“Mens en machine vormen de krachtigste combinatie”

Met een indrukwekkende en internationale carrière die haar van haar thuisland Rusland naar Oostenrijk, Ierland en het Verenigd Koninkrijk bracht, brengt Anna Fensel nu haar expertise in semantische technologie en FAIR-data als universitair hoofddocent naar Wageningen University & Research. Ze was nauw betrokken bij internationale projecten op het gebied van semantische technologieën, heeft bijgedragen aan meer dan 100 wetenschappelijke evenementen en is auteur en coauteur van ongeveer 120 internationale gerefereerde publicaties over data science en KI. Nu is ze hier om de werelden van WUR en data science te verenigen.

Hoe passen KI en data science bij thema’s als landbouw, biodiversiteit en milieu?

“Data science en KI helpen bij het efficiënter verwerken van gegevens en deze te gebruiken in alle toepassingen. Dat kan op zijn beurt ook weer nieuwe toepassingen genereren. Dit komt doordat KI extra kennis naar systemen brengt. Als mensen weten we heel weinig en kunnen we slechts beperkte hoeveelheden informatie in onze hersenen opslaan. Machines daarentegen hebben de capaciteit om enorme hoeveelheden gegevens op te slaan en te verwerken. Mensen zijn van nature echter beter in kennisbeheer en besluitvorming dan KI. Aangezien geen van beide foutloos is – mens noch machine – en beide fouten kunnen maken, geloof ik in de kracht van de combinatie van mens en machine: door ze samen te voegen kunnen we betere beslissingen nemen. Het is de intelligentste combinatie.”

“Voor onderzoekers betekent dit dus dat KI sommige werkprocessen kan vervangen en het onderzoek efficiënter kan maken, en dat er meer geavanceerde interpretaties van gegevens mogelijk zijn geworden, om nog maar te zwijgen over het feit dat de noodzaak om de hele planeet over te vliegen om te communiceren en kennis te vergaren, grotendeels is vervallen. Gegevens kunnen nu op één plaats worden verzameld en efficiënt wereldwijd worden gedeeld met alle geïnteresseerde onderzoeksgroepen. Bovendien kunnen de gegevens onderling worden gekoppeld en gecombineerd, zodat ook de ontwikkeling van interdisciplinaire onderzoeken en toepassingen kan plaatsvinden. Neem bijvoorbeeld onderzoek dat menselijke voeding wil verbeteren; daarvoor heb je datasets nodig over de eigenschappen van de ingrediënten, de fabricage ervan, menselijke gezondheid en menselijk gedrag. Die datasets komen allemaal uit verschillende disciplines en bronnen, en kunnen worden gecombineerd om op machineniveau expliciete relaties en verbanden te leggen, waardoor het opzetten van nieuw onderzoek en nieuwe toepassingen gemakkelijker wordt.”

“En hier kom ik in beeld, aangezien ik gespecialiseerd ben in het helpen van mensen bij het naar buiten brengen van data en die op de juiste manier te delen door middel van data-infrastructuren, het onderling koppelen van data en FAIR-data. Dat laatste is een set van vier principes die, wanneer toegepast, onderzoeksdata vindbaar (Findable), toegankelijk (Accessible), op elkaar afgestemd (Interoperable) en herbruikbaar (Reusable) maakt. Ik zal niet alleen colleges geven over deze onderwerpen, maar ook onderzoekers helpen bij het gebruik van bestaande tools en het creëren van nieuwe tools rondom data delen en publiceren. Ik wil het delen van data transparanter maken. Daarbij gaat het ook om het beheer van toestemming van gebruikers, licenties, contracten tussen organisaties en het rekening houden met privacy en juridische bezwaren.”

“In principe maak ik computers, het web en informatiesystemen intelligenter, zodat ze zichzelf en hun gebruikers beter begrijpen, en betere communicatie en samenwerking mogelijk maken. Deze intelligentie wordt met name mogelijk gemaakt door betere praktijken van gegevensdeling en gegevensgebruik, maar ook door betere kennisrepresentatie en -beheer.”

Dat klinkt nog steeds een beetje abstract. Kun je een voorbeeld geven?

“Ik zal me dus richten op toepassingen die gedrags- en levensstijlveranderingen bevorderen die bijvoorbeeld leiden tot gezondere voedingsgewoonten. Als je het gespecialiseerde domeinonderzoek dat in de Foodvalley wordt gedaan combineert met KI en data science, kun je toepassingen bouwen zoals digitale assistenten die communiceren met de gebruiker en voedingsaanbevelingen geven op basis van hun kennis over de gebruiker en de communicatie.”

“Een grote uitdaging is uit te vinden hoe we betekenisvollere gegevens over gebruikers kunnen krijgen, zoals hoe een bepaald voedingsmiddel hen deed vóélen. Daar wordt onderzoek naar gedaan, maar dit soort gegevens – hoe iets je liet voelen – is erg moeilijk te verkrijgen. Je zou kunnen zeggen dat het een uitdaging is. Op dit moment wordt er dus nog geen rekening gehouden met dergelijke gegevens, wat betekent dat gebruikers aanbevelingen zouden kunnen krijgen voor voedingsmiddelen waarvan ze zich ziek of depressief kunnen gaan voelen. Het zou interessant zijn om meer gegevens te verzamelen om ons te helpen de verschillende effecten van voeding beter te begrijpen. Het transparant maken van dergelijke aspecten kan in de toekomst zelfs deel gaan uitmaken van regelgeving (vergelijkbaar met hoe we nu informatie krijgen over vet of suiker in voedsel).”

Dus jij denkt dat KI de toekomst is?

“Ik denk dat het al tot ons heden behoort. Kijk naar de Covid-pandemie: data science en KI hebben ons – voor een groot deel – in staat gesteld om ons leven voort te zetten zoals we dat hebben gedaan, zonder dat we ons realiseerden hoeveel data ermee gemoeid zijn. Ik denk dat alle toekomstige banen te maken zullen hebben met data science en KI. Het is een veelbelovend gebied om in te werken, kijk maar naar innovators als Larry Page, Steve Jobs en Elon Musk. De kans is groot dat minstens één van hen je leven heeft beïnvloed, en allemaal zijn ze datawetenschappers die met KI werken.”

“KI zal zowel mensen vervangen als ondersteunen, maar ook nieuwe banen genereren. De wereld zal een samenwerking worden van mens en machine. En wie weet: misschien zal KI onze werkdruk wel verlagen en zo mensen de tijd geven om meer leuke dingen te doen!”