De kracht van Generative AI voor jouw bedrijf

Wat is Generative AI?

First things first: om de werking van Generative AI grondig te begrijpen, nemen we de basisdefinitie onder de loep. Generative AI is een technologie waarmee je nieuwe content, zoals teksten, audiofragmenten, video’s, afbeeldingen of code, genereert. Het leert uit grote hoeveelheden data om vervolgens verschillende soorten output te genereren. ChatGPT (tekst), Midjourney (afbeeldingen) en Microsoft Copilot (ondersteuning in Office-suite) zijn één van de bekendste Generative AI-tools van het moment. Let wel: Generative AI is slechts een fractie van het grotere geheel.

‍

AI, Machine Learning, Deep Learning en Generative AI

Artificial Intelligence (AI) is een overkoepelend begrip en omvat verschillende technologieën. Concreet verwijst het naar machines die capaciteiten nabootsen waar in feite menselijke intelligentie voor nodig is.

Eén van die boeiende technologieën is Machine Learning (ML). Het richt zich op één specifieke taak en voert deze heel intelligent uit. We voeden het Machine Learning Model met data en regels, waardoor het zelfstandig analyses en voorspellingen kan doen. Enkele voorbeelden zijn spraak- en beeldherkenning en aanbevelingssystemen zoals die van Netflix, die suggesties doet op basis van je kijkgedrag. De voornaamste beperking van Machine Learning is echter dat het menselijke interactie vereist wanneer je nieuwe datasets toevoegt om fouten te corrigeren.

Precies daarom ontstond later Deep Learning (DL) als een methode om resultaten aan te passen met behulp van een eigen neuraal netwerk, zonder menselijke interventie, om de nauwkeurigheid van de output te verbeteren. Hoe die neurale netwerken precies werken, leggen we later in deze blog uit. Bovendien werkt Deep Learning met miljoenen neuronen of datapunten, wat véél meer is dan met de Machine Learning-technologie. Zelfrijdende auto’s zijn een voorbeeld van Deep Learning. Deze gebruiken immers neurale netwerken voor objectherkenning of het volgen van voetgangers om te navigeren in hun omgeving.

Op basis van de Deep Learning techniek én de miljoenen datapunten ontstond Generative AI uiteindelijk. Die technologie is in staat om volledig nieuwe content te genereren op basis van historische data.

Kortom, Machine Learning herkent patronen en vertelt wat het geleerd heeft uit datasets, Deep Learning doet dit met gigantische hoeveelheden data zonder menselijke interactie en Generative AI produceert daarnaast volledig nieuwe content.

Generative AI: neurale netwerken

Nu we begrijpen hoe de verschillende AI-technologieën zich verhouden tot elkaar, bekijken we hoe Generative AI werkt. Daarvoor moeten we eerst begrijpen wat neurale netwerken zijn en hoe deze werken.

Neurale netwerken zijn gebaseerd op de werking van neuronen in onze hersenen, waarbij talloze neuronen met elkaar verbonden zijn. Elke neuron reageert met een bepaalde intensiteit – sterk of zwak – op een prikkel die het ontvangt. Door verschillende neuronen met elkaar te verbinden, komen we uiteindelijk tot een bepaalde uitkomst, zoals het onderscheiden van verschillende letters.

In feite is een neuraal netwerk een complexe berekening van input, verwerking en output. Die verwerking vindt plaats via één of meerdere lagen neuronen.

Om de ietwat abstracte theorie achter neurale netwerken te verhelderen, illustreren we het graag aan de hand van een voorbeeld: gezichtsherkenning door je smartphone. Het neurale netwerk is getraind om de unieke eigenschappen van je gezicht te herkennen, zoals de afstand tussen je ogen en de vorm van je neus. Dat gebeurt doordat het pixels doorgeeft aan de input-laag. Vervolgens beoordeelt het iedere pixel individueel met een score van 0 tot 1, die aangeeft in hoeverre deze overeenkomt met een specifieke pixel in jouw gezicht. Door duizenden pixels door duizenden lagen te sturen, identificeert het model een gezicht. Die wegingen kunnen bovendien worden aangepast om het model nauwkeuriger te maken via verdere training.

Foundation Models en Generative AI

Foundation Models vormen de kern van Generative AI en worden getraind op enorme hoeveelheden generieke data. Ze voeren algemene taken uit, zoals het begrijpen van taal, het genereren van teksten en afbeeldingen, en zelfs communicatie via taal. Deze modellen vormen de basis voor Generative AI en zijn bovendien essentieel voor het produceren van nieuwe content.

Een voorbeeld van zo’n Foundation Model is een taalmodel, oftewel een large language model, dat getraind is op verschillende tekstbronnen die je kan terugvinden op het internet. Boeken, websites, blogs en fora zijn slechts enkele voorbeelden. Het alombekende ChatGPT van OpenAI is zo’n large language model. Dit model leert op statistische wijze welk woord er vaak volgt op een ander woord in een bepaalde taal, waardoor het in staat is om volledige en coherente zinnen te generen.

