Denkwerk: Cobots: mens en robot schouder aan schouder

Koen Vervloesem

Artsen, journalisten, juristen, ... volgens doemdenkers is hun job binnen afzienbare tijd bijna volledig te automatiseren. Er bestaat zelfs een website waarop je je baan intypt en die voorspelt hoeveel kans er bestaat dat je baan wordt geautomatiseerd: Will Robots Take My Job? (https://willrobotstakemyjob.com/).

De toekomst van kunstmatige intelligentie: mens en machine die samenwerken
(bron: Daimler und Benz Stiftung, CC BY-SA 3.0 de)

Volgens het World Economic Forum wordt tegen 2025 meer dan de helft van ons werk door machines gedaan (https://www.weforum.org/agenda/2018/09/artificial-intelligence-shaking-up-job-market/). Toch is de organisatie niet pessimistisch over het bijbehorende banenverlies: omdat AI de markt in zijn geheel verandert, zou het nettoresultaat wel eens meer banen kunnen zijn.

Geen banen maar taken
Door onze angst voor het onbekende focussen we ons op dit gebied meestal op het verkeerde debat: we vragen ons dan af welke banen door robots worden overgenomen. Maar er zullen maar weinig banen zijn waarbij we volledig door een robot kunnen worden ingeruild. Elke baan bestaat immers uit tientallen tot honderden gevarieerde taken. En de huidige stand van zaken in AI voor elk van die taken kan enorm variëren. We zijn immers nog lang niet aan wat we artificial general intelligence (AGI) noemen: een machine die het menselijke niveau haalt op alle cognitieve gebieden.

Volgens Erik Brynjolfsson en Daniel Rock van het MIT en Tom Mitchell van Carnegie Mellon University moeten we ons dan ook eerder focussen op de vraag op welke taken AI het meeste impact zal hebben (http://ide.mit.edu/sites/default/files/publications/pandp.20181019.pdf). Ze onderzochten 2069 werkactiviteiten, 18156 taken en 964 beroepen op hun "geschiktheid voor machinaal leren". Ze suggereren om deze informatie te gebruiken om onze huidige banen te herorganiseren: taken die gemakkelijk zijn te automatiseren, herorganiseren we het best zodat we ze aan AI overlaten; de taken die moeilijker zijn te automatiseren, bundelen we tot een aangepaste versie van de baan in kwestie.

Worden onze banen binnenkort allemaal ingenomen door robots?

1 + 1 = 3
Bovendien is dit geen zero-sum game tussen mens en machine. De mens zal niet alle taken verliezen die machines kunnen oplossen. In zijn rapport Preparing for the Future of Artificial Intelligence (https://obamawhitehouse.archives.gov/sites/default/files/whitehouse_files/microsites/ostp/NSTC/preparing_for_the_future_of_ai.pdf) van eind 2016 schetste de Obama-administratie in één van zijn laatste publicaties dat we onze jobs kunnen behouden als we mens en machine laten samenwerken om elkaars zwakheden te compenseren.

Zo vermeldt het rapport een studie waarbij afbeeldingen van cellen van lymfeknopen door een computer of door een dokter werden beoordeeld om te bepalen of het om kanker ging. De computer maakte in 7,5% van de gevallen fouten, de menselijke patholoog in 3,5% van de gevallen. Maar als de patholoog werd bijgestaan door een computer, werd het foutpercentage gereduceerd tot 0,5%. Het loont dus om niet in termen van mens tegenover machine te denken, maar om naar synergie tussen beiden te streven. Het kan letterlijk levens redden.

De mens als hulplijn
Maar hoe werkt zo'n samenwerking tussen mens en machine? Nu al zien we in veel toepassingen een eenvoudige vorm van samenwerking, waarbij de mens als hulplijn wordt gebruikt voor als de machine het laat afweten. Zo bestaan er al geautomatiseerde callcenters of chatbots op websites van bedrijven, die standaardvragen van klanten begrijpen en daarop antwoorden. Maar zodra een vraag het petje van de AI te boven gaat, krijgt de klant een menselijke medewerker aan de lijn. Op deze manier hoeven de menselijke medewerkers geen tijd meer te besteden aan het beantwoorden van eenvoudige vragen die geautomatiseerd op te lossen zijn, zodat ze meer tijd vrij hebben om de moeilijkere vragen te beantwoorden.

Vaak merkt de klant de overgang van machine naar mens zelfs niet. Maar in andere gevallen kan de overgang wel voor problemen zorgen. Zo reed een zelfrijdende testwagen van Uber in het begin van 2018 een overstekende voetganger aan, die daarop overleed. In de wagen zat er een chauffeur voor noodgevallen, maar die deed er te lang over om het stuur over te nemen na de verkeerde beslissing van de wagen om door te rijden. Uit onderzoek achteraf bleek dat de chauffeur op het moment van het ongeluk afgeleid was. Dat is ook niet onlogisch als je weet dat een noodchauffeur in een zelfrijdende wagen een hele dag gewoon moet toekijken en zich nutteloos voelt, en misschien één keer op die hele dag dient in te grijpen.

Wie nu naar een callcenter belt,
wordt zonder het te weten misschien al te woord gestaan door een computer.

