Introductie

Mijn naam is Robin, en ik heb mijn afstudeerproject voor de studie Commerciële Economie aan de Hogeschool Utrecht afgerond bij JoinSeven. Gedurende mijn opleiding heb ik een sterke interesse ontwikkeld in business development en data. Deze passie heeft me geleid naar een uitdagende en boeiende afstudeeropdracht bij JoinSeven.

Voor mijn afstudeeropdracht bij JoinSeven heb ik marktonderzoek gedaan naar JoinSeven’s AI-gedreven dataoplossing Codi. Het doel van mijn onderzoek was om te bepalen of een vergelijkbaar product ook waardevol zou kunnen zijn voor gemeenten. Dit onderzoek heb ik gedaan aan de hand van design thinking, wat erg overeenkomt met JoinSeven haar unieke Data Discovery Sprint.

Interviews

Zoals bij design thinking hoort ben ik begonnen met divergeren en heb ik personen uit verschillende gemeenten gesproken. Zo heb ik bijna 20 gemeente-functionarissen gesproken, waaronder raadsadviseurs, Woo-coördinatoren en beleidsmedewerkers. In deze interviews stonden we stil bij de werkzaamheden, knelpunten waar ze tegenaanlopen en mogelijke oplossingsrichtingen.

Uit deze interviews waren twee duidelijke uitdagingen voortgekomen. Op basis van deze twee kernproblemen zijn HKW(Hoe kunnen we) -vragen opgesteld:

1.        Hoe kunnen we Raadsadviseurs helpen om de informatievragen van burgers en Raadsleden sneller makkelijker te beantwoorden?

2.        Hoe kunnen we WOO-coördinatoren helpen bij het controleren of documenten en informatie reeds openbaar is gemaakt?​

Brainstorm

Samen met inhoudelijke en technische specialisten zijn wij gaan brainstormen over hoe wij kunnen bijdragen aan deze twee uitdagingen.

Hier zijn twee ideeën voor data- en AI-gedreven oplossingen uit voortgekomen, die leg ik graag aan de geïnteresseerden voor:

De AI-assistent Lino: Een AI-assistent die informatievragen van raadsleden en burgers beantwoordt en begrijpelijk maakt in B1- en C2-taalniveau.
De openbaarchecker: Een AI-assistent die controleert of (en welke) documenten voor Woo-verzoeken (reeds) openbaar zijn gemaakt.

Vervolgens heb ik de doelgroep door beide concepten geleid. De reacties waren zeer positief, wat JoinSeven extra motiveerde om met deze concepten verder te gaan.

Groot nieuws!

Zoals jullie de afgelopen maanden hebben kunnen zien, is JoinSeven flink aan het groeien. In 2023 groeiden we van een team van 4 naar een team van 7, en inmiddels werken we met zijn 9en aan datagedreven oplossingen met impact!

Met groei komen nieuwe uitdagingen

Zoals het spreekwoord zegt: ‘Met groei komen nieuwe uitdagingen’. Voor ons betekende dit dat we niet meer in ons kantoor bij Dotslash pastten en daarom opzoek moesten naar een nieuwe locatie. Na veel bezichtigingen op allerlei locaties vonden we onze nieuwe plek: Villa Mooi Zeist. Daarom zijn we verhuisd naar deze mooie, inspirerende plek.

Nu we zijn verhuisd, hebben we de ruimte om verder te kunnen groeien als organisatie. Ook geeft het ons de kans om een inspirerende werkomgeving te bieden aan onze collega’s en zo gezamenlijk verder te groeien naar nieuwe successen!

Introductie

Blogserie Generatieve AI

In dit blog geven we een introductie in Generatieve AI. Het is vrijwel niemand ontgaan: de snelle ontwikkelingen rondom Generatieve AI (GenAI). Generatieve AI is enorm in populariteit gestegen, met name dankzij doorbraken zoals ChatGPT en DALL-E van OpenAI. Naar schatting werken momenteel al meer dan anderhalf miljoen Nederlanders met de technologie (1), bijvoorbeeld om mails op te stellen, afbeeldingen te genereren of zelf te experimenteren met nieuwe toepassingen.

De technologie biedt kansen om werk beter en efficiënter uit te voeren. Volgens recent onderzoek door PWC is ruim 44% van de Nederlandse banen in hoge mate “blootgesteld” aan GenAI en kan de technologie een oplossing zijn voor de aanhoudende arbeidsmarktkrapte in Nederland (2). In het onderwijs is momenteel ook een enorme verschuiving gaande, nu studenten zichzelf massaal laten ondersteunen door ChatGPT bij het maken van opdrachten en schrijven van essays en scripties. Universiteiten gaan op zoek naar manieren om de technologie op een constructieve manier onderdeel te laten maken van het onderwijs (3).

Wij merken ook een groeiende interesse in GenAI. Van de boardroom tot de koffiecorner, in zo’n beetje ieder bedrijf wordt momenteel wel gesproken over de toepassingen. En iedere dag is wel érgens een kennisbijeenkomst of een webinar over het onderwerp.

Generatieve AI is nog niet voor iedereen een succesverhaal

Zoals met al het nieuws, lees je vooral de enorme succesverhalen (of juist risico’s en doemverhalen). In de praktijk zijn veel organisaties in Nederland nog weinig veranderd en blijft een structurele inbedding van de waarde van GenAI regelmatig nog achter. De vraag die mensen en organisaties ons vaak stellen is:

• “Wat is Generatieve AI?”
• “Wat kan AI voor mijn organisatie betekenen?”
• “Hoe start ik een succesvol AI-project?”
• “Wat is ervoor nodig om AI te kunnen implementeren?”
• “En hoe doe ik dat op een verantwoorde manier?”

Allemaal zijn dit terechte vragen. En het antwoord hierop is niet altijd even gemakkelijk te vinden.

Blogserie

Daarom lanceren we deze blogserie over Generatieve AI. Door onze kennis te delen, willen we organisaties helpen de stap te zetten van “het praten en overwegen” naar het realiseren van succesvolle en verantwoorde AI. Tot het einde van dit jaar belichten we iedere week één onderwerp voor een succesvolle AI-implementatie. We gaan in op onderwerpen als het vinden van een geschikte use case, het realiseren van een gedegen technisch fundament, het selecteren, trainen en tunen van taalmodellen, het verantwoord inzetten van AI tot het valideren en implementeren van je AI-oplossing. We focussen hierin met name op AI-oplossingen gericht op tekstuele content.

In deze eerste blog behandelen we de vraag “Wat is Generatieve AI?”. En geven we een een introductie in Generatieve AI: We gaan in op wat het is, hoe het werkt en welke kansen en uitdagingen er liggen bij het implementeren ervan in je organisatie. We geven ook een voorproefje van de volgende blogs in deze serie.

Generatieve AI zet de wereld
op zijn kop

Laten we starten bij het concept Generatieve AI. Dit is meer dan een modieus buzzword. Het is een vorm van kunstmatige intelligentie waarbij algoritmen data genereren in plaats van alleen te analyseren. GenAI maakt het mogelijk om nieuwe content te creëren, variërend van tekst tot afbeeldingen, video’s, spraak en zelfs muziek. Het kan hiermee realistische en persoonlijke interacties tussen mens en machine bewerkstelligen.

