Jonathan Berte (CEO Robovision) over de ontwikkeling van AI: ‘Een select clubje kan zeer veel geld verdienen’
![](https://img.static-rmg.be/a/view/q75/w962/h503/f51.57,27.15/4977033/537ba5fddd37b36eec66c927e43f1356-jpg.jpg)
![Stijn Fockedey](https://img.static-rmg.be/a/view/q75/w150/h150/f36.02,38.64/5166997/stijn-fockedey-jpg.jpg)
De snelle ontwikkeling van artificiële intelligentie (AI) dreigt de ongelijkheid in de wereld te vergroten. Jonathan Berte, de CEO van Robovision, hoopt dat de software zoals die van zijn bedrijf de technologie kan democratiseren. “We werken aan een downloadwinkel, zoals die nu al bestaat voor mobiele apps, maar dan voor data en modellen voor AI.”
Jonathan Berte kijkt graag met zijn kinderen naar sciencefictionfilms. Zo kan hij “uitleggen wat papa doet”. Zijn bedrijf Robovision heeft inderdaad iets futuristisch. Het heeft een softwareplatform voor toepassingen met artificiële intelligentie (AI), in het bijzonder geavanceerde beeldherkenning. Audi Brussels gebruikt de software om robots te laten samenwerken met arbeiders. De software van Robovision is ook het brein in robots voor de landbouw, bijvoorbeeld om stekjes van planten en tulpenbollen automatisch te identificeren, op te pakken en te planten.
Berte en co werken vooral voor grote bedrijven en organisaties, maar met Robovision willen ze in de eerste plaats artificiële intelligentie democratiseren. “De technologie is zo krachtig dat ze niet in handen mag vallen van enkelingen die ze uitbuiten”, zegt Berte. “Als een nieuwe technologie doorbreekt, zie je altijd hetzelfde patroon: een paar voorlopers verzamelen snel een groot kapitaal en krijgen zo macht om hun model te beschermen. Artificiële intelligentie overtreft alle andere technologiegolven. Een select clubje kan zeer veel geld verdienen. Ik zie dat effect bij Robovision. We konden duurzaam groeien zonder geld op te halen (zie kader ‘Er komt een kapitaalronde’, nvdr). De ontwikkelingen in artificiële intelligentie zijn al een paar keer stilgevallen, maar deze keer is de raket echt ontsnapt aan de zwaartekracht.”
We zullen almaar meer artificiële intelligentie moeten gebruiken om de gezondheidszorg betaalbaar te houden
Het afgelopen decennium ging vooral de subdiscipline deep learning erop vooruit, waar uw bedrijf op focust.
JONATHAN BERTE. “Ik ben tijdens mijn studie gefascineerd geraakt door beeldverwerking en neurale netwerken. Toen ik na mijn studies begon als consultant, ook al onder de naam Robovision, bestond beeldverwerking voornamelijk nog uit gigantisch veel regeltjes programmeren. Dat was arbeidsintensief, vooral omdat we de meest complexe projecten opzochten. Die bieden de hoogste marges, maar vergen ook het meeste werk. In 2013 heb ik het geweer van schouder veranderd. Ik heb contact gezocht met een vakgroep van de Universiteit Gent die zich concentreerde op artificiële intelligentie. Die is intussen opgegaan in de nieuwe IDLAB-onderzoeksgroep. Op dat moment is Tim Waegeman in het bedrijf gestapt en hebben we samen voor de industrie een platform ontwikkeld voor geavanceerde beeldverwerking en robotica, op basis van neurale netwerken en deep learning.
“Het eerste grote succes was de software voor een stekjesrobot, die een partner intussen commercialiseert. Daar zie je de evolutie van de technologie. Aan de eerste versie van de robot moesten we zelf nog veel programmeren om hem een nieuwe plantensoort te laten herkennen. Nu kunnen we dat verregaand automatiseren. We hebben ook een machine die tulpenbollen automatisch plant in bakken. De machine is getraind op basis van afbeeldingen die door onder meer Syrische vluchtelingen zijn geannoteerd: zij hebben op voorbeeldafbeeldingen aangeduid waar het uitsteeksel van de tulpenbol zit en op basis van die verrijkte data heeft de machine geleerd hoe ze de tulpenbollen op de juiste manier moet vastpakken.”
