Misschien wel een van de moeilijkste onderwerpen om in een klein uurtje te behandelen: artificiële of kunstmatige intelligentie (AI). Gelukkig hebben we Remy Gieling te gast. Hij gaat ons alles vertellen over AI en hoe bedrijven deze technologie inzetten. Remy kan nu al worden gezien als een echte duizendpoot. In zijn jonge jaren is hij stemacteur geweest voor de Nederlandse versie van Harry Potter. Na de middelbare school heeft hij een korte carrière nagejaagd in New York als de nieuwe Max Westerman. Dat deed hij op het toen nog relatief nieuwe YouTube, waar hij korte reportages plaatste maar helaas vielen de kijkcijfers nogal tegen.
Tijd voor weer iets nieuws dacht hij dus. Terug in Nederland startte hij daarom aan de School voor Journalistiek. De inhoud bleek nogal saai, dus begon hij daarnaast ook nog een softwarebedrijf met een vriend. Na zes jaar had hij ook daar alweer genoeg van en solliciteerde hij bij ondernemerstijdschrift en online platform Sprout (tegenwoordig MT/Sprout). Daar is hij uiteindelijk hoofdredacteur geworden – de jongste van Nederland - terwijl hij zijn studie Journalistiek nog niet eens had afgerond.
Vandaag de dag vult Remy zijn tijd als o.a. presentator, interviewer op het gebied van business, technologie en innovatie. Hij schuift regelmatig aan bij BNR en heeft ondertussen een grote interesse ontwikkeld voor AI. Dit heeft geresulteerd in het boek: Ontdek de groeikansen van AI gepubliceerd in 2020. Ook startte hij het platform AI.nl waarin het laatste nieuws en inzichten over deze technologie worden gedeeld.
Wat is AI?
AI is het containerbegrip van alles dat valt onder intelligente computersystemen. Eenvoudiger gezegd: computers die iets kunnen dat voorheen door mensen gedaan werd. Dat gaat van fictieve scenario’s zoals The Terminator, Wall-e of HAL9000 tot je stofzuigerrobot of een algoritme dat je hypotheekrente bepaalt.
We hebben twee soorten AI - “artificial general ai” oftewel superintelligentie - computersystemen die slimmer zijn dan de mens. Hoewel Elon Musk en Stephen Hawking hiervoor waarschuwen, vragen veel experts en wetenschappers of dit technologisch haalbaar is. Met de huidige technologie is het echter niet mogelijk (al stelde een onderzoeker van OpenAI recent dat dat weer wel zo is, het is dus niet helemaal duidelijk). De huidige technologie valt onder “narrow ai” ofwel “dumb ai”. Omdat het eenduidige taken kan automatiseren, maar ook niet meer dan dat. Een zelfrijdende auto is heel knap natuurlijk, maar wel nog steeds narrow ai, omdat het niets meer kan dan een voertuig van A naar B brengen.
“AI will either be the best or the worst thing humanity has ever invented” — Stephen Hawking
De technologie waar we vandaag de dag over spreken is machine learning, een verdiepende trap van AI. Dat gaat over machines die kunnen leren van data. Daaronder valt Deep Learning (machine learning met complexe neurale netwerken) en daaronder valt weer Deep Reïnforcement Learning. Dat zijn complexe neurale netwerken die slimmer worden door tegen zichzelf te spelen (bijvoorbeeld AlphaGo Zero).
Voordelen van kunstmatige intelligentie voor bedrijven en organisaties kan je onderverdelen in drie segmenten:
- Processen automatiseren - oftewel kosten besparen.
- Producten verbeteren - meerwaarde voor je eindgebruiker leveren, je onderscheiden van de concurrentie - oftewel meer omzet behalen.
- Inzichten verkrijgen uit data - oftewel betere beslissingen maken voor de toekomst.
Wat kan AI goed en wat kan het niet?
AI is op dit moment goed in voorspelbare, uniforme handelingen automatiseren. Het kan daarentegen moeilijk omgaan met uitzonderingssituaties. Het gaat af op ervaring uit het verleden, en dat heeft ook nadelen. Zo waren veel algoritmes tijdens corona ineens onbruikbaar omdat navigatie-algoritmes er vanuit gingen dat de snelwegen om 08:00 maandagochtend vast stonden, wat niet meer het geval was.