Een aantal concrete voorbeelden waar Generatieve AI voor wordt ingezet:

• Het beantwoorden van eerstelijns klantvragen over de dienstverlening van organisaties.
• Het schrijven van promotie- en marketingmateriaal door marketeers en contentschrijvers.
• Het genereren van afbeeldingen op basis van tekstuele beschrijvingen (of andersom).
• Het schrijven, controleren en verbeteren van programmeercode of queries door ontwikkelaars.

Neem bijvoorbeeld een Generatieve AI in de context van een dienstverlener zoals wij. Op basis van data over veelgestelde vragen en reviews van klanten, kan een AI op een nieuwe vraag van een klant, gepersonaliseerde en relevante antwoorden genereren. Bij een nieuwe vraag, zoals over onze openingstijden of de wijze waarop een afspraak ingepland kan worden, interpreteert de AI eerst de opdracht/vraag, haalt de benodigde informatie op uit onze (interne en publieke) data en formuleert vervolgens een uniek en gepersonaliseerd antwoord aan de klant.

Dit is een vrij eenvoudig voorbeeld. Maar soortgelijke interacties kan je ook toepassen in andere, meer complexe bedrijfsmatige situaties. In de beleidsmatige context kan je denken aan een toepassing voor het beantwoorden van Kamervragen, voor het beantwoorden van Nota’s van Inlichtingen bij het uitvoeren van Europese aanbestedingen of voor het herkennen van commerciële kansen voor ondernemingen op basis van marktinformatie. Wil je meer weten over deze toepassingen, kijk dan vooral in ons portfolio van AI-projecten.

Het taalmodel

De motor achter Generatieve AI

Generatieve AI-modellen leren van grote hoeveelheden data. Ze analyseren deze data om patronen en relaties te herkennen. De motor hierachter is een taalmodel (ook wel “Large Language Model” of “LMM” genoemd. Beschouw een taalmodel als een algoritme dat de structuur en het gebruik van taal leert te begrijpen. Taalmodellen zijn gebaseerd op statistische analyses van teksten. Ze berekenen de waarschijnlijkheid van woordvolgordes in zinnen.

Moderne taalmodellen, zoals die gebaseerd op Transformer-architecturen (bijvoorbeeld Open AI’s GPT-3 en 4, Google Bard en LLaMa van Meta), gebruiken neurale netwerken met verschillende lagen om relaties tussen woorden en zinsdelen in een tekst te leren begrijpen. Teksten worden eerst opgedeeld in stukjes (“tokens”), die kunnen variëren van één karakter tot hele woorden. Deze tokens worden weer omgezet in numerieke vectoren (“embeddings”) die de betekenis en relaties tussen woorden vastleggen.

Als eerst wordt het model getraind op een algemene dataset en daarna kan het voor specifieke taken worden getuned op een specifieke dataset voor de betreffende use case, zoals het beantwoorden van vragen van klanten of het genereren van teksten, afbeeldingen of muziek in een bepaalde context of genre.

Hoeveel kennis heeft een AI?

Een veelgehoord misverstand

Een veelgehoord misverstand is dat mensen denken dat een kunstmatige intelligentie zoals ChatGPT over brede kennis beschikt en daardoor goede antwoorden op vragen kan formuleren. Dat ligt iets anders. In werkelijkheid voorspelt het taalmodel de waarschijnlijkheid van woordvolgordes op basis van de data waarop het is getraind. Het is daarbij goed om te beseffen dat de data waarop het model is getraind in het (nabije) verleden ligt.

Succesfactoren

Door onze ervaring in het veld van AI en innovatieve dataprojecten, hebben we een duidelijk beeld opgedaan van wat er nodig is om Generatieve AI succesvol én verantwoord te implementeren. Een deel van deze aspecten zijn specifiek van belang voor projecten op het vlak van GenAI, maar een groot deel is ook breed toepasbaar op projecten met een groot technologisch en innovatief karakter.

Denk bij het implementeren van Generatieve AI in jouw organisatie aan het volgende: 

• Je hebt een duidelijke use-case nodig. Hierbij is ons advies: Zoek een oplossing voor een probleem en niet andersom! Inventariseer eerst problemen die je wil oplossen, en creëer daarna een visie van hoe (Generatieve) AI dit probleem kan oplossen.
• Een succesvolle inzet van AI vraagt om een solide informatievoorziening. Ook voor AI geldt; “garbage in, garbage out”. Het gaat hier niet alleen om de taalmodellen die je gebruikt, maar juist ook de data en systemen die deze modellen voeden.
• Train en tune je AI-model voor je use-case. Voor de meeste use-cases is meer nodig dan een “off-the-shelf” oplossing. Het trainen en/of tunen van je taalmodel voor jouw use-case maakt een groot verschil.
• Houd rekening met met ethische en maatschappelijke overwegingen, zoals privacy en algoritme-bias. Technologie is op zich niet “goed” of “slecht”, maar een verkeerde implementatie kan onnodig risico’s met zich meebrengen. Wij staan voor een verantwoorde en mensgerichte inzet van AI.
• Kies voor een innovatiegerichte, mensgerichte en kortcyclische aanpak. Een Generatieve AI project is namelijk per definitie innovatief. Valideer aannames en onderzoek onbekende facetten van AI in jouw organisatie. Onze Data Discovery Sprint geeft hier op een concrete, gebruikersgerichte en snelle manier invulling aan.
• Begeleid mensen in je organisatie met het werken met AI. Generatieve AI zet bedrijfsprocessen op zijn kop en veel mensen vinden het spannend. Een succesvolle implementatie vraagt daarom om een gedegen implementatiestrategie met oog voor de mensen die ermee (gaan) werken, de technologie en werkprocessen. Alleen op deze manier zorg je ervoor dat een AI-project echt positieve impact heeft.

Conclusie

In dit blog gaven we een korte introductie op onze blogreeks over GenAI. We gingen in op de vraag: “Wat is Generatieve AI?”. We gaven een introductie in Generatieve AI, waar je het op kan toepassen en hoe het op hoofdlijnen werkt. We presenteerden tot slot vanuit onze visie de zes succesfactoren voor ieder AI-project. Deze factoren behandelen we allemaal in een apart blog in deze serie.

Een aantal hoofdpunten:

• GenAI zet de wereld op zijn kop en is meer dan een modieus “buzzword”.
• Het werkt op basis van een taalmodel dat op basis van Deep Learning woordvolgordes voorspelt.
• Taalmodellen bevatten niet alle “kennis” zelf, maar baseert deze op de data waarop het is getraind.
• Succesfactoren zoals een geschikte use-case, technologisch fundament en innovatieve werkwijzen zijn cruciaal voor een impactvolle AI-implementatie.

AI-modellen

Introductie

In deze blogserie over Generatieve AI schrijven we over zes succesfactoren voor ieder AI-project. We bespraken in de vorige blogs al het belang van een sterke use case en een solide technisch fundament. Deze week richten we op de derde van totaal zes succesfactoren: Het ontwikkelen en toepassen van AI-modellen voor jouw use case.

De keuze voor AI-modellen raken de kern van je (Gen)AI-project

Het kiezen van een AI-model is niet zomaar een technische keuze, maar een beslissing die de kern van je project raakt. Om deze keuze goed te kunnen maken, heb je een grondig begrip nodig van welke keuzes je hier hebt, welke technische uitdagingen deze modellen met zich meebrengen, hoe je model interacteert met je data en welke functie het AI-modellen hebben in je oplossing.

Met onze eerdere blogs als basis, duiken we nu dieper in de wereld van AI-modellen en onderzoeken we hoe je het best passende model voor jouw project selecteert.

