How AI Could Empower Any Business | Andrew Ng | TED

Vertaald door: Charlotte van Noort

When I think about the rise of AI,

Als ik denk aan de opkomst van AI,

I'm reminded by the rise of literacy.

moet ik denken aan de opkomst van geletterdheid.

A few hundred years ago,

Een paar eeuwen geleden

many people in society thought

dachten velen

that maybe not everyone needed to be able to read and write.

dat misschien niet iedereen hoefde te kunnen lezen en schrijven.

Back then, many people were tending fields or herding sheep,

In die tijd zorgden veel mensen voor akkers of schapen,

dus misschien was er minder behoefte aan schriftelijke communicatie.

so maybe there was less need for written communication.

And all that was needed

En het was voldoende

was for the high priests and priestesses and monks

als de hogepriesters en hogepriesteressen en monniken

to be able to read the Holy Book,

uit het heilige boek konden lezen

and the rest of us could just go to the temple or church

en de rest van ons gewoon naar de tempel of kerk konden gaan,

or the holy building

of naar het gebedshuis,

and sit and listen to the high priest and priestesses read to us.

en door de hogepriester of priesteres voorgelezen worden.

Fortunately, it was since figured out that we can build a much richer society

Gelukkig hebben we ons sindsdien gerealiseerd dat het

een veel rijkere samenleving wordt als veel mensen kunnen lezen en schrijven.

if lots of people can read and write.

Today, AI is in the hands of the high priests and priestesses.

Vandaag de dag is AI in de handen van hogepriesters en priesteressen.

These are the highly skilled AI engineers,

Dit zijn de vakkundige AI engineers,

many of whom work in the big tech companies.

waarvan velen bij grote tech bedrijven werken.

And most people have access only to the AI that they build for them.

En de meeste mensen hebben alleen toegang tot de AI die zij voor hen programmeren.

I think that we can build a much richer society

Ik denk dat we een veel rijkere samenleving kunnen creëren

if we can enable everyone to help to write the future.

als we iedereen de mogelijkheid geven om de toekomst te helpen schrijven.

But why is AI largely concentrated in the big tech companies?

Maar waarom is AI voornamelijk geconcentreerd in de grote tech bedrijven?

Because many of these AI projects have been expensive to build.

Omdat veel van deze AI projecten duur zijn geweest om te bouwen.

They may require dozens of highly skilled engineers,

Er zijn soms tientallen zeer vakkundige engineers nodig

and they may cost millions or tens of millions of dollars

en het kost misschien miljoenen of tientallen miljoenen dollars

to build an AI system.

om een AI syteem te bouwen.

And the large tech companies,

En de grote tech bedrijven,

particularly the ones with hundreds of millions

vooral die met honderden miljoenen

or even billions of users,

of zelfs miljarden gebruikers,

have been better than anyone else at making these investments pay off

hebben deze investeringen beter kunnen maken dan wie dan ook

because, for them, a one-size-fits-all AI system,

omdat, voor hen, een one-size-fits-all AI systeem,

zoals een dat een zoekopdracht op het internet verbetert

such as one that improves web search

or that recommends better products for online shopping,

of dat betere producten aanbeveelt voor online shoppen,

can be applied to [these] very large numbers of users

toegepast kan worden voor grote aantallen gebruikers

to generate a massive amount of revenue.

om een enorme omzet te maken.

But this recipe for AI does not work

Maar dit recept voor AI werkt niet

once you go outside the tech and internet sectors to other places

buiten de tech en internet sectoren op andere plekken

where, for the most part,

waar, over het algemeen,

there are hardly any projects that apply to 100 million people

weinig projecten voor 100 miljoen mensen van toepassing zijn

or that generate comparable economics.

of vergelijkbare financiën genereren.

Let me illustrate an example.

Laat ik dit illustreren met een voorbeeld.

Many weekends, I drive a few minutes from my house to a local pizza store

In het weekend rijd ik vaak naar een lokale pizzeria

een paar minuten van mijn huis om een stuk pizza Hawaii te kopen

to buy a slice of Hawaiian pizza

from the gentleman that owns this pizza store.

van de meneer die de eigenaar is van deze pizzeria.