AI wordt doorgaans getraind op beperkte datasets. Daardoor kan het moeilijk brede strategische beslissingen nemen want daarbij moet je rekening houden met talloze databronnen zoals weer, medewerkerstevredenheid of mondiale problematiek. Daarentegen kan het betrekkelijk eenvoudig de inkoop van Amazon uit handen nemen (mits het kan bijsturen op tijdelijke prijsstijgingen door een oorlog, grondstoftekorten en logistieke problemen).
Ook volgen zelfs de meest geavanceerde algoritmes nog steeds een wiskundig stappenplan. Het vindt het daarom lastig om menselijke emoties mee te nemen in de berekening, ookal zijn er algoritmes die getraind zijn om emotie in een stem te herkennen.
Welke termen moet je kennen?
Toch blijft het een complex onderwerp. Vaak bij nieuwe technologische ontwikkelingen ontstaan er ook een hoop nieuwe termen. In Nederland gaat de adoptie van nieuwe technologie in het Engels dus vaak hebben we voor bepaalde termen niet direct een goede vertaling. Hierdoor gebruiken we veel Nederlandse en Engelse begrippen door elkaar. We hebben er drie uitgeschreven die het belangrijkste zijn. Ze zullen ook veelvuldig terugkomen.
- Algoritmes - eenvoudig gezegd wiskundige formules. Je kunt het zien als een stroomdiagram of recept in een kookboek. Het is als het ware een stappenplan. Een computer is niet zo goed met taal maar wel met rekenen, dus wordt het stappenplan geschreven in een wiskundige formule.
- Machine Learning - computers die kunnen leren van data, een voorbeeld is de spamfilter. In plaats van oneindige if-else statements te maken wanneer een e-mail spam is, voed je de computer met miljoenen e-mails die je labelt als ‘geen spam’ of ‘wel spam’ - de computer vindt daar zelf overeenkomstigheden in en weet bij de volgende mail die binnenkomt zelfstandig of het naar de spamfolder moet.
- Neurale Netwerken - complexe algoritmes die de werking van het brein met input en output neuronen nabootsen. Deze worden onder andere gebruikt om objecten of gezichten te herkennen, speech-to-text te maken of deepfakes te genereren.
Technisch kan je nog ingaan op supervised learning, unsupervised learning en self supervised learning. Maar dat is voor de meeste beleggers nu niet zo interessant. Als je dit onderwerp interessant vindt blijft het wel ontzettend gaaf om er meer over te leren.
Waarom is AI vandaag de dag zo populair?
De term AI komt al uit 1956. De eerste chatbot bestond in 1966, de zelfrijdende bus in 1984. Waarom is het nu dan zo populair? Je hebt slimme mensen, veel data en rekenkracht nodig om de waarde van AI te benutten. Slimme mensen hadden we al, maar die misten data en rekenkracht. Tegenwoordig kan iedereen met een creditcard een account aanmaken bij AWS, Azure of Google Cloud Platform. Dagelijks komt er 2,5 miljoen terabyte aan data bij en dat wordt elke dag meer. De twee missende elementen zijn in de huidige tijd opeens volop aanwezig.
“The impact of AI will be more profound than fire or electricity” — Sundar Pichai, Alphabet
Een belangrijke gebeurtenis was in 2016, het zogenaamde ‘Sputnik moment.’ De Google DeepMind versloeg toen de grootmeester van het spel Go, Lee Sedol. Een jaar later versloeg het de Go kampioen van China. In China is Go volkssport nummer een. Het spel heeft meer zetten dan atomen in het bekende universum. Experts dachten daarom dat je menselijk vernuft nodig had om te kunnen winnen, maar dat bleek anders. Dat dit dus een belangrijk moment was voor AI, bleef de Chinezen niet onopgemerkt. Het land zag toekomst in de technologie en begon daarom als een gek in AI-ontwikkeling te investeren. Daardoor zijn ze nu nummer twee zijn ter wereld, na de VS - een positie die ze waarschijnlijk gaan overnemen. China heeft veel mogelijkheid tot grote investeringen. Veel funding (kapitaal) komt vanuit de overheid en er wordt oneindig veel data gecreëerd. Er zijn immers weinig tot geen privacyregels. AI wordt nu zelfs op kleuterscholen geleerd om aan de vraag naar talent te kunnen voldoen.
