- Het algoritme van Target voorspelde de zwangerschap van een middelbare scholiere
- Je volgende handdruk, high-five of knuffel kan door een algoritme worden voorspeld
- Je plan om ontslag te nemen zal je werkgever in de toekomst niet verbazen
- Door middel van netvlies-analyse voorspelt een algoritme het risico op (vroegtijdig) overlijden
- Interessante feiten en cijfers over algoritmische voorspellingen
- Vrije wil, ethische dilemma’s en meer
Mensen hebben door de geschiedenis heen gebruikgemaakt van voorspellingen. Zo zijn er bijvoorbeeld oorlogen gevoerd op basis van voorspellingen. In de afgelopen jaren werden computeralgoritmen al regelmatig ingezet om modellen en projecties te ontwikkelen. Algoritmen worden steeds vaker gebruikt om voorspellingen te doen, zoals of we onze auto in de prak rijden, wat we gaan kopen, wanneer we ziek zullen worden, voor welke baan we aangenomen worden, waar we gaan wonen, of dat we misschien wel een misdaad zullen plegen. Netflix kan op basis van eerder gedrag ‘voorspellen’ welke film je waarschijnlijk leuk zult vinden en algoritmen in videogames maken gebruik van historische gegevens om je volgende zet te voorspellen. En wat dit artikel betreft is de kans groot dat een algoritme wist dat je dit onderwerp waarschijnlijk interessant zou vinden.
Er zijn verschillende aanwijzingen dat AI-algoritmen de toekomst steeds nauwkeuriger zullen kunnen voorspellen, wat om verschillende redenen zeer nuttig kan zijn. Als industriële robots die in fabrieken met mensen samenwerken bijvoorbeeld in staat zouden zijn om iemands volgende handeling te voorspellen, zou dat het aantal arbeidsongevallen aanzienlijk kunnen terugdringen. En als autonome voertuigen de bewegingen van andere weggebruikers zouden kunnen voorspellen, zou het aantal verkeerscalamiteiten aanzienlijk afnemen. En er zijn nog veel meer voordelen, afhankelijk van waar, hoe en voor welke doeleinden de technologie zou worden geïmplementeerd. Hieronder geven we je enkele voorbeelden van voorspellingsalgoritmen die al in gebruik zijn en vertellen we je meer over het doel en de voordelen ervan.
Het algoritme van Target voorspelde de zwangerschap van een middelbare scholiere
Dit is waarschijnlijk een van de eerste – en meest schokkende – voorbeelden van wat voorspellingsalgoritmen kunnen doen. Tien jaar geleden wisten de algoritmen van de Amerikaanse retailgigant Target al dat een middelbare scholiere zwanger was – zelfs nog voordat haar eigen vader het wist. Dit leidde ertoe dat het meisje kortingsbonnen en speciale aanbiedingen voor zwangerschaps- en babykleding toegestuurd kreeg. Als Target-klant krijg je een unieke ID toegewezen die wordt bijgewerkt met informatie over wat je koopt, hoe je betaalt, welke producten op de Target-website je bekijkt en enige andere interactie die je met het bedrijf hebt. En het is kennelijk vrij eenvoudig om op basis van deze gegevens zeer accurate voorspellingen te doen.
Retailers willen graag alles weten over belangrijke levensgebeurtenissen, want dat zijn goudmijnen. Denk bijvoorbeeld aan een carrièreswitch, een bruiloft, het kopen van je eerste huis, en… zwangerschappen. Om een algoritme te ontwikkelen waarmee je een zwangerschap kunt ‘voorspellen’, analyseerde Target informatie over vrouwen die een zwangerschaps- of babyuitzetlijst hadden in de winkel en koppelde dit vervolgens aan demografische data. Hiermee konden ze een combinatie van 25 producten lokaliseren die erop kunnen wijzen dat een vrouw zwanger is. In het geval van het tienermeisje was de retailgigant zelfs in staat om het trimester van haar zwangerschap te voorspellen, evenals de datum waarop ze uitgerekend was – allemaal op basis van het soort gekochte producten. Zo kon Target haar kortingsbonnen sturen die specifiek waren afgestemd op de verschillende zwangerschapsstadia en de geboorte van de baby.
