Verslag: Kickstart AI – Tech day – Theater Amsterdam, 2 oktober 2025
AI/ML fanaat Chris-Jan Twigt kon de Tech Day van Kickstart AI natuurlijk niet overslaan. Wat een inspirerende dag. Een prachtige locatie, fijne sfeer en fantastische hosting. Gave toepassingen van AI. Heerlijk eten en drinken, toegang: Alles gratis. Dank Kickstart AI voor deze fantastische dag! Hier volgen de highlights:
Technical Keynote: How AI is transforming Uber, today & tomorrow
Okke van der Wal – Machine Learning Manager, Uber
Je ziet het niet, maar in de applicatie van Uber zit veel content die mede door Machine Learning tot stand komt (zie foto onder).
Een van de doelen van Uber is om de complete ervaring van het gebruik van Uber zo “seamless” mogelijk te maken. Okke ging de diepte in met de use case van betaling. De gebruiker kan meerdere betalingsmethoden instellen. Bijvoorbeeld Corporate Card, Private Card en iDeal. Doel is te voorspellen welke betalingsmethode men wil gebruiken en die in eerste instantie aan te bieden als er betaald moet worden. Bijvoorbeeld als je ruim een week lang op zakenreis gaat naar het buitenland en dan in het weekend eropuit gaat, krijg je dan voor dat ene uitje de Private Card aangeboden in plaats van de Corporate Card?
Uber had al een ML model dat classificeerde op basis van features (datum, locatie, etc). Als je anders naar dit probleem kijkt, kun je trips zien als een sequence. Het voorspellen van de betalingsmethode kun je dan aanvliegen met een Transformer Architectuur (voorspel het volgende woord..). Dat blijkt dan beter te werken, maar alleen als je het met veel data voedt.
Ditto: Empowering Patients with AI-Powered Healthcare Navigation
Merlijn van Breugel (Product and Founder @ Ditto) & Iman Hashemi (Data & AI @ Ditto)
Een opmerkelijke toepassing van AI. Je hebt het allemaal wel eens: Je bezoekt een arts of specialist na een onderzoek en je wordt overladen met de uitkomsten, vaktermen, te halen medicijnen en te maken afspraken, waar je op moet letten en wat je moet doen en laten. Bij een eenmalig bezoek aan een arts of specialist kan dit al overweldigend zijn. Bij bezoek aan meerdere specialisten is het heel moeilijk om alle informatie tot je te nemen.
Ditto is een app die je het gesprek laat opnemen. Ditto levert dan een verslag in Jip en Janneke taal inclusief een overzichtelijk rapport van alle informatie en de te nemen acties.
Ditto beseft heel goed hoe belangrijk corrrectheid is in deze applicatie en heeft een hele serie van guardrails ingebouwd bij het maken van het verslag. Hun AI wordt ook met evaluaties gemonitord. Bij Ditto werken medici en artsen die de evals schrijven. Patientinformatie blijft uitsluitend achter op de telefoon van de gebruiker, maar de gebruiker kan ervoor kiezen om het verslag te delen met naasten om hen te informeren via de app.
Wat een mooie toepassing van AI. Deze applicatie redt levens.
OneThird: AI for Food Waste Reduction: Multi-modal Shelf-life Prediction in the Supply Chain
Ruben Hekster
In de keten van boer tot consument gaat 1/3 van al het voedsel verloren en daarmee al het water en de energie die gebruikt is om dat voedsel te maken en gekoeld te transporteren. Nog erger is het wanneer je beseft dat de CO2 uitstoot die gepaard gaat met het verlies groter is dan die van de hele luchtvaart. Sta daar maar eens bij stil.
OneThird is een bedrijf met de missie om daar wat aan te doen. Ze richten zich in de eerste plaats op het kunnen bepalen van de houdbaarheidsdatum van fruit. Immers, als je dat accuraat kunt vaststellen op verschillende plekken in de keten, dan kun je:
- Conclusies trekken over waar de houdbaarheid verloren gaat (bijv. slecht gekoelde transporten)
- Bepalen wat de maximale afstand is waarover je het fruit kunt transporteren
OneThird gebruikt spectraalanalyse, beeldherkenning (ML) en sensorfusie (ML) om de houdbaarheid vast te stellen.
Keynote: AI & Data Science for Social Good: From Conservation to Career Pathways
Alexis Gillett & Paulina van der Doe – Correlaid
Correlaid is een non-profit organisatie die andere bedrijven en non-profits wil helpen met data- en AI gerelateerde klussen. Gratis. Ze hebben in Nederland een netwerk van 300 vrijwilligers die tot 4 uur per week willen investeren.
Ze ontwikkelen toepassingen op zodanige wijzen dat de eindklant deze kan blijven ondersteunen en gebruiken. Dat houdt in dat ze de oplossingen zo veel mogelijk aanpassen aan de infrastructuur van de klant.
Fantastisch natuurlijk. Jammer dat het doen van werk voor goede doelen voor velen van ons lijnrecht tegenover onze belangen lijkt te staan. Of kunnen we het doen van werk voor een goed doel misschien toch omzetten in geld zoals OneThird?
Closing keynote : If it works,.. fix it!
Maarten Stol – Braincreators
Dit was een bijzondere speech. Een kritiek op de keuzes die collectief zijn gemaakt in de aanloop naar grote vooruitgang in ML en AI. Zelden komt het voor dat je het op zoveel punten oneens bent met een spreker. Laat ik dit zeggen: Ik ben het met de spreker wel eens dat we altijd fundamenteel onderzoek moeten blijven doen naar intelligentie ondanks grote successen. Maar afgezien daarvan vond ik de kritiek niet terecht.
