Wat betekent generatieve AI en hoe werkt het?

Generatieve kunstmatige intelligentie (KI) explodeerde eind 2022 en maakte mensen en bedrijven razend nieuwsgierig naar het potentieel ervan.

Maar wat is generatieve AI precies? Simpel gezegd, is generatieve AI de technologie die een set data gebruikt om iets nieuws te creëren wanneer daarom wordt gevraagd door een mens. Denk bijvoorbeeld aan poëzie, een natuurkundige uitleg, een e-mail aan een klant, een afbeelding of nieuwe muziek.

In tegenstelling tot traditionele AI-modellen "classificeert of voorspelt generatieve AI niet alleen, maar creëert het ook zijn eigen inhoud [...] en doet het dit met een taalbeheersing die lijkt op die van een mens", verklaart Silvio Savarese , Chief Scientist bij Salesforce.

Natuurlijk is het vermogen om data nauwkeurig te classificeren en te voorspellen een cruciaal element voor succesvolle generatieve AI: het product is slechts zo goed als de data waarmee het moet werken.

"AI is slechts zo goed als de data die je het geeft en je moet ervoor zorgen dat de datasets representatief zijn."

Paula Goldman, Chief Ethical and Humane Use Officer van Salesforce

Generatieve AI kun je op verschillende manieren ontwikkelen, maar een methode die steeds meer wordt toegepast, is het gebruik van voorgetrainde Large Language Models (LLM’s) om nieuwe inhoud te maken op basis van tekstinstructies. Generatieve AI helpt mensen al bij van alles, van het maken van cv's tot bedrijfsplannen en van coderegels tot digitale kunst.

Uiteindelijk, voorspelt Savarese, zullen deze AI-tools "ons in veel delen van ons leven helpen, waarbij ze de rol van superkrachtige medewerkers op zich nemen." Naarmate deze modellen geavanceerder worden, zullen ze niet alleen de productiviteit verhogen, maar ook creativiteit en innovatie stimuleren.

Zo kan generatieve AI in de creatieve sector kunstenaars en ontwerpers helpen om nieuwe ideeën en concepten te verkennen waar ze zelf misschien niet op waren gekomen. In de technologiesector kunnen ontwikkelaars deze tools gebruiken om sneller code te genereren en te testen. Hierdoor versnelt het ontwikkelproces en komen producten eerder op de markt.

De integratie van generatieve AI in alledaagse toepassingen zal naar verwachting onze interactie met technologie veranderen. Van gepersonaliseerde aanbevelingen in e-commerce tot op maat gemaakte leerstof - de toepassingsmogelijkheden zijn vrijwel onbeperkt.

Tegelijkertijd brengt deze integratie ook uitdagingen met zich mee. Denk aan de noodzaak van goed databeheer om vooringenomenheid te voorkomen en eerlijkheid te waarborgen. En de voorwaarde dat AI transparant en uitlegbaar moet zijn om vertrouwen te wekken bij gebruikers.

Naarmate deze tools steeds vaker worden ingezet, is het heel belangrijk om deze uitdagingen serieus te nemen. Alleen dan kunnen we optimaal profiteren van de voordelen van generatieve AI zonder ethische normen uit het oog te verliezen.

Als we dieper ingaan op generatieve AI, vallen twee hoofdtypen deep learning-modellen op: Generative Adversial Networks (GAN's) en transformers.

• GAN's bestaan uit twee neurale netwerken: een generator en een discriminator. De twee netwerken concurreren met elkaar, waarbij de generator output creëert op basis van bepaalde input en de discriminator probeert te bepalen of de output echt of nep is. De generator verfijnt vervolgens zijn output op basis van de feedback van de discriminator. Een cyclus die doorgaat totdat de discriminator wordt gestopt.
• Transformer-modellen, zoals ChatGPT (wat staat voor Chat Generative Pretrained Transformer), creëren output op basis van sequentiële gegevens (zoals zinnen of alinea's) in plaats van individuele datapunten. Deze aanpak helpt het model om context efficiënt te verwerken en is de reden waarom het wordt gebruikt om tekst te genereren of te vertalen.