Black Mirror
Veel mensen zien AI als een grote menselijke bedreiging, waarmee robots de wereld zullen overnemen. Mediabedrijven zoals Netflix maken daar maar al te graag gebruik van in series en films. Misschien wel de bekendste serie op dit gebied is Black Mirror (trouwens wel een aanrader). De naam Black Mirror heeft al een hele toffe verwijzing, namelijk naar een telefoonscherm dat uit staat. Wanneer men naar het scherm kijkt ziet men enkel een reflectie van zichzelf in een zwarte spiegel.
Elke aflevering van Black Mirror heeft een andere cast en een losstaande verhaallijn, waarmee het een zogeheten anthologieserie is. Centraal staan de snelle technologische ontwikkelingen in de 21e eeuw, de mogelijke verdere ontwikkelingen in de toekomst en hoe deze de werkelijkheid zullen beïnvloeden. De serie dient als een zoektocht naar de bijwerkingen van de ‘drug’ die technologie zou zijn en wordt daarom vaak omschreven als donker en satirisch.
Er zijn ook voldoende films gemaakt die de positieve kant van AI laten zien, bijvoorbeeld de science-fiction en romantische film Her. De hoofdrolspeler wordt verliefd op zijn HomeOS. Een bijzondere film om te zien hoe de relatie tussen een mens en computer kan ontwikkelen. Verder is Ex Machina ook de moeite waard. Daar komt ook voortdurend de turingtest in voor. Deze test wordt veel gebruikt om te onderzoeken of een machine menselijke intelligentie kan vertonen.
Hoe groot is de markt en hoe groot gaat het nog worden?
Als belegger willen we natuurlijk altijd weten hoe groot de total addressable market (TAM) gaat worden. Ik denk enorm! Waar men tijdens de industriële revolutie 1760-1840 de fabrieken aan het automatiseren waren met stoommachines, zijn we nu hetzelfde aan het doen, maar dan met kenniswerkers en mensen die complexere taken met hun handen uitvoeren. Denk bijvoorbeeld aan dozenschuivers in magazijnen, cafebediendes, chauffeurs of bouwvakkers.
Voor kleine organisaties betekent het dat je kan opboksen tegen giganten (online supermarkt Picnic versus Ahold en Jumbo) en grote organisaties kunnen betere producten bouwen en efficiënter opereren (minder mensen of mensen zinvoller werk laten doen).
Er zijn ook verschillen. Je hebt bedrijven met AI in de core van de dienst of het product en bedrijven die AI toepassen in hun bedrijfsvoering. Dat laatste zie je meer en meer, zelfs al bij start-ups. Er wordt ook veel gedaan aan ‘AI washing’ - zeggen dat je AI toepast omdat het je waardering als bedrijf enorm opblaast. Dit is natuurlijk een knipoog naar greenwashing.
Accenture reported that executives in the largest 2,000 companies globally by market cap were 40% more likely to see their share prices rise if they discussed AI on an earnings call.
Elk bedrijf gaat deze technologie omarmen, dus de technologische enablers zoals chipmakers, datacenters, AI software ontwikkelaars, en databedrijven zijn interessant.
Wat kan je ermee als belegger?
Begrijp wat de technologie vandaag kan, wat het morgen kan, welke partijen belangrijke enablers zijn voor de technologie en welke bedrijven er nu al volop in investeren. Organisaties die nu al hun processen automatiseren, opereren efficiënter dan hun concurrenten. Bedrijven die nu in productinnovatie investeren, zijn aantrekkelijker voor klanten dan hun concurrenten. Bedrijven die inzichten uit data halen, kunnen betere beslissingen nemen dan hun concurrenten. Het is dus goed om op te letten welke bedrijven al erg actief zijn met het binnenhalen en organiseren van grote hoeveelheden (gestructureerde) data.
Kennis met en over machine learning bouwt zichzelf op. Het is of je een sneeuwbal van de berg afrolt. Die wordt groter en groter. Wanneer het momentum heeft, is het niet meer te stoppen. Bedrijven die nu het AI-vliegwiel (zie zo bij Amazon) aanslingeren, worden elke dag slimmer en slimmer. De voorsprong is moeilijk in te halen. Een interessante boekentip hierover is The AI First Company.
