“Ik wil het potentieel van AI correct tonen, op basis van wetenschappelijke inzichten, voorbij de hype van GenAI”
Ann Nowé
Professor Artificiële Intelligentie
“Van jongs af aan was het voor mij duidelijk dat ik veel meer talent had voor rekenen dan voor talen. Ook later lagen mijn resultaten voor wiskunde en wetenschappen aanzienlijk hoger dan die voor andere vakken, met uitzondering van sport - al hing dat sterk af van de discipline. Mijn studiekeuze was dan ook snel gemaakt: wiskunde, met een minor in informatica. In die periode was informatica best populair; het werd helemaal niet geassocieerd met nerds, integendeel.
Ik heb mijn doctoraat gedaan als assistent, wat betekende dat ik zes jaar - in plaats van vier - de tijd had om het af te ronden. Ongeveer halverwege die periode vond er een conferentie plaats aan de VUB. Hoewel het onderwerp niet rechtstreeks aansloot bij mijn onderzoek, trok ik mijn stoute schoenen aan en vroeg de organisatoren of ik sessies mocht bijwonen, gratis. Gelukkig kon dat. Tijdens een van die sessies kreeg ik plots het idee voor wat later mijn doctoraatsonderwerp zou worden. Eigenlijk is mijn doctoraat ontstaan als een reactie op de visie van sommige sprekers waar ik het niet mee eens was. Tot op vandaag ben ik mijn promotor erg dankbaar dat zij mij toestond om halverwege het traject nog van onderwerp te veranderen, en dan nog naar een thema ‘Reinforcement Learning’ dat toen vrij onbekend was en waar ze zelf niet vertrouwd mee was.
Reinforcement Learning verwijst naar systemen die zelfstandig leren uit ervaring. In plaats van vooraf precies te vertellen hoe ze iets moeten doen, krijgen ze de kans om al doende beter te worden, door te proberen, fouten te maken en daarvan te leren. Deze aanpak is geïnspireerd op concepten uit de psychologie - met name operante conditionering - maar heeft wiskundig sterke connecties met stochastische approximatie en optimale controle.
Reinforcement Learning wordt vooral toegepast op sequentiële beslissingsproblemen, waarbij optimale beslissingen niet zomaar vooraf doorgerekend kunnen worden. Concreet ontwikkelen we algoritmen die steeds complexere problemen aankunnen. Daarbij besteden we veel aandacht aan formele garanties: doet het algoritme wel echt wat we denken dat het doet, en kunnen we de aangeleerde strategie ook uitleggen? Dat laatste is essentieel voor vertrouwen in de uiteindelijke resultaten.
“In het domein van AI spreken we van zomers en winters, maar wat we nu meemaken is een echte hittegolf”
Wat de toepassingen betreft, ligt onze focus op maatschappelijke relevante problemen, zoals het aansturen van een energienetwerk of het leren welke maatregelen nodig zijn om een epidemie onder controle te houden. In dat kader zijn onze werken rond multi-agent reinforcement learning en multi-objective reinforcement learning bijzonder relevant. In zulke systemen zijn er vaak meerdere stakeholders met uiteenlopende belangen die hun autonomie willen behouden. Een gecentraliseerde aanpak is dan vaak niet haalbaar. Ook fairness speelt hier een belangrijke rol: zowel inspanningen als baten moeten eerlijk kunnen worden verdeeld.
Dit sluit mooi aan bij de doelstellingen van FARI, the AI-institute for the common good, dat we samen met de ULB hebben opgericht en waar tien onderzoeksgroepen bij betrokken zijn. Binnen FARI brengen we technische AI-uitdagingen samen met sociale, ethische en juridische vragen. Gaandeweg heb ik zo mijn veilige haven - en de schoonheid van de abstracte wiskunde - een beetje verlaten om steeds meer interdisciplinair te gaan werken.
Voor de toekomst zie ik mezelf niet stoppen met leren; onderzoek laat je nooit los als je eenmaal door de microbe gebeten bent. In het domein van AI spreken we van zomers en winters, maar wat we nu meemaken is een echte hittegolf. Het is moeilijk om door het bos de bomen te zien, ook voor beginnende onderzoekers. Ik zie het daarom als een belangrijke taak om hen te helpen en mijn ervaring door te geven. Ook het bredere publiek wil ik helpen hun weg te vinden in de wijde wereld van AI.
Mijn inspiratie haal ik vooral uit de connectie met andere disciplines: door te zien waar AI vandaag nog tekortschiet in het oplossen van concrete problemen, en door te onderzoeken welk fundamenteel werk daarvoor nodig is. Ook mijn doctoraatsstudenten inspireren mij. Ik vergelijk hen soms met mijn eigen kinderen — ik heb er twee — omdat ze, net als zij, elk heel verschillend zijn in hun interesses en talenten. Hen zien groeien tijdens hun doctoraat, en hen daarna hun eigen weg zien vinden, geeft mij enorm veel voldoening.”
BIO
Ann Nowé is professor Artificiële Intelligentie aan de Vrije Universiteit Brussel (VUB) en expert in Reinforcement Learning. Ze werkt aan algoritmen die systemen zelfstandig laten leren uit ervaring, met aandacht voor formele garanties en maatschappelijke relevantie, zoals toepassingen in energienetwerken en epidemiebestrijding. Ann Nowé is medeoprichter van het FARI AI-Institute for the common good, waar technologische, ethische en sociale aspecten van AI worden geïntegreerd.
In een snel veranderende wereld is onafhankelijke, wetenschappelijk onderbouwde duiding onmisbaar. Ann staat journalisten en redacties te woord met heldere analyse en context bij actuele thema’s, binnen haar expertise.
Zij is wetenschap. Jij maakt het mogelijk.
Deze campagne is meer dan een eerbetoon. Het is een uitnodiging om stil te staan bij de rol van vrouwelijke wetenschappers en bij de obstakels die zij nog steeds moeten overwinnen om hun talent volledig te kunnen inzetten. Maar zichtbaarheid alleen is niet genoeg. Vrouwen zijn in onderzoek nog steeds ondervertegenwoordigd, krijgen minder kansen en ervaren vaker drempels in hun academische carrière.
Met jouw gift help je vrouwelijke onderzoekers om hun werk verder te zetten, nieuwe inzichten te ontwikkelen en oplossingen te vinden voor de uitdagingen van morgen.