De spreker haalde het argument aan van Sarah Hooker (zie https://hardwarelottery.github.io/):
“This essay introduces the term hardware lottery to describe when a research idea wins because it is suited to the available software and hardware and not because the idea is universally superior to alternative research directions. History tells us that hardware lotteries can obfuscate research progress by casting successful ideas as failures and can delay signaling that some research directions are far more promising than others.”
Vrij vertaald zegt ze dit: Als je op een missie bent naar de maan dan moet je niet meteen succes claimen als je naar de top van een boom bent geklommen want in een boom klimmen is duidelijk niet de manier om bij de maan te komen. Dit argument – hoewel valide – hoort niet thuis in deze tijd. Dit argument was geldig in de AI winter van de 90’s en de 00’s. Toen was de AI wereld bezig met zoeken naar algoritmen die uberhaupt werkten. Er was geen paradigma voor AI dus al het onderzoek was min of meer stuurloos. Tegenwoordig maken we werkende applicaties met AI. Daar moeten we niet mee stopen. Daar moeten we mee door gaan. Het huidige paradigma brengt ons niet bij Algemene Kunstmatige Intelligentie. Maar dat is geen reden om te stoppen met onderzoek binnen het huidige paradigma. Ik wil graag de spreker verwijzen naar “The structure of Scientific Revolutions” van Thomas Kuhn: Je kunt de transitie naar een nieuw paradigma moeilijk versnellen. Tussen elke paradigma verschuiving zitten lange periodes van kleine evolutionaire stappen.
En wat betreft de “hardware lottery”. De menselijke hersenen zijn winnaars van de hardware lottery onder de dieren. Maar wat dan nog? Er is noodzakelijkerwijs altijd een winnaar. AI moet het uit noodzaak doen met een ander substraat dan hersenen. Het feit dat ML een wiskundige basis heeft gekregen is wat mij betreft een bonus: Van een aantal algoritmes hebben we wiskundig kunnen bewijzen dat ze werken. Niets is perfect en ik geloof dat we uiteindelijk ML gaan doen op andere devices dan GPU’s en TPU’s. Maar daar is een revolutie voor nodig en tot die tijd maken we kleine evolutionaire stappen. Dat is okay. We moeten de kans op waardevolle toepassingen die we nu hebben met de huidige technology stack niet laten liggen omdat de stack niet perfect is. We moeten de stack juist volledig uitbuiten en op die manier de grenzen ervan zichtbaar maken. Als die pijn zichtbaar en groot wordt dan krijgen onderzoek- en aandacht voor de alternatieven meer kans en richting.
De spreker haalde een kritisch argument aan van Richard Sutton – een van grondleggers op het gebied van Reinforcement Learning:
“The biggest lesson that can be read from 70 years of AI research is that general methods that leverage computation are ultimately the most effective, and by a large margin. The ultimate reason for this is Moore’s law, or rather its generalization of continued exponentially falling cost per unit of computation. Most AI research has been conducted as if the computation available to the agent were constant (in which case leveraging human knowledge would be one of the only ways to improve performance) but, over a slightly longer time than a typical research project, massively more computation inevitably becomes available. Seeking an improvement that makes a difference in the shorter term, researchers seek to leverage their human knowledge of the domain, but the only thing that matters in the long run is the leveraging of computation. These two need not run counter to each other, but in practice they tend to. Time spent on one is time not spent on the other. There are psychological commitments to investment in one approach or the other. And the human-knowledge approach tends to complicate methods in ways that make them less suited to taking advantage of general methods leveraging computation.”
Ik begrijp het punt maar wil je onderzoekers beschuldigen van het gebruiken van uitsluitend middelen die beschikbaar zijn. Is dat luiheid? Dat laat ruimte voor discussie.
De spreker geeft aan dat er veel vooruitgang is geboekt in AI in de laatste jaren maar dat eenvoudige beeld classificatie puzzeltjes nog grote problemen zijn voor AI. Als voorbeeld geeft hij een klassificatieprobleem voor een “Kiki” en een “Bobo” (zie onder). Als een mens een dergelijk probleem krijgt aangeboden met de omschrijving van een Kiki en een Bobo dan zal ie direct in staat zijn om Kiki’s en Bobo’s te onderscheiden en benoemen. Het argument is dat een Machine Learning algoritme veel meer voorbeelden nodig heeft.
Graag wil ik verwijzen naar de laatste interviews met Yann LeCun: Onze intelligentie wordt getraind tijdens onze kindertijd waarin we enorme hoeveelheden informatie tot ons nemen via onze zintuigen tijdens spelen. Onze hersenen zijn dan ook bepaald geen tabula-rasa op het moment dat we een image classificatie-uitdaging voor onze kiezen krijgen en de vergelijking tussen de performance van mens en machine is dan ook appels met peren vergelijken.
PS: Maarten, als je dit leest en je wil de discussie aangaan dan mag je me uitnodigen.
Conclusie
Wat een inspirerende topics. Wat professioneel gehost en gepresenteerd en wat goed om te zien dat toegang zo’n gaaf event nog gratis kan zijn in een tijd waarin prijskaartjes voor conferenties onverklaarbaar hoog zijn. Hulde voor Kickstart AI.
Chris-Jan Twigt