Hoewel GAN’s en transformers tot de bekendste modellen binnen generatieve AI behoren, worden ook andere technieken veel gebruikt. Bijvoorbeeld variational autoencoders (VAE’s), autoregressieve modellen en diffusie­modellen. Elk heeft zijn eigen sterke punten en toepassingsgebieden.

• Variational autoencoders (VAE’s) gebruiken twee neurale netwerken: een encoder en een decoder. De encoder comprimeert de invoerdata tot een zogenoemde latente ruimte, waarna de decoder de data vanuit die ruimte weer reconstrueert. VAE’s zijn vooral nuttig voor het genereren van nieuwe data die lijkt op de trainingsdata, maar met variaties.
• Autoregressieve modellen genereren output door telkens het volgende element in een reeks te voorspellen op basis van de voorgaande elementen. Deze aanpak is sequentieel en voorspelbaar en daarom zeer geschikt voor taken zoals tekstgeneratie, spraaksynthese en het genereren van afbeeldingen.
• Diffusiemodellen werken door geleidelijk ruis toe te voegen aan data en vervolgens te leren hoe die ruis weer kan worden verwijderd om nieuwe data te genereren. Deze methode is effectief voor het maken van hoogwaardige beelden en andere complexe datatypes, omdat het in staat is om fijne patronen en details vast te leggen.

Om generatieve AI-modellen succesvol in te zetten, moet aan een aantal essentiële voorwaarden worden voldaan:

1. Hoogwaardige trainingsdata: De kwaliteit en diversiteit van de trainingsdata zijn cruciaal. Goed gelabelde, representatieve data helpt het model om patronen te herkennen en relevantere en nauwkeurigere output te genereren.
2. Voldoende rekenkracht: Generatieve AI-modellen – vooral deep learning-modellen zoals GAN’s en transformers – vereisen aanzienlijke rekenkracht. Toegang tot krachtige GPU’s of TPU’s is noodzakelijk om deze modellen efficiënt en effectief te trainen.
3. Sterke modelarchitectuur: Het model moet goed zijn ontworpen om de complexiteit van de taak aan te kunnen. Dit betekent het kiezen van het juiste type model (bijvoorbeeld een GAN, transformer of VAE) en het afstemmen van hyperparameters om de prestaties te optimaliseren.
4. Duidelijke evaluatiemethoden: Betrouwbare evaluatiemethoden zijn nodig om de kwaliteit van de gegenereerde output te beoordelen. Denk aan de Fréchet Inception Distance (FID) bij beeldgeneratie, of perplexity bij tekstgeneratie.
5. Iteratieve verbetering: Generatieve AI vergt vaak voortdurende tests, feedback en verfijning. Alleen op die manier kan het model worden verbeterd en kunnen eventuele problemen tijdens het trainingsproces worden opgelost.
6. Ethische overwegingen: Het is belangrijk dat de gegenereerde content ethisch verantwoord is en geen schadelijke vooroordelen bevat. Dit vraagt om zorgvuldige selectie van trainingsdata en het toepassen van duidelijke ethische richtlijnen en beveiligingen.

Generatieve AI wordt al breed toegepast in diverse sectoren, met indrukwekkende resultaten:

• Tekstgeneratie: Modellen zoals GPT-3 (Generative Pre-trained Transforer 3) kunnen menselijke teksten produceren, variërend van artikelen en verhalen tot marketingcontent en poëzie.
• Beeldgeneratie: Modellen zoals DALL·E 2 en Stable Diffusion kunnen levensechte beelden creëren op basis van tekstuele input – ideaal voor ontwerpers, kunstenaars en contentmakers.
• Spraakgeneratie: Generatieve AI-modellen kunnen realistische spraak produceren en worden ingezet voor voice assistants, chatbots en gepersonaliseerde audio-ervaringen.