Wat gebeurt er met de banen
Vroeger werd gedacht dat binnen een paar jaar 70% van de banen zou verdwijnen door AI. Recente onderzoeken tonen een ander beeld: 4% van de banen verdwijnen, 98% zal veranderen. Een baan bestaat uit taken en een deel van die taken worden geautomatiseerd. Zeker in het begin gaat het om de saaie, repetitieve taken die men toch al niet wil doen. Het credo van sommige AI bedrijven is dan ook ‘haal de robot uit de mens’ of ‘AI zal ons verlossen van Microsoft Excel.’
Presidentskandidaat Andrew Yang heeft er een boek over geschreven ‘Jouw baan gaat verdwijnen en dit is de oplossing’ (spoiler: de oplossing is een basisinkomen).
Voorbeelden van grote beursgenoteerde bedrijven
Je kan wel zeggen dat heel bigtech, AI in een bepaalde vorm toepast. Dat doen ze eigenlijk allemaal wel in hun bestaande producten maar zo langzamerhand zijn die op zichzelf staand geworden. Cloudcomputing is daar denk ik het beste voorbeeld van. Je belegt niet in bigtech omdat ze AI toepassen maar het geeft wel aan dat ze hiermee in toekomst hun competitieve voordeel goed kunnen verdedigen.
Amazon (NASDAQ:AMZN)
Amazon is misschien wel het grootste AI bedrijf ter wereld. Zij doen min of meer alles met data en AI, van inkoop tot hiring (je spreekt als warehousemedewerker geen mens meer) tot zelfs firing als je niet productief genoeg bent (dat wordt tenminste gezegd maar daar is het bedrijf natuurlijk niet echt open over). Chauffeurs worden in de gaten gehouden met camera’s. Ze klagen bijvoorbeeld dat ze niet meer achterom kunnen kijken in drukke steden want dan krijgen ze een penalty omdat ze niet op de weg letten.
Verreweg het interessantste onderdeel is Amazon Web Services (AWS). AWS biedt enorm veel AI tools, hosting en rekenkracht voor bedrijven. Dit is een van de belangrijkere spelers in de AI transitie.
"But much of what we do with machine learning happens beneath the surface. Machine learning drives our algorithms for demand forecasting, product search ranking, product and deals recommendations, merchandising placements, fraud detection, translations, and much more. Though less visible, much of the impact of machine learning will be of this type — quietly but meaningfully improving core operations." — Jeff Bezos, Amazon
Jeff Bezos heeft altijd een hele duidelijk filosofie uitgedragen. Het AI-vliegwiel is meer gebruikers = meer data = betere beslissingen = betere producten en diensten = meer gebruikers = meer data enzovoorts. We hebben ook een aflevering gemaakt over het vliegwiel.
71. Het Flywheel Effect in een business | € 236.500Google (NASDAQ:GOOGL)
Na Amazon is Google een van de grootste AI bedrijven. Al erg vroeg in hun bestaan hebben ze grote hoeveelheden data gestructureerd binnengehaald. AI zit nu eigenlijk in de core van al hun diensten. Het is daarnaast ook nog een grote leverancier van cloudoplossingen. Via het Google Cloud Platform bieden ze hosting en rekenkracht aan. Ze bieden meer dan 150 cutting-edge producten aan waar andere developers mee kunnen werken, zoals TensorFlow en Vertex AI.
Met alle tools biedt Google andere developers een infrastructuur aan waar ze bijvoorbeeld afbeeldingen kunnen herkennen, automatisch teksten vertalen, speech-to-text maken of structuur aanbrengen in rommelige teksten.
Google kan deze extreem goede infrastructuur aanbieden omdat het jarenlang intern gebruikt en getraind heeft voor alle eigen producten. Denk hierbij aan Google Search, Google Maps, Google Translate, of bijvoorbeeld Gmail. Het is ook wel algemeen bekend dat Google al tijden flink investeert in een zelfrijdende auto met Waymo.
Microsoft (NASDAQ:MSFT)
Eigenlijk geldt het verhaal van Amazon en Google ook voor Microsoft met Azure, Microsoft’s Cloud Computing Services variant. Omdat Microsoft al een extreem groot klantenbestand heeft in de businesswereld, kan het de cloud tak heel erg snel laten groeien. Hierdoor kunnen ze veel AI oplossingen direct loslaten in bijvoorbeeld Microsoft Office en 365.