Geen “one-size-fits-all”

Het toepassen AI-modellen is geen “one-size-fit-all”. Verschillende use cases vragen verschillende benaderingen. Het vergelijken van Kamervragen met eerdere vragen en antwoorden vereist bijvoorbeeld een andere benadering dan het formuleren van potentiële antwoorden op Kamervragen. En het voorspellen van de verwachte doorlooptijd van het beantwoorden van een Kamervraag vraagt weer een andere benadering dan het classificeren van Kamervragen in een specifieke categorie, thema of beleidsdirectie.

Elk van deze taken stelt unieke eisen aan het AI-model en de benadering die je kiest. En net zo essentieel als het vinden van een sterke use case voor (Gen)AI, is het verbinden van je use case aan het juiste AI-model een belangrijke succesfactor voor je AI-project. Dit blog gaat over de beschikbare AI-modellen en benaderingen en de overwegingen die je maakt in de keuze voor jouw AI-project.

Verschillende vormen van AI-modellen

Voordat we ingaan op de toepassing van diverse AI-modellen voor specifieke use cases, duiken we wat dieper in de wereld van AI-modellen. We definieerden Generatieve AI eerder als “een vorm van kunstmatige intelligentie waarbij algoritmen data genereren in plaats van alleen te analyseren.”. Hierbij gebruik je Deep Learning algoritmen. Naast Deep Learning zijn voor andere toepassingen Machine Learning algoritmen ook (en soms beter) geschikt. In het werken met AI is het belangrijk om het onderscheid te kennen tussen deze twee verschillende benaderingen. Maar wat zijn de belangrijkste verschillen daartussen?

Kunstmatige Intelligentie, Machine Learning en Deep Learning

De afbeelding hieronder toont het onderscheid tussen AI, Machine Learning en Deep Learning. Alle vormen die we bespreken vallen onder de “kapstok” van AI. Naarmate we meer in subsets van AI duiken, worden de systemen complexer en bevat het meer zelflerende capaciteiten.

In de twee paragrafen hierna gaan we in op de verschillen tussen Machine Learning en Deep Learning en tussen Supervised en Unsupervised Learning.

Machine Learning vs Deep Learning

Er zijn twee verschillende benaderingen in het leren van patronen uit data: traditionele Machine Learning en Deep Learning. Maar wat zijn nu precies de verschillen tussen deze twee?

• De manier waarop ze leren: Bij Machine Learning leren algoritmen van patronen en doen ze voorspellingen op nieuwe data. Deze modellen baseren zich veelal op ‘feature engineering’, een proces waarbij je handmatig belangrijke kenmerken selecteert waarvan het model kan leren. Bij Deep Learning leert het algoritme automatisch kenmerken uit ruwe data, zonder handmatige tussenkomst. Deze algoritmen leren complexe patronen herkennen door verschillende lagen te gebruiken, waarbij elke laag iets anders leert.
• Hoe ze data verwerken: Bij Machine Learning is de kwaliteit van de data extra belangrijk, omdat de modellen afhankelijk zijn van zorgvuldig geselecteerde kenmerken. Deze aanpak werkt het best met kleinere hoeveelheden data. Deep Learning daarentegen leert de structuur van data automatisch te begrijpen, zonder dat er handmatig kenmerken hoeven te worden geselecteerd. Deze methode is effectiever bij het verwerken van grote hoeveelheden ruwe data.
• De complexiteit en uitlegbaarheid van het model: Machine Learning-modellen zijn vaak eenvoudiger, zowel in hun opzet als in het begrijpen van hun werking. Maar, ze kunnen beperkt zijn in het herkennen van complexe patronen. Deep Learning-modellen, met hun vele parameters, zijn complexer en kunnen diepere en complexere relaties in data ontdekken. Dit maakt ze echter minder transparant en moeilijker te interpreteren, vooral omdat ze niet afhankelijk zijn van handmatige feature engineering.
• Benodigde resources: Machine Learning-modellen vereisen over het algemeen minder rekenkracht en kunnen vaak getraind worden op standaardcomputers. Deep Learning-modellen daarentegen vereisen aanzienlijk meer rekenkracht, vanwege de complexiteit en omvang van de neurale netwerken die ze gebruiken. Dit maakt ze krachtiger, maar ook duurder en intensiever in het gebruik van computerbronnen.

Supervised vs Unsupervised Learning

Naast de verschillen tussen Machine Learning en Deep Learning, is er ook het verschil tussen ‘supervised’ en ‘unsupervised’ learning. Het gebruik van deze twee verschillende benaderingen staat los van het verschil tussen de twee eerder genoemde categorieën binnen AI.

• Supervised Learning: Bij supervised learning wordt het model getraind op een gelabelde dataset. Dit betekent dat voor elk stukje data in de trainingsset (zoals een foto, tekstfragment, of geluidsopname) er een bijbehorend label of antwoord is (zoals ‘kat’, ‘positief’, of ‘muziek’). Het model leert vervolgens patronen te herkennen en associaties te maken tussen de data en de bijbehorende labels. Het doel is om het model zodanig te trainen dat het nauwkeurige voorspellingen of classificaties kan maken op nieuwe, ongelabelde data. Voorbeelden hiervan zijn classificatie- en regressie-algoritmen.
• Unsupervised Learning: Unsupervised learning daarentegen, gebruikt geen gelabelde datasets. Het algoritme wordt losgelaten op een dataset zonder specifieke instructies over wat het moet vinden. Het doel is om onderliggende structuren of patronen in de data te ontdekken, zoals groepen van vergelijkbare data (clustering) of het identificeren van afwijkende data. Omdat er geen specifieke labels of ‘juiste antwoorden’ zijn, moet het model zelf de structuur in de data ontdekken. Voorbeelden hiervan zijn cluster- en associatie-algoritmen.

Vooraf getrainde AI-modellen

Steeds meer bedrijven grijpen naar zogenaamde ‘vooraf getrainde modellen’ voor hun AI-projecten, zoals GPT-4 van OpenAI en Llama van Meta. Wat zijn dit precies en waarom kiest men voor deze vooraf getrainde modellen?

Deze modellen zijn, zoals de naam al zegt, al getraind op grote hoeveelheden data voordat ze beschikbaar worden gesteld voor gebruik. Dit betekent dat je ze kunt inzetten zonder dat je zelf helemaal in de details hoeft te duiken van hoe ze getraind zijn. Ze hebben al geleerd om bepaalde patronen en kenmerken te herkennen in de data waarop ze zijn getraind.

Check de data die gebruikt is

Een belangrijke tip: check altijd de data die gebruikt is om deze modellen te trainen. Zorg ervoor dat deze data overeenkomt met het type data dat je in je eigen project gaat gebruiken. Zo weet je zeker dat het model goed past bij jouw specifieke toepassing.

Voordelen van vooraf getrainde modellen

Deze modellen zijn vaak een prima startpunt voor verdere AI-taken. Ze vertegenwoordigen doorgaans de nieuwste stand van zaken qua prestaties en worden vaak ontwikkeld door vooraanstaande onderzoeksinstellingen en bedrijven. Dit maakt het implementeren van maatwerk AI-oplossingen een stuk eenvoudiger.

Kosten

Hoewel vooraf getrainde modellen relatief makkelijk te gebruiken zijn, zijn ze vaak niet gratis. Meestal zijn ze toegankelijk tegen betaling van een maandelijks bedrag of een tarief gebaseerd op het aantal karakters of data dat je verwerkt.

