211service.com
Hoe AI kenniswerk verandert: Thomas Malone van MIT
Met behulp van de juiste AI-algoritmen kunnen organisaties evolueren naar superminds die slimmer zijn dan hun individuele leden.
24 januari 2019
Thomas Malone is hoogleraar management aan de Sloan School of Management van MIT, oprichter en directeur van het MIT Center for Collective Intelligence en auteur van het boek uit 2018 Superminds: de verrassende kracht van mensen en computers die samen denken . Het boek onderzoekt de verschillende manieren waarop groepen mensen beslissingen nemen en hoe nieuwe vormen van kunstmatige intelligentie, met name machine learning, kunnen helpen. Malone voorspelt dat AI, robotica en automatisering veel banen zullen vernietigen, waaronder die van hoogopgeleide kenniswerkers, en tegelijkertijd nieuwe banen zullen creëren. Door te investeren in de juiste soorten AI, zegt hij, kunnen organisaties helpen om werknemers productief en gelukkig te houden - en ervoor te zorgen dat onze superminds daadwerkelijk slimmer zijn dan onze gewone geesten.
Deze aflevering wordt gesponsord door Citrix, het bedrijf dat de digitale transformatie in organisaties van elke omvang mogelijk maakt. In de tweede helft van de show legt Citrix' global chief technology officer Christian Reilly uit waarom machine learning nu een krachtvermenigvuldiger is die allerlei soorten consumenten- en bedrijfsapplicaties nuttiger maakt.
Business Lab wordt gehost door Elizabeth Bramson-Boudreau, de CEO en uitgever van MIT Technology Review. De show wordt geproduceerd door Wade Roush, met redactionele hulp van Mindy Blodgett. Muziek van Merlean, van Epidemic Sound.
Toon notities en links
MIT Centrum voor Collectieve Intelligentie
Superminds: de verrassende kracht van mensen en computers die samen denken
Volledig transcript
Elizabeth Bramson-Boudreau: Van MIT Technology Review, ik ben Elizabeth Bramson-Boudreau, en dit is Business Lab, de show die bedrijfsleiders helpt om nieuwe technologieën te begrijpen die uit het lab en op de markt komen. Deze aflevering wordt u aangeboden door Citrix, het bedrijf dat de digitale transformatie in organisaties van elke omvang mogelijk maakt. Later in de show zullen we horen van de global chief technology officer van Citrix, Christian Reilly.
Maar eerst gaan we praten met Tom Malone. Tom is een van de slimste mensen die ik ken die bestudeert hoe organisaties denken en hoe computers en mensen die samenwerken intelligenter kunnen denken.
Tom is hoogleraar management aan het M.I.T. Sloan Managementschool. Tom is ook de oprichter en directeur van het M.I.T. Centrum voor Collectieve Intelligentie. In 1998 was hij een van de eerste geleerden die de opkomst van e-lancing of wat we nu de gig-economie noemen, erkende. In 2018 publiceerde Tom een groot boek genaamd Superminds, waarin wordt gekeken naar de verschillende manieren waarop mensen samen beslissingen nemen en hoe nieuwe vormen van kunstmatige intelligentie, met name machine learning, kunnen helpen.
Hier bij Technology Review zijn we vooral geïnteresseerd in hoe A.I. reikt tot in de wereld van kenniswerk. We hebben besproken hoe robotica en automatisering het in sommige opzichten moeilijker maken voor laagbetaalde, laaggeschoolde arbeiders om banen te behouden. Maar tegenwoordig zijn er ook tekenen dat A.I. zal ook de manier veranderen waarop hoger opgeleide kenniswerkers hun werk doen. Dat betekent niet dat we allemaal te slim af zullen zijn door computers. Maar het betekent wel dat we beter moeten nadenken over hoe organisaties de juiste soorten A.I. om werknemers productief en gelukkig te houden en wat ze kunnen doen om ervoor te zorgen dat onze supergeesten echt slimmer zijn dan onze gewone geesten. Mijn ontmoeting met Tom Malone was een kans om over enkele details te praten. Dus hier is onze chat.
Dus, het is geweldig je weer te zien Tom.
Tom Malone: Geweldig om hier te zijn.