“AI is the defining technology of our times” — Satya Nadella, Microsoft
Verder investeren ze veel in andere projecten. Recent hebben ze 1 miljard in OpenAI geïnvesteerd. Platform dat bekend is geworden met GTP-3 en DALL·E 2.
Tesla (NASDAQ:TSLA)
Tesla heeft weinig uitleg nodig. Het is misschien wel de meest beruchte discussie: is Tesla een computer- en databedrijf of een autofabrikant? De toekomst gaat het ons vertellen. Wat we nu wel al kunnen zeggen is dat Tesla lichtjaren voorloopt met hun Self Driving System. Verder organiseren ze elk jaar een AI Day. Heb je die van vorig jaar nog niet gezien? Het is zeker de moeite waard om even te kijken op Youtube.
“Robots will be able to do everything better than us” — Elon Musk, Tesla
Wat Tesla uniek maakt is dat ze zowel eigen hardware, als software ontwikkelen. Er is een ander bedrijf dat daar heel succesvol mee is geworden. Voorlopig is Tesla bekend met de auto’s maar volgens Musk kan de Tesla Bot Optimus groter worden dan de autodivisie.
Nvidia (NASDAQ:NVDA)
Nvidia staat vooral bekend als de maker van geavanceerde chips. Ze investeren ook erg veel in software tools waaronder AI Playground. Zonder de krachtige en slimme chips van Nvidia kunnen de grote datacenters niet zo efficiënt draaien. Verder zal Nvidia in de toekomst een grote leverancier zijn aan de industrie om de versnelling te kunnen maken met AI. Zo werken ze bijvoorbeeld al erg nauw samen met Volkswagen en Mercedes-Benz om de auto’s uiteindelijk zelfrijdend te krijgen.
“Software is eating the world, but AI is going to eat software” — Jensen Huang, Nvidia
Wat het leuke is aan de fase waar AI zich nu in begeeft, is dat er nog relatief weinig directe toepassingen zijn. Hierdoor worden alle tools beschikbaar gesteld om mee te spelen. Op Youtube vindt je allerlei voorbeelden van wat de AI tools van Nvidia allemaal al kunnen.
Meta (NASDAQ:META)
Bijna alle producten van Meta zoals Instagram en Facebook hebben een feed. Een feed waar posts getoond worden aan gebruikers, en de volgorde van die feed wordt volledig bepaald door AI. Meta staat niet bekend om de AI-oplossingen die gebruikt kunnen worden door andere bedrijven. Het wordt voorlopig voornamelijk toegepast in alle eigen producten om het beter en efficiënter te laten werken.
“AI is the most foundational technology of our time” — Mark Zuckerberg, Meta
Onderwater is het wel een van de grootste AI bedrijven ter wereld. De grote computerwetenschapper Yann LeCun is daar ook in dienst. Onder de echte kenner wordt hij gezien als een briljante geest. Buiten alle socialproducten is Meta nu zwaar aan het inzetten op de Metaverse. AI wordt daar een extreem belangrijk onderdeel van. Alles moet veelal on-the-fly gegenereerd worden.
Apple (NASDAQ:AAPL)
Het is natuurlijk onmogelijk dat Apple niks met AI doet. Apple is naar mijn idee een perfect voorbeeld van een bedrijf dat AI subtiel in haar producten verwerkt. Neem als simpel voorbeeld hoe Apple omgaat met het maken van foto’s. Elke lens van de iPhone maakt zijn eigen foto en aan de hand van AI wordt daar één foto van gemaakt. Het is tegenwoordig ook mogelijk om objecten op de voorgrond van een foto eruit te knippen of direct teksten uit video’s te halen. Allemaal toepassingen van AI waar de gebruiker niet door heeft dat er sprake is van kunstmatige intelligentie.
“The Apple car will be the mother of all AI projects” — Tim Cook, Apple
Waaraan je kan zien dat Apple AI zeer serieus neemt is aan het aankoopgedrag. De laatste jaren kopen ze de ene na de andere AI startup. In mooi business jargon is Apple op het gebied van AI in stealth mode.
IBM (NYSE:IBM)
Als we het over AI hebben, dan denk je niet direct aan IBM. Dat is hedendaags zeker terecht maar ooit was IBM de grote belofte. Die hebben ze alleen niet waar kunnen maken. Misschien heb je ooit wel eens gehoord van Watson, de supercomputer. Een grappig feitje is dat de supercomputer vernoemd is naar de oprichting van IBM, Thomas J. Watson. De eerste versie van Watson werd ontwikkeld in 2007. Ooit was het dé koploper, maar technologisch was het toch niet goed genoeg en werd het een flop. Watson AI bestaat wel nog steeds en is sindsdien erg verbeterd. Alleen heeft het niet meer de voorsprong die het ooit had.