Het juiste AI-model hangt af van je data

Welk AI-model je kiest, hangt mede af van de data waarmee je te maken hebt. De volgende elementen zijn bepalend voor de keuze van je AI-model:

• De wijze waarop je data is gestructureerd. Als je data van meerdere bronnen gebruikt, is het belangrijk te verkennen in hoeverre die data vergelijkbaar is en op vergelijkbare wijze gestructureerd en opgeslagen.
• Hoe is de data gelabeld? Onderzoek hier ook in hoeverre het nodig is om de data (aanvullend) te labelen of categoriseren en welke techniek daarvoor geschikt is. Als je data gedeeltelijk gelabeld is, kan je hiervoor supervised technieken inzetten. Indien dat niet het geval is, kan je mogelijk gebruik maken van unsupervised technieken, zoals topic-modeling.
• Om welke soort data het gaat. AI-modellen zoals GPT’s kunnen met verschillende soorten data omgaan. Is het tekst, numeriek, beeldmateriaal, of een combinatie daartussen? Dit bepaald in grote mate de keuze voor een AI-model en de configuratie ervan.
• De omvang van je data. Heb je te maken met honderden datapunten of honderdduizenden? En hoeveel context moet een AI-model kunnen hanteren en begrijpen voor je use case?

Zoals je leest, zijn er best wat overwegingen te maken voor het kiezen van het juiste AI-model. Deze overwegingen beïnvloeden de prestaties van je AI-model en ook hoe je het model traint en gebruikt.

Het juiste AI-model hangt af van je use case

We bespraken in de vorige paragrafen verschillende benaderingen van AI-modellen en de overwegingen die je kan maken voor specifieke modellen. In deze paragraaf brengen we deze inzichten naar de praktijk. We gebruiken hiervoor de use case van AI-gedreven ondersteuning voor Kamervragen. We koppelen een aantal functionele informatiebehoeften van ambtenaren naar verschillende vormen van AI die we hiervoor (kunnen) toepassen.

We gaan op hoofdlijnen in op de volgende use cases:

• Het koppelen van (een set aan) Kamervragen aan categorieën of onderwerpen
• Het voorspellen van de verwachte doorlooptijd voor het beantwoorden van Kamervragen
• Het vergelijken van (een set aan) Kamervragen met eerder gestelde Kamervragen, antwoorden en relevante documenten
• Het formuleren van potentiële antwoorden op (een set aan) Kamervragen

Voorbeeld 1: Het koppelen van (sets aan) Kamervragen aan categorieën, onderwerpen of Directies

Het koppelen van (sets aan) Kamervragen aan categorieën of onderwerpen noemen we een classificatietaak. Laten we voorstellen dat we een historische dataset hebben waarin sets aan Kamervragen die (handmatig) toegewezen zijn aan specifieke beleidsdirecties. En over al deze sets aan Kamervragen hebben we gegevens over de bewindspersoon aan wie de vraag is gesteld, de dossiers waaraan de Kamervragen zijn gelinkt en onderwerpen waarover deze Kamervragen gaan. We kunnen op basis van deze drie ‘features’ proberen nieuwe Kamervragen automatisch te categoriseren naar de juiste beleidsdirecties. Hiervoor leert het algoritme patronen te herkennen tussen deze features en past deze analyse toe op iedere nieuwe set aan Kamervragen. We passen hiervoor een supervised Machine Learning algoritme voor toe.

Voorbeeld 2: Het voorspellen van de verwachte doorlooptijd voor het beantwoorden van Kamervragen

Het voorspellen van de verwachte doorlooptijd voor het beantwoorden van een set aan Kamervragen noemen we een regressietaak. Regressietaken typeren zich door een lineair verband tussen de uitkomst en de features. Wanneer we hier de aanname doen dat het aantal vragen een lineair verband heeft met de gemiddelde doorlooptijd van het beantwoorden van een set aan Kamervragen, kunnen we een algoritme leren voorspellen hoe lang een Directie erover doet om een Kamervraag te beantwoorden. Wanneer ook het onderwerp en de betreffende bewindspersoon aan wie de Kamervraag wordt gesteld een modererend effect hierop heeft, kunnen we deze als feature meewegen in het model.

Voorbeeld 3: Het vergelijken van (sets aan) Kamervragen met eerder gestelde Kamervragen, antwoorden en relevante documenten

Wanneer we (sets aan) Kamervragen willen vergelijken met eerder gestelde Kamervragen en antwoorden, hebben we het over een clustertaak. Om een Kamervraag te kunnen vergelijken met andere teksten, zoals eerder gestelde Kamervragen, antwoorden en documenten, moeten we een algoritme eerst leren de teksten te interpreteren. Hiervoor zetten we verschillende Deep Learning algoritmen in die teksten omzetten in (numerieke) representaties van de tekst (dit zijn ‘vectoren’) en deze vectoren vervolgens met elkaar vergelijken.

Voorbeeld 4: Het formuleren van potentiële antwoorden op (sets aan) Kamervragen

Tot slot hebben we de use case van het formuleren van potentiële antwoorden op (sets aan) Kamervragen. Dit noemen we een generatietaak. Hiervoor volgen we gedeeltelijk de benadering voor het vergelijken van (sets aan) Kamervragen met eerder gestelde Kamervragen, antwoorden en relevante documenten, maar geven we een AI-taalmodel de opdracht om op basis van de vergelijkbare vragen, antwoorden en documenten – en aanvullend door ons ingegeven data en opdrachten, een potentieel antwoord op een Kamervraag te formuleren.

Conclusie

In deze blog hebben we de uitdagingen geïntroduceerd die gepaard gaan met het selecteren van een ideaal AI-model voor je use case. We benadrukken het begrijpen van de wisselwerking tussen je data, de functie van AI voor jouw project en de technische know-how. In de volgende blog gaan we dieper in op het maatschappelijke en ethische aspecten in het ontwikkelen van en werken met AI.

Een aantal hoofdpunten uit dit blog:

• AI-modellen raken de kern van je AI-project
• Er bestaat niet zoiets als “one-size-fits-all” in het toepassen van AI-modellen
• Het is belangrijk om een goed begrip te hebben van de data die je gebruikt in je AI-project
• Steeds meer organisaties bewegen naar vooraf getrainde AI-modellen (en dit heeft zowel voor- als potentiële nadelen)
• In het implementeren van AI use cases heb je vaak combinaties van AI-modellen nodig

Introductie

Welkom terug bij onze serie Generatieve AI (GenAI) projecten. In deze serie doorlopen we zes belangrijke aspecten bij het implementeren van Generatieve AI in jouw organisatie, zoals het selecteren van een sterke use case, het creëren van een solide technisch fundament, het werken met AI-modellen en het mensgericht toepassen van AI. In dit zesde blog richten we ons op een ander essentieel aspect: het valideren van de haalbaarheid, waarde en impact van AI-oplossingen.