Generatieve AI biedt tal van mogelijkheden die bedrijven en sectoren ingrijpend kunnen veranderen:

• Automatisering van handmatig werk: Generatieve AI maakt het mogelijk om herhalende en tijdrovende taken te automatiseren. Bedrijven kunnen zo efficiënter werken, kosten besparen en menselijk talent inzetten voor creatievere en meer strategische taken.
• Ontwikkeling van nieuwe producten en ontwerpen: Generatieve AI kan geheel nieuwe producten, ontwerpen en concepten creëren. Dit stimuleert innovatie, verbetert de klantbeleving en opent de deur naar nieuwe oplossingen voor complexe problemen.
• Verbetering van bestaande producten en diensten: Met behulp van generatieve AI kunnen bestaande producten worden geoptimaliseerd. Het model herkent patronen, doet voorstellen voor verbeteringen en verhoogt de prestaties.

Generatieve AI verandert de manier waarop bedrijven opereren in uiteenlopende sectoren ingrijpend. Het stimuleert innovatie, verhoogt de efficiëntie en biedt mogelijkheden voor nieuwe inkomstenstromen.

In de farmaceutische industrie wordt generatieve AI ingezet om het proces van geneesmiddelenontwikkeling te versnellen. Door nieuwe moleculaire structuren te genereren en te simuleren, kunnen deze modellen potentiële medicijnen sneller en kostenefficiënter identificeren. Dat verkort de doorlooptijd en verlaagt de kosten van traditionele ontwikkeltrajecten.

In de retailsector transformeert generatieve AI de klantbeleving. Merken gebruiken deze modellen voor gepersonaliseerde productaanbevelingen, virtuele paskamers en zelfs het ontwerpen van nieuwe producten. Zo kunnen modewinkels unieke kledingstukken ontwerpen die aansluiten bij individuele voorkeuren van klanten. Dit zorgt voor een betere winkelervaring en een hogere klantloyaliteit.

Ook in de entertainmentindustrie zijn de veranderingen groot. Film- en videoproductiebedrijven gebruiken generatieve AI om realistische special effects te maken, virtuele personages te creëren en zelfs muziek te componeren. Dit verlaagt niet alleen de productiekosten, maar leidt ook tot meer creatieve vrijheid en snellere oplevering.

In de financiële sector wordt generatieve AI ingezet voor het creëren van synthetische financiële data om handelsalgoritmen te trainen en testen. Dat helpt bij het beter inschatten van markttrends en risico’s, wat op zijn beurt weer leidt tot

slimmere investeringsbeslissingen. Daarnaast kunnen financiële instellingen met behulp van generatieve AI realistische scenario’s genereren voor stresstests en risicobeheer, wat hun weerbaarheid vergroot.

De auto-industrie profiteert eveneens van generatieve AI. Autofabrikanten gebruiken deze modellen voor het ontwerpen en testen van nieuwe onderdelen en functies. Door realistische simulaties te genereren, kunnen ze het ontwikkelproces versnellen en het aantal fysieke prototypes beperken – een besparing van tijd en middelen.

In de technologiesector drijft generatieve AI de vooruitgang in natuurlijke taalverwerking en gespreks-AI. Bedrijven ontwikkelen hiermee geavanceerdere chatbots en virtuele assistenten die klantvragen beter begrijpen en beantwoorden. Dit verbetert de klantenservice en verhoogt de kwaliteit van de interactie.

Kortom, generatieve AI is niet zomaar een technologische vernieuwing, maar een krachtig middel dat bedrijfsprocessen herdefinieert en nieuwe mogelijkheden creëert in allerlei sectoren. Door generatieve AI strategisch in te zetten, kunnen organisaties sneller innoveren, vooroplopen in hun markt en meer waarde leveren aan hun klanten.

Er is een groeiend aanbod aan tools en platforms die generatieve AI toegankelijker en krachtiger maken. Hiermee kunnen bedrijven en ontwikkelaars de mogelijkheden van deze technologie benutten voor uiteenlopende toepassingen.

