Kunstmatige intelligentie, vaak wordt ook de afkorting AI van de Engelse term Artificial Intelligence gebruikt, rukt op. Het concept van zelflerende machines werd al in de jaren vijftig door computerpioniers als Alan Turing omschreven, maar dankzij de toegenomen rekencapaciteit van supercomputers en de opkomst van big data en nieuwe inzichten in de wereld van KI, is er sprake van een doorbraak.
KI in een stroomversnelling
“Ineens lukken er dingen waar we twee jaar geleden alleen van konden dromen. Het is alsof ontwikkelingen die vroeger tien jaar duurden, nu nog maar een jaar in beslag nemen”, zegt Wessel Stoop van de Radboud Universiteit van Nijmegen.
Stoop is wetenschappelijk programmeur bij het Center for Language en Speech Technology dat zich, zoals de naam al aangeeft, bezighoudt met taaltechnologie. Taal is van oudsher lastig voor computers die traditioneel binair ‘denken’ in nullen en enen. Iets is a óf b. Maar taal kent vele nuances en woorden kunnen in een bepaalde context van betekenis veranderen. Taal is een ‘bitch’ voor traditionele computers omdat het slecht van tevoren te programmeren valt.
Stoop is momenteel bezig met zelflerende algoritmes die pestgedrag in chatrooms herkennen. Het woord ‘bitch’ in de vorige alinea mag dan een ‘scheldwoord’ zijn, een slim algoritme kan in theorie geleerd hebben dat het in bovenstaande zin niet bedoeld is om iemand te beledigen en hij dus niet hoeft in te grijpen.
Machine learning en hypotheeksoftware
Waar Stoop de ene helft van de week werkt aan de vrede in de virtuele wereld, past hij in de rest van zijn werkweek kunstmatige intelligentie toe in de financiële wereld. Dat doet hij bij Davinci, dat geavanceerde software ontwikkelt voor geldverstrekkers in de hypotheekmarkt.
Een van de eerste toepassingen van KI in de hypotheekmarkt is een op het oog vrij banale toepassing, maar de potentiële besparing is gigantisch: documentherkenning. “We hebben het algoritme een heleboel verschillende documenten laten zien, zoals salarisstroken, bankafschriften, koopcontracten en rijbewijzen. Door machine learning kan de computer de meeste documenten die worden aangeleverd door kredietverstrekkers nu bijna foutloos uit elkaar houden, zelfs als de scankwaliteit slecht is. ”, vertelt Stoop.
Voor mensen is dat een gemakkelijk klusje, voor een computer had het wat meer voeten in de aarde. Maar nu het lukt, is er straks geen medewerker meer nodig die alle bijlagen opent en controleert. “Alleen als de software aangeeft dat ze niet helemaal zeker is, moet er handmatig gecheckt worden. Dat is het voordeel van een zelflerend algoritme dat aangeeft aan hoe zeker hij van zijn zaak is. Als de onzekerheidsmarge te groot is, kan er een signaal uit gaan.”
De volgende stap is ook al genomen: het uitlezen van documenten. De algoritmes kunnen nu herkennen waar een geboortedatum op een loonstrook staat, en welk getal een maandelijkse overschrijving betreft. Dat is best lastig, omdat lang niet iedere strook hetzelfde is.
Hoe lastig bleek wel toen het algoritme in de war raakte toen het onderscheid moest maken tussen ‘datum in dienst’ en de geboortedatum. In eerste instantie had het algoritme zichzelf geleerd dat getallenreeksen met jaartallen vóór 1990 geboortedata waren, stond er een later jaar, dan betrof het een ‘datum in dienst’.
Op basis van de eerste samples was dat een logische redenering, maar toen de eerste hypotheekaanvragen van millennials langskwamen, raakte het algoritme in de war. “Inmiddels heeft het geleerd ook te kijken naar signaalwoorden in de omgeving van de getallen’, zegt Stoop.
Profilering
Facebook heeft profilering in combinatie met kunstmatige intelligentie geen goede naam bezorgd. De profielen van gebruikers die het bedrijf door middel van machine learning had gemaakt, bleken ideaal materiaal voor Russische trollen. Zij konden de Amerikaanse verkiezingen en het Brexit-referendum beïnvloeden door nepnieuws te sturen naar diegenen die er het meest bevattelijk voor waren.
Toch is profilering niet alleen maar fout. “Natuurlijk, je wilt niet dat algoritmes mensen van een hypotheek gaan uitsluiten op basis van hun naam. Maar je kunt dankzij KI ook een veel realistischer beeld krijgen van een hypotheekaanvrager waardoor de kansen op een hypotheek toenemen”, ziet Stoop.
Een voorbeeld. Zelfstandig ondernemers krijgen vaak lastig een hypotheek. Wie minder dan drie jaarrekeningen kan overleggen, wordt vaak standaard afgewezen. Maar stel dat het algoritme op basis van een analyse van de bankafschriften van de ondernemer concludeert dat de bank zonder al te veel risico toch een hypotheek kan verstrekken, dan hoeven er veel minder mensen te worden geweigerd omdat ‘regels nu eenmaal regels zijn’.
Profilering door KI wordt nu nog niet veel toegepast en als het gaat gebeuren is het belangrijk dat het zorgvuldig gebeurt en met de juiste vorm van machine learning. “Je moet wel kunnen achterhalen waarom een machine een besluit heeft genomen, en dat is bij sommige vormen, zoals het gebruik van neurale netwerken, nog niet het geval”, zegt Stoop.
De uiteindelijke beslissing of iemand een hypotheek krijgt, zal mede om die reden ook niet snel door de software van Davinci worden genomen, maar door de medewerker van de geldverstrekker zelf. De computer blijft voorlopig een vlijtige assistent die zorgt voor snellere en betere besluiten.
Dit artikel is geschreven door Business Insider: https://www.businessinsider.nl/waarom-kunstmatige-intelligentie-bank-en-klant-kan-helpen-davinci/