![JONATHAN BERTE](https://img.static-rmg.be/a/view/q75/w/h/4977031/258bba2a903e719516cb9ecbc1055938-jpg.jpg)
In plaats van de machine gedetailleerd te programmeren, kan het trainen nu bijna volledig uitbesteed worden?
BERTE. “We hebben een model ontwikkeld à la Uber. Zo kan een Canadese landbouwer bijvoorbeeld zijn plantmachine leren een nieuw plantje te herkennen dankzij iemand met een tablet in een Zuid-Afrikaanse sloppenwijk. Om tot een goed deep-learningmodel te komen dat die plantjes kan herkennen, moet je de software eerst voldoende voeden met goede data. Mensen moeten dus eerst op voldoende afbeeldingen die plantjes aanduiden. Dat kan overal ter wereld gebeuren, zolang er maar een internetaansluiting is. Wij werken hier met Syrische vluchtelingen, die zo een centje kunnen bijverdienen, en met Venezolanen, die zo kunnen overleven in hun land. Om te vermijden dat die mensen uitgebuit worden, werken we samen met erkende vzw’s. Dat is ook een democratische manier om werk te vinden in de derde wereld, waar de goede banen niet voor het grijpen liggen.”
Hoe zorg je ervoor dat die data kwalitatief zijn?
BERTE. “Het spreekt voor zich dat je een medische afbeelding niet laat annoteren door een eenvoudige landbouwer ergens ver weg. Voor die gespecialiseerde kennis gebruiken we een netwerk van experts. In landen als Oekraïne bestaan gespecialiseerde bedrijven die bijvoorbeeld artsen in dienst hebben. Zij leiden de teams op die de opdracht krijgen een bepaalde kankervlek te herkennen.
“Een andere manier om de kwaliteit te garanderen, is dezelfde afbeelding door verschillende mensen te laten annoteren. Door die gegevens te analyseren en met elkaar te vergelijken, kan je ook snel detecteren welke annotaties wellicht fout zijn. Je moet altijd zo clean mogelijke data hebben om een deep-learningmodel te trainen. Dat is heilig.
“We hebben een prestigieus project lopen om medische data van de National Institutes of Health, de belangrijkste medische onderzoeksinstelling in de Verenigde Staten, te ontsluiten. Zij heeft gigantische hoeveelheden aan medische afbeeldingen en andere data. Wij hebben daarvoor een crowdlabelingproject gedaan. Elke afbeelding is door tien mensen bekeken. Samen konden zij nauwkeuriger de organen aanduiden dan een ervaren radioloog van een prestigieus ziekenhuis. Dankzij die goede resultaten wil de NIH de samenwerking uitbreiden. We vinden dat een enorme eer voor een klein Belgisch bedrijf. De andere potentiële partner was Amazon.”
Niet-experts kunnen zo misschien een graantje meepikken van de revolutie in artificiële intelligentie, maar dat systeem doet weinig aan de kloof die voorlopers kunnen slaan.
BERTE. “We werken samen met onder meer Vlaio (de nieuwe naam voor de gefuseerde instellingen IWT en Agentschap Ondernemen, nvdr) aan een AI-store. Dat moet een downloadwinkel worden, zoals die nu al bestaat voor mobiele apps, maar dan voor data en modellen voor software met artificiële intelligentie. Zo zou bijvoorbeeld een wetenschappelijk onderzoeker zijn gelabelde data op een veilige en afdwingbare manier te koop kunnen aanbieden of in licentie geven. Nu sta je als enkeling vaak machteloos wanneer je ontdekt dat grote bedrijven je data ongeoorloofd gebruiken. De juridische procedures zijn onbetaalbaar.”
Werkt dat ook voor de leken die nu data labelen?
BERTE. “Het hangt ervan af. Als je op eigen initiatief gelabelde data aanbiedt, dan moet je bij het gebruik ervan recht hebben op royalty’s. Iemand die in opdracht werkt, zal wellicht enkel vergoed worden voor het geleverde werk.”