Bewijzen of juist ontkrachten van aannames

Met “valideren” bedoelen we het bewijzen of juist ontkrachten van aannames die we hebben over de voorgenomen (Gen)AI-oplossing. Denk hierbij aan de wensen die gebruikers hebben, de wijze waarop technische elementen (samen)werken of de impact die de AI-oplossing heeft op de organisatie, de mens of zelfs de maatschappij. Deze aannames brengen we onder in de volgende categorieën:

• Haalbaarheid: Deze aannames gaan over technische en praktische mogelijkheden. Kunnen we de technologie daadwerkelijk ontwikkelen en toepassen binnen de gestelde randvoorwaarden?
• Wenselijkheid: Deze aannames gaan over de waarde van de oplossing in het oog van de gebruikers. In hoeverre los je een werkelijk probleem op en voldoet de oplossing aan hun behoeften en verwachtingen?
• Toekomstbestendigheid: Deze aannames gaan over de economische en operationele aspecten. Is de oplossing bijvoorbeeld economisch zinvol en duurzaam op lange termijn binnen de markt en het bedrijfsmodel?

The proof is in the pudding!

Hoeveel gebruikers of (potentiële) klanten je over hun intenties ook spreekt en hoeveel (technische) kennis je ook verzamelt over je voorgenomen AI-oplossing: in welke mate en op welke wijze je AI-oplossing werkt, ervaar je pas wanneer deze in het echt wordt gebruikt.

En hier wringt ook de schoen: Erkennen dat je te maken hebt met onzekerheden in je project voelt ongemakkelijk en gaat soms ook tegen de manier hoe binnen je organisatie naar projecten wordt gekeken. Tegelijkertijd kan het negeren ervan je in een latere fase duur komen te staan. Zeker in een vroeg stadium is het doel om zoveel mogelijk te leren over de wenselijkheid, haalbaarheid en toekomstbestendigheid en niet om in één keer de perfecte oplossing te introduceren. Ons advies is om zo snel mogelijk eindgebruikers te laten werken met je AI-oplossing, feedback te verzamelen en op basis daarvan steeds een nieuwere, betere versie te introduceren.

Valideren met de Data Discovery Sprint

Onze Data Discovery Sprint is een bewezen methodiek die helpt de onzekerheid in AI-projecten te omarmen en overbruggen. Het helpt de benodigde flexibiliteit te bereiken in je organisatie en legt de basis voor een solide AI-project.

Fase 1: Launch

In onze unieke ‘Data Discovery Sprint’, die we in ons tweede blog hebben geïntroduceerd, starten we met de ‘Launch’-fase. Hierin duiken we met volle vaart in het definiëren van de scope van een AI-project. We voeren snelle interviews, brainstormsessies en technisch onderzoek uit, en gebruiken een aangepast waardepropositiecanvas. Dit hulpmiddel, uniek voor JoinSeven, voegt aan het klantprofiel en de oplossing de essentiële technische randvoorwaarden toe, waardoor we een gedetailleerd en toch flexibel overzicht krijgen van de projectvereisten.

Fase 2: Validate

De ‘Validate’-fase staat in het teken van het valideren van aannames over haalbaarheid, wenselijkheid en toekomstbestendigheid. We benaderen dit proces actief en praktisch: in plaats van uitgebreid onderzoek verrichten we doelgerichte experimenten. Bij haalbaarheid toetsen we de technische en data-aspecten met een initiële ‘proof of concept’. Voor wenselijkheid ontwikkelen we prototypes en voeren ‘wizard of Oz’-tests uit om gebruikersinteracties te observeren. Tot slot evalueren we in de toekomstbestendigheid de marktacceptatie en economische levensvatbaarheid van de oplossing.

Fases 3 en 4: Awaken en Deliver

In ‘Awaken’ en ‘Deliver’, de vervolgfases, richten we ons op de fijnere details en de daadwerkelijke implementatie van de AI-oplossing. Hier passen we vergelijkbare experimentele benaderingen toe als in de ‘Validate’-fase, nu gericht op incrementele verbeteringen en optimalisaties. Deze methodische en evenwichtige aanpak stelt ons in staat om zowel de exploitatieve als exploratieve uitdagingen van AI-projecten aan te gaan.

Experiment designs

Zoals we eerder benoemden, plotten we aannames hoofdzakelijk in drie categorieën: haalbaarheid, wenselijkheid en toekomstbestendigheid. Hieronder volgt een lijst van experiment designs voor elk van deze categorieën, met een korte uitleg over hoe ze kunnen worden toegepast in jouw (Gen)AI projecten:

Valideren van de haalbaarheid

• Proof of Concept (PoC): Test de technische haalbaarheid van de AI-oplossing door een basisversie te ontwikkelen die de kernfunctionaliteit demonstreert. In GenAI projecten kan dit betekenen dat een klein, werkend model wordt gecreëerd om te bewijzen dat het concept technisch uitvoerbaar is.
• Dataverificatietest: Beoordeel de beschikbaarheid, kwaliteit en toepasbaarheid van de data die nodig is voor de AI-oplossing. Dit kan inhouden dat je werkt met een subset van data om te bevestigen of de data geschikt is voor het beoogde gebruik.
• Technische haalbaarheidstest: Onderzoek of de bestaande infrastructuur en technologische middelen voldoende zijn om de AI-oplossing te ondersteunen. Dit kan een evaluatie van hardware, software en algoritmen omvatten.

Valideren van de wenselijkheid

• Gebruikerstesten: Ontwikkel prototypen of mock-ups van de oplossing en observeer hoe gebruikers ermee omgaan. Dit helpt om te begrijpen of de AI-oplossing aansluit bij de behoeften en verwachtingen van de gebruiker.
• Wizard of Oz test: Simuleer de AI-oplossing in een gecontroleerde omgeving zonder dat de gebruiker weet dat het nog niet volledig functioneel is. Dit helpt om inzicht te krijgen in hoe gebruikers omgaan met de uiteindelijke oplossing.
• A/B Testen: Bied verschillende versies van een functie of product aan een groep gebruikers aan om te bepalen welke versie beter presteert in termen van gebruikersengagement en -tevredenheid.

Valideren van de toekomstbestendigheid

• Marktanalyse: Onderzoek de marktvraag en concurrentie voor de AI-oplossing. Dit kan marktonderzoek omvatten om de potentiële acceptatie en prijsgevoeligheid te beoordelen.
• Business Model Testing: Evalueer verschillende bedrijfsmodellen en prijsstrategieën voor de AI-oplossing. Dit kan het testen van verschillende prijspunten of verdienmodellen omvatten om de levensvatbaarheid op lange termijn te beoordelen.
• Regulatory Compliance Test: Voer tijdens de ontwikkeling assessments uit, zoals een DPIA of IAMA.

Conclusie

In dit blog hebben we je meegenomen in het valideren van aannames voor jouw AI-project. We namen je mee in hoe je onzekerheid in je AI-project omarmt en gaven met onze Data Discovery Sprint en effectieve experiment designs concrete handvatten om hiermee in jouw project aan de slag te gaan.

Een aantal hoofdpunten:

• Het erkennen van onzekerheid en het hebben van aannames is cruciaal voor een succesvol AI-project
• De “sweet spot of innovation” zit in het midden van de haalbaarheid, wenselijkheid en toekomstbestendigheid van je AI-oplossing
• De Data Discovery Sprint ondersteunt in het experimenteren en leren in jouw AI-project
• Iedere (type) aanname kan je valideren met verschillende experiment designs

We zijn geselecteerd voor het “Microsoft for Startups” programma

Met trots kondigen we aan dat we zijn geselecteerd om deel te nemen aan het “Microsoft for Startups” programma. Dit is voor ons een belangrijke mijlpaal in onze reis om organisaties te helpen hun impact in hun markt te vergroten door de ontwikkeling van intelligente apps, dashboards en andere datagedreven toepassingen.

