Hoe Afrika onze artificiële intelligentie voedt

Artificiële intelligentie of AI, het klinkt high-tech en vooral westers. Maar onder de oppervlakte doen heel wat Amerikaanse tech-giganten, maar ook Belgische start-ups, beroep op goedkope data-arbeid uit het Globale Zuiden. En dat levert kansen voor regio’s zoals Afrika, maar zorgt ook voor bedreigingen.

Het Gentse bedrijf Robovision kan je één van de sterren van het Belgische start-up landschap noemen. Via zijn complexe artificiële intelligentie (AI) algoritmen, maakt het bijvoorbeeld de autofabrieken van Audi efficiënter, of automatisereert het de oogstprocessen van onze boeren. Onder de klanten vind je grote bedrijven zoals Pepsico, tot de Nederlandse politie en zelfs spoorwegen. ‘We maken een soort digitaal namaak-brein’, stelt Jonathan Berte, CEO van Robovision. ‘En dat brein maakt allerhande taken efficiënter of automatiseert ze.’

Maar dat alles steunt op Afrika en andere lageloonregio’s. Die digitale breinen van techbedrijven moeten namelijk “getraind” worden, en dat vergt grote hoeveelheden goedkope arbeid. Via digitale platformen kan dat in het Globale Zuiden worden uitbesteed. Zo sturen we elke dag honderdduizenden kleine, repetitieve taken naar bijvoorbeeld Afrika. Het maakt onze hoogwaardige technologie mee mogelijk en biedt kansen voor mensen in het Globale Zuiden, maar kan ook patronen van afhankelijkheid versterken.

Opgroeiende kinderen

Hoe dat gebeurt, is alvast relatief complex. ‘Onze algoritmen vergelijk je best met opgroeiende kinderen’, stelt Berte. ‘Ze moeten de wereld dus leren kennen en hebben voorbeelden nodig van hun ouders. In de landbouw herkennen onze algoritmen bijvoorbeeld de wortels en de stelen van planten. Zo kan een robot de twee vervolgens van elkaar scheiden. Maar eer ons algoritme dat onderscheid kan maken, heeft het heel veel voorbeelden nodig van foto’s waarop de wortel en de steel al staan aangeduid.’

AI-systemen leren dit soort taken door veel verschillende voorbeelden te analyseren. Als het systeem dus wortels en stelen op een foto van elkaar moet onderscheiden, zal het eerst duizenden foto’s analyseren waarop de wortel en de steel al staan aangeduid. Iemand moet dus door duizenden foto’s gaan, en op elke afbeelding de wortel en de steel labellen. Dit heet data-labelling en is cruciaal om AI-algoritmen te trainen. ‘We hebben een eigen platform, waarop je data uploadt en waarbij je toegang krijgt tot bijna 60.000 labellaars via onze partners’, legt Berte uit. ‘Zij duiden op hun beurt die voorbeeldjes aan.’

Kansen in Nigeria

Eén van die partners is Humainly, een Limburgse start-up die met dit soort werk sociale projecten ondersteunt. ‘Er zijn veel bedrijven die doen wat wij doen’, vertelt Jonatan Snyders, mede-oprichter en CEO van Humainly. ‘Maar wij vertrekken van de vraag: hoe kunnen we kansen creëren voor de werkloze jeugd in Nigeria? Die groeit vaak op in extreme armoede, en heeft weinig om op terug te vallen. Daarom werken we samen met lokale ngo’s om de skills van jongeren mee te ontwikkelen via trainingen. Maar om die training te kunnen volgen, moeten ze ook een inkomen hebben, want anders stoppen ze met de lessen en gaan ze terug op straat husselen. Daarom laten we hen halftijds digitale taken uitvoeren, vooral data-labelling. Zo verdienen ze op een twintigtal uur een fatsoenlijk loon.’

De lessen richten zich vooral op digitale onderwerpen. Zo leert Humainly de jongeren digitale vaardigheden aan, maar geeft het hen ook programmeerlessen en laat het hen zelfs AI-algoritmen ontwikkelen. Dat alles blijft voorlopig nog vrij kleinschalig, ze stellen momenteel een 30-tal jongeren tewerk in Nigeria. Maar ze benaderen nu ook de grotere bedrijven met hun diensten. ‘Een contract met één groot bedrijf kan makkelijk kansen geven aan 100 mensen in Lagos’, stelt Snyders.

