arrow up
Nieuws overzicht
Viren

Door Teal Partners

20 april 2021

VIREN - Interview met Wannes Meert van KU Leuven

Wannes Meert is onderzoeksmanager Artificiële Intelligentie en Machine Learning aan de KU Leuven. Samen met Teal Partners schreef hij de paper ‘Automated Reasoning and Learning for Automated Payroll Management’. Wij spraken met Wannes over zijn vak en de samenwerking met Teal Partners.

In de paper belichten de auteurs de wiskundige principes die schuilgaan achter de berekeningsmotor VIREN. Ze lichten toe hoe artificiële intelligentie de tool optimaliseert. De paper werd bekroond tijdens de toonaangevende IAAI-conferentie georganiseerd door de (Association for the Advancement of Artificial Intelligence).

Vertel eens waarover jullie prijswinnende paper precies gaat?

Wannes Meert: Teal Partners heeft met VIREN een tool gebouwd die kennis omzet in uitvoerbare computercode. VIREN berekent de potentiële impact van wijzigingen in het loonbeleid van bedrijven. De manier waarop VIREN rekent, sluit aan bij ons AI-onderzoeksdomein. VIREN vertaalt kennis, in dit geval fiscale en sociaaljuridische regelgeving, in uitvoerbare computercode waarmee gebruikers zakelijke berekeningen kunnen doen. Je kan deze formules ook toepassen in andere kennisdomeinen. Gebaseerd op hoe Teal Partners kennis al had vertaald naar efficiënte code voor berekeningen van gegevens naar resultaat, hebben wij een bijkomende vertaling uitgewerkt naar een andere computercode om ook omgekeerde berekeningen te realiseren. Theoretisch-wiskundig is dit potentieel een onoplosbare taak, maar in dit geval lukte het prima, omdat we van een abstract-wiskundige probleemstelling een concrete case konden maken.

Wat zijn omgekeerde berekeningen?

Wannes Meert: Stel dat je één en één optelt, dan reken je in de wiskundig logische richting, en kom je twee uit. Maar als je uitgaat van een formule met onbekende factoren en je uitkomst is tien, dan moet je omgekeerd rekenen. Constraint programming laat toe om in twee richtingen te rekenen. Dat is een pak moeilijker en minder efficiënt, ook voor de computer, maar de technologie van vandaag maakt dat wel vlot mogelijk. In het geval van VIREN-case ging het zelfs vlotter dan verwacht.

Hoe passen jullie dit toe in het VIREN-project?

Wannes Meert: De onbekende factoren zijn in dit geval: de leeftijd en anciënniteit van een persoon, of hij een gsm of bedrijfswagen heeft, enzovoort. Talrijke factoren kunnen een belastingresultaat beinvloeden. Die factoren ga je als constraints, letterlijk vertaald beperkingen, ingeven. Stel: je wil weten hoeveel dagen je minimum moet werken om een nettoloon van 1000 euro over te houden. Die 1000 euro, dat is je uitkomst. Je wil weten wat de impact is van de keuze voor een gsm of een bedrijfswagen. Dat is al geen makkelijke berekening, want je gaat spelen met je variabelen, met de elementen die het belastingstarief beïnvloeden. Alle keuzeopties samen geven je een exponentieel aantal mogelijkheden. En iedereen begrijpt sinds corona wat een exponentiële curve is (lacht). Je begrijpt: het wordt al snel onrealistisch om die berekeningen uit het hoofd te doen om alle mogelijkheden te proberen. Door constraint programming ga je het speelveld gigantisch verkleinen. De software weet: die opties bekijk ik niet, want ik weet dat die nooit beter gaan zijn dan de opties die ik al berekende. Dat is automatisch redeneren, en daar kan de computer bij helpen.

Hoe is dat gelinkt aan artificiële intelligentie?

Wannes Meert: De meeste mensen denken bij AI uitsluitend aan het subdomein van machine learning. De computer leert foto’s van honden of verkeerslichten te herkennen nadat hij er veel beelden van heeft gezien. Maar AI is veel breder. Bij constraint programming schrijven we de computercode niet neer, maar de doelen van het computerprogramma. We gaan niet expliciet programmeren, maar beschrijven de omgeving, zoals de belastingwetgeving, en een doelstelling, bijvoorbeeld ‘winst maximaliseren’. De computer vindt zelf de