And his pizza is great,

En zijn pizza is heerlijk,

but he always has a lot of cold pizzas sitting around,

maar hij heeft altijd een heleboel koude pizzas over

and every weekend some different flavor of pizza is out of stock.

en elk weekend is een andere smaak niet beschikbaar.

But when I watch him operate his store,

Maar als ik zie hoe hij zijn zaak runt

I get excited,

word ik enthousiast,

because by selling pizza,

want door pizza te verkopen

he is generating data.

genereert hij data.

And this is data that he can take advantage of

En dit zijn data waar hij gebruik van zou kunnen maken

if he had access to AI.

als hij toegang had tot AI.

AI systems are good at spotting patterns when given access to the right data,

AI systemen zijn goed in het herkennen van patronen als ze de juiste data krijgen

and perhaps an AI system could spot if Mediterranean pizzas sell really well

en misschien zou een AI systeem zien als Mediterraanse pizzas goed verkopen

on a Friday night,

op vrijdagavonden,

maybe it could suggest to him to make more of it on a Friday afternoon.

misschien zou het kunnen aanraden er meer van te maken op vijdagmiddag.

Now you might say to me, "Hey, Andrew, this is a small pizza store.

Nu zegt u misschien, “Hey, Andrew, dit is een kleine pizzeria.

What's the big deal?"

Wat maakt het uit?”

And I say, to the gentleman that owns this pizza store,

En ik zeg, voor de meneer van deze pizzeria,

something that could help him improve his revenues

iets dat hem zou kunnen helpen zijn omzet te verhogen

by a few thousand dollars a year, that will be a huge deal to him.

met een paar duizend dollar per jaar, dat zou voor hem een groot verschil maken.

I know that there is a lot of hype about AI's need for massive data sets,

Ik weet dat er veel ophef is over het feit dat AI enorme datasets nodig heeft

and having more data does help.

en meer data hebben helpt inderdaad.

But contrary to the hype,

Maar in tegenstelling tot de ophef

AI can often work just fine

kan AI vaak prima werken

even on modest amounts of data,

zelfs met kleine hoeveelheden data,

such as the data generated by a single pizza store.

zoals de data die een enkele pizzeria genereert.

So the real problem is not

Dus het eigenlijke probleem is niet

that there isn’t enough data from the pizza store.

dat er niet genoeg data zijn van de pizzeria.

The real problem is that the small pizza store

Het echte probleem is dat de kleine pizzeria

could never serve enough customers

nooit genoeg klanten zou kunnen bedienen

to justify the cost of hiring an AI team.

om het inhuren van een AI team te kunnen betalen.

I know that in the United States

Ik weet dat er in de Verenigde Staten

there are about half a million independent restaurants.

ongeveer een half miljoen onafhankelijke restaurants zijn.

And collectively, these restaurants do serve tens of millions of customers.

En samen bedienen deze restaurants tientallen miljoenen klanten.

But every restaurant is different with a different menu,

Maar elk restaurant is anders, met een ander menu,

andere klanten, andere manieren om verkoop te registreren,

different customers, different ways of recording sales

that no one-size-fits-all AI would work for all of them.

dat geen one-size-fits-all AI voor hen allemaal zou werken.

What would it be like if we could enable small businesses

Hoe zou het zijn als het mogelijk was voor kleine bedrijven

and especially local businesses to use AI?

en specifiek lokale ondernemers om AI te gebruiken?

Let's take a look at what it might look like

Laten we eens kijken hoe het eruit zou kunnen zien

at a company that makes and sells T-shirts.

bij een bedrijf dat T-shirts maakt en verkoopt.

I would love if an accountant working for the T-shirt company

Ik zou het geweldig vinden als een accountant van het T-shirt bedrijf

can use AI for demand forecasting.

AI kon gebruiken om vraag te voorspellen.

Say, figure out what funny memes to prints on T-shirts

Bijvoorbeeld om te bepalen welke grappige memes op T-shirts geprint

that would drive sales,

goed zouden verkopen,

by looking at what's trending on social media.

door te kijken wat er op sociale media trending is.

