Nederland heeft een traditie hoog te houden als het gaat om het gebruik van systemen met regels om beslisssingen te automatiseren. Deze tak van sport is onderdeel van de nu zo hippe AI-stroming die gekenmerkt wordt door een tweede manier van redeneren: op basis van historische data.

Regels of data?

Soms worden deze twee werkwijzen neergezet als concurenten van elkaar maar de experts zijn het er overeens dat ze elkaar juist goed aanvullen. Systemen die beide technieken gebruiken worden ook wel 'hybride AI' systemen genoemd.

Australische bank

Onlangs sprak ik Peter van der Putten over dit onderwerp. Hij werkt bij Pegasystems, is ook assistent professor aan de Universiteit van Leiden en heeft ooit samen met mij AI gestudeert in Utrecht. Wij spraken een Australische bank die de klantbeleving heeft verbeterd met een systeem waarin regels over beleid en patronen in interactiedata worden combineert.

Waarom vullen deze twee redeneer mechanismen elkaar zo goed aan? Ik heb hieronder een tabelletje gemaakt met een simpele vergelijking tussen de twee methoden.

Iedere beslissing die je neemt kan je eigenlijk zien als een zoektocht in een oplossingsruimte. Redeneer je met regels dan is die oplossingsruimte vaak klein. Er zijn bijvoorbeeld maar twee oplossing bij een binaire beslissing: goedgekeurd of afgekeurd. Verder is de ruimte met mogelijkheden bekend. We weten precies welke verschillende soorten situaties 'goedgekeurd' of 'afgekeurd' kunnen worden. Op het moment dat de oplossingsruimte heel groot wordt, zoals bij schaak, wordt het ook onmogelijk om alle strategieen als 'regels' uit te schrijven. Dan wordt het dus tijd voor een andere manier van redeneren. Het kan ook zijn dat je eigenlijk niet kan weten welke factoren allemaal een rol spelen. Dan is de oplossingsruimte onbekend. Ook in dat geval kan je niet met regels werken.

Je hebt allebei nodig

Nu is het grappige dat de meeste besluiten 'in de echte wereld' een beetje van allebei hebben: voor een deel van de situaties is de oplossingsruimte wel bekend en ook niet heel groot en voor een ander deel weten we het niet zo goed. Voor dat deel waar je regels voor kan gebruiken zou je dat eigenlijk graag willen doen. De uitkomst zal namelijk ook betrouwbaar en uitlegbaar zijn. Voor het andere deel blijk je dan betere resultaten te kunnen halen door naar de data te kijken. Je zoekt dan eigenlijk in het verleden naar soortgelijke situaties en analyseert welke oplossingen toen goed hebben gewerkt.

Ondanks de beschikbaarheid van beide methoden in softwareontwikkel omgevingen, gebruiken de meeste systemen maar één methode. Hoe komt dat? Zou dat kunnen komen doordat de mensen die het systeem maken slechts ervaring hebben met één van de twee methoden?

Interview over deze succesvolle case

Als dat zo zou zijn, dan kunt u dat nu veranderen door op 26 Februari even aan te sluiten bij een online event van BRPN met Peter van der Putten. Het BRPN staat voor Business Rules Platform Nederland: een vakvereniging die kennisdeling over business rules projecten bevordert. De volgende bijeenkomst gaat over hybride AI systemen. Je ontvangt een uitnodiging door je even aan te melden op www.brpn.org.