Digitalisering: Artificiële intelligentie wint aan belang

De digitale transformatie van de samenleving is volop bezig. De COVID-19-crisis heeft die in een stroomversnelling gebracht, ook bij lokale besturen. Dankzij digitale tools blijft de gebruikelijke dienstverlening lopen, er is nieuwe digitale dienstverlening bijgekomen in functie van de crisis, medewerkers zijn overgeschakeld op telewerken, gemeenteraden vergaderen digitaal. Nieuwe technologieën bieden ook kansen om iets tegen complexe maatschappelijke problemen, zoals COVID, te ondernemen. De kern van heel wat nieuwe ontwikkelingen is artificiële intelligentie (AI).

Ook voor de dienstverlening van lokale besturen en een beter leven voor hun inwoners zal AI belangrijker worden. Maar het is niet omdat iets technologisch kan, dat het ook moet. De toetssteen voor lokale besturen is de maatschappelijke meerwaarde van technologie. Bovendien heeft de (lokale) overheid een belangrijke taak om het wettelijke en ethische kader voor deze nieuwe toepassingen te bepalen.

Rob Heyman is coördinator van het Kenniscentrum Data en Maatschappij, dat in het kader van het AI-actieplan van de Vlaamse overheid de ethische, maatschappelijke en juridische aspecten van data en AI moet verhelderen voor kmo’s en beleidsmakers. Tony Belpaeme is professor aan de UGent, gespecialiseerd in AI en robotica. Zij schetsen een stand van zaken en geven inzicht in de mogelijkheden en drempels van AI bij lokale besturen. 

De term artificiële intelligentie dateert van 1956. Veertig jaar later versloeg Deep Blue schaakkampioen Kasparov. Intussen is in elk bordspel de computer beter dan de mens. Tony Belpaeme: ‘We hadden wel computers die voor ons zeer moeilijke zaken makkelijk en snel konden oplossen. Maar voor ons eenvoudige dingen, zoals begrijpen wat er gezegd wordt, konden ze niet. Daar zit pas sinds een jaar of tien grote vooruitgang in, dankzij neurale netwerken en machine learning.

Vertaalprogramma’s bijvoorbeeld zijn veel beter geworden. Nummerplaatherkenning werkt haast feilloos, waardoor we via trajectcontrole op snelwegen zware ongevallen en verkeersdoden voorkomen. Maar menselijke intelligentie is dat natuurlijk niet. Die systemen zijn maar goed in één iets. De software van een vertaalprogramma is totaal nutteloos voor het besturen van een auto.’ Drie elementen liggen aan de basis van de grote vooruitgang van AI. We genereren allen samen een enorme hoeveelheid data die we met alles en iedereen delen en die noodzakelijk zijn om machines te ‘trainen’. Tegelijkertijd leveren grafische processoren, gekend van de gamewereld, de nodige rekenkracht voor neurale netwerken. Ten slotte hebben ook nieuwe theoretische inzichten bijgedragen aan de sprong voorwaarts.

AI kun je inzetten voor verschillende handelingen of processen. Om zaken te classificeren: welk verkeersbord is dit of hebben we die auto al gezien? Om dingen te voorspellen: op basis van vele jaren aan gegevens kan een programma bijvoorbeeld zeggen wanneer welke vuilnisbak op het openbare domein leeggemaakt moet worden. Om te plannen: een programma tekent de route van A naar B uit op basis van historische en realtime informatie, en stuurt bij indien nodig. Er zijn programma’s zoals chatbots, die in de vragen die mensen intikken woorden en patronen herkennen en antwoorden formuleren.

Ook lokale besturen zitten niet stil. Sommige gemeenten hebben al een chatbot die de digitale dienstverlening versterkt, andere hebben plannen in die richting. Elders lopen projecten met mobiele camera’s en automatische beeldherkenning om sluikstorten of defecten op het openbaar domein te detecteren. Robotisering in de zorg is in opkomst. Er zijn projecten voor automatische rechtentoekenning. Enzovoort. Sommige projecten lopen goed, andere kennen minder succes.

Rob Heyman: ‘Dat AI beter wordt en aan belang wint, wil niet zeggen dat het altijd en overal dé oplossing is voor een probleem. Lokale besturen mogen zich niet laten verblinden door het nieuwe of door de marketing van AI-spelers, en halsoverkop in een prestigeproject stappen. De eerste vraag moet zoals steeds zijn: welk probleem willen we oplossen, welke vraag beantwoorden? Als je het probleem niet duidelijk definieert, zal de technologie het vertalen in een probleem dat met technologie op te lossen is en dan krijg je een oplossing die niet optimaal aan de vraag tegemoetkomt. Het komt er dus op aan om vanuit een duidelijke probleemdefinitie naar mogelijke oplossingen te kijken. Misschien is er helemaal geen dure en ingewikkelde AI-technologie nodig. Gemeenten moeten AI bekijken als een bijkomend middel om een vraag te beantwoorden, het is geen doel.’