Geen Mechanical Turk

‘We willen een ecosysteem bouwen waarbij we nadenken over waar ons werk terecht komt’

Maar naast Humainly zijn er ook minder sociaal gerichte platformen die data-labelling aanbieden. Eén van de bekendste daarvan is Amazon Mechanical Turk, een platform van de Amerikaanse e-commerce gigant Amazon waarop je voor kleine bedragen specifieke digitale taken kan uitbesteden. Denk maar aan een enquête invullen voor 10 eurocent, of data labellen voor enkele eurocenten per foto.

Die weg wilde Robovision alvast niet opgaan. ‘We werken meestal met bedrijven met een sociale component’, stelt Berte. ‘Het is een bijna zoals een bio-label in de voeding. We zijn geen Amazon Mechanical Turk, we gaan niet voor de platte laagste prijs. We willen een ecosysteem bouwen waarbij we nadenken over waar ons werk terecht komt. Je wil bijvoorbeeld niet verantwoordelijk zijn voor kinderarbeid, wat erg makkelijk is via dit soort systemen. Je geeft gewoon een tablet aan een kind, en je laat hen de hele dag foto’s labellen.’

Zowel Berte als Snyders zien dit werk vooral als een overgangsfase. ‘Dit zijn geen jobs waar mensen zich rechtstreeks mee ontwikkelen’, geeft Snyders toe. ‘Maar het is wel een voorwaarde om opleidingsprogramma’s te volgen, en goede jobs te vinden. We willen geen mensen vasthouden in dit soort data-labelling jobs. Dat zou trouwens erg gevaarlijk zou zijn, want het AI-veld verandert erg snel en je kan mensen niet beloven dat dit soort jobs binnen tien of twintig jaar nog zullen bestaan.’

Algoritmische kolonisatie

Niettemin blijft het hele systeem problemen vertonen. Grote tech-bedrijven zoals Facebook gebruiken bijvoorbeeld heel vaak goedkope, uitbestede arbeid in de Filipijnen om problematische content op hun platform aan te duiden. Op termijn willen ze dat AI die taak overneemt, maar voorlopig laten ze Filipino’s door grote hoeveelheden, vaak gewelddadige, beelden waden.

Zulke technologie is ontwikkeld in het Westen, en dient vooral westerse waarden en belangen. Het wil vooral westerse problemen oplossen, niet Afrikaanse

En er zijn ook bedreigingen uit andere hoeken: denk maar aan de privacy. Zo toonde een onderzoek van de VRT dat medewerkers van Google private gesprekken beluisterden die Google Home-luidsprekers opnamen, soms zonder dat gebruikers dat beseften. Opnieuw diende dat om hun AI-systemen beter te trainen. Jonathan Berte benadrukt hier wel dat Robovision geen foto’s met personen op hun openbaar platform plaatst, om privacy problemen te voorkomen.

Maar het gaat ook dieper dan dat. ‘Dit soort systemen bevestigt relaties van technologische afhankelijkheid’, stelt Abeba Birhane, een doctoraatsstudent aan de afdeling computerwetenschappen van de University College Dublin. ‘Er is een dreiging van wat ik algoritmische kolonisatie noem. Het Westen exporteert software en algoritmen, en wij in Afrika nemen dat onkritisch over. Zulke technologie is ontwikkeld in het Westen, en dient vooral westerse waarden en belangen. Het wil westerse problemen oplossen, geen Afrikaanse. Het is niet geschikt voor Afrika, het ondersteunt westerse waarden en belangen onder de noemer van neutrale technologie.’

Data-labelling bevestigt dus bestaande afhankelijkheidsrelaties, waarbij regio’s zoals Afrika de ruwe grondstoffen leveren, en het Westen de afgewerkte producten. Afrikaanse data-labelling vormt dus de basis voor de westerse high-tech industrie, die vervolgens hun afgewerkte producten terug exporteert naar het continent. Producten die misschien niet ideaal zijn voor hun context.

‘Afrikanen ontwikkelen constant hun eigen oplossingen die steunen op de lokale context’, vertelt Birhane. ‘Maar uiteindelijk ben ik pessimistisch. AI verbetert naarmate je meer data verzamelt, en bestaande spelers zoals Facebook en Google bezitten nu eenmaal erg veel data en monopoliseren de markt. Het laat weinig ruimte voor onze eigen infrastructuur. Ik weet niet wat er zal gebeuren, maar als kapitalisme ons iets leert, is het dat de kleine, lokale alternatieven vaak begraven worden onder de giganten.’