Or for product placement,

Of voor het plaatsen van producten,

why can’t a front-of-store manager take pictures of what the store looks like

waarom kan een winkelmanager niet foto’s maken van hoe de winkel eruitziet

and show it to an AI

en die aan een AI laten zien

and have an AI recommend where to place products to improve sales?

en van de AI advies krijgen waar producten te plaatsen om meer te verkopen?

Supply chain.

Productieketen.

Can an AI recommend to a buyer whether or not they should pay 20 dollars

Kan een AI kopers adviseren of ze nu 20 dollar moeten betalen

per yard for a piece of fabric now,

per meter stof,

or if they should keep looking

of beter verder kunnen zoeken

because they might be able to find it cheaper elsewhere?

omdat ze het ergens anders goedkoper kunnen vinden?

Or quality control.

Of kwaliteitsbewaking.

A quality inspector should be able to use AI

Een inspecteur zou AI moeten kunnen gebruiken

to automatically scan pictures of the fabric they use to make T-shirts

om automatisch foto’s te scannen van de stof die gebruikt wordt voor T-shirts

to check if there are any tears or discolorations in the cloth.

om te controleren of er scheuren of verkleuring in de stof zit.

Today, large tech companies routinely use AI to solve problems like these

Nu gebruiken grote tech bedrijven vaak AI om dit soort problemen op te lossen

and to great effect.

en met groot succes.

But a typical T-shirt company or a typical auto mechanic

Maar een gemiddeld T-shirt bedrijf of een gemiddelde automonteur

or retailer or school or local farm

of detailhandel of school of lokale boerderij

will be using AI for exactly zero of these applications today.

gebruikt AI momenteel voor precies nul van deze toepassingen.

Every T-shirt maker is sufficiently different from every other T-shirt maker

Elke T-shirtfabrikant verschilt genoeg van elke andere T-shirtfabrikant

that there is no one-size-fits-all AI that will work for all of them.

dat er geen one-size-fits-all AI is die voor hen allemaal zou werken.

And in fact, once you go outside the internet and tech sectors

En als je buiten de internet en tech sectoren kijkt

in other industries, even large companies

in andere industrieën, hebben zelfs grote bedrijven

such as the pharmaceutical companies,

zoals farmaceutische bedrijven,

the car makers, the hospitals,

de autofabrikanten, de ziekenhuizen,

also struggle with this.

hier ook moeite mee.

This is the long-tail problem of AI.

Dit is de dikke staart van AI.

If you were to take all current and potential AI projects

Als je alle huidige en mogelijke AI projecten neemt

and sort them in decreasing order of value and plot them,

en ze sorteert op afnemende waarde en er een grafiek van maakt,

you get a graph that looks like this.

krijg je een grafiek die er zo uitziet.

Maybe the single most valuable AI system

Wellicht het allerwaardevolste AI systeem

is something that decides what ads to show people on the internet.

is iets dat bepaalt welke advertenties aan mensen online worden getoond.

Maybe the second most valuable is a web search engine,

Wellicht het op één na waardevolste is een internetzoekmachine

maybe the third most valuable is an online shopping product recommendation system.

en als derde een online shopping product-aanbevelingssysteem.

But when you go to the right of this curve,

Maar als je aan de rechterkant van de curve kijkt

you then get projects like T-shirt product placement

krijg je projecten zoals T-shirt product-plaatsing

or T-shirt demand forecasting or pizzeria demand forecasting.

of T-shirt-vraagvoorspelling or pizzeria-vraagvoorspelling.

And each of these is a unique project that needs to be custom-built.

En dat is elk een uniek project dat op maat moet worden gemaakt.

Even T-shirt demand forecasting,

Zelfs vraagvoorspelling voor T-shirts,

if it depends on trending memes on social media,

als het afhangt van trending memes op sociale media,

is a very different project than pizzeria demand forecasting,

is een heel ander project dan vraagvoorspelling voor een pizzeria,

if that depends on the pizzeria sales data.

als dat gebaseerd is op verkoopdata van de pizzeria.

So today there are millions of projects

Dus momenteel zijn er miljoenen projecten

sitting on the tail of this distribution that no one is working on,

in de staart van deze distributie waar niemand aan werkt,

but whose aggregate value is massive.

maar met een enorme cumulatieve waarde.