De machine als expert
Een andere vorm van samenwerking is dat de machine de mens bijstaat als expert. Het voorbeeld van het AI-systeem dat de lymfeknopen analyseert en de patholoog bijstaat in de beoordeling of het om kanker gaat, is exemplarisch. De mens heeft nog altijd zijn eigen oordeel, maar vraagt aan de computer een second opinion, goed wetende dat de computer patronen ziet die hij zelf niet ziet, maar ook kennis niet heeft die hij zelf wel heeft.

Hetzelfde zie je in gezichtsherkenningssystemen die geseinde criminelen kunnen herkennen, of militaire drones die doelen kunnen volgen. Niemand zal dit soort systemen zelfstandig beslissingen laten nemen. Maar ze geven informatie aan de mens, die deze informatie beoordeelt en samenlegt met zijn eigen informatie om zo uiteindelijk tot een geïnformeerde beslissing te komen.

En eigenlijk hebben we allemaal al ervaring met dit soort systemen. De aanbevelingen die Amazon of Bol.com ons toont op basis van ons aankoopgedrag en de muzieknummers die Spotify ons aanbeveelt op basis van waar we zoal naar luisteren, zijn eenvoudige voorbeelden van dit soort AI. Niemand haalt het in zijn hoofd om deze aanbevelingen blindelings te volgen. We beschouwen het allemaal als informatie die een expert ons voorlegt en waar we zelf nog over oordelen.

We zullen steeds vaker een robot om aanbevelingen vragen.

Taal
Om te kunnen samenwerken, dienen mens en machine dezelfde taal te spreken. Dat is heel lastig. Ofwel neem je een taal die dicht bij de taal van de computer ligt: een programmeertaal, een wiskundige of logische taal. Maar dan verwacht je van de mens dat die zich aan de computer aanpast, en niet iedereen kan overweg met een ondubbelzinnige, logische taal waarin de kleinste punt of komma de computer in verwarring kan brengen. Ofwel neem je een taal die dicht bij de taal van de mens ligt: onze natuurlijke taal die we dagelijks spreken. Maar dan verwacht je van de computer dat die zich aan de mens aanpast en alle nuances en context van onze taaluitingen begrijpt, wat onrealistisch is.

Een extra uitdaging is dat neurale netwerken, de populairste techniek voor machinaal leren, een black box vormen: je krijgt een resultaat, maar zonder enig inzicht in waarom het algoritme tot dat resultaat komt. Welke factoren hebben bijvoorbeeld het meest tot het antwoord bijgedragen? Voor een arts die aan een AI-systeem vraagt om een foto van lymfeknopen te analyseren om de kans dat het om kanker gaat te beoordelen, is dat cruciale informatie. Als die arts immers aan een collega om een second opinion zou vragen, zou hij ook die factoren willen horen die tot de beslissing bijdroegen. Gaat een arts voor zijn diagnose op een systeem betrouwen dat helemaal geen inzicht geeft? Dat valt te betwijfelen...

Een techniek die meer inzicht geeft in de factoren die tot een antwoord leiden, zijn decision support systems. Het nadeel is dat die minder nauwkeurig werken dan deep learning met neurale netwerken. Maar in sommige domeinen weegt het inzicht nu eenmaal meer door dan de nauwkeurigheid. IBM Watson (http://www.ibm.com/watson/) is een voorbeeld van een AI-systeem dat met decision support systems werkt. De DeepQA-software die het hart uitmaakt van Watson kan allerlei gestructureerde en ongestructureerde gegevens combineren en zijn beslissingen ook uitleggen. IBM heeft Watson dan ook al in meerdere ziekenhuizen ingezet en waagt zich met het systeem zelfs aan weersvoorspellingen.

Mens en robot schouder aan schouder
Ook in de materiële wereld breekt de nauwere samenwerking tussen mens en machine door: we spreken dan van cobots (collaborative robots). Terwijl robots vroeger omwille van hun kracht strikt met hekken werden afgescheiden van menselijke arbeiders in fabrieken, met veiligheidsperimeters waarbinnen de arbeiders zich niet mochten begeven, werken robots nu meer en meer gewoon tussen de arbeiders en vaak zelfs in samenwerking met hen. Bijna alle robotfabrikanten hebben tegenwoordig wel een cobot in hun assortiment.

Cobots zijn doorgaans kleiner en minder krachtig dan de industriële robots van weleer, maar toch is veiligheid een belangrijk aandachtspunt, want ze kunnen hun menselijke collega's zeker kwetsen. De ISO (Internationale Organisatie voor Standaardisatie) is aan een norm voor industriële cobots aan het werken, die ten vroegste dit jaar wordt verwacht. Maar voor servicerobots die mensen aan een balie onthalen of voor robots in de landbouw bestaan er nog geen officiële normen. Kortom, er moet nog wel wat gebeuren aan de regelgeving voor cobots echt zullen doorbreken.

Het interessante aan cobots is dat ze krachtsensoren hebben. Daardoor kun je als mens die met een cobot samenwerkt, de cobot eenvoudig stoppen door hem met je hand tegen te houden. En in plaats van een cobot op een formele manier te programmeren, doet de menselijke operator zijn taak (zoals lassen, lijmen of verven) voor en leert de cobot de taak door dit na te doen. Daardoor kunnen arbeiders de routinetaken