Een schat aan mogelijkheden

Deelname aan het “Microsoft for Startups” programma biedt ons een schat aan mogelijkheden:

• Verbeterde Productprestaties: Dankzij dit programma kunnen we onze producten, Codi en Elyn, voorzien van nog betere prestaties. Dit omvat geavanceerde analyses, algoritmes en de integratie van kunstmatige intelligentie, waardoor we onze klanten nog beter kunnen bedienen.
• State-of-the-art datadiensten: Ons Dataplatform Heptagon profiteert ook enorm van deze samenwerking. Met toegang tot de nieuwste technologieën van Microsoft kunnen we onze datadiensten naar een hoger niveau tillen, waardoor alle klanten die van ons platform gebruik maken, profiteren van geavanceerdere en efficiëntere oplossingen.
• Innovatie met de nieuwste technologieën: Deelname aan het programma stelt ons ook in staat om te innoveren met de nieuwste technologieën. In innovatieprojecten met onze Data Discovery Sprint hebben we nu een nog uitgebreidere collectie van mogelijkheden, waardoor we een breder scala aan oplossingen kunnen bieden aan onze klanten.

Bij JoinSeven hebben we altijd geloofd in de kracht van samenwerking en innovatie. Deze samenwerking met Microsoft versterkt onze positie als een toonaangevend bureau voor innovatie met data en kunstmatige intelligentie en stelt ons in staat om voorop te blijven lopen.

Introductie

Een nieuw jasje

Vandaag introduceren we met trots JoinSeven in een nieuw jasje: een gloednieuwe branding, met een frisse website, een kenmerkend logo en prikkelende kleuren. Een stijl die weerspiegelt wie we zijn en waar we naar streven.

We doen dat niet zomaar:

• Zelfrealisatie: We zijn er in de afgelopen jaren steeds beter achtergekomen wie we zijn, wat ons drijft en wat onze plek is in de markt.
• Innoveren: We willen vooroplopen als het gaat om innovatie met data en kunstmatige intelligentie. De nieuwe website is ontworpen om precies dat te reflecteren: een vooruitstrevende en mensgerichte benadering die centraal staat in alles wat we doen.
• Onze unieke assets: Onze beproefde methodiek Data Discovery Sprint, Dataplatform Heptagon en onze SaaS-oplossingen Codi en Elyn spelen in onze dienstverlening een cruciale rol.
• We zetten onze expertise breder in: We hebben een track-record opgebouwd op innovatieprojecten met data, kunstmatige intelligentie en business intelligence. We zijn een full-service innovatiebureau dat de gehele keten van data-engineering, business intelligence, kunstmatige intelligentie tot softwareontwikkeling beslaat.
• Aantrekken van talent: De nieuwe generatie dataspecialisten is hongerig, gedreven en op zoek naar een plek waar hun talenten kunnen floreren. We hebben ons gerealiseerd dat we de ideale omgeving willen creëren waar werkgeluk centraal staat. We willen talent niet alleen aantrekken, maar ook koesteren en ontwikkelen.

Waar we voor staan

Onze missie & visie

Onze missie is om de maatschappelijke impact van organisaties te vergroten door intelligente apps, dashboards en datagedreven oplossingen te ontwikkelen en implementeren. We zijn ervan overtuigd dat geen uitdaging te groot is. Met onze experts, state-of-the-art technologie en onze werkwijze, vertalen we iedere uitdaging naar een datagedreven oplossing op maat.

We stellen onze kernwaarden centraal in alles wat we doen:

• Snelheid: We zijn wendbaar, efficiënt en vooruitstrevend.
• Nauwkeurigheid: We waarborgen precisie in elke data-interactie.
• Co-creatie: Samenwerken zit in ons DNA.
• Creativiteit: We denken buiten de kaders om innovatieve oplossingen te vinden voor complexe uitdagingen.

Wat ons uniek maakt

Onze Data Discovery Sprint methodiek, en onze SaaS-oplossingen zoals Heptagon, Codi en Elyn vormen de basis van onze diensten op het gebied van Business Intelligence, Kunstmatige Intelligentie en SaaS. Ze weerspiegelen ons streven naar impact en de waarde die we bieden aan een breed scala van organisaties.

Het draait om jou

Werkgeluk

Onze bedrijfscultuur draait om werkgeluk. Bij ons staat de mens centraal. We bieden een stimulerende omgeving die persoonlijke groei ondersteunt en ruimte biedt voor creativiteit en initiatief. We willen opkomend talent de kans en ruimte bieden om zich te ontwikkelen binnen ons vakgebied in een dynamische en open omgeving.

Een unieke kans

Tijdelijke actie

Als onderdeel van deze lancering introduceren we een unieke kans: we bieden je de mogelijkheid om je in te schrijven voor een gratis “Launch” traject binnen onze Data Discovery Sprint!

Wat houdt dit in? Je doorloopt met ons samen de eerste stap binnen de Data Discovery Sprint. We voeren op basis van een uitdaging binnen je organisatie gebruikersonderzoek uit en faciliteren een brainstorm waarin we op zoek gaan naar oplossingen voor je uitdaging. Op basis van alle inzichten bieden we een concreet voorstel voor een innovatieve oplossing aan.

Daarna heb je de volledige vrijheid in of en hoe je ermee verder gaat: Deelname aan dit traject is geheel vrijblijvend.

Overheidsbrede pilot

De pilot Kamervragen

Met Ministeries van EZK, VWS en Financiën, Belastingdienst, RVO en Douane starten we op 7 en 14 maart de pilot Kamervragen. We onderzoeken hoe we ambtenaren kunnen ondersteunen bij het beantwoorden van Kamervragen door de inzet van Codi, de kunstmatige intelligentie speciaal ontwikkeld voor de overheid en politiek.

Het probleem

Ambtenaren ervaren verschillende knelpunten

Kamervragen zijn een belangrijk middel bij het nemen van politieke beslissingen en het uitoefenen van toezicht op onze regering. Jaarlijks worden meer dan 3.000 Kamervragen gesteld. Duizenden ambtenaren verspreid over honderden beleidsterreinen en directies houden zich binnen de overheid bezig met het beantwoorden van Kamervragen.

Het beantwoorden van Kamervragen blijkt een complexe opgave voor ambtenaren. Onder een vaak zeer hoge tijdsdruk moeten ze objectieve, feitelijke antwoorden geven die in lijn zijn met de meest recente inzichten, onderzoeken, standpunten en eerder gegeven antwoorden. Dat is niet alleen tijdrovend, maar ook moeilijk. Regelmatig lukt het dan ook niet om Kamervragen op tijd te beantwoorden. En blijven andere belangrijke werkzaamheden liggen.

Zoeken naar een speld in een hooiberg

Ambtenaren speuren dagelijks het internet af naar de laatste politieke inzichten. Ze sprokkelen de informatie bij elkaar in een berg van (lees: duizenden) openbare publicaties op verschillende websites, waaronder tweedekamer.nl, officiëlebekendmakingen.nl, wetten.nl, rijksoverheid.nl en nog veel meer. Daar zoeken ze in (vaak lange) tekstbestanden naar antwoorden op hun vragen zoals:

• “Wat is de meest actuele informatie over deze Kamervraag?”
• “Deze Kamervraag is eerder gesteld: Wat hebben we hier eerder op geantwoord?”
• “Welke toezeggingen zijn hierover door de Minister gedaan?”
• “In welk rapport of kamerbrief vind ik deze informatie ook alweer?”
• “Wat was het standpunt ook alweer? En wanneer vond het debat plaats?”
• En ga zo maar door..

