Ons verhaal#065 Meikes machine learning

#065 Meikes machine learning

Het verhaal van Alains ondernemende opstelling is een verhaal over Meikes machine learning

Twent Alain Leloux studeerde informatica en technische bedrijfskunde aan de UT. Alain houdt van pionieren. In 1994 studeerde hij af in Artificial Intelligence. Daarmee was hij wereldwijd een van de eerste experts, zonder dat hij dat zelf op dat moment helemaal doorhad. Daarna volgde een lange carrière in de ICT. Als professional coachte Alain zo’n 200 beginnende ondernemingen. Tegenwoordig investeert hij in hightech start-ups. Voor deze serie interviewt hij de Brabantse Meike Nauta, een rolmodel voor vrouwen in technologie. Met haar onderzoek brengt Meike de menselijke maat en logica terug in kunstmatige intelligentie. Een gesprek over stereotypen, innovatie en ambitie.

Klik voor de Engelse versie

Dinsdag 15 februari 2022 

Van aannames naar inzicht

Alain: ‘Hé Meike, voor UT-begrippen heb je een bijzondere achternaam, maar je bent geen familie?’ 

Meike: ‘Die vraag krijg ik vaker, maar nee, ik ben geen familie van de hoogleraar Bram Nauta. Ik kom uit Nuenen, een dorp bij Eindhoven. Uit het zuiden dus. In 2012 koos ik voor de studie Business & IT en ben ik naar Twente gekomen.’

Alain: ‘Waarom koos je voor Twente en niet voor Eindhoven?’

Meike: ‘Logische vraag. En ik ben er niet trots op, maar ik had aanvankelijk aardig wat vooroordelen over Twente. Dacht dat het hier wat boers was. Met klompen en tractors en zo. Maar toen ik me verdiepte in bachelors in Nederland, vond ik Business & IT het meest interessant. Dus ben ik naar de voorlichtingsdagen in Twente gegaan. En je raadt het nooit: het eerste wat we op de campus zagen was een tractor! Ik zei tegen mijn ouders: we draaien om. Dat hebben we gelukkig niet gedaan, want de voorlichting was geweldig. Ik wist na die dag: dit is wat ik wil.’

Alain: ‘Waren er toen nog meer meiden die voor Business en IT kozen?’ 

Meike: ‘We waren met twee, in een jaarlaag met 28 studenten. Veruit in de minderheid dus. Die balans wordt wel steeds beter, gelukkig. Maar ik zou vooral tegen alle meiden op de middelbare school willen zeggen: laat je niet weerhouden! Een technische studie is heel breed en vooral heel erg leuk. Dus: twijfel niet, kies wiskunde B en kies techniek. Dan gaat er een wereld voor je open! 

Alain: ‘En beviel de studie meteen?’ 

Meike: ‘Nou, het vak programmeren vond ik in het begin heel lastig. Het was helemaal nieuw voor me. Om te denken in stapjes die je aan de computer wilt meegeven. Maar al snel viel het kwartje. Tegenwoordig programmeer ik elke dag en vind ik het de normaalste zaak van de wereld. IT inzetten om processen en organisaties te verbeteren vind ik nog altijd heel interessant. Mijn master heb ik bij Informatica gedaan, met als specialisatie data science.

Alain: ‘En toen kreeg je de smaak te pakken, want je hebt op de UT ook je PhD gedaan?’ 

Meike: ‘Klopt. Terwijl ik altijd gezegd heb dat ik niet in die academische bubbel wilde blijven. Ik wil verschil maken in de maatschappij, in de praktijk. Tijdens mijn studie ontdekte ik dat ook dit een stereotiep vooroordeel van me was. Want als PhD’er zit je echt niet in je ivoren toren tussen de boeken. Je kunt heel relevante onderzoeken doen die echt impact hebben.’

Alain: ‘Je doet onderzoek naar explainable machine learning en kunstmatige intelligentie. Wat kunnen wij daar als gewone burgers van verwachten? Wordt de wereld er leuker op, of moeten we juist gaan oppassen?’ 

Meike: ‘Grappig dat je dat zo zegt. Het valt me op dat er in de media ook vaak indianenverhalen rondgaan over dat kunstmatige intelligentie de wereld zou overnemen. Nou, ik werk er dagelijks mee en kan je geruststellen. Die systemen kunnen alleen maar specifieke, vooraf bepaalde taken uitvoeren. En ook al lijken die systemen heel slim, ze kunnen nog steeds domme fouten maken. Tegelijkertijd is het wel zo dat schaakcomputers het tegenwoordig winnen van de mens. Ook van de grootmeesters.’

Alain: ‘Echt?! Dat wist ik niet. In de jaren ’90 waren we er nog vast van overtuigd dat de mens dat altijd zou winnen. Maar ja, er is in de laatste decennia natuurlijk onvoorstelbaar veel rekenkracht en data bijgekomen.’