Elisabeth: Dus we gaan het hebben over het boek dat je hebt geschreven en over de ideeën die je in je boek naar voren hebt gebracht. Het heet Superminds en het stelt dat een groep mensen in zekere zin bewust kan zijn en intelligentie soms zelfs intelligenter dan alle individuen in de groep. Je stelt ook dat computers deze supergeesten nog slimmer kunnen maken.
Dus vertel ons eerst wat je ertoe bracht om in die richting te denken en was er een moment waarop je dacht: Hé, er is hier genoeg dat ik misschien naar een boek moet kijken, en vertel ons eigenlijk gewoon wat je naar die plek heeft gebracht.
Tom: Eigenlijk is er een heel specifiek moment in 2005. Kort nadat mijn vorige boek The Future of Work in 2004 werd gepubliceerd, sprak ik op een conferentie in Palo Alto op Stanford en twee van de andere sprekers waren Esther Dyson, de bekende computer industrieanalist en investeerder, en Vernor Vinge, de bekende sciencefictionschrijver die onder andere hielp het concept van de singulariteit populair te maken.
Dus gingen we met z'n drieën uit eten nadat we die dag op de conferentie hadden gesproken. En we hebben het over Vernors meest recente boek, dat hij op dat moment net af wilde hebben, en we hadden het over dingen waar hij in geïnteresseerd was, en Vernor had het over wat hij bovenmenselijke intelligentie noemde, zoiets als mensen en computers en zo Dat. En we hadden een heel interessant gesprek. Ik was aan het praten over wat ik moest doen en had nagedacht over wat ik hierna wilde doen na mijn vorige boek. En tegen het einde van dat diner had ik een ongewoon gevoel, wat niet was dat ik had besloten wat ik hierna ging doen; het gevoel dat ik had was dat ik eindelijk aan mezelf had toegegeven wat ik hierna ging doen.
En dus noemde ik het destijds bovenmenselijk computergebruik of bovenmenselijke intelligentie. Later dacht ik dat een beter woord ervoor collectieve intelligentie was. En ik heb die term een hele tijd gebruikt, inclusief nog steeds de naam van het onderzoekscentrum aan het MIT dat ik leid. En tijdens het schrijven van mijn boek, dat een soort samenvatting was van de laatste 10 of 15 jaar van nadenken over dit onderwerp, realiseerde ik me dat in sommige opzichten een nog betere term voor dat ding in plaats van collectieve intelligentie of collectief intelligente systemen, een een betere term daarvoor was superminds.
Elisabeth: Wat was het dat je op dat moment in de wereld zag dat het een beetje duidelijk maakte dat dit was waar je heen moest.
Tom: Dus toen ik The Future of Work schreef, dacht ik erover om naar de wereld te kijken en te zeggen wat organisaties tegenwoordig doen, en wat de logische uitbreidingen zijn van de volgende stappen die ze zouden kunnen nemen in de richting die ze eigenlijk op willen al op weg. Meer decentralisatie was een van de dingen die ik in dat boek noemde of sterker benadruk. En vanuit mijn oogpunt is een van de mooie dingen van collectieve intelligentie als een manier om dit alles in te kaderen, dat het niet zegt wat de toekomst biedt. Het zegt wat het eindpunt is, en hoe gaan we die kant op. Dus in zekere zin, ook al denken mensen er meestal niet zo over, in zekere zin is de reden om een organisatie te hebben in de eerste plaats dat een groep mensen dingen beter samen kan doen. En vaak betekent dat intelligenter dan ze zouden kunnen als ze gewoon helemaal alleen zouden werken. Dus in zekere zin is het eindpunt perfecte collectieve intelligentie.
En in mijn boek praat ik daar eigenlijk over als een nuttige manier van denken. Als je nadenkt over hoe mijn bedrijf slimmer kan zijn, is het nuttig om na te denken over wat we zouden doen als we perfect intelligent waren. Als we bij elke beslissing rekening zouden houden met al het bekende. In de meeste echte gevallen kun je daar natuurlijk niet aan beginnen, of in ieder geval niet helemaal, maar je kunt er wel mee beginnen. Je kunt je afvragen hoe ver we kunnen gaan in de richting van perfect intelligent zijn. Dus in die zin was het niet zozeer rondkijken naar de wereld en zeggen dat dit het volgende grote ding is vanwege X. Het was naar de wereld kijken en zeggen hoe kunnen we hier over de echt lange termijn nadenken en dat dan gebruiken als een manier om de komende tijd te projecteren.