Transformers en vectors

Laten we nog één stapje verder gaan om de basis van Generative AI echt te begrijpen. Generative AI is gebaseerd op een nieuwe architectuur van neurale netwerken, die in 2017 werd uitgeovnden. Deze technologie transformeert woorden naar vectoren, oftewel lijsten van cijfers, om op die manier een mathematische representatie van een woord te verkrijgen.

Een vector wordt op een specifieke dimensie in een matrix geplaatst om zowel de betekenis als de context van een woord te omvatten en om aan te geven hoe relatief dicht een woord bij een ander woord staat.

In zo’n geval als ‘het is warm inde zomer’ en ‘het is koud in de winter’, staan ‘warm’ en ‘zomer’ en ‘koud’ en‘winter’ dicht bij elkaar op de dimensie ‘temperatuur in een seizoen’, terwijl‘zomer’ en ‘winter’ dicht bij elkaar staan op de dimensie ‘seizoenen’. Op diemanier is het model in staat om accurate zinnen te vormen met woorden diestatistisch gezien vaak in elkaars buurt voorkomen.

Vanwaar de snelle evolutie?

De technologie rond neurale netwerken en machine learning bestaat al sinds de jaren ’60. Destijds was de computercapaciteit echter niet krachtig genoeg en ontbrak het aan voldoende beschikbare data om modellen te trainen. Dat is het afgelopen decennium enorm veranderd, waardoor we nu de snelle vooruitgang in het AI-landschap zien. Bovendien is de architectuur waarop Generative AI is gebaseerd pas recent ontwikkeld, en is het nu al duidelijk dat dit tal van nieuwe mogelijkheden met zich meebrengt.

Wat met mijn privacy?

Eén van de meestgestelde vragen die we krijgen, gaat over privacy en de terughoudendheid rond het delen van eigen bedrijfsinformatie. Het delen van bedrijfsdocumenten met large language models, zoals ChatGPT van OpenAI, is geen goed idee. Deze gegevens zouden immers gebruikt kunnen worden om hun eigen model te verbeteren. Toch is er geen reden tot paniek. Deze Generative AI-tools bieden tenslotte licentiemodellen aan die de dataprivacy en beveiliging garanderen. Zo heeft OpenAI een private omgeving, specifiek voor bedrijven, waarbij de data beschermd en niet extern toegankelijk is. Ook andere grote spelers, zoals Google, Microsoft en Amazon, bieden private servers aan via hun cloud-platofrmen, waarbij externe partijen geen toegang hebben tot jouw data, net zoals bij het gebruik van hun cloud-opslag om documenten op te slaan.  

Twijfel je toch? Dan check je best de bedrijfspolicy. Deze geven doorgaans aan wat wel of niet mag wat betreft het uitwisselen van data. Je laat je als bedrijfsleider best hierover informeren door gespecialiseerde organisaties met expertise op vlak van regelgevingen en de mogelijkheden voor je bedrijf.

What’s next?

Generative AI opent deuren naar talloze nieuwe mogelijkheden die voorheen ondenkbaar waren, zoals het inzichtelijk maken van ongestructureerde data, waaronder informatie verborgen in Word- of Excel-bestanden, PowerPoints, PDF’s, e-mails en chatberichten, die niet direct in een database, CRM- of ERP-systeem is opgeslagen. Dankzij Generative AI en de opkomst van Foundation Modellen is het nu wél mogelijk om deze data te interpreteren inzichtelijk te maken.

Voor bedrijven zijn er tal van mogelijkheden om Generative AI in te zetten als deel van hun bedrijfsprocessen. Enkele voorbeelden van use-cases zijn…

• Het genereren van offertes op basis van voorgaande offertes

• Het samenvatten en analyseren van een bestek om vervolgens een inschatting te maken of dit bestek een meerwaarde biedt voor jouw bedrijf

• Het benaderen van software op een andere manier, bijvoorbeeld door dashboards te maken op basis van chat-prompts zoals “geef me een margevergelijking voor onze top 10 klanten tussen kwartaal 1 van vorig jaar en dit jaar”

• Het opzetten van een eigen bedrijfs-GPT om bedrijfspolicies toegankelijk te maken voor het personeel, bijvoorbeeld “wat moet ik doen als ik een ongeval heb met mijn bedrijfswagen?”

• Het versturen van gepersonaliseerde e-mails naar klanten, op basis van de CRM-data van die klant

Deze technologie staat echter nog in zijn kinderschoenen en wordt beschouwd als de grootste technologische revolutie sinds de opkomst van het internet en mobiele telefoons. Waar 2023 voornamelijk in het teken stond van experimenteren en het ontwikkelen van proof of concepts, zien we in 2024 vooral een adoptie van deze technologie, gestimuleerd door de lancering van nieuwe mogelijkheden binnen de bestaande bedrijfssoftware. Bovendien ervaren we veel interesse en tractie van bedrijven die hands-on willen omgaan met deze nieuwe mogelijkheden, in hun zoektocht naar een competitief voordeel.

Wil jij zelf een competitief voordeel bekomen en Generative AI inzetten als deel van jouw bedrijfsprocessen, maar weet je niet waar te starten? Ask us anything! Plan snel een gratis intakegesprek in, dan bekijken we samen de mogelijkheden.