AI vormt in feite de verzamelnaam voor verschillende elkaar versterkende technieken waaronder machine learning, neurale netwerken, expert systemen, fuzzy logic, robotica en natural language processing. ChatGPT is een voorbeeld van wat generatieve AI wordt genoemd hetgeen weer gerelateerd is aan chatbots. Dit betreft AI dat in opdracht van, of in interactie met, de gebruiker unieke en originele content kan produceren; van teksten tot muziek tot beeldende kunst. Een chatbot is zeer aantrekkelijk omdat het een eenvoudig bruikbare interface heeft tussen de gebruiker en de achterliggende AI software.
Twee typen algoritmen
Bij AI gaat het vaak gaat het over een onderliggende algoritme; zoals het algoritme dat bepaald wat er in je Twitter of Facebook-timeline komt of dat bepaald wat er bovenaan je Google-zoekopdracht staat. In essentie zijn er twee typen algoritmen te onderscheiden; de klassieke algoritmen die op een onderliggende (logistiek-wiskundige) logica zijn gebaseerd en de lerende algoritmen die op AI zijn gebaseerd. Algoritmen van het eerste type worden ontwikkeld binnen het vakgebied van Operations Research (OR; in het Nederlands: besliskunde). Bekende voorbeelden zijn het kortste pad algoritme van Dijkstra (de basis van onze routeplanners) en de simplexmethode voor Lineair programmeren, de basis van bijvoorbeeld vraagstukken op het gebied van optimale productieplanning of locatiebepaling.
Orderpickers
De algoritmen voor AI zijn van een heel ander type; deze halen informatie uit heel veel data; het zogenaamde trainen van het algoritme. Dit gebeurt door combinaties van input en output in te voeren, zodat de computer ‘leert’ welke input tot welke output zou moeten leiden. Bijvoorbeeld kan je alle routes die orderpickers de afgelopen tien jaar hebben afgelegd invoeren in het algoritme met als doel om de meest efficiënte routes te bepalen. Als het algoritme eenmaal getraind is kan je gebruiken voor nieuwe opdrachten voor orderpickers. Of, in een volgende stap, voor orderpicken door robots.
De algoritmen gebaseerd op OR of AI zijn dus beide data-gedreven en bruikbaar voor het optimaliseren van logistieke activiteiten zoals planning, routering, forecasting en voorraadhoogtes. Gezien de noodzaak tot steeds meer logistieke efficiency is het dus geen wonder dat beide over de afgelopen decennia binnen de logistiek een enorme vlucht hebben genomen en dat die ontwikkeling nog volop gaande is.
Voor- en nadelen
Beide typen algoritmen hebben zo hun eigen voor- en nadelen. OR-algoritmen hebben traditiegetrouw de voorkeur omdat ze tot op zeker hoogte aansluiten bij wat objectief en bewijsbaar ‘slim’ is. Het nadeel is echter dat het zeer ingewikkeld kan zijn om voor complexere problemen OR-algoritmen te ontwerpen. En logistieke problemen zijn in toenemende mate complex; denk bijvoorbeeld aan het maken van een nieuw dienstrooster op ons druk bezet spoorwegennet of het optimaliseren van de multi-echelon voorraden van een groot aantal SKUs.
AI-algoritmen hebben als voordeel dat ze relatief makkelijk te ontwikkelen en heel breed toepasbaar zijn en daarmee dus erg geschikt voor complexe situaties. Bijvoorbeeld werken ze ook prima voor spraak- of patroonherkenning en zelfs voor zelfrijdende auto’s. Zoals de naam al aangeeft zijn AI-algoritmen lerend; ze worden dus steeds beter; elke keer als het algoritme ingezet wordt is dat een nieuw datapunt die teruggevoerd in het algoritme weer leidt tot een verbetering.
Digitalisering
Niet alleen hun flexibiliteit en lerend vermogen maar ook een aantal recente trends maken AI steeds aantrekkelijker. Zo ontwikkelt de computerkracht zich conform de wet van Moore razendsnel. Ook is de opslag van data steeds makkelijker en goedkoper geworden. Verder gaat de digitalisering van de logistiek steeds sneller en zijn er bijvoorbeeld door gebruik te maken van goedkope sensoren en openbare gegevens veel meer data beschikbaar (Big Data). Tel daar de enorme investeringen van grote bedrijven als Google en Microsoft, en binnen de logistiek Blue Yonder en Manhattan Associates, bij op en het wordt duidelijk dat AI-algoritmen recentelijk enorm in opkomst zijn.
Betrouwbaarheid
Naast alle voordelen heeft AI ten opzichte van OR ook een aantal serieuze nadelen. Ten eerst is AI vaak een ‘black box’; het algoritme komt met een uitkomst maar hoe die precies bepaald is, valt moeilijk te achterhalen. Hoewel er tegenwoordig ook een ontwikkeling is rond ‘explainable AI’, is een dergelijk algoritme dus ook veel minder betrouwbaar. Voor alle algoritmen geldt ‘garbage in – garbage out’; op grond van slechte data kan de uitkomst ook nooit goed zijn. Maar bij AI is dat vaak een stuk minder duidelijk te zien. Zo lijken voor de leek de antwoorden van ChatGPT vaak spectaculair goed, terwijl een expert toch al snel ziet dat er in de nuances allerlei twijfelachtige of soms ronduit onzinnige statements worden gemaakt.
Een gerelateerd nadeel is dat AI alleen kan worden ingezet in relatief stabiele situaties. De data waarmee het algoritme getraind is moeten immers wel representatief zijn voor de situatie waarin AI wordt toegepast. Anders gezegd, AI-algoritmen werken op basis van gegevens uit het verleden en als de huidige situatie een andere is, dan heb je er niets meer aan. Dit is een belangrijk issue omdat de logistieke omgeving tegenwoordig heel volatiel, onzeker en snel veranderend is. In een dergelijke omgeving is AI dus minder inzetbaar.
Een verder nadeel is dat door de zelflerend vermogen het gevaar ontstaat dat een AI-algoritme een bepaalde kant opgetrokken wordt. Arjan Lubach maakte daarover een interessant item onder de titel de ‘fabeltjesfuik’. Het gevaar van het zelfversterkende effect relateert ook aan het verhaal van de ‘tovenaarsleerling’. Als we niet precies weten wat we doen en AI ontwikkelt zichzelf, zijn we dan nog wel in staat om het in de hand te houden? Het is mede daarom dat een grote groep AI-specialisten een oproep gedaan om AI niet te snel te ontwikkelen.
Samenvattend kan worden gesteld dat het flexibele AI aanhaakt bij een aantal belangrijke technologische ontwikkeling en dat er daarmee ongekende mogelijkheden, ook binnen de logistiek, worden ontsloten. Ondertussen is AI geen wondermiddel dat overal zomaar kan worden ingezet en moeten de uitkomsten niet zo zondermeer worden vertrouwd. Kortom, ook hier geldt het typisch logistieke ‘handle with care’.
Jack van der Veen, evofenedex leerstoel supply chain management Nyenrode Business Universiteit