Voorbeelden van ‘nieuwe’ beursgenoteerde bedrijven
De lijst met bedrijven die recent naar de beurs zijn gegaan die iets met AI doen is gigantisch. We hebben een paar bekende namen onder elkaar gezet. Allemaal zijn ze flink gedaald vanaf hun all time high. Er zit veel fantasie in deze bedrijven maar de echte winsten die gemaakt zullen worden, blijven voorlopig nog uit. Als belegger moet je erg goed opletten of er niet te veel aan AI-washing gedaan wordt.
Lemonade (NYSE:LMND)
Dit is een geweldig bedrijf. AI kan goed toegepast worden bij verzekeraars. Na zeven jaar is het naar de beurs als startup. Lemonade gebruikt voornamelijk AI gedreven chatbots om verzekeringspolissen te verstrekken en claims af te handelen. Je kan wel stellen dat het succesvol is dankzij data en AI.
C3.ai (NYSE:AI)
C3.ai opereert als een enterprise artificial intelligence (AI) softwarebedrijf in Noord-Amerika, Europa en de rest van de wereld. Het biedt software-as-a-service toepassingen voor ondernemingen en dan voornamelijk hele grote corporates zoals Shell. De software-oplossingen omvatten C3 AI Suite, een platform-as-a-service applicatie-ontwikkeling en een runtime-omgeving die klanten in staat stelt om enterprise AI-applicaties te ontwerpen, te ontwikkelen en te implementeren. Het heeft een mooie klantportfolio en software.
Darktrace (LON:DARK)
Darktrace is een Brits informatietechnologie bedrijf dat gespecialiseerd is in cyberdefensie. Het combineert als het ware AI met cybersecurity. Een hele interessante combinatie, die in grote lijnen vergelijkbaar is met het Amerikaanse CrowdStrike.
Snowflake (NYSE:SNOW)
Snowflake is een op cloud computing gebaseerd bedrijf voor datawarehousing uit Amerika. Op dit moment is het een van de snelst groeiende SAAS bedrijven ter wereld. Het data warehousing bedrijf wordt geleid door de Nederlander Frank Slootman. Slootman heeft ook een goed boek geschreven genaamd Amp it Up.
Palantir (NYSE:PLTR)
Palantir Technologies is een openbaar Amerikaans softwarebedrijf dat gespecialiseerd is in big data-analyse. Een van de oprichters is Peter Thiel, een van de eerste investeerders in Facebook en bekend van het boek Zero to One. Het schijnt dat Palantir mee heeft geholpen aan de opsporing van Osama bin Laden. Klanten zijn dan ook voornamelijk overheden. Net als Peter Thiel zelf, is de leiderschap van het bedrijf erg vreemd en weinig transparant.
Upstart (NASDAQ:UPST)
Upstart is een AI-leningsplatform dat samenwerkt met banken en kredietverenigingen om consumentenleningen te verstrekken. Dat doen ze met behulp van niet-traditionele variabelen, zoals onderwijs en werkgelegenheid. Zo voorspellen ze de kredietwaardigheid. Het is vergelijkbaar met wat het Chinese Ant Group doet van Alibaba. Recent is Upstart flink afgenomen omdat ze veel leningen niet meer in de markt kwijt konden en daardoor op hun eigen balans moeten zetten.
AI uitdagingen
Ga een uurtje brainstormen en de lijst van AI gerelateerde uitdagingen blijkt gigantisch te zijn. Hieronder zijn een aantal tekortkomingen benoemd, die maken dat AI nog lang niet is waar het moet zijn. In elk geval voor een groot deel van onze bevolking niet. Als belegger moet je daarom voorzichtig zijn. Veel bedrijven zijn nog volop aan het experimenteren. Het kan nog jaren duren voordat hier echt de vruchten van kunnen worden geplukt.
Actuele data
Veel algoritmes draaien op verouderde data. In een bekend taalmodel bleef het bijvoorbeeld zeggen dat Barak Obama de president van Amerika was terwijl dat allang niet meer klopte.