Dat kan en moet beter

En dat staat centraal in de pilot Kamervragen. Met Codi maken we een einde aan het urenlange doorspitten van lange publicaties en politieke documenten. Daarvoor wordt Codi al langer door verschillende directies gebruikt. Na de lancering van het platform in 2021 na het winnen van de challenge ‘Kamervragen’ in het Startup in Residence InterGov, werden we voor onze oplossing in 2022 ook nog genomineerd voor de KVK top 100!

We spraken daarna met allerlei directies van verschillende Ministeries. En uit die gesprekken bleek dat de behoefte naar een oplossing specifiek voor het beantwoorden van Kamervragen groot is. Een oplossing waarmee ambtenaren worden ondersteund in het vergelijken, analyseren en vinden van de juiste informatie. daar gaat steeds zoveel tijd in zitten voor ambtenaren. En daar hebben wij een oplossing voor.

De Kamervragen module

Centraal in deze pilot staat de nieuwste functionaliteit in Codi. Deze functionaliteit is specifiek gericht op Kamervragen. Nog voordat ambtenaren starten met het zoeken naar de juiste informatie, heeft Codi zijn analyse al klaar staan. En ontvangt de ambtenaar deze in zijn of haar mailbox. De ambtenaar heeft per Kamervraag direct inzicht in vergelijkbare vragen, eerder gegeven antwoorden, de laatste toezeggingen, standpunten en andere relevante inzichten en onderzoeksresultaten over het betreffende onderwerp.

Zo werkt het

Codi analyseert dagelijks miljoenen documenten en presenteert ambtenaren direct alle informatie die ze nodig hebben om Kamervragen te beantwoorden. Codi vergelijkt iedere nieuw binnengekomen vraag met eerder gestelde Kamervragen en antwoorden, inzichten uit rapporten, debatten en andere overheidsinformatie over de betreffende Kamervraag. Daarnaast houdt Codi dagelijks in de gaten welke nieuwe ontwikkelingen er zijn. Oftewel: Codi neemt het speurwerk voor je uit handen en bespaart ambtenaren veel tijd en moeite.

Daarvoor zetten wij kunstmatige intelligentie in dat valt in de categorie “Natural Language Processing. Wat dat is en hoe we dat toepassen in ons platform, beschrijft Gaetana onder meer in haar blogs over Natural Language Processing en het “Similarity” probleem.

Brede politieke interesse

Aan de pilot doen onder meer teams mee die actief zijn op het gebied van Covid-19, de Digitale Economie, Handhaving en Curatieve Zorg. Zoals je leest, erg verschillend. En al deze disciplines en onderwerpen werken straks (letterlijk) samen aan het definiëren, testen en valideren van onze oplossing. Het voordeel hiervan is dat resultaten van deze pilot breed toe te passen zijn.

Dus of jouw team zich nu bezighoudt met de circulaire economie, stikstof, armoedebestrijding of een ander actueel politiek onderwerp: Meedoen aan deze pilot is mogelijk. Codi maakt ook jouw leven als ambtenaar een stuk makkelijker en zorgt ervoor dat Kamervragen binnen jouw team snel, nauwkeurig en consistent beantwoord kunnen worden!

Meedoen?

Op 7 en 14 maart trappen we de pilot met verschillende deelnemers af. En er is nog ruimte voor nieuwe deelnemers. Ben je nieuwsgierig hoe Codi jou kan ondersteunen bij het beantwoorden van Kamervragen, neem dan contact op! Wil je op de hoogte gehouden worden van de pilot, schrijf je dan in voor de speciale nieuwsbrief over de pilot.

Trots

JoinSeven in de KVK top 100 van 2022!

Bij JoinSeven hebben we altijd gestreefd naar innovatie en vooruitgang. Het is dan ook met grote trots dat we aankondigen dat we met JoinSeven een felbegeerde plek hebben veroverd in een belangrijke competitie: JoinSeven in de KVK top 100 van 2022! Deze erkenning plaatst ons stevig tussen de meest vernieuwende MKB-bedrijven in Nederland.

De “KVK Innovatie Top 100” is niet zomaar een lijstje. Het is in de loop der jaren uitgegroeid tot de grootste en belangrijkste innovatieprijs voor het MKB. Deze prestigieuze prijs, toegekend door de Kamer van Koophandel, schijnt licht op de bedrijven die écht het verschil maken met hun unieke innovaties.

Wat maakte onze inschrijving uniek?

Codi, de virtuele beleidsassistent

Codi is onze kunstmatige intelligentie voor de overheid. Eerder won Codi al de challenge ‘Kamervragen doorzoeken’ binnen het Startup in Residence programma. Dit was een samenwerking met het Ministerie van Economische Zaken en Klimaat, waar we gezamenlijk naar een innovatieve oplossingen zochten voor het sneller, nauwkeuriger en consistenter beantwoorden van Kamervragen.

We zijn ontzettend trots met JoinSeven in de KVK top 100 van 2022!

De spanning steeg

46e in KVK Innovatie Top 100 lijst van 2022

Terwijl de spanning steeg, keken we vol verwachting uit naar de uitreiking in de Prodentfabriek in Amersfoort op 30 november 2022. Ondanks we niet als nummer één uit de bus kwamen maar als 46e, deze nominatie is al een overwinning op zich. Het onderstreept onze toewijding aan innovatie, onze drive om altijd het beste te leveren en onze vastberadenheid om grenzen te verleggen.

Een ding is zeker: bij JoinSeven stoppen we nooit met innoveren. En met Codi aan onze zijde zijn de mogelijkheden eindeloos. Op naar meer successen! Op deze notering van JoinSeven in de KVK top 100 van 2022 zijn we in elk geval supertrots!

Wat is Natural Language Processing?

In deze start van een blogreeks schrijft onze nieuwe collega Gaetana Ruggiero over Natural Language Processing: Wat is het en wat kan je ermee?

Mijn standaard voice-command

Hey Siri, kan je Björn bellen?

“Hey Siri, kan je Björn bellen?”

Dit is mijn standaard voice-command wanneer ik vastloop en tegen een programmeer probleem aanloop.

Herken je dat een e-mail per ongeluk in je SPAM terecht komt? Dat komt door Natural Language Processing (ik kort het hierna af met “NLP”). En hoe komt Google zo snel met een antwoord op je vraag? Ook dat is NLP… En zo kan ik nog wel even doorgaan!

Natural Language Processing is overal

We zijn zo gewend aan het gebruik van onze telefoon en laptop dat we NLP inmiddels gebruiken zonder het te beseffen. Elke keer dat we Siri iets vragen, activeren we een NLP proces dat Speech Recognition heet. Onze telefoon kan audio-data vertalen naar tekst. De tekst vervolgens kan worden verwerkt en gebruikt om een antwoord te zoeken.

Op een soortgelijke manier is een e-mail die in een spamfolder terechtkomt het resultaat van een NLP-classificatietaak die Spam Detection wordt genoemd. Met behulp van algoritmes schat een programma in of een e-mail wel of geen spam is. En tot slot: ook het feit dat Google de relevante resultaten voor onze zoekopdrachten ons toont, is te danken aan de kracht van NLP.

Speech recognition, spam detection en het interpreteren van zoekopdrachten zijn slechts drie voorbeelden van NLP. NLP omvat nog veel meer gebieden. En deze komen stuk voor stuk terug in deze reeks.