Stel dat we in de toekomst voornamelijk banen hebben om artificiële intelligentie te trainen, met welke kennis zal dan het meeste geld te verdienen zijn?
BERTE. “Met iets van medische of biologische aard. We noemen dat in de industrie god made products, wegens de complexiteit ervan. Maar ook daar zie je de enorme impact van deep learning. In de medische sector zijn huisartsen doorgaans de slechtste verdieners en staan radiologen aan de top van de piramide. Eigenlijk komt dat niet overeen met de evolutie van de branche. Beeldherkenningssoftware kan de taak van de radiologen deels overnemen. In de VS zie je dat medische verzekeraars daarvoor al partners in goedkopere landen zoeken. Ik sprak onlangs voor een artsenvereniging en gaf er mijn gewoonlijke ‘deep learning will change the world’-pitch. Onlangs zei een huisarts me dat hij ervan overtuigd was dat menselijke huisartsen nog lang onmisbaar zullen zijn en hij heeft gelijk.
De technologie is zo krachtig dat ze niet in handen mag vallen van enkelingen die ze gaan uitbuiten
“We zullen almaar meer artificiële intelligentie moeten gebruiken om de gezondheidszorg betaalbaar te houden. We evolueren naar gepersonaliseerde behandelingen en iets op maat maken is altijd duurder. AI kan de kosten drukken door bijvoorbeeld te analyseren welke medicijnencocktail het meest compatibel is met je genen. Zonder AI zullen we kanker of armoede niet de wereld uit helpen.”
Intussen gebruikt China artificiële intelligentie wel om de bevolking te onderdrukken.
BERTE. “Dat is inderdaad een gevaarlijke evolutie. De belangrijkste verklaring is dat China eigenlijk al decennia technologie gebruikt om de bevolking onder controle te houden. Dat was zeer arbeidsintensief. Wellicht waren honderdduizenden mensen nodig om het Chinese internetverkeer te censureren. Door technologie zijn daarvoor almaar minder mensen nodig. Ik ben het meest ongerust over deep-learningsoftware die de intenties van mensen voorspelt. Je moet dus nog niks verkeerd gedaan hebben om aangepakt te worden als je profiel en je activiteiten toevallig overeenkomen met die van een staatsgevaarlijk individu.
![JONATHAN BERTE](https://img.static-rmg.be/a/view/q75/w/h/4977032/4be17bf6d74c46efcc3fc0263ad8b047-jpg.jpg)
“Het wordt voor China wel moeilijk een technologische voorsprong uit te bouwen. Die controle is op de lange termijn nefast voor innovatief denken, onder meer omdat falen geen optie meer is. Ingenieurs kunnen in China in de gevangenis komen bij fouten. Wij combineren hier een samenwerkingscultuur met een enorme focus op kwaliteit en innovatie. Ik heb veel contact met andere Belgische en Nederlandse start-ups en het is opvallend hoe tolerant die bedrijven zijn voor falen en interne tegenspraak. Chinese, maar ook Zuid-Europese bedrijven worden veel meer autoritair geleid en er zijn meer interne taboes. Silicon Valley heeft misschien wel die samenwerkingscultuur, maar je ziet een bedrijf zoals Tesla wel worstelen met productieproblemen, waar wij in Europa typisch veel meer ervaring mee hebben. Dat komt onder meer omdat ze niet de juiste mensen hebben. Ze hebben niet dat leger van goed opgeleide arbeiders die kwaliteit kunnen leveren. Soms beseffen we niet genoeg dat we in de Benelux een gouden erfenis hebben van bedrijven zoals Philips. Chinese bedrijven halen bijvoorbeeld heel actief talent uit het oude Philips-ecosysteem binnen.”
U hebt ingenieurs in Slowakije en Oekranië.
BERTE. “Van onze 44 medewerkers werken er 35 in Gent. We verankeren doelbewust de harde kern in België. Je ziet dat ook bij andere techbedrijven. Ze trekken misschien naar de VS om er een commerciële afdeling uit te bouwen, soms onder druk van hun investeerders, maar hun ingenieurs houden ze hier.