Vooroordelen
Beperkte datasets benadelen vaak delen van de bevolking. Zo wordt weleens gezegd dat als je een donkere huidskleur hebt, je een grotere kans hebt om aangereden te worden door een zelfrijdende auto. Dat zo’n vooroordeel doorwerkt in AI, ligt vaak aan het feit dat de technologie wordt ontwikkeld door witte mensen, overwegend mannen, die hun eigen perspectief en assumpties (voor zover we weten onbewust) in het algoritme verwerken. Dat hier dus nog veel aan moet worden gedaan, is een ding dat zeker is.
Hiring and firing
Meer en meer hiring gebeurt (deels) geautomatiseerd. Maar stel nou dat je niet wordt uitgenodigd voor een gesprek vanwege een spraakgebrek, of omdat je blind bent? Dan wordt je als mens benadeeld door dergelijke systemen. Je wordt dan namelijk nooit uitgenodigd voor een gesprek.
Stroomverbruik
Algoritmes trainen kost ook heel veel datakracht en dus veel elektriciteit. Wanneer een robothand een Rubik’s cube oplost, kost dat even veel kracht als een dag lang de kerncentrale in Borssele laten draaien. Veel experimenten kosten miljoenen in stroomverbruik. Daarom bouwt bigtech ook overal ter wereld datacenters.
Filterbubbels
Algoritmische filterbubbels hebben onder andere bijgedragen aan de verkiezing van Donald Trump. Een bekende documentaire hierover is The Social Dilemma op Netflix. Youtube is een bekend voorbeeld hiervan. Je klikt op één video en in je aanbevelingen staan vervolgens nog tien dezelfde filmpjes. Op die manier kan je zomaar in een rabbit hole van verkeerde informatie terechtkomen.
Gezichtsherkenning
Clearview AI heeft alle openbare sociale media ter wereld geïndexeerd en kan zo van veel mensen hun gezicht herkennen. Veel politiediensten maken daar gebruik van maar dit gaat ook vaak mis waardoor ze de verkeerde mensen oppakken.
Deepfakes
Hoe weten we straks of beeld en geluid ‘echt’ is of door een computer gegenereerd? Ironisch genoeg hebben we daar straks weer algoritmes voor om dat te herkennen.
Ghost work
Om machine learning te laten werken, heb je heel veel voorbeelddata nodig. Dat moet ook gelabeld worden. Dat gebeurt door mensen achter de schermen. Vaak wordt dit uitbesteed aan lagelonenlanden. Om Siri en Alexa aan de praat te krijgen moeten miljoenen minuten gesproken text handmatig worden omgezet. Dit worden ook wel moderne sweatshops genoemd. Een interessant boek hierover is Ghost work van Mary L Gray.
AI Wapenwedloop
De voormalig Google CEO Eric Schmidt zit de defensiecommissie voor om AI in te zetten. Hij zegt dat ‘Amerika de morele plicht heeft naar zijn burgers om te investeren in AI augmented wapens’. Pax, Musk en Hawking waarschuwen hier echter voor. Want wat als er straks autonome wapens zijn die zelfstandig oorlog kunnen voeren? Dat klinkt als een Black Mirror aflevering, maar zou zomaar realiteit kunnen worden.
AI Act
De EU is bezig met wetgeving om de ergste excessen aan banden te leggen, de AI Act. Dat zal nog wel een paar jaar duren. Staat innovatie dit in de weg? Mogelijk komen er ‘AI Sandboxes’ waarbinnen organisaties kunnen experimenteren.
Conclusie
De ontwikkeling van AI bevindt zich nog in een relatief ontluikende fase. Dat betekent niet dat het niet al van waarde is. We zijn nu op een punt aangekomen dat de drie belangrijkste onderdelen -kennis, data en computerkracht - op een voldoende niveau zijn om serieus impact te maken. Kunstmatige intelligentie draait voornamelijk om (gestructureerde) data, die fungeert als de brandstof voor het aansturen van AI-systemen.
In grote lijnen kan je beleggen in AI op vier verschillende manieren:
- In een bedrijf dat white-label AI ontwikkelt en dat implementeert in andere bedrijven. Je kan het dan ook zien als Software as a Service (SaaS) of als agency.
- In bedrijven die de infrastructuur leggen waarop andere bedrijven AI kunnen toepassen, ook wel bekend als Infrastructure as a service (IaaS).