So how can we enable small businesses and individuals

Dus hoe kunnen we kleine bedrijven en individuen de mogelijkheid geven

to build AI systems that matter to them?

AI systemen te bouwen die voor hun relevant zijn?

For most of the last few decades,

In de afgelopen paar decennia,

if you wanted to build an AI system, this is what you have to do.

als je een AI systeem wilde bouwen, moest je het volgende doen.

You have to write pages and pages of code.

Je moest pagina’s en pagina’s aan code schrijven.

And while I would love for everyone to learn to code,

En hoewel ik het geweldig zou vinden als iedereen kon programmeren,

and in fact, online education and also offline education

en het is zelfs zo dat dankzij online educatie en offline educatie

are helping more people than ever learn to code,

meer mensen dan ooit leren te programmeren,

unfortunately, not everyone has the time to do this.

helaas heeft niet iedereen daar de tijd voor.

But there is an emerging new way

Maar er is een nieuwe manier in opkomst

to build AI systems that will let more people participate.

om AI systemen te bouwen waardoor meer mensen mee kunnen doen.

Just as pen and paper,

Net zoals pen en papier,

which are a vastly superior technology to stone tablet and chisel,

die vele malen beter zijn dan een stenen tablet en beitel,

were instrumental to widespread literacy,

cruciaal waren voor de hoge schaal van geletterdheid,

there are emerging new AI development platforms

zijn er nieuwe ontwikkelingsplatforms voor AI in opkomst

that shift the focus from asking you to write lots of code

die in plaats van de gebruiker te vragen heel veel code te schrijven

to asking you to focus on providing data.

de focus leggen op het vragen naar data.

And this turns out to be much easier for a lot of people to do.

En dit blijkt veel makkelijker te doen voor veel mensen.

Today, there are multiple companies working on platforms like these.

Tegenwoordig zijn er meerdere bedrijven die aan dit soort platformen werken.

Let me illustrate a few of the concepts using one that my team has been building.

Ik zal een paar van de concepten toelichten met een platform van mijn team.

Take the example of an inspector

Neem het voorbeeld van een inspecteur

wanting AI to help detect defects in fabric.

die wil dat AI helpt om defecten in stof te detecteren.

An inspector can take pictures of the fabric

Een inspecteur kan foto’s maken van de stof

and upload it to a platform like this,

en ze uploaden op een platform zoals dit

and they can go in to show the AI what tears in the fabric look like

en dan kunnen ze de AI laten zien hoe scheuren in de stof eruitzien

by drawing rectangles.

door rechthoeken te tekenen.

And they can also go in to show the AI

En ze kunnen ook aan de AI laten zien

what discoloration on the fabric looks like

hoe verkleuring van de stof eruitziet

by drawing rectangles.

door rechthoeken te tekenen.

So these pictures,

Dus deze foto’s,

together with the green and pink rectangles

samen met de groene en roze rechthoeken

that the inspector's drawn,

die de inspecteur tekent,

are data created by the inspector

zijn data gecreëerd door de inspecteur

to explain to AI how to find tears and discoloration.

om aan de AI uit te leggen hoe het scheuren en verkleuring kan vinden.

After the AI examines this data,

Nadat de AI deze data heeft bekeken

zien we misschien dat het genoeg foto’s van scheuren heeft gezien,

we may find that it has seen enough pictures of tears,

but not yet enough pictures of discolorations.

maar nog niet genoeg foto’s van verkleuring.

This is akin to if a junior inspector had learned to reliably spot tears,

Dit is zoals een junior inspecteur die heeft geleerd scheuren te herkennen,

but still needs to further hone their judgment about discolorations.

maar nog meer moet leren om verkleuring te kunnen beoordelen.

So the inspector can go back and take more pictures of discolorations

Dus de inspecteur kan terug gaan en meer foto’s van verkleuringen maken

to show to the AI,

om aan de AI te laten zien,

to help it deepen this understanding.

om het te helpen dit beter te begrijpen.

By adjusting the data you give to the AI,

Door de data die je de AI geeft aan te passen

you can help the AI get smarter.

kan je de AI helpen slimmer te worden.