Elisabeth: Dus het boek Superminds is duidelijk geschreven met zakelijke leiders, mensen die hiernaar luisteren, in gedachten als uw publiek. Dus wat zijn de belangrijkste dingen die je hoopt dat ze zullen wegnemen, hetzij door het boek hopelijk te lezen, hetzij door deze discussie over het boek?
Tom: Dus in mijn ogen is de belangrijkste bijdrage van het boek niet een enkel feit of methode die je kunt gebruiken. Ik denk dat de belangrijkste bijdrage, althans ik hoop de belangrijkste bijdrage, een nieuwe kijk op de wereld is. Het is een manier om naar de wereld te kijken waar je supergeesten overal om je heen kunt zien, niet alleen andere bedrijven, maar ook markten en gemeenschappen en democratieën en al dit soort dingen overal om ons heen. Vooral als zakelijk leider denk ik dat dat betekent dat je je eigen organisatie als een soort supermind zou kunnen en moeten zien. Het is een ding. Het is een entiteit. Het is een intelligente entiteit. En dan is een voor de hand liggende vraag: hoe kan ik mijn organisatie slimmer maken. En dus geeft het boek verschillende manieren om daarover na te denken. Een daarvan is nadenken over de verschillende cognitieve processen die een supermind of een intelligente entiteit moet doen, zoals nadenken over wat voor soort beslissingen mijn organisatie moet nemen, mijn organisatorische supermind. Wat moet het beslissen. Wat heeft het te voelen over de wereld om die beslissingen te nemen. Wat moet het zich van het verleden herinneren om die beslissingen goed te kunnen nemen. Dus elk van die vragen leidt je naar een heleboel andere mogelijkheden. Veel waarvan je misschien nog nooit eerder hebt gedacht.
Elisabeth: Wanneer organisaties besluiten dat ze slimmer willen worden door meer computers of meer A.I. in te zetten, wat zijn dan de gemakkelijke problemen voor hen om deze slimheid op toe te passen, deze extra slimheid, en welke zijn de moeilijkste?
Tom: Een soort gemakkelijk probleem in zekere zin is volgens mij het soort problemen dat je kunt oplossen met wat ik hyperconnectiviteit noem. We hebben de laatste tijd veel gesproken over AI in de wereld en tot nu toe zelfs in dit interview. Ik denk dat een net zo, zo niet belangrijker ding dat computers kunnen doen, is om hyperconnectiviteit te creëren, om mensen met andere mensen te verbinden en vaak ook met computers, op schalen en op rijke nieuwe manieren die voorheen nooit mogelijk waren. Dit hebben we dus al gezien. Het internet is misschien wel het beste voorbeeld van een technologie voor het creëren van hyperconnectiviteit en alle dingen die daarop zijn gebouwd. Sociale netwerken, Google zoeken, dat soort dingen. En ik denk dat er geen nieuw soort dramatisch moeilijke technologische dingen hoeven te gebeuren om hyperconnectiviteit op veel nieuwe manieren te kunnen gebruiken.
Wanneer we ons begeven op het gebied van kunstmatige intelligentie in tegenstelling tot hyperconnectiviteit, dan zijn de plaatsen waar AI kan helpen vaak de plaatsen waar je voldoende gegevens hebt die in machineleesbare vorm kunnen worden vastgelegd om algoritmen te leren en te gebruiken om dingen te doen die ofwel mensen deden eerder of misschien konden mensen dat nooit eerder doen. Dus bijvoorbeeld een functie, een zakelijke functie waar dit vaak een beetje gemakkelijk is, is in de verkoop. Het is gemakkelijk om de effecten van verkopen te meten. Sommige mensen verkopen meer dan anderen en daar hebben we dollars voor. Het is moeilijker om de input van verkopen te meten, maar je kunt ook zeker dingen tellen zoals hoeveel klanten je belt en hoe vaak je ze ontmoet en dat soort dingen en als je het online doet, wat zeg je dan . Er valt dus veel te leren, veel dat de huidige machine learning-systemen kunnen leren over dingen over verkoopeffectiviteit, enzovoort. In het geval van verkoop is het moeilijker om de acties te genereren die de resultaten kunnen beïnvloeden. Dus ook al kan een computer tellen hoe vaak u een verkoopprospect bezoekt, een computer kan niet gemakkelijk bedenken wat u aan het begin van de vergadering gaat zeggen over uw weekend en uw kinderen.
