Machtige systemen hebben potentieel een goede en een slechte kant. Hetzelfde geldt voor de huidige AI-systemen. Een reguleren van de AI wordt vaak besproken. Ik ben van mening dat dit niet meer mogelijk is. De voortgang van kunstmatige intelligentie kan niet meer gestopt worden. Concrete voorbeelden van mijn lokale AI-systeem laten dit zien. Lokaal betekent overigens ook een behoorlijk beheersbare gegevensbescherming.
Inleiding
Geen hype meer, maar een revolutie. Dat is AI vanaf nu. En dat is de grootste technologische omwenteling in de geschiedenis van de mensheid. Wie dat voor overdreven houdt, weet waarschijnlijk te weinig over de actuele mogelijkheden die AI-algoritmen bieden.
In elk geval zijn er veel vertegenwoordigers uit de politiek, economie en wetenschap, evenals uit de maatschappij, die hebben erkend dat de mogelijkheden van AI ook een gevaar met zich meebrengen. Deze gevaar zal ingedamd worden, wat als regulering wordt aangeduid.
Reguleringen kunnen worden opgelegd door regeringen, toezichthoudende autoriteiten of zelfreguleringsorganisaties. Ze kunnen zich richten op verschillende sectoren, zoals financiële markten, milieu, gezondheidszorg, consumentenbescherming of arbeidswetten. Reguleringen moeten bijdragen aan het voorkomen van misbruik, bedrog, monopolies en andere ongewenste praktijken om een eerlijk en functionerend systeem voor alle betrokkenen te waarborgen.
Definitie van de term reguleren volgens mijn gevraagde AI.
In wezen zie ik onder reguleren een wettelijk kader voor ogen, dus bindende voorschriften die zijn voorzien van sancties.
In het vervolg leg ik uit waarom ik de reguleringsinstrumenten zie als niet meer mogelijk om de huidige capaciteiten van kunstmatige intelligentie te bevriezen of zelfs maar te reduceren. Ook een vertraging in het groeipatroon zal moeilijk worden en weinig nuttig zijn.
Regulering van AI is niet meer mogelijk
Laten we met iets Positiefs beginnen. De Huidige AI-algoritmes, Modelle en Software-Pakete zijn adembenemend. Daarmee is ook gezegd dat het zowel om wiskundige modellen als om software, datasets, volledig getrainde neurale netwerken en beschikbare computing-infrastructuur gaat. Dat what zo niet eerder het geval. Hoe vaak heb ik al gehoord, zelfs van informatici: dat what er al. Nee, dat klopt niet.
Mobiele telefoons waren een revolutie. Voordien waren er grotere computers die na het starten binnen 30 seconden operationeel waren. Smartphones waren "alleen" een kleinere versie met directe beschikbaarheid. Het lijkt erop dat een aanzienlijke relatieve verbetering de basis vormt van een revolutie.
Eenvoudig vind je nog meer voorbeelden uit de recente geschiedenis.
Een aantal toepassingen die met weinig moeite mogelijk zijn en lokaal op eigen computer kunnen draaien zonder dat men zijn gegevens aan Microsoft, Google, OpenAI of Amazon moet geven:
- Kennisassistenten: Wilt u niet al eens gewoon via een vraag-antwoordgesprek de informatie uit uw intranet krijgen die u nodig heeft? Geen lastige zoektocht in catalogi, geen teleurstellende zoekmachine met weinig nuttige zoektermen. Of hoe zou het zijn om via een codezoek in uw repository te zoeken, en dat allemaal via een zoekopdracht in natuurlijke taal?
- Samenvattingen van tekst: U vindt enkele echte voorbeelden in artikelen op Dr. GDPR.
- Extraktion van sleutelwoorden: Ook dit heb ik zelf al geprogrammeerd, en dat als lokaal systeem. Zowel om snel tekst te begrijpen als mogelijk voor de zoekmachine-optimalisatie (zolang ze nog niet volledig op semantische zoekalgoritmen is gebaseerd)
- Vragen beantwoorden: Welke vragen wordt in dit artikel beantwoord? En hoe kan het antwoord in één zin worden samengevat? U vindt echte voorbeelden op deze blog.
- Vertalingen in andere talen: DEEPL doet een prima werk. Maar misschien wilt u iets eigen, goedkoper of gewoon flexibeler dan een Black Box? Of ze willen hun eigen API aanbieden.
- Verwerking gesproken taal: Transkriptie, tijdindexerkennning, vertaling, sprekerherkenning, muziek uitschakelen … Tekst na taal en taal na tekst, dan vertaald in tien talen. Hoe zou dat zijn? Al eerder gedaan en indrukwekkende resultaten behaald.
- Video-animatie: Bijvoorbeeld het creëren van een geanimeerde, vrijwel realistische persoon die realistisch haar lippen beweegt naar een voorafgegeven tekst terwijl ze deze tekst spreekt.
- Generatie van beelden uit teksten: Je kent het vast wel van DALL-E of Midjourney. Hoe zou het zijn met een eigen systeem? Stikwoorden: Gegevensbescherming, eigen beelden, hogere flexibiliteit, eigendom van de code
- Tekst uit beelden halen: Beeldonderdelen herkennen. Wat zie je op het volgende beeld?
Invoerbeeld (Oorspronkelijk beeld):
De AI heeft de taak om de beeldonderdelen te herkennen en te beschrijven.
Het resultaat is hieronder te zien:
De objecten in het beeld zijn talrijk herkenbaar, namelijk: persoon (2x), muur, gordijn, tafel, fles (meerdere keren), papier, schotel. Een variant van de algoritme herkent zelfs het wijnglas, dat aan de voorgrond afgesneden is te zien. Een andere variant herkent ook het preekpult als zodanig.
- Bild+Audio toegevoegd aan video: Het creëren van 3D-objekten (in videovorm) uit 2D-objekten (beelden), gecombineerd met animatie en synchronisatie. Hier een reëel voorbeeld:
Invoerbeeld (Oorspronkelijk beeld):
Tekstinput (gedeeltelijk gegenereerd door AI): Invoer-taaltekst (Duits) –> Uitvoer/invoer-taaltekst (Engels) –> Uitvoer/Invoer-Audio (kan elke taal zijn, ik heb hier maar voor de grap een audio-bestand uit een tekst laten genereren – met een AI):
Viele Artikel in PDF-Form · Kompakte Kernaussagen für Beiträge · Offline-KI · Freikontingent+ für Website-Checks
My name is Klaus Meffert. I have a doctorate in computer science and have been working professionally and practically with information technology for over 30 years. I also work as an expert in IT & data protection. I achieve my results by looking at technology and law. This seems absolutely essential to me when it comes to digital data protection. My company, IT Logic GmbH, also offers consulting and development of optimized and secure AI solutions.