Meike: ‘Precies. Maar voor de meeste modellen geldt dat ze heel veel data nodig hebben om verbanden te zien. En omdat wij mensen niet genoeg sturen op wat modellen moeten leren, kunnen ze ook verkeerde verbanden oppikken. Een voorbeeldje. We ontwikkelen een model dat op röntgenfoto’s kan zien of er sprake is van een botbreuk. Dat model scoorde goed en zat er zelden naast. Maar wat bleek? De meeste foto’s worden in een röntgenkamer gemaakt. Maar er zaten ook foto’s bij van de eerste hulp. Mensen liggen daar op een bed met een uitstekende, metalen rand die zichtbaar was op de foto. Het model had zichzelf geleerd: als rand, dan breuk. De uitkomst klopte dus wel, maar de onderliggende redenering niet. Daarom is explainable machine learning heel belangrijk – dan kun je die controle inbouwen.’

Alain: ‘En waar zie jij dan de meeste mogelijkheden?’ 

Meike: ‘In ziekenhuizen en in de zorg, bijvoorbeeld. Ik werk nu negen maanden in Duitsland aan het instituut voor Kunstmatige Intelligentie (KI) in de Gezondheidszorg aan de universiteit in Essen. Daar onderzoek ik hoe we KI kunnen inzetten bij het diagnosticeren en verslaglegging. De modellen scoren goed. Maar ziekenhuizen en artsen zijn nog terughoudend. Onderzoek kan deze terughoudendheid hopelijk deels wegnemen, omdat we inzicht geven in waaróm een machine learning model iets voorspelt. De verantwoordelijkheid zal wel altijd bij de arts blijven liggen. AI moet een hulpmiddel worden om te verbeteren en efficiencywinst te halen.’ 

Alain: ‘Als je nu een zak met geld zou krijgen voor onderzoek, wat zou je dan doen?’ 

Meike: Leuke vraag! Met explainable machine learning vertalen we de concepten en verbanden van KI terug naar concepten en verbanden die wij als mensen logisch vinden. Ik denk dat dat anders kan door nieuwe modellen te ontwikkelen die redeneren zoals wij mensen dat zouden doen: explainability by design. Dan hoeven we niet achteraf te ontcijferen wat de onderliggende redeneringen van het model zijn. AI met de menselijke maat, dus!’ 

Alain: ‘Interessant! Vertel eens, wat zijn jouw ambities na je PhD?’ 

Meike: ‘Ik ben me nog aan het oriënteren. Het kan zijn dat ik op een universiteit blijf werken, maar ik sluit een stap naar het bedrijfsleven of een eigen bedrijf ook niet uit.’ Zo heel veel mensen zijn er niet gespecialiseerd in explainable machine learning. Dus we zijn wel aan het zoeken naar manieren om deze kennis te borgen.’ 

Alain: ‘Stel je gaat je eigen weg, kan de UT je dan als adviseur vragen?’

Meike: ‘Jazeker! Ik heb hier altijd met heel veel plezier gestudeerd en gewerkt. Sinds 2012 voel ik me als zuiderling helemaal thuis in het oosten. Ik zal dus altijd wel met de UT verbonden blijven.’ 

Alain: ‘Mooi zo. Wat zou je de UT nog willen meegeven?’ 

Meike: ‘Nou, dat is een tip die ik mezelf ook geef. Wees minder bescheiden en laat zien dat je trots bent op je werk. Andere universiteiten doen dat eigenlijk beter. Terwijl wij op het gebied van AI echt heel bijzondere dingen doen. Ik zou willen dat de rest van Nederland en de wereld dat ook weet. Daarin ben ik me ook bewust van mijn rol in het vakgebied van kunstmatige intelligentie. Zo’n openbaar interview als dit, dat past eigenlijk niet bij me. Maar ik wil wel dat jonge vrouwen dit stuk lezen en denken: hee, dat is iets voor mij! En dat we op die manier de stereotypering een duwtje in de goede richting kunnen geven.’

ALAIN LE LOUX MSC (1971)

studeerde informatica en Industrial Engineering & Management aan de UT. Ook haalde hij een Master of Business Administration (MBA) aan Business School Netherlands. Hij werkte onder andere bij PinkRoccade en was CEO van verschillende startups. Nu is hij vooral actief als startup-investeerder. Hij was 11 jaar als coach betrokken bij Novel-T, het UT-platform dat ondernemerschap aanjaagt.

Meike Nauta (1994)

is promovenda bij de Data Science groep van de UT. In haar onderzoek staan explainable artificial intelligence en deep learning centraal. Ofwel: het inzichtelijk en begrijpelijk maken van artificiële besluitvorming om de juistheid, eerlijkheid en betrouwbaarheid ervan te kunnen doorgronden. Haar master Informatica aan de UT rondde Meike in 2018 cum laude af, inclusief een 10 voor haar prijswinnende scriptie.