• Agentforce (Salesforce): Agentforce is een proactieve, autonome AI-toepassing die altijd beschikbare ondersteuning biedt aan medewerkers of klanten. De tool kan worden voorzien van specifieke, rolafhankelijke bedrijfskennis om taken zelfstandig uit te voeren.
• ChatGPT (OpenAI): ChatGPT is een applicatie gebaseerd op het GPT-4 taalmodel van OpenAI. Het genereert menselijke tekst en is daarmee ideaal voor chatbots, klantenservice en contentcreatie. Dankzij het vermogen om context te begrijpen en samenhangende antwoorden te geven, is ChatGPT populair bij bedrijven die hun communicatie en klantbetrokkenheid willen verbeteren.
• Gemini (Google): Gemini is een multimodaal AI-model van Google dat geschikt is voor uiteenlopende taken. Het kan tekst, beelden en zelfs audio genereren, waardoor het een veelzijdig hulpmiddel is voor contentcreatie en multimedia-toepassingen. Dankzij de geavanceerde mogelijkheden kunnen bedrijven interactieve ervaringen creëren die gebruikers op meerdere niveaus aanspreken.
• Claude (Anthropic): Claude is een AI-model ontwikkeld door Anthropic, met een sterke focus op veilige en verantwoorde interactie. Het is ontworpen met oog voor ethiek en gebruikersveiligheid, wat het bijzonder geschikt maakt voor toepassingen waarbij betrouwbaarheid en vertrouwen essentieel zijn. Denk bijvoorbeeld aan toepassingen voor klantenservice, educatieve platforms en persoonlijke assistenten.
• Perplexity AI: Perplexity AI is een AI-aangedreven zoekmachine die verder gaat dan traditionele zoekresultaten. Het geeft directe antwoorden op vragen van gebruikers, inclusief bronvermeldingen. Daarmee is het een waardevol hulpmiddel voor onderzoekers, studenten en professionals die snel betrouwbare informatie nodig hebben.
• DALL·E 3 en Midjourney: Dit zijn geavanceerde beeldgeneratiemodellen die levensechte beelden kunnen maken op basis van tekstinvoer. DALL·E 3 (van OpenAI) en Midjourney worden veel gebruikt in grafisch ontwerp, marketing en creatieve sectoren. Ze maken het mogelijk om snel visuele content te genereren en stimuleren creatief experimenteren.
• Stable Diffusion: Stable Diffusion is een open source beeldgeneratiemodel dat populair is vanwege de brede toegankelijkheid en flexibiliteit. Het stelt ontwikkelaars en creatieven in staat om hoogwaardige beelden en kunst te maken zonder zware rekenkracht. De open-sourcegemeenschap rondom Stable Diffusion draagt actief bij aan verdere innovatie en uitbreiding van de mogelijkheden.
• Amazon Bedrock (AWS): Amazon Bedrock is een platform van AWS dat toegang biedt tot een breed scala aan foundation models. Het vereenvoudigt de integratie van generatieve AI in toepassingen, waardoor bedrijven sneller en efficiënter met deze technologie aan de slag kunnen. Bedrock helpt organisaties om innovatieve oplossingen te bouwen en nieuwe toepassingen te ontwikkelen.
• Amazon Q (AWS): Amazon Q is een AI-assistent en onderdeel van de ontwikkeltools van AWS. De tool ondersteunt ontwikkelaars bij het integreren van generatieve AI in hun toepassingen, waardoor het ontwikkelproces word gebruiksvriendelijke interface en uitgebreide documentatie, kunnen ontwikkelaars krachtige AI-toepassingen bouwen met minder moeite.

Door gebruik te maken van deze tools en platforms kunnen bedrijven het volledige potentieel van generatieve AI benutten – voor meer innovatie, hogere efficiëntie en door nieuwe mogelijkheden te creëren voor groei en interactie.

Hoewel het potentieel van generatieve AI enorm is, is het "niet zonder risico's", aldus Paula Goldman, Salesforce Chief Ethical and Humane Use Officer en Kathy Baxter, Principal Architect voor de Ethical AI-praktijk van Salesforce.

In een artikel dat zij samen schreven wezen de twee erop dat het "niet genoeg is om de technologische mogelijkheden van generatieve AI te leveren. We moeten prioriteit geven aan verantwoorde innovatie om te helpen bepalen hoe deze transformatieve technologie kan en moet worden gebruikt. En we moeten ervoor zorgen dat onze medewerkers, partners en klanten over de tools beschikken die ze nodig hebben om deze technologieën veilig, nauwkeurig en ethisch te ontwikkelen en te gebruiken."