Er zijn dus nog steeds mensen nodig, maar computers kunnen een groot deel van de analyse uitvoeren om het hele proces in veel gevallen efficiënter te maken. Ik denk dat de moeilijkste delen zouden zijn waar het moeilijk is om zelfs de inputs en outputs te meten. Dus als je een nieuw softwareproduct of een nieuwe auto of iets dergelijks ontwerpt, is het niet duidelijk hoe je de outputs of inputs moet meten.
Elisabeth: Hoe denk je dat bedrijfsleiders kunnen denken over investeringen in AI of machine learning, om het niet meer als kostenbesparend te zien, dus werknemers te verwijderen of de werknemers die je hebt efficiënter te maken, en meer over het stimuleren van creativiteit, het voelen van werknemers zelfverwezenlijker en gelukkiger, zodat ze behouden blijven en dus productiever, et cetera?
Tom: Nee, ik vind het een goede vraag. De vraag hoe kunnen we de nadruk verleggen. Ik denk dat in zekere zin het antwoord is door het gewoon te doen. Met andere woorden, om verschillende redenen, waarvan ik zeker weet dat ik ze niet allemaal begrijp, hebben we een grote focus op AI in het bijzonder dat het dingen gaat doen die mensen vroeger deden en vervolgens mensen werkloos maken. En als je AI-toepassingen probeert te ontwikkelen of AI in bedrijven toepast, denken veel mensen daar zo over. Dat is een soort mentaliteit die we naar het probleem brengen. Maar dat is zeker niet vereist door de economie. In feite zijn er in het bedrijfsleven twee manieren om meer geld te verdienen. Een daarvan is om uw kosten te verlagen. De andere is om meer waarde te creëren en het voor meer te kunnen verkopen. Dus ik denk dat we veel te veel gefocust zijn geweest op AI-applicaties om kosten te besparen en lang niet genoeg op AI-applicaties voor waardecreatie. Sterker nog, zelfs vanuit economisch oogpunt vermoed ik dat daar de echte kans ligt. Je kunt alleen zoveel geld verdienen door kosten te besparen, maar er is in zekere zin geen limiet aan hoeveel geld je kunt verdienen als je iets nieuws kunt doen dat mensen willen dat voorheen niet eens kon. Dat is economisch in veel gevallen een stuk spannender.
Elisabeth: Ik denk dat wat daar interessant aan is - ik denk dat je helemaal gelijk hebt. En ik denk dat als het gaat om budgetteren, het altijd heel duidelijk is wat de kosten zijn, maar het is altijd een stuk moeilijker om erachter te komen wat het potentiële voordeel zal zijn, omdat je het eigenlijk niet weet. Dus ik denk dat dat waarschijnlijk de reden is, een deel ervan en ik denk dat we in dat opzicht vaak beperkt worden door onze eigen creativiteit.
Tom: In mijn gedachten is dat het belangrijkste. Het is onze eigen verbeelding, onze eigen denkwijze of onze eigen wereldbeelden die hier de echte limiet zijn. Tot op zekere hoogte hebben we misschien een kans, misschien zelfs een verplichting om de wereld te helpen een denkwijze te ontwikkelen die productiever is, meer openstaat voor deze nieuwe mogelijkheden. Maar als je je tijd besteedt aan het nadenken over hoe je AI-applicaties kunt maken die banen zullen creëren, en om ze te gebruiken, heb je meer mensen nodig om nieuwe dingen te doen, je zult er een paar bedenken. En ik denk dat we daar veel meer tijd aan zouden moeten besteden
Elisabeth: Ik stel me voor dat je dit boek schreef in een tijd dat de verkiezingen van 2016 aan de gang waren en misschien zelfs in de eerste maanden van het presidentschap van Donald Trump. En ik denk dat dat een tijd was waarin we net begonnen te begrijpen hoe bepaalde soorten superminds zoals Facebook resultaten kunnen produceren die misschien niet overal als goed worden beschouwd. Dus ben je net zo optimistisch over supergeesten als toen je begon met het schrijven van het boek?