Je volgende handdruk, high-five of knuffel kan door een algoritme worden voorspeld
Onderzoekers van de Columbia School of Engineering and Applied Science in New York hebben onlangs computervisietechnologie onthuld die machines een intuïtief ‘gevoel’ kan geven van wat er gaat gebeuren, tot enkele minuten in de toekomst. Dit wordt mogelijk gemaakt door een algoritme duizenden uren aan televisieprogramma’s en sportgames te laten analyseren waarin allerlei soorten interacties, lichaamstaal en begroetingen voorkomen, variërend van handenschudden en knuffels tot ‘boksen’ en high-fives. Als het algoritme niet kan voorspellen welke exacte interactie op het punt staat te gebeuren, vindt het overeenkomsten tussen de mogelijke opties en maakt het een meer algemene voorspelling, zoals ‘ze gaan elkaar begroeten’. “Niet alles in de toekomst is voorspelbaar. Wanneer een persoon niet precies kan voorzien wat er zal gebeuren, spelen ze op veilig en voorspellen ze op een hoger abstractieniveau. Ons algoritme is de eerste die heeft geleerd om abstract over toekomstige gebeurtenissen te redeneren”, zeggen promovendi Didac Suris en Ruoshi Liu van Columbia Engineering. Deze ontwikkelingen kunnen uiteindelijk leiden tot toepassingen in collaboratieve robotica, autonoom rijdende technologie en ondersteunende technologie, waar algoritmen – in plaats van vooraf bepaalde acties te ondernemen – een situatie kunnen analyseren en veel genuanceerder beslissingen kunnen nemen. Dit zal een cruciale stap zijn in het opbouwen van vertrouwen tussen mensen en slimme machines.
Je plan om ontslag te nemen zal je werkgever in de toekomst niet verbazen
Werknemers zeggen om verschillende redenen hun baan op, zoals ongunstige arbeidsomstandigheden, onvoldoende salaris, beperkte mogelijkheden voor loopbaanontwikkeling, een ongezonde werkomgeving of geen goede werk-privébalans. Vaak krijgt de werkgever pas inzicht in deze redenen als de werknemer vertrekt – als hij of zij de redenen al te horen krijgt. Het lijkt er echter op dat dit allemaal gaat veranderen, omdat nieuwe algoritmen kunnen voorspellen wanneer een werknemer het bedrijf waarschijnlijk zal verlaten. Met dit algoritme kunnen werkgevers de belangrijkste redenen voor personeelsverloop bepalen en meer investeren in personeelsbehoud.
Het ‘quitting algorithm’, zoals het algoritme heet, is ontwikkeld door professor David Allen van Texas Christian University en professor Brooks Holtom van Georgetown University. Met behulp van big data en machine learning worden twee belangrijke factoren gemeten die erop wijzen dat een medewerker overweegt zijn of haar ontslag in te dienen. Een van deze factoren is de ’turnover shock’ – een gebeurtenis die ertoe leidt dat een werknemer overweegt op te stappen, bijvoorbeeld een bedrijfsovername, een verandering in de structurele setting van een organisatie, een bedrijfsschandaal, een wijziging in de bedrijfsleiding of een verandering in de persoonlijke omstandigheden van de werknemer, zoals de geboorte van een kind. Deze gebeurtenissen worden door allerlei gegevens bepaald, zoals informatie over juridische stappen die tegen het bedrijf zijn ondernomen, (verontrustende) nieuwsberichten over het bedrijf, of veranderingen in de waarde van de bedrijfsaandelen. De andere factor die werd gemeten was ‘job embeddedness’ – de mate waarin de werknemer zich met het bedrijf verbonden voelt. Deze factor wordt bepaald door gegevens uit openbare bronnen, zoals profielinformatie of posts op social media en andere platforms. De informatie die voor de tweede factor gebruikt wordt omvat geslacht, leeftijd, geografische locatie, opleidingsniveau, vaardigheden, werkjubilea en werkverleden.
“De geest is uit de fles en ik denk dat de meeste organisaties deze richting op gaan. In de toekomst verzamelen ze steeds meer gegevens en analyseren ze deze nog zorgvuldiger om ervoor te zorgen dat ze goede mensen kunnen aantrekken en behouden.”
