5 learnings uit de livestream met Mieke De Ketelaere

Vroeger en nu

De term AI werd voor het eerst gebruikt in 1956. Toen was het een academische term en nu – anno 2021 - is ons leven op een onzichtbare manier doorzeefd met AI. 

Vandaag zijn we op een hype moment aangekomen – een tipping point. We moeten samen beslissen welke kant AI moet uitgaan.

Mieke nodigt iedereen uit om deel te nemen aan een multidisciplinair debat waarin we samen een wettelijke en ethisch kader uittekenen, bepalen hoe we AI (niet) kunnen gebruiken en concrete verwachtingen formuleren. We moeten samen beslissen hoe we omgaan met deze autonome systemen.

AI heeft een lage adoptiegraad - Weinig bedrijven omarmen AI in hun processen.

Slechts 17% van de bedrijven neemt AI volledig op in zijn processen.

Volgens Mieke zijn er 2 hoofdredenen waarom de adoptiegraad bij bedrijven zo laag is.

Reden 1: Te vaak wordt AI benaderd vanuit data en technologie. De essentie is het juist inzetten van de mensen en de processen rond AI.

Reden 2: Met AI hebben we systemen gebouwd die enerzijds niet meer in evenwicht zijn met onze ecologische voetafdruk en anderzijds knabbelen aan ons sociaal kader (e.g. recht op privacy, ...)
Dit evenwicht moet opnieuw hersteld worden om de adoptiegraad te verhogen.

AI kan waardevol ingezet worden maar AI kent ook veel beperkingen

1. De energieconsumptie is veel te hoog. Het energieverbruik van deze autonome systemen is met de jaren uit de hand gelopen.

Hoe groter en accurater het systeem – hoe meer energieverbruik. De grote algoritmes voor image recognition of natural language processing bijvoorbeeld verbruiken tot 5 keer meer energie dan een auto over 5 jaar.

Aandachtspunt! Energie-efficiëntie moet opnieuw in de systemen gebracht worden. De laatste twee jaar is men op zoek naar nieuwe technieken om een betere balans te vinden tussen accuraatheid en energie-efficiëntie. Imec is continu bezig met dit onderzoek – nieuwe technieken zoeken geïnspireerd door de natuur.

2. AI systemen kunnen niet samenwerken

Autonome systemen worden opgezet vanuit zelfstandige labo’s en hebben niet geleerd om met elkaar te communiceren. 

Aandachtspunt! Er ontbreekt een communicatiestandaard bij autonome systemen. Er is ook nog geen wettelijk kader bij ongevallen tussen autonome systemen.

3. AI kent geen concepten of abstractie – alles moet aangeleerd worden

AI kijkt naar een afbeelding pixel per pixel maar kent geen abstractie of concepten. AI kan niet het verschil herkennen tussen een sneeuwpop en een kind verkleed als sneeuwpop. Deze beperking kan opgelost worden door het plaatsen van extra sensoren zoals een infraroodcamera.

4. Logica en redenering ontbreken

AI-systemen zijn heel goed in het aanleren maar niet in het redeneren of oorzakelijke verbanden leggen.

AI-systemen kunnen zich niet automatisch aanpassen aan een veranderende context. Dit heeft veel problemen gegeven tijdens de COVID-19 pandemie. 35% van de AI-modellen wereldwijd was verward door de veranderende context.

Aandachtspunt! Als een AI-systeem goed werkt in een bepaald ziekenhuis, wil dat niet zeggen dat het ook goed zal werken in een ander ziekenhuis. AI-systemen moeten vaak opnieuw getraind worden per locatie (bv: de vochtigheidsgraad kan al invloed hebben)

Gaat AI ervoor zorgen dat we minder bezig zijn met patiënten? Gaan computers onze jobs overnemen?

AI gaat vooral de DDDD-taken overnemen, waarbij DDDD staat voor Dull (repetitief), Dangerous, Dirty en Difficult.

AI kan ondersteunend werken bij verplegend personeel zodat er meer tijd vrijkomt voor de patiënt, zorg, creativiteit, empathie, ...

AI kan ingezet worden om op basis van data prioriteiten te stellen. Welke patiënten moeten eerst bezocht worden en welke later? Op basis van data kan AI een efficiënte planning opmaken voor verplegend personeel.

In healthcare is er veel terughoudendheid op het vlak van AI. Vooral bij klinische beslissingen.

Mieke bevestigt dat dit klopt en daarom wordt er hard gewerkt aan een hybride vorm.

Datasystemen worden gebruikt waarvoor ze goed zijn: veel data genereren. Naast die datalaag wordt er een kennislaag gemaakt, wat neerkomt op de digitalisatie van de kennis die bij specialisten en experten zit. Deze twee lagen worden op elkaar geënt om van elkaar te leren.

Hiervan is een mooie toepassing in gebruik bij premature baby’s bij UZ Gent. Uit doktersnota’s uit het verleden wordt een kennislaag gehaald en die wordt geënt op de datalaag van moeder en kind. Er ontstaat een wisselwerking van inzichten en kennis tussen dokters en AI-systeem. Op basis van dit systeem evalueert men of ingrijpen noodzakelijk is. Ook een dergelijk hybride systeem fungeert als een beslissingsondersteuning voor dokters.

Dit is nog maar een beperkte oplijsting van de learnings die wij uit de livestream hebben gehaald. Hopelijk heeft deze blogpost jou getriggerd om nog meer te weten te komen over AI. Dan moedigen wij jou aan om de volledige livestream van Mieke te beluisteren op BlueHealthU.