Tom: Je hebt dus gelijk dat ik mijn boek aan het schrijven was tijdens de campagne en vlak na de verkiezingen van 2016. Uw vraag is of ik nu optimistischer of minder optimistisch ben dan toen ik het boek schreef. Ik denk niet dat ik ooit heb gedacht dat supergeesten altijd goede dingen deden. De wereld en de geschiedenis van de wereld zit vol met supergeesten, waarvan sommige slim en sommige dom zijn, sommige goed en sommige slecht. Nazi-Duitsland zou bijvoorbeeld een voorbeeld zijn dat veel mensen zouden kiezen als een supergeest die, tenminste zolang het bestond, in veel opzichten erg intelligent was. Het bereikte doelen zeer effectief. Maar veel mensen zouden zeggen dat de doelen die het bereikte slecht waren en dat de manier waarop het ze deed slecht was.
Dus ik denk het niet, ik had nooit gedacht en ik denk niet dat superminds altijd goed zijn. Toen ik het boek schreef, probeerde ik opzettelijk de positieve mogelijkheden te benadrukken, maar ik dacht niet dat ze altijd zouden gebeuren. En interessant genoeg veranderde de tijdgeest in de wereld rond de tijd dat het boek in mei 2013 uitkwam. Tot ongeveer die tijd waren mensen allemaal enthousiast over hoe goed Facebook en Google en al deze dingen zijn. En net op dat moment gebeurde het Facebook Cambridge Analytica-schandaal, en de wereld had het ineens over alle negatieve mogelijkheden. Dus als ik het nu over het boek heb, maak ik er een punt van om in het begin te benadrukken dat computers supermind slimmer kunnen maken, maar ze kunnen superminds ook dommer maken. Zoals wanneer nepnieuws kiezers beïnvloedt in een democratie. Dat is vaak een voorbeeld waarin de computers de democratie dommer maken. En wat ik echt denk dat we moeten doen, is nadenken over hoe we deze technologieën verstandig kunnen gebruiken op manieren die de beste kansen hebben op het creëren van goede resultaten. Als je dat wilt doen, vind ik het nog steeds heel nuttig om te praten over wat de goede mogelijkheden zijn waar we naar moeten streven.
Elisabeth: Tom, je hebt het gehad over hoe kunstmatige intelligentie en machine learning in de toekomst sommige oude banen kunnen elimineren, maar ook nieuwe banen kunnen creëren. Wat gebeurt er in de overgangstijd? Er kunnen nogal wat mensen worden getroffen door die overgang. Hoe moeten we ons daarop voorbereiden? En hoe zou het moeten zijn, hoe zal het voelen en eruit zien als we erin zitten?
Tom: Een heel belangrijke vraag, want hoewel ik op de lange termijn erg optimistisch ben dat er genoeg nieuwe banen zullen worden gecreëerd om zoveel mensen als ze willen werk te kunnen bieden, denk ik dat er een overgangsperiode is waar we ons zorgen over moeten maken. En dat is niet per se voor iedereen positief. Er zullen mensen zijn wiens oude banen verdwijnen en die om verschillende redenen de nieuwe banen die beschikbaar zijn niet kunnen of willen doen. Het is dus de moeite waard om je zorgen te maken over hoe we daar als samenleving mee omgaan. En er zijn verschillende mogelijkheden om dat te doen. Een daarvan is het gebruik van technologie om beter te matchen, zodat de mensen aan de banen worden gekoppeld. Als je dat moet doen door op deuren te kloppen, is dat veel duurder dan wanneer je gewoon je cv op LinkedIn of wat dan ook zet en het automatisch wordt gematcht. Een andere, waarschijnlijker, manier is om mensen te trainen om de nieuwe dingen te doen die gedaan moeten worden. Een van de interessante mogelijkheden hier is om de mogelijkheden van technologie te gebruiken om die training op veel flexibelere manieren te laten plaatsvinden. In plaats van acht uur per dag in een klaslokaal te moeten zitten om iets te leren van een professor voor in de zaal, is het nu, zoals in wezen voor iedereen duidelijk is, voor u mogelijk om veel van dat leren thuis of op je huidige werkplek zitten met een pauze of wat dan ook, online verdienen op allerlei manieren.