Brooks Holtom
Tijdens testen kwam aan het licht dat mensen die volgens het algoritme het meest waarschijnlijk een andere baan zouden overwegen, inderdaad ook in 63 procent van de gevallen ander werk hadden gevonden tegen de tijd dat de onderzoeksperiode eindigde. Het potentiële voordeel van het gebruik van dit ‘quitting algorithm’ – voor zowel werknemers als werkgevers – is dat werkgevers uiteindelijk meer te weten komen over wat belangrijk is voor hun werknemers, waardoor ze de werkomgeving kunnen verbeteren en voorkomen dat dure en disruptieve recruitmentprocessen opnieuw opgestart moeten worden. “De geest is uit de fles en ik denk dat de meeste organisaties deze richting op gaan. In de toekomst verzamelen ze steeds meer gegevens en analyseren ze deze nog zorgvuldiger om ervoor te zorgen dat ze goede mensen kunnen aantrekken en behouden”, zegt Holtom.
Door middel van netvlies-analyse voorspelt een algoritme het risico op (vroegtijdig) overlijden
Het einde van ons leven komt vaak zonder waarschuwing, en tot voor kort was er geen manier om precies te weten wanneer iemand zou overlijden. Maar in de niet al te verre toekomst kan een snelle, pijnvrije scan van je ogen medische professionals helpen bij het identificeren van ‘fast agers’ – indicatoren die ons vertellen of we een groter risico lopen om vroegtijdig te overlijden.
Onderzoekers van het Centre for Eye Research in Melbourne hebben uitgebreid onderzoek gedaan naar een bepaald deel van het menselijk oog om een beter inzicht te krijgen in iemands ware biologische leeftijd, wat een glimp zou kunnen geven van zijn of haar toekomstige gezondheid. Hiervoor gebruikten ze een nieuw ontwikkeld AI-algoritme dat het aantal jaren dat je leeft kan voorspellen door naar je netvlies te kijken, het weefsel achterin je oog. De onderzoekers bestudeerden meer dan 130.000 beelden van het netvlies en ontdekten dat voor elk jaar verschil tussen iemands werkelijke leeftijd en de oudere biologische leeftijd die in het oog werd vastgesteld, het risico op vroegtijdig overlijden met twee procent toenam. Het uiterst nauwkeurige algoritme kon de leeftijd van bijna 47.000 ouderen en mensen van middelbare leeftijd met een foutenmarge van slechts 3,5 jaar voorspellen. Dr. Mingguang He, hoogleraar oogheelkundige epidemiologie aan de Universiteit van Melbourne en Centre for Eye Research in Australië en auteur van de studie, vertelt: “Deze studie toont aan dat het netvlies een uniek en toegankelijk ‘venster’ biedt om de pathologische processen te beoordelen die systemische vasculaire en neurologische ziekten veroorzaken en kunnen leiden tot vroegtijdig overlijden.”
Interessante feiten en cijfers over algoritmische voorspellingen
- Hoewel we weten dat algoritmen bevooroordeeld kunnen zijn, blijven we ze toch gebruiken omdat de nauwkeurigheid of het voordeel van de resultaten meer dan 90 procent groter is dan de schade die ze kunnen aanrichten of de fouten die ze kunnen veroorzaken.
Bron: CCCBlab
- Onderzoek toont aan dat AI en algoritmische prognoses tegen 2025 de winstgevendheid met 38 procent zullen verhogen en extra inkomsten ter waarde van maar liefst $14 biljoen zullen genereren.
Bron: Accenture
- Analyses van bijna 140 onderzoeken – waarin menselijke voorspellingen van gezondheidsgerelateerde verschijnselen werden vergeleken met voorspellingen door algoritmen – hebben aangetoond dat algoritmen in 64 onderzoeken ongeveer 47 procent van de tijd beter presteerden dan menselijke clinici. In 64 onderzoeken presteerden algoritmen ongeveer even goed als mensen.
Bron: The Wharton School, University of Pennsylvania & Sloan School of Management, MIT
- In 2020 was de voorspellende analyse-industrie $8 miljard waard. Tegen 2028 zal deze industrie naar verwachting groeien tot bijna vijf keer de huidige omvang en een totale omzet van $39 miljard bereiken.
