheid alleen gecontracteerde AI-oplossingen worden gebruikt. Sander vertelt dat de onafhankelijke onderzoeksorganisatie TNO bezig is om een Nederlands AI-taalmodel (niet verrassend GPT-NL genaamd) te maken. Dit model is getraind met openbare of anderszins rechtenvrije data en is dus zeer interessant voor de overheid. Maar SSC-ICT gaat zélf ook aan de slag met een AI-model en bijbehorende techniek.

Nieuwe hardware

Door het Innovatieteam van SSC-ICT wordt hard gewerkt om de techniek die het AI-model ondersteunt, werkend te krijgen. AI vergt heel veel rekenkracht en de huidige techniek is daar onvoldoende op ingericht. Het Innovatieteam werkt hierin samen met leverancier HP. ‘Daar zal dan een proefopstelling uit voortkomen en binnenkort gaan we ook met het taalmodel aan de slag. Dit model gaan we op basis van open source software maken. De data die dit model nodig heeft, leveren we in samenwerking met het ministerie van Justitie en Veiligheid (JenV).’

AI-experiment

Sander: ‘JenV kwam afgelopen juni bij ons met het verzoek om te helpen met een AI-experiment. Dit verzoek kwam via relatiemanagement van SSC-ICT bij mij terecht. Ik heb JenV aan het innovatieteam van SSC-ICT gekoppeld omdat zij nog op zoek waren naar een goede ‘use case’ voor een AI-toepassing. Het is dus echt een samenwerking tussen JenV en SSC-ICT. Als SSC-ICT leren wij wat er nodig is om het model te laten draaien, hoe het presteert en wat het nodig heeft qua beheer. De uitkomsten van het model worden door JenV getoetst, want wij hebben de inhoudelijke kennis niet om te kunnen beoordelen of de resultaten kloppen.’

Maar hoe gaat dat dan in de praktijk? ‘JenV levert de vragen,’ zegt Sander. ‘Wij beantwoorden die vragen met Copilot  (de AI-assistent van Microsoft) en met ons eigen model. Vervolgens evalueert JenV hoe goed de antwoorden zijn. Wij van SSC-ICT kijken op onze beurt hoe goed de technische prestaties zijn en of er andere verschillen zitten tussen de modellen (bijvoorbeeld energieverbruik, benodigde rekenkracht en snelheid). Met die gegevens kunnen we in de toekomst ook een afweging maken of we het ontwikkelen van een AI-model helemaal zelf willen blijven doen of beter voor een samenwerking met andere partijen kunnen kiezen. Ook de vorderingen van TNO en het overheidsbeleid op het gebied van cloud zijn hierin natuurlijk belangrijk. Daarom zijn we ook aangesloten bij rijksbrede overleggen van bijvoorbeeld het ministerie van Binnenlandse Zaken, zoals de Community of Practice Generatieve AI. Zo blijven we op de hoogte van rijksbrede ontwikkelingen, halen we relevante toepassingen (de zogenaamde use cases) op en voorkomen we dat er binnen het Rijk dingen dubbel worden gedaan.’

De toekomst

Volgens Sander is het belangrijk dat SSC-ICT in de komende periode de juiste use cases voor AI vindt. Deze cases moeten aansluiten bij de vraag en behoefte, zowel vanuit SSC-ICT als vanuit de klanten. ‘We moeten niet elke case aanpakken en verzanden in toepassen om het toepassen,’ stelt Sander. ‘We zijn een dienstverlener. AI is geen dienst, maar een technologie die onze diensten gaat ondersteunen. De omvang van deze ondersteuning verschilt per dienst. Omdat de toepassing zo breed is, ook binnen SSC-ICT, kunnen we niet zeggen: “Dit is ons AI-team.” Daarom hebben we bij SSC-ICT het AI-gilde opgericht. Iedereen binnen de organisatie moet namelijk wel – in meer of mindere mate – met AI uit de voeten kunnen. En daarom willen we de kennis zo breed mogelijk in de organisatie laten landen. Zo kunnen onze collega’s er in hun eigen werkveld een goed doel voor vinden. En om alle medewerkers van SSC-ICT met AI in aanraking te laten komen, willen we binnen SSC-ICT dit jaar nog beginnen met AI-cursussen.’

Maar waar gaat AI in de nabije toekomst echt een bijdrage aan leveren? Sander: ‘Er zijn veel mogelijkheden om repetitieve taken te automatiseren of slimmer aan te pakken, zodat je voor een handeling nog maar één keer hoeft te klikken, in plaats van drie keer. AI wordt al gebruikt ter ondersteuning bij het testen van codes of het helpen van (security-)analisten, maar dit kan nog beter.’ En gaat AI werk overnemen? ‘Dat zal niet zo snel gaan,’ zegt Sander. ‘Het werk zal dankzij AI-ondersteuning niet zozeer sneller gaan, maar vooral beter worden. De kwaliteit van het werk gaat omhoog in dezelfde tijd. Ook kunnen er nieuwe rollen worden gecreëerd, zoals bijvoorbeeld prompt engineers. Bij de grotere systeemoplossingen ziet Sander dat er veel enthousiasme is, maar nog weinig goede use cases. ‘De voornaamste toepassing is nu generatieve AI: op basis van veel data antwoorden genereren. Als je bedenkt wat het verwachte potentieel van AI is en wat er nu mee wordt gedaan, is dat vrij beperkt. Iedereen – zowel binnen als buiten de Rijksoverheid – is de mogelijkheden nog aan het ontdekken. Die ontdekkingsreis zal een geleidelijk proces zijn, waarbij men al doende leert en nieuwe toepassingen ontdekt.’