In een interview met Silicon deelde Goldman: "Nauwkeurigheid is het belangrijkste bij het toepassen van AI in een zakelijke context, omdat je ervoor moet zorgen dat AI geen feiten verzint wanneer het een aanbeveling doet voor een prompt, een klantchat of een verkoopgerichte e-mail." Ervoor zorgen dat gegevens nauwkeurig en betrouwbaar zijn, is van fundamenteel belang voor elke AI-toepassing.

De zelfverzekerde reacties van ChatGPT zijn op zich al iets om rekening mee te houden, zei Savarese, die waarschuwde dat het zou kunnen leiden tot wat hij beschouwt als 'zelfverzekerde mislukking'. "De evenwichtige, vaak professionele toon van deze modellen bij het beantwoorden van vragen en het vervullen van prompts maken hun successen indrukwekkend, maar hun missers ronduit gevaarlijk," zei Saverese. "Zelfs experts worden regelmatig overrompeld door hun overtuigingskracht." Dit laat zien hoe lastig het is om grip te houden op de output van generatieve AI én hoe belangrijk zorgvuldige controle en bijsturing daarbij zijn.

Trek je de afhankelijkheid van tools zoals ChatGPT door naar bedrijfsniveau, dan wordt snel duidelijk hoe groot het risico is. Maar IT-managers zijn op hun hoede: bijna zes op de tien (59%) denkt dat generatieve AI-output onnauwkeurig is. Dit benadrukt het belang van het aanpakken van het probleem van zogeheten 'hallucinaties'. Daarbij genereren generatieve AI-modellen – met name grote taalmodellen (LLM’s) - soms output die feitelijk onjuist of onsamenhangend is en dus zorgvuldig moet worden gecontroleerd.

Dan is er nog de vraag hoe je generatieve AI ethisch, inclusief en verantwoord gebruikt. De aard van generatieve AI roept ethische zorgen op rondom auteursrecht, privacy en de verspreiding van desinformatie. Dit vraagt om een verantwoorde ontwikkeling en inzet van deze technologie. Ook vooringenomenheid en eerlijkheid zijn cruciale aandachtspunten. Generatieve AI-modellen kunnen bestaande vooroordelen in de trainingsdata overnemen en versterken, wat kan leiden tot oneerlijke of discriminerende uitkomsten. Daarom bouwt Salesforce aan betrouwbare AI-mogelijkheden met ingebouwde

begrenzingen en richtlijnen om potentiële problemen op te sporen voordat ze zich voordoen. Als de wereld zich bewust wordt van het potentieel van generatieve AI, moet het deze modellen op elk niveau kunnen vertrouwen.

Verantwoorde AI betekent ook duurzame AI. AI verbruikt aanzienlijk meer stroom dan traditionele IT-toepassingen en 71% van de IT-managers is het ermee eens dat generatieve AI hun ecologische voetafdruk ergroot door een hoger IT-energieverbruik.

Ondanks de noodzaak om generatieve AI op een inclusieve en bewuste en doordachte manier te verkennen, heeft de technologie een enorm potentieel voor de toekomst van CRM.

De toekomst van generatieve AI is veelbelovend en vol mogelijkheden. Dankzij nieuwe modelarchitecturen, trainingsmethoden en toepassingen, verleggen we voortdurend de grenzen van wat technisch mogelijk is. Wij geloven dat generatieve AI een ingrijpende impact zal hebben op tal van sectoren. Daarnaast zal de manier waarop we creëren, innoveren en met technologie omgaan fundamenteel veranderen.

De maatschappelijke en economische gevolgen van generatieve AI zullen waarschijnlijk groot zijn. Ze roepen belangrijke vragen op over de toekomst van werk, creativiteit en informatievoorziening. Verantwoorde ontwikkeling en inzet van AI zijn daarom essentieel om ervoor te zorgen dat generatieve AI op een positieve manier wordt gebruikt en dat de voordelen ervan voor iedereen toegankelijk zijn.

Daarnaast blijft de kwaliteit en het beheer van data van cruciaal belang. Data moet accuraat, actueel, toegankelijk en compleet zijn om het maximale uit generatieve AI-initiatieven te kunnen halen. Bedrijven doen er goed aan hun data te harmoniseren om tot betrouwbare en nauwkeurige resultaten te komen.