So an inspector using an accessible platform like this

Dus een inspecteur die een toegankelijk platform als dit gebruikt

can, in a few hours to a few days,

kan, in een paar uur tot een paar dagen,

and with purchasing a suitable camera set up,

en door een geschikte camera-setup te kopen,

be able to build a custom AI system to detect defects,

een AI systeem op maat maken voor het detecteren van mankementen,

tears and discolorations in all the fabric

scheuren en verkleuringen in de stof

being used to make T-shirts throughout the factory.

die gebruikt wordt om T-shirts te maken in de fabriek.

And once again, you may say,

En dan zegt u misschien weer

"Hey, Andrew, this is one factory.

“Hey, Andrew, dit is één fabriek.

Why is this a big deal?"

Wat maakt het uit?”

And I say to you,

En dan zeg ik,

het maakt uit voor de inspecteur wiens leven makkelijker wordt gemaakt

this is a big deal to that inspector whose life this makes easier

and equally, this type of technology can empower a baker to use AI

en zo kan dit soort technologie ook een bakker de kans geven AI te gebruiken

to check for the quality of the cakes they're making,

om de kwaliteit van zijn taarten te controleren,

or an organic farmer to check the quality of the vegetables,

of een biologische boer om de kwaliteit van groenten te controleren,

or a furniture maker to check the quality of the wood they're using.

of een meubelmaker om de kwaliteit van het hout dat hij gebruikt te controleren.

Platforms like these will probably still need a few more years

Dit soort platforms hebben waarschijnlijk nog een aantal jaren nodig

before they're easy enough to use for every pizzeria owner.

voordat ze makkelijk genoeg zijn te gebruiken voor elke pizzeria.

But many of these platforms are coming along,

Maar er zijn veel van dit soort platforms in ontwikkeling

and some of them are getting to be quite useful

en sommige blijken al heel handig

to someone that is tech savvy today,

voor iemand die handig is met technologie,

with just a bit of training.

met slechts een beetje training.

But what this means is that,

Maar wat dit betekent is dat,

rather than relying on the high priests and priestesses

in plaats van te vertrouwen op hogepriesters en -priesteressen

to write AI systems for everyone else,

om AI te ontwikkelen voor iedereen,

we can start to empower every accountant,

we kunnen beginnen de kans te geven aan elke accountant,

every store manager,

elke winkelmanager,

every buyer and every quality inspector to build their own AI systems.

elke inkoper en elke inspecteur om hun eigen AI systemen te bouwen.

I hope that the pizzeria owner

Ik hoop dat elke pizzeria-eigenaar

and many other small business owners like him

en eigenaars van andere kleine bedrijven

will also take advantage of this technology

ook gebruik zal maken van deze technologie

because AI is creating tremendous wealth

want AI genereert enorme rijkdom

and will continue to create tremendous wealth.

en zal enorme rijkdom blijven genereren.

And it's only by democratizing access to AI

En alleen door toegang tot AI te democratiseren

that we can ensure that this wealth is spread far and wide across society.

kunnen we zeker zijn dat deze rijkdom wijd wordt verspreid over de maatschappij.

Hundreds of years ago.

Honderden jaren geleden

I think hardly anyone understood the impact

denk ik dat bijna niemand inzag wat de impact zou zijn

that widespread literacy will have.

van wijdverspreide geletterdheid.

Today, I think hardly anyone understands

Vandaag de dag denk ik dat bijna niemand inziet

the impact that democratizing access to AI will have.

wat de impact zal zijn van het democratiseren van toegang tot AI.

Building AI systems has been out of reach for most people,

Het programmeren van AI systemen is tot nu toe buiten bereik voor de meesten,

but that does not have to be the case.

maar zo hoeft het niet te zijn.

In the coming era for AI,

In het aankomende AI-tijdperk

we’ll empower everyone to build AI systems for themselves,

zullen we iedereen de mogelijkheid geven om AI systemen voor zichzelf te bouwen

and I think that will be incredibly exciting future.

en ik denk dat dat een hele spannende toekomst wordt.

Thank you very much.

Ontzettend bedankt.

(Applause)

(Applaus)