VUB-ULB-algoritme slaagt erin de bias te omzeilen die de oplossingen van de beste experten negatief kan beïnvloeden
Voor zijn joint PHD aan de ULB en de VUB onderzoekt Axel Abels hoe artificiële intelligentie (AI) erin kan slagen om oplossingen te bedenken die beter zijn dan deze die bedacht werden door de beste expert in het domein. De onderzoeker maakt daarbij gebruik van zogenaamde collectieve intelligentie, waarbij niet enkel het advies van de beste expert gebruikt wordt, maar ook de adviezen van experten die minder goed staan aangeschreven. Ook hun advies kan immers nuttige en bruikbare elementen bevatten, waarmee de oplossingen die door de topexpert worden aangereikt, aangevuld kunnen worden.
Collectieve intelligentie-systemen probeerden tot nu toe vooral de beste expert te kiezen in de groep om dan dat voorstel te gebruiken voor het oplossen van een probleem. Om tot de beste collectieve oplossing voor een probleem te komen heb je een oplossing nodig die mogelijk beter is dan wat de beste expert voorstelt, rekening houdend met het feit dat experten niet altijd alles weten of soms vooringenomen zijn. Abels en zijn promotoren, VUB en ULB-professor Artificiële Intelligentie Tom Lenaerts en zijn VUB-collega Ann Nowé, ontwikkelden daarom een algoritme dat een mogelijke vooringenomenheid bij de beslissing van één expert omzeilt. “In ons algoritme nemen we ook de keuzes mee van globaal minder goede experten en ook deze die door AI-systemen naar voren worden geschoven”, zegt Lenaerts. “Door ze op een intelligente manier te combineren kan men de allerbeste oplossing voor een probleem bekomen, een oplossing die mogelijk beter is dan enkel het advies van alleen de beste expert.”
“Ik geef een paar voorbeelden”, zegt Lenaerts. “Als aan medische experten een advies gevraagd wordt over welke behandeling een patiënt nodig heeft om zijn toestand te verbeteren, dan worden al die adviezen op hun beurt geëvalueerd om te bepalen welke meer of minder nuttig waren. Dat inzicht helpt om de beste gezamenlijk keuze te bepalen, wat mogelijk tot efficiëntere of betere behandelingen kan leiden. Of neem de aanbevelingssystemen die verschillende algoritmen gebruiken om een film of muziek aan te bevelen aan een gebruiker. Bij elk advies komt het systeem te weten hoe goed de aanbevelingen waren van de algoritmes en kan het zo beter inschatten wie de meest bruikbare adviezen gaf. Dat soort problemen noemt men in het jargon Multi-armed Bandit- of Meerarmige Bandiet-problemen, naar de slotmachines zoals in Las Vegas. De methode die in het doctoraat van Abels onderzocht wordt en die instaat voor het vinden van een goede beslissing op basis van de adviezen wordt een collectief beslissingssysteem genoemd.”
Het algoritme van de doctoraatstudent en zijn begeleiders werd intussen opgepikt en gepubliceerd in AI Journal, wereldwijd het belangrijkste wetenschappelijk tijdschrift over AI en nieuwe verbeteringen van het collectieve intelligentie systeem werden recent gepresenteerd op de toonaangevende Machine Learning Conferentie ICML.
Meer info:
Professor Tom Lenaerts: +32 486 93 19 96