Ik denk dat dit zelfs mogelijkheden biedt voor nieuwe soorten leerlingplaatsen waar je niet alleen in een klas kunt leren, maar je kunt deelnemen aan werk op een manier die enigszins overbodig is met ander werk dat gaande is. Dus bij veel van de nieuwe soorten besluitvorming die door deze technologie mogelijk worden gemaakt, wil je de mening van meer dan één persoon. Niet slechts één arts die een diagnose stelt, maar misschien vijf mensen die een diagnose stellen. En sommige van die mensen hoeven geen volwaardige, gediplomeerde artsen te zijn. Misschien kunnen het geneeskundestudenten zijn. Of in andere domeinen weet je dat als je probeert te voorspellen of de concurrent op een bepaalde datum een nieuw product in een bepaalde categorie gaat lanceren, je misschien niet de beste marktonderzoekers ter wereld hoeft te hebben die die voorspellingen doen. Misschien kun je MBA-studenten of mensen die MBA-studenten willen zijn, die voorspellingen laten doen. En als ze goed kunnen voorspellen, stellen ze hun eigen geloofsbrieven vast. En zelfs als ze dat niet doen, voegen ze nog steeds meer datapunten toe aan de gemiddelden, zodat de voorspellingen worden gemaakt en dus hebben ze enige waarde bijgedragen en hebben ze geleerd hoe ze het moeten doen.
Elisabeth: Tom, ik wil je bedanken dat je vandaag de tijd voor ons hebt genomen. Dit is een boeiend gesprek. Het is altijd interessant om met je over je laatste werk te praten. En nogmaals bedankt voor uw aanwezigheid en het delen van uw ideeën met ons.
Tom: Bedankt. Het is me een genoegen.
****
Elisabeth: Dit is de laatste aflevering van een driedelige miniserie over de toekomst van kenniswerk, geproduceerd met sponsoring van Citrix. Het bedrijf maakt gebruik van cloudservertechnologie om ervoor te zorgen dat kenniswerkers toegang hebben tot de apps en de gegevens die ze nodig hebben, waar ze zich ook op een bepaalde dag bevinden. Als je zoveel applicaties en zoveel data beheert, blijkt dat je AI op een aantal interessante manieren kunt gebruiken om het allemaal beter op elkaar te laten aansluiten, en zelfs om het leven van je kenniswerkers bevredigender en productiever te maken. Onlangs had ik de kans om te gaan zitten en te praten met Citrix's Global Chief Technology Officer Christian Reilly, en ik begon met hem te vragen wat Citrix doet om meer intelligentie in te bouwen in de manier waarop ze applicaties aan werknemers leveren.
Christian Reilly: Dus ik denk dat de kern daarvan de verandering in het landschap van applicaties zelf is. Ik bedoel, de manier waarop we over applicaties denken is tegenwoordig heel anders dan 20 en 25 jaar geleden en ik denk dat een groot deel daarvan de manier is waarop we daadwerkelijk hebben nagedacht over wat de applicatie probeert te doen. En daarmee bedoel ik dat je weet dat we historisch gezien heel veel grote complexe bedrijfsapplicaties hebben gehad die erg functiegebaseerd waren. Je weet dat ze een hele zakelijke functie vervullen en ze dienen dat allemaal, van bijvoorbeeld bestelling tot contant geld als een geweldig voorbeeld van een toepassing die dat normaal gesproken in historische zin zou hebben gedaan. Toen we de komst van cloudservices zagen, terwijl we de komst van mobiele apparaten en mobiele applicaties zagen, hebben we applicaties zien veranderen in wat ik zou zeggen, een meer processpecifieke manier. Dus individuele applicaties worden veel kleiner en bieden in feite een soort subset van bedrijfsproces en een subset van bedrijfsresultaten. Dus de grote applicaties bestaan natuurlijk nog steeds, maar de kleinere worden steeds populairder in de manier waarop we met elkaar omgaan. Dus als je dat een beetje bij elkaar optelt en denkt aan traditionele applicaties die complex waren, dan waren ze moeilijk te gebruiken. Er zijn veel verschillende versies van geweest om veel verschillende redenen. En we hebben deze toestroom van de kleinere, meer lichtgewicht, flexibelere applicaties. Ik denk dat we erachter zijn gekomen dat er een interessante nevenschikking is tussen productiviteit en de uitdaging van deze bestaande applicaties en de slimme mensen zijn echt gaan nadenken over machine learning op manieren die echt een uitdaging vormen voor de manier waarop we werk gedaan krijgen.
