Voor de beste ervaring schakelt u JavaScript in en gebruikt u een moderne browser!
Je gebruikt een niet-ondersteunde browser. Deze site kan er anders uitzien dan je verwacht.

Er woedt een war on talent binnen het AI-vakgebied, waarbij jonge onderzoekers worden weggelokt door de grote techbedrijven. Toch is er ook talent dat bewust kiest voor een academische carrière. Twee hoogleraren en twee rijzende sterren vertellen over hun werk.

Pascal Mettes en Cees Snoek (foto: Bob Bronshoff)

Goed voorbeeld doet goed volgen

Cees Snoek is hoogleraar Intelligent Sensory Information Systems en Pascal Mettes is assistant professor aan het Instituut voor Informatica.

Waar werkt u aan? 
Pascal Mettes: ‘We zorgen ervoor dat artificiële intelligentie in staat is om objecten en gedrag in video’s te herkennen. Wat of wie zie je op de video, met welk object, wat doen ze?’ 

Cees Snoek: ‘Als AI video’s goed kan interpreteren, zijn daar allerlei toepassingen bij te bedenken. AI kan bijvoorbeeld medische scans beoordelen. Maar je kunt ook denken aan camera’s op Schiphol die opletten wat er met je koffer gebeurt. En we werken bijvoorbeeld samen met TomTom. Er rijden auto’s van TomTom rond die de omgeving vastleggen. Met die beelden maken we geavanceerde plattegronden voor zelfrijdende voertuigen.’

Wat maakt dit vakgebied uitdagend?  
CS: ‘AI werkt op basis van machine-leren. Als je een lerend systeem honderd keer laat zien hoe een boom eruitziet, dan kan de software bomen leren herkennen. Wij proberen dat leerproces in algoritmen te vatten.’ 

PM: ‘De oude strategie was om een systeem regels op te leggen. Stel je hebt een camerasysteem in een verzorgingshuis dat in de gaten houdt of iemand gevallen is. Voorheen vertelde je dat systeem: als iemand in zijn of haar kamer op de grond ligt, dan is die gevallen en moet je het personeel waarschuwen. Maar de praktijk is complexer dan dat. Met harde regels kom je nergens. Wat we nu doen, is een computer voorbeelden geven van beelden en de juiste interpretatie ervan. De machine leert vervolgens zélf de stap te zetten van beeld tot begrip.’ 

CS: ‘Zo zorgen we ervoor dat AI betekenis kan toekennen aan pixels.’

Waarom kiest een jong talent voor dit vakgebied? 
PM: ‘Toen ik zeven jaar geleden begon, was het een veld van idealen. We wilden veel, maar we waren nog niet zo ver. De afgelopen jaren ging de ontwikkeling in sneltreinvaart. Dat voorbeeld van die boom? Zeven jaar geleden wisten we amper hoe dat moest.  Nu is dat een gemakkelijke klus. Het is leuk te werken in een veld dat zo snel verandert.’

Is het lastig om mensen te vinden voor dit onderzoek?
CS: ‘De industrie heeft een aanzuigende werking, dus we komen wel in de knel met talent dat kiest voor de academische wereld. Mensen als Pascal zijn moeilijk te vinden. Maar hoe meer je zulke talenten aan je kunt binden, hoe meer andere jonge mensen je aantrekt. Zij zien dan ook de mooie kansen die hier liggen.’

Zoeken op maat

Maarten de Rijke is universiteitshoogleraar AI and Information Retrieval en Harrie Oosterhuis deed zijn promotieonderzoek bij de onderzoeksgroep Information and Language Processing Systems Research Group.

Harrie Oosterhuis en Maaten de Rijke (foto: Bob Bronshoff)

Wat is de kern van uw werk? 
Maarten de Rijke: ‘We onderzoeken hoe bijvoorbeeld zoeksystemen en aanbevelingssystemen kunnen leren van het gedrag van gebruikers.’ 

Harrie Oosterhuis: ‘Deze systemen zoeken in grote collecties van bijvoorbeeld websites, films of producten. Ze moeten daaruit een selectie tonen die voldoet aan de behoefte van de gebruiker. Door bij te houden waar mensen op klikken, welke vragen ze stellen en hoe snel ze keuzes maken, kan zo’n systeem leren dat steeds beter te doen.’ 

Wat maakt de taak van een zoekmachine complex? 
MdR: ‘Elke handeling van de gebruiker levert het systeem extra informatie op. Het is dus een constant veranderend vraagstuk. Bovendien hebben gebruikers op verschillende momenten verschillende behoeften. Stel, iemand leest altijd hetzelfde genre boeken. Maar op een dag zoekt die gebruiker een cadeau voor een ander. Een zoeksysteem moet met dergelijke onverwachte signalen kunnen omgaan.’

HO: ‘Een andere uitdaging is als meerdere mensen hetzelfde account gebruiken. Jij hebt op Netflix Stranger Things gekeken; je kind keek Peppa Pig. Als het systeem niet snapt wat hier gebeurt, dan gaat het erg vreemde suggesties geven. Een slim interactief systeem begrijpt de situatie en stelt na kinderbedtijd geen kinderprogramma’s meer voor.’

Waarom vergt dit artificiële intelligentie? 
HO: ‘In zijn colleges vergelijkt Maarten een zoekmachine met een bibliothecaris. Die weet enerzijds welke boeken beschikbaar zijn, en anderzijds begrijpt hij wat je zoekt. Zélfs als je dat zelf nog niet weet. In zo’n rol moet je beslissingen maken op basis van talloze onzekere factoren. Dat is te complex voor programma’s die simpele regels volgen. Daar is AI voor nodig.’ 

MdR: ‘Wat bovendien cruciaal is, is dat AI leert van nieuwe informatie door gebruikersinteracties, en zo zelf een zoekmachine kan verbeteren.’

Hoe leert zo’n machine? 
MdR: ‘Aanbevelingssystemen zetten soms vreemde suggesties bij de resultaten. Dat is bewust: het systeem test of je ook geïnteresseerd bent in iets anders dan je gewoonlijke keuzes. Zo leert het je beter kennen.’

HO: ‘Stel, iemand zoekt recepten. Als het systeem altijd Italiaans eten voorstelt, lijkt het alsof deze persoon pasta perfect vindt. Maar had het systeem een keer stamppot geopperd, dan had ’t misschien ontdekt dat de gebruiker dat nóg lekkerder vindt.’  

Hoe brengen jullie je werk naar buiten? 
MdR: ‘We werken samen met bedrijven die zoekmachines en aanbevelings-systemen inzetten, zowel met grote organisaties zoals Google, bol.com en Albert Heijn, als met kleine partijen zoals kruideniers. Dat maakt dit vakgebied bijzonder. Als onderzoeker sta je met één been in de academische wereld en met één been erbuiten. Dat inspireert en vergt een bijzonder soort talent.’