“Artificiële intelligentie is een van de belangrijkste technologische wedlopen, omdat het potentieel ervan zo groot is. We maken een kantelpunt in de geschiedenis mee. China wordt machtiger, Rusland wordt assertiever. Tegelijk is het Amerikaanse model in verval, omdat de samenleving er zo sterk verdeeld is. De techsector begint er de impact van president Donald Trump te voelen. De voorwaarden om buitenlandse ingenieurs aan te trekken zijn veel strenger geworden. De VS trekken muren op en dat maakt het voor het progressieve Silicon Valley moeilijker de bakermat van de technologie te blijven. Een innovatieve samenleving kan niet gedijen als ze zich afsluit van de wereld.”
De Vlaamse regering trekt 30 miljoen euro extra uit voor artificiële intelligentie. Een goed begin, maar te weinig, zei u daarover bij de bekendmaking.
BERTE. “Het is al heel goed dat AI op de radar staat en ik merk ook dat de ministeriële kabinetten artificiële intelligentie willen verwerken in het beleid. Volgens mij zal AI onvermijdelijk een belangrijke rol spelen in de volgende regeerakkoorden. De enige positieve manier om de tegenstellingen, in het bijzonder die tussen links en rechts, te overbruggen, is over alles een groene hightechsaus te gieten. We moeten meer aandacht hebben voor het milieu. De focus op hightech kan dan weer goed zijn voor het bedrijfsleven en voor de noodzakelijke groei zorgen. Het zou de samenleving heel veel geld opbrengen, mochten er bijvoorbeeld overal slimme kruispunten zijn. Nu vinden we het nog normaal dat je met dezelfde auto tussen je huis en je werk pendelt. Maar eigenlijk is het goedkoper en efficiënter als de overheid carpoolen via een app à la UberPool zou stimuleren. UberPool (een carpooldienst van Uber, nvdr) is bijzonder populair in San Francisco en het werkt fantastisch. Er is heel veel laaghangend fruit.”
‘Er komt een kapitaalronde’
Jonathan Berte heeft nog 80 procent van de aandelen van Robovision, medeoprichter Tim Waegeman heeft de overige 20 procent. Over anderhalf jaar komt daar wellicht een externe investeerder bij. “Het was de voorbije jaren niet nodig extern kapitaal op te halen. We konden rendabel groeien. Dit jaar komen we wellicht uit op een omzet van 3,5 à 4 miljoen euro, vorig jaar was dat nog 2 miljoen. Maar nu werken we naar een kapitaalronde. Binnen de achttien maanden moet die afgerond zijn. We moeten een versnelling hoger schakelen en durven te investeren in de uitbouw van onze teams.”
Bio
· CEO en medeoprichter Robovision
· Burgerlijk ingenieur natuurkunde
· Specialiseerde zich in artificiële intelligentie en geavanceerde beeldherkenning
· Eind april gelauwerd als Engineer of the Year door de faculteit Ingenieurs- wetenschappen en Architectuur van de UGent en de eraan verbonden alumnivereniging.
Wat is wat?
Artificiële intelligentie: wanneer machines complexe taken overnemen en menselijke intelligentie nabootsen, zoals beeldherkenning of taalbeheersing.
Neuraal netwerk: Techniek binnen artificiële intelligentie. Het principe is gebaseerd op de manier waarop onze hersenen werken. In onze hersenen vormen neuronen, de zenuwcellen, voortdurend netwerken met elkaar om kennis vast te leggen en te verwerven.
Deep learning: Een meer geavanceerde vorm van neurale netwerken, waarbij de kenmerken niet meer door mensen vastgelegd hoeven te worden. De eerste lagen van een deep-learningnetwerk leren autonoom welke kenmerken van een bepaald probleem belangrijk zijn. Ze leren aan de hand van aangeleverde voorbeelden en kunnen die kennis op een ‘menselijke’ manier extrapoleren, zoals het herkennen van een specifieke plantensoort. Dit zonder dat de specifieke redenering voorgeprogrammeerd werd door mensen.
Fout opgemerkt of meer nieuws? Meld het hier
Robovision
-
Maatschappelijke zetel:
Gent
-
Sector:
ICT - Informatica: services, consultancy, software
-
Toegevoegde waarde:
4343238