Dus vanuit een heel eenvoudig perspectief zou ik een voorbeeld geven waar we misschien een organisatie zijn die 20.000 mensen in dienst heeft. En we hebben een systeem waarmee mensen verlof kunnen aanvragen. Dus historisch gezien moesten we naar de aanvraag gaan, verlof aanvragen, en dan zou iemand anders het moeten goedkeuren. Maar nu met machine learning kunnen we het echt begrijpen, je weet dat je elke woensdag naar deze applicatie gaat om je vrije tijd in je team te controleren. Wat als we dat zouden kunnen begrijpen en wat als we je gewoon een eenvoudig mechanisme zouden kunnen bieden om te zeggen hey weet je, in plaats van dat je dit elke woensdag doet, ga ik kijken naar de manier waarop je dat bedrijfsproces gebruikt en ik ben daar ga ik van leren en ik ga je een andere manier geven om dit te doen die uiteindelijk een beter resultaat voor je heeft omdat het sneller is. Het verandert je aandacht niet van wat je aan het doen was. En ik kan eigenlijk wel begrijpen wat u van plan bent te doen. En mijn machine learning, of in dit geval een kunstmatige-intelligentiebenadering, zou echt begrijpen wat je in het systeem doet en je een andere manier van werken opleveren.
Elisabeth: Dus wat ik denk wat je beschrijft, Christian, is het idee dat AI en machine learning niet alleen intelligentie hebben om geweldige analyses te maken van de dingen die binnen het platform gebeuren, maar ook een rol spelen in de manier waarop de applicaties en de besturingssystemen zijn in de eerste plaats ontworpen.
christen: Ja absoluut. Ik bedoel, ik denk dat wat echt interessant is, een enorme trend die we zien, is, en weet je, misschien moet ik een beetje teruggaan en praten over de beginjaren van kunstmatige intelligentie, AI. Het is geen nieuw concept. Het bestaat al sinds de jaren vijftig. Maar wat echt interessant is en ik denk dat het de krachtvermenigvuldiger is, is het feit dat we nu in staat zijn om machine learning-modellen en -mogelijkheden als cloudservices zelf te gebruiken. Dus de drempel om machine learning in te zetten wordt steeds lager en lager. Letterlijk week op week maand op maand. Dus wat vanuit dat perspectief interessant is, is dat er niet alleen nieuwe applicaties worden ontwikkeld die inherente kunstmatige intelligentie en machine learning-mogelijkheden hebben, maar ook traditionele applicaties waarmee we datzelfde concept kunnen aanpassen, en uiteindelijk grotere zakelijke voordelen en grotere bedrijfsresultaten kunnen opleveren. Dus ik denk absoluut dat de manier waarop we applicaties nu ontwerpen, alles zal hebben ingebouwde kunstmatige intelligentie. Of dat nu een smart-tv is of een thuisapparaat, een nieuwe laptop, een nieuwe telefoon, ze zullen allemaal een soort van machine learning of AI-capaciteit. Maar wat echt interessant is, is dat er nu sets van cloudservices bestaan om echt complexe problemen op te lossen en ze relatief eenvoudig te maken. Dus de algehele capaciteiten die we hebben is veel groter, en de toepasbaarheid van die mogelijkheden is veel breder. En ik denk dat dat pas echt interessant wordt door de manier waarop we echte zakelijke voordelen kunnen behalen, niet alleen voor nieuwe toepassingen, maar ook voor traditionele zaken.