Deze eerste blogpost in de reeks is bedoeld als een inleiding tot NLP, aangevuld met voorbeelden van hoe we NLP bij JoinSeven gebruiken om inzicht te krijgen in tekstuele, politieke en beleidsdata in ons Dataplatform Heptagon en onze producten Elyn, Mila en Codi.

NLP start bij het begrijpen en interpreteren van menselijke taal

Een natural language is een menselijke taal, zoals het Nederlands of het Engels. Het woord natural wordt gebruikt in tegenstelling met de term artificial, die verwijst naar talen die kunstmatig door mensen zijn gecreëerd en meestal niet evalueren over tijd, zoals Esperanto (een kunstmatige taal gecreëerd door Lejzer Zamenhof in 1887).

Met Programming bedoelen we het vermogen van mensen om met een computer te communiceren door hem te vertellen wat hij moet doen, d.w.z. door computerprogramma’s te schrijven. Natural Language Programming is dus de studie van natuurlijke taal vanuit een computationeel standpunt, waarvoor interactie tussen mens en machine nodig is.

We zijn gewend aan woorden op een toetsenbord te typen. Maar hoe zorgen we ervoor dat een machine echt begrijpt wat we willen zeggen? We hebben een manier nodig om met de computer te communiceren in een taal die hij kan begrijpen. Zulke talen worden programmeertalen genoemd. Python is tegenwoordig de meest gebruikte programmeertaal voor NLP, maar niet de enige.

Van tekst naar getallen

Om een machine tekst te laten begrijpen, moeten woorden worden omgezet in een lijst van getallen. Het eerste wat we moeten doen is de tools die we nodig hebben ‘importeren’ in een Python notebook. In dit geval gaan we CountVectorizer gebruiken om woorden om te zetten in getallen. CountVectorizer is een tool dat zet een zin om in een vector van getallen, gebaseerd op de frequentie van de termen die erin voorkomen.

Neem bijvoorbeeld de volgende zin:

We kunnen deze zin omzetten in een reeks getallen, gebaseerd op het aantal keer dat elk woord in de zin voorkomt. We maken een vectorizer object, en geven de zin door als input. De vectorizer splitst de zin op in individuele woorden, en telt het aantal keren dat de woorden in de zin voorkomen.

Het woord “ik” komt twee keer voor, terwijl de rest van de woorden één keer voorkomen. De zin zou worden voorgesteld door de vector [[1, 1, 1, 1, 1, 2, 1, 1, 1, 1, 1]]. Er zijn veel verschillende methoden om woorden en tekens als numerieke gegevens weer te geven, maar ze dienen allemaal hetzelfde doel: Woorden omzetten in een geschikte invoer voor een computerprogramma.

En wat kun je dan doen met deze numerieke representatie van een zin?

Als je de term NLP ooit bent tegengekomen, is het je misschien ook opgevallen dat het vaak samen wordt genoemd met de termen Machine Learning en Deep Learning. Machine Learning en Deep Learning zijn takken van Kunstmatige Intelligentie die gebaseerd zijn op het idee dat systemen van data kunnen leren, patronen kunnen identificeren en zelfs voorspellingen kunnen doen over nieuwe data.

Een systeem (of een computerprogramma) in Machine Learning en Deep Learning wordt vaak een “model” genoemd. Je kunt je een model voorstellen als een doos waarin veel data kan worden geanalyseerd dankzij wiskundige bewerkingen.

De doos krijgt een input, in ons geval een tekst omgezet in numerieke data, en produceert op basis van wiskundige berekeningen een output.

Als ik bijvoorbeeld wil voorspellen of het morgen gaat regenen in Amsterdam, kan ik mijn “weermodel” voeden met gegevens over het weer in Nederland van de afgelopen jaren. Dit proces heet training.

De gegevens waarop ik het model train, bevatten informatie over de temperatuur op een bepaald moment van de dag, of het een regenachtige dag was of niet, de hoeveelheid regen, de UV-index, de windsterkte, locatiespecificaties, enzovoort. Elk van deze parameters wordt een feature genoemd. Ik kan mijn model vragen te voorspellen of het morgen gaat regenen door een paar features te geven om naar te kijken, zoals de temperatuur en de windsterkte van vandaag. Door te kijken naar data uit het verleden kan het model een voorspelling doen over het weer van morgen, in de vorm van een “ja/nee antwoord” of in de vorm van een waarschijnlijkheid.

Bij Machine Learning kan het aantal features dat we het model vragen te bekijken variëren, en kan het worden aangepast voor verschillende experimenten (feature engineering). Bij Deep Learning daarentegen worden de modellen meestal beschreven als “zwarte dozen”. Niemand weet precies wat erin gebeurt, maar omdat ze meestal op veel meer data zijn getraind, kunnen ze in de meeste gevallen betere antwoorden geven op onze vragen.

Hoewel het volledig geautomatiseerde processen lijken te zijn, is het bouwen van een model en het interpreteren van de resultaten ver van automatisch. In NLP, Machine Learning en Deep Learning speelt menselijke expertise nog steeds een grote rol, vooral omdat we vaak verschillende experimenten moeten uitvoeren om te begrijpen wat het model ons vertelt.

Het zijn alle drie geweldige hulpmiddelen om inzichten te krijgen in grote hoeveelheden data, die moeilijk te verkrijgen zouden zijn als we ze handmatig zouden analyseren.

En wat doen we met NLP, Machine Learning en Deep Learning bij JoinSeven?

Bij JoinSeven geloven we in de waarde van openbare (tekstuele) data. We hebben het onze missie gemaakt om deze data toegankelijker te maken voor organisaties in de publieke en private sector.

In ons platform Heptagon hebben we data verzameld van officiële overheidsbronnen, zoals de Tweede Kamer, Officiële Bekendmakingen en bibliotheken met Gemeenteraadsdocumenten. Door Natural Language Processing, kunnen we in ons dataplatform en onze producten (bijv. Codi):

• Zoekopdrachten optimaliseren (Codi leert begrijpen waar je naar zoekt en vindt patronen en verbanden in teksten op basis van jouw zoekactie)
• Teksten met elkaar vergelijken, bijvoorbeeld om snel antwoorden op eerder gestelde Kamervragen te ontdekken of dubbel gepubliceerde documenten te identificeren
• Overheidsdocumenten classificeren en categoriseren, bijvoorbeeld op basis van de inhoud, beleidsterrein of publicerende organisatie
• Documenten zonder expliciete verwijzing toch aan elkaar relateren door patronen in deze teksten te onderzoeken (bijvoorbeeld onderwerpen, clusters, organisaties of personen)
• Automatisch samenvattingen creëren van lange documenten, zodat lezers niet het gehele document hoeven lezen om te begrijpen waar het in de kern over gaat en wat de conclusies zijn
• Entiteiten (organisaties, locaties, personen, etc.) uit teksten halen en onderlinge relaties tussen deze entiteiten in kaart brengen
• Automatisch dossiers aan relevante informatie klaarzetten voor ambtenaren bij het beantwoorden van Kamervragen, moties, rapporten en andere parlementaire processen (bijvoorbeeld eerdere antwoorden, kennis uit rapporten).

Over al deze use-cases zal ik de komende periode schrijven. Daarbij ga ik in op het vraagstuk, onze aanpak en de resultaten uit onze experimenten. Is er een use-case waar je wil dat ik prioriteit geef? Laat het me weten!