- In bedrijven die al een bestaand en winstgevend product hebben in een volwassen industrie en AI toepassen om het product te verbeteren.
- In bedrijven die door AI een compleet nieuwe industrie creëren.
Nummer drie is van deze opties het kleinste risico. Bedrijven in deze categorie zijn al actief in een bestaande industrie waar is bewezen dat er geld verdiend kan worden. Ze gebruiken AI alleen om dingen beter en anders te doen dan concurrenten. Bijvoorbeeld door processen efficiënter in te richten of een beter product te ontwikkelen dat nog meer aansluit bij de wensen van de klant.
Verder is het goed om je te realiseren dat we steeds meer leven in een exponentiële wereld. Alles wat je nu ziet, kan morgen heel anders zijn. Wij weten dat we alleen maar linear kunnen denken, en niet in compounding. Dat maakt het extra lastig om de waarde van AI en data in te schatten bij bedrijven. Organisaties die nu al data en AI in de core hebben, kunnen mogelijk zeer ondergewaardeerd zijn. Als de data, AI en de automatiseringssneeuwbal eenmaal begint te rollen, is het voor concurrenten heel moeilijk om nog bij te blijven.
“The greatest shortcoming of the human race is our inability to understand the exponential function.” — Albert Bartlett.
Aan de buitenkant is het bij een bedrijf erg lastig om te oordelen of in te schatten wat de invloed van AI is. Dat komt natuurlijk omdat we geen zicht hebben op datasets, algoritmes en modellen. Mogelijk komt daar ooit regelgeving voor (data, model audits, etcetera) waardoor we een betere inschatting kunnen maken voordat we in een bedrijf beleggen. Als we wachten totdat het te zien is in de cijfers, ben je mogelijk al te laat als belegger.
Op de lange termijn moet je als belegger kijken waar de competitive data advantage ligt van een bedrijf en onderzoeken welke stappen ze nemen om in de toekomst een AI first bedrijf te zijn.
AI boekentips
Remy stuurt mij regelmatig een boekentip toe. Speciaal voor deze aflevering deelt hij negen tips die gerelateerd zijn aan dit onderwerp. Uiteraard kan ik zijn eigen boek aanraden ‘Ontdek de groeikansen van AI.’ Remy haalt in dit boek veel Nederlandse voorbeelden aan, wat het extra leuk maakt om te lezen.
- Ontdek de groeikansen van AI van Gieling Remy Lessen van Picnic, Salesforce, ParkBee en andere succesformules
- AI Superpowers van Kai-Fu Lee China, Silicon Valley, and the New World Order
- The Age of A.I. van Kissinger, Henry A & Eric Schmidt And Our Human Future
- The Ai-first Company van Ash Fontana How to Compete and Win With Artificial Intelligence
- Futureproof van Kevin Roose 9 Rules for Humans in the Age of Automation
- Life 3.0 van Max Tegmark Being Human in the Age of Artificial Intelligence
- Work van James Suzman A Deep History, from the Stone Age to the Age of Robots
- Genius Makers van Cade Metz The Mavericks Who Brought AI to Google, Facebook, and the World
- Driven van Alex Davies The Race to Create the Autonomous Car
Meer over Remy?
AI gaat de komende tien jaar banen, bedrijven en de maatschappij radicaal veranderen. Wat betekent dat voor jouw bedrijf en je medewerkers? Wat is deze technologie, wat kan je er mee en waar moet je beginnen om je klaar te stomen voor een toekomst met AI? Nodig Remy uit!
Portfolio
Transactie: Nee
Portfolio waarde: € 228.900
Volgende week gaan we het hebben over 'Hoe werkt een ETF (met Jolien Brouwer)'. Rest ons nog een ding: Investeer in je kennis! En beleg met beleid.
Word Vriend
Vind je het leuk om ons te steunen als onafhankelijke podcast, gebruik te maken en mee te denken met de Portfolio Dividend Tracker? Voor €6,25 per maand krijg je toegang. Zeven dagen gratis proberen!
► Doe mee met Jong Beleggen: PortfolioDividendTracker.com
Pim's portfolio
► Bekijk mijn volledige aandelen portfolio: Portfoliodividendtracker.com/jongbeleggen
JB updates op Instagram
► @JongBeleggen op Instagram: Instagram.com/jongbeleggen