Elisabeth: Er is een verhaal dat de meesten van ons horen, over hoe AI en machine learning een grote bijdrage zullen leveren aan kostenbesparingen. Dus werknemers ontslaan, mensen aansturen om efficiënter te werken. Wat is het verhaal dat dit concept illustreert dat AI en machine learning eigenlijk positief zijn en de manier waarop we in de toekomst werken een leukere en leerzamere ervaring maken?
christen: Nou, ik denk dat we ons collectief al eeuwen zorgen maken over het einde van het werk door automatisering. Er is een beroemd voorbeeld in het Verenigd Koninkrijk, namelijk van koningin Elizabeth I die een patent op een automatische breimachine weigerde omdat ze zich zorgen maakte over de effecten van automatisering op de dames die destijds breiden voor de kost. En uiteindelijk was ze best bereid om het patent niet te accepteren, maar ze kon de automatisering niet stoppen en veel organisaties kochten deze breimachines en in de loop van de tijd groeide het aantal breiklussen zelfs exponentieel. Dus het was best interessant om te volgen. Er zijn nog een aantal andere soortgelijke voorbeelden. En ik denk dat we ons nu op hetzelfde soort kruispunt bevinden als we het hebben over de bedreigingen van AI. Natuurlijk is er een dreiging denk ik voor sommige banen. Kijk naar traditionele banen die misschien callcenters of contactcenters zijn die relatief eenvoudig kunnen worden uitgebreid met een deel van de kunstmatige intelligentie van machine learning.
Dus ik denk dat er zeker een punt zal zijn waarop sommige banen verloren gaan aan automatisering, aan machine learning. Maar ik denk dat de manier om er echt naar te kijken is, hoe kunnen we dit daadwerkelijk toepassen op een moreel correcte manier die ons in staat stelt enkele van de echt arbeidsintensieve taken die mensen doen te elimineren, of dat nu een doktersafspraak is of je weet zelfs een kappersafspraak, of het goedkeuren van een urenstaat. Dit zijn geen dingen met toegevoegde waarde voor ons als mensen. Dus ik denk dat hoe meer we machine learning kunnen toepassen, we digitale assistenten en virtuele assistenten kunnen toepassen om de repetitieve dingen die niet veel waarde toevoegen, aan te pakken. Ik denk dat we echt tijd kunnen vrijmaken, we kunnen denkkracht vrijmaken, we kunnen middelen vrijmaken voor mensen om creatiever te zijn, dus in plaats van ons zorgen te maken over de theorie tussen kunstmatige algemene intelligentie en de robots die de wereld gaan overnemen, laten we eens kijken focus op de kunstmatige enge intelligentie, de dingen die we elke dag zien als we Siri gebruiken, of we gebruiken Cortana, of we gebruiken Google Assistant, of we hebben een aanbeveling van Amazon, of we zien dat steeds meer van deze technologie wordt ingebouwd in line-of-business-applicaties die die arbeidsintensieve, moeizame en repetitieve taken echt opeten. Ik denk dat we ons daar op focussen. We maken wat intellectueel kapitaal vrij voor mensen om creatiever te zijn, om te ontsnappen aan de sleur van het dagelijks leven. Dat is waar we denk ik de meeste waarde kunnen toevoegen en misschien moeten we ons niet zo druk maken over de robots die onze wereld gaan overnemen, want naar mijn mening zal dat waarschijnlijk nooit gebeuren.
Elisabeth: Geweldig. Nou, dat is een opluchting. Christen, dank je. Dit is geweldig geweest. Het was geweldig om van u te horen over deze problemen en om meer te weten te komen over Citrix.
christen: Nou, bedankt.
Elisabeth: Dat was het voor deze aflevering van Business Lab. Ik ben je gastheer, Elizabeth Bramson-Boudreau. Ik ben de CEO en uitgever van MIT Technology Review. We zijn in 1899 opgericht aan het Massachusetts Institute of Technology. Je kunt ons vinden in gedrukte vorm, op het web, bij tientallen live-evenementen per jaar, en nu in audiovorm. Voor meer informatie over ons kunt u terecht op onze website op technologyreview.com.
Deze show is overal beschikbaar waar je je podcasts vandaan haalt. Als je deze aflevering leuk vond, hopen we dat je even de tijd wilt nemen om ons te beoordelen en te beoordelen op Apple Podcasts. Business Lab is een productie van MIT Technology Review. De producer voor deze aflevering is Wade Roush met redactionele hulp van Mindy Blodgett. Dank aan onze sponsor Citrix, het bedrijf dat mensgerichte oplossingen creëert voor een betere manier van werken. Bedankt voor het luisteren. We komen snel terug met onze volgende aflevering.