De vraag is natuurlijk of bij lokale besturen wel de nodige kennis aanwezig is om de pro’s en contra’s van een AIoplossing goed af te wegen. ‘Het klopt dat veel gemeenten niet de mensen met de juiste profielen in huis hebben om te kunnen meepraten met de AIbedrijven,’ zegt Rob Heyman. ‘Dat wil niet zeggen dat ze massaal datawetenschappers moeten aanwerven die over alle technische kennis beschikken. Ze moeten wel mensen hebben die weten wat AI is en hoe het werkt. Het helpt natuurlijk niet dat sommige AI-bedrijven allesbehalve transparant zijn over wat er gebeurt in de “zwarte doos” die de technologie is.

Gemeenten zouden daar op zijn minst transparantie over moeten vragen.’ Bovendien zijn technologie en de algoritmes die gebruikt worden voor machine learning niet neutraal. Tony Belpaeme: ‘Een mens heeft het systeem ontworpen en die is per definitie niet neutraal. Of misschien moest het systeem snel klaar zijn of mocht het niet veel kosten en is het design daardoor niet al te goed. Ook in de data waarmee een algoritme getraind wordt, zitten impliciete “biases” of vertekeningen. Er zijn heel wat, vooral Amerikaanse en Britse, voorbeelden van AI-projecten waarin een algoritme verkeerde of vertekende beslissingen nam.

Programma’s zijn blind, het gebeurt dat ze uit data signalen puren die wij liever niet gebruiken om beslissingen op te baseren. AI moet dus transparant zijn: hoe komt het programma tot een besluit?’ Ook als een overheid AI inzet, moet ze daar open over zijn. Rob Heyman verwijst naar Nederland dat een centraal register heeft van alle algoritmes en AItoepassingen die publieke overheden gebruiken, waarin is opgenomen hoe ze werken. Hij pleit ervoor dat lokale besturen bij ons zo’n register aanmaken. Dat zou ook communicatie met de burgers over AI, de mogelijkheden en valkuilen vergemakkelijken.

Een AI-oplossing vraagt data. Een gemeente die met een AI-toepassing wil werken, moet een inventaris maken van de data die ze heeft en van de bronnen om eventueel bijkomende data te verkrijgen. Data moeten ook van goede kwaliteit zijn. Veel datasets zijn onvolledig, bevatten fouten of dubbelzinnigheden, of zijn vooringenomen. Data moeten dus schoongemaakt worden. Tony Belpaeme: ‘Gemeenten hebben een goudmijn aan data, maar net als in veel andere organisaties en bedrijven zijn goede datasets een probleem. Ze zijn verspreid over vele diensten, software is niet compatibel, ze raken verloren. De bewustwording dat data moeten voldoen aan bepaalde standaarden neemt gelukkig toe. Ook los van AI is het nodig data up-to-date te houden en rommel te verwijderen.’

Beide specialisten zijn het erover eens dat het leren kennen en omgaan met de mogelijkheden van AI tijd zal vragen. Sterke samenwerking tussen gemeenten en met de Vlaamse overheid zal nodig zijn. Nu schieten voor Rob Heyman de initiatieven te veel alle richtingen uit, een plan van waar we samen naartoe willen, is er niet. Hij pleit ook voor het omkeren van de mindset: ‘Bij elk AI-project lijken we wel te vertrekken vanuit een keurslijf, van wat juridisch niet mag. “Fantastisch, hiermee gaan we de wereld veranderen,” zeggen Amerikanen. “Mag dat wel en is dat niet gevaarlijk,” is vaak het vertrekpunt van Europeanen.

We zouden meer een ethisch of maatschappelijk kompas moeten hanteren dan een streng wetgevend kader. Als we het vergroten van de voordelen van AI voor een zo groot mogelijke groep mensen als uitgangspunt nemen, kunnen we daarna de grenzen bepalen waarbinnen een oplossing zich moet bevinden. De Europese verordening op de gegevensbescherming GDPR bijvoorbeeld wordt vaak zo stringent gehanteerd dat projecten al bij voorbaat in de prullenbak belanden. Terwijl in de GDPR duidelijk het rechtmatig en algemeen belang is ingeschreven: als iets past in het publieke belang van de lokale overheid, moet ze geen toestemming vragen om persoonlijke gegevens te verwerken.’

Tony Belpaeme begrijpt de strenge reflex voor de bescherming van de privacy, maar denkt dat we over enkele jaren tot een nieuw evenwicht zullen komen. ‘De privacywetgeving staat soms toepassingen in de weg die ons vooruit kunnen helpen. Een eenvoudig voorbeeld: als we met camera’s het traject van auto’s door een stad kunnen volgen, dan kunnen we heel gerichte maatregelen nemen om sluipverkeer te bestrijden. Ik denk dat dit soort toepassingen in de toekomst wel zal kunnen. We moeten alert blijven voor Chinese toestanden, maar nu is de slinger te ver in de andere richting doorgeslagen.’ •

Bart Van Moerkerke is redacteur van Lokaal
Voor Lokaal 01 | 2021