Kan AI straks zijn eigen toekomst voorspellen?

5 december 2019

In 2019 was het wetenschappelijke journal ‘World Futures Review’ (WFR) op zoek naar papers over de impact van big data en AI op het werk van een toekomstonderzoeker. In 2020 verschijnt een speciale editie over dit onderwerp. Deze oproep kon STT-toekomstverkenner Rudy van Belkom onmogelijk negeren.

Bredere aandacht

‘Toen ik de oproep las, was ik bezig met de afronding van het eerste deel van mijn STT-toekomstverkenning over AI. In dat deel is ook een paragraaf opgenomen over hoe AI een rol kan spelen bij het doen van onderzoek in de toekomst, dus daar kon het mooi op aansluiten. Ik heb WFR een korte ‘outline’ gestuurd. Die werd goedgekeurd, waarna ik het paper verder mocht uitwerken. Na een aantal  ‘peer reviews’ staat mijn paper inmiddels op het publicatieplatform van WFR en is daar tegen betaling te downloaden (ook beschikbaar via ResearchGate). Ik vond het belangrijk om hieraan mee te doen omdat ik op deze manier STT en mijn AI-toekomstverkenning nog breder en ook internationaal onder de aandacht kan brengen. Daarnaast vond ik het interessant om hier ervaring mee op te doen.

Mensen blijven nodig

Centrale vraag in mijn  paper was of mijn baan als toekomstonderzoeker door AI gaat veranderen of zelfs zal ophouden te bestaan. Nu ben ik van mening dat AI veel kan, maar AI kan niet alles. Mensen blijven nodig. Niet om de toekomst te kunnen voorspellen, maar om de toekomst te kunnen voorstellen. AI werkt namelijk op basis van historische data. Die data is wel te extrapoleren, maar dan gaan we ervan uit dat de toekomst identiek zal zijn aan het verleden. Dat is natuurlijk niet zo. Het is absoluut zo dat AI sommige dingen veel beter en veel sneller kan dan mensen, zoals bijvoorbeeld het doorzoeken van grote hoeveelheden documenten naar specifieke woorden of patronen. Maar mensen zijn op andere gebieden weer veel sterker. Dan heb ik het niet alleen over emoties, het gaat ook om bepaalde inzichten die wij hebben. Wij weten nu eenmaal veel dingen zonder dat die specifiek vanuit een lesboek zijn aangeleerd. De mens is bijvoorbeeld beter in staat om causale verbanden te leggen, voor AI is dat lastig. Ik geef een voorbeeld: stel dat in de zomer van 2019 meer ijsjes zijn verkocht dan in de jaren daarvoor en dat er in hetzelfde jaar meer verdrinkingen waren. Uit die data zou AI kunnen afleiden dat die verdrinkingen door de hoeveelheid verkochte ijsjes worden veroorzaakt. Terwijl wij mensen weten dat die twee gebeurtenissen niets met elkaar te maken hebben. Dat soort impliciete feiten zijn voor een systeem heel lastig te doorgronden.
Mijn conclusie is dan ook dat mijn werk als toekomstonderzoeker zal veranderen, maar zeker niet zal verdwijnen.’

Meer informatie?

Voor meer informatie over dit paper kunt u contact opnemen met Rudy van Belkom.