Bron: Zion Market Research
Vrije wil, ethische dilemma’s en meer
Voorspellende analyses doordringen steeds meer aspecten van ons leven. Een van de vele uitdagingen met betrekking tot deze nieuwe ontwikkelingen is echter dat ons hiervoor geen toestemming gevraagd wordt. Bovendien is er geen kader waarbinnen algoritmische voorspellingen worden gereguleerd. Het is belangrijk dat we vrije wil en keuzevrijheid blijven houden en mogelijkheden hebben om tóch te slagen – ondanks het feit dat algoritmen misschien voorspellen dat iets ons niet gaat lukken. Zoals de voormalige Zuid-Afrikaanse president en burgerrechtenadvocaat Nelson Mandela bijvoorbeeld, die zijn leven wijdde aan het vechten voor gelijkheid waardoor het racistische Zuid-Afrikaanse apartheidssysteem uiteindelijk omver geworpen werd. Of de Poolse Marie Curie, die uitblonk in een tijd dat het voor een vrouw ongehoord was – zelfs verboden – om natuurkunde te studeren. Desondanks eindigde ze aan de Sorbonne University in Parijs als de beste van haar klas. Sterker nog, haar ontdekkingen en innovaties op het gebied van radioactiviteit en het gebruik van röntgenstralen hebben de wereld veranderd.
Hoe meer AI wordt gebruikt om mensen in hokjes te plaatsen en voorspellingen over hen te doen, des te meer ons een toekomst ontzegd wordt waarin we onze vrije wil kunnen gebruiken om – tegen de verwachtingen in – een verschil te maken.
Het algemene idee is dat algoritmen en hun voorspellingen – of duwtjes in een bepaalde richting – ons zullen helpen betere en snellere beslissingen te nemen, waardoor we meer ruimte hebben voor belangrijke dingen, zoals vrije tijd en waardevolle momenten met onze dierbaren. Maar de realiteit is niet zo eenvoudig. Sterker nog, hoe meer kunstmatige intelligentie wordt gebruikt om mensen in categorieën in te delen en voorspellingen over hen te doen, des te minder keuzevrijheid we uiteindelijk zullen hebben om – tegen de verwachtingen in – een verschil te maken. Voorspellingen kunnen zelfs een negatieve invloed hebben op de werkelijkheid. Als een algoritme een bedrijf afraadt om jou voor een bepaalde functie in dienst te nemen – omdat het aan de hand van historische gegevens heeft vastgesteld dat je waarschijnlijk geen goede werknemer bent – kan dat een behoorlijke impact op je leven hebben. Het wijdverbreide gebruik van voorspellingen kan zelfs onze mening over onszelf en over onze capaciteiten beïnvloeden, en ons van toekomstige kansen beroven om te bewijzen (en te geloven) dat we wél een goede werknemer zijn. Voorspellingen kunnen zelfs ‘self-fulfilling prophecies’ worden en leiden tot problemen als nepnieuws, polarisatie en toenemende ongelijkheid.
Een wereld waarin we ons aan voorspellingen overgeven en daarnaar gaan leven zou betekenen dat het nog maar weinig zin heeft om naar verbetering te streven of te proberen de toekomstige (voorspelde) resultaten te veranderen. Het zou het einde betekenen van mogelijkheden, hoop en triomf over tegenslagen. Het zou ons vermogen ondermijnen om ‘against all odds’ toch te kunnen slagen; een cruciaal menselijk vermogen waarmee door de geschiedenis heen hele naties zijn gered. Consequenties als schuld, waardering, straffen en (goede) cijfers zouden geen echt doel meer hebben als we algoritmen zouden toestaan om steeds meer toekomstige resultaten te voorspellen of zelfs te bepalen. En als we het lot van mensen bepalen aan de hand van algoritmische voorspellingen, zijn we dan nog heel verschillend van machines?
Dus hoewel algoritmische voorspellingen ons op veel manieren kunnen helpen en voor allerlei uitdagingen en problemen oplossingen bieden, is het van groot belang dat we ook de mogelijke nadelen zorgvuldig overwegen. We zullen op zijn minst duidelijke richtlijnen en beveiliging moeten ontwikkelen voor het gebruik van algoritmische voorspellingen en de eventuele gevolgen ervan voor de toekomst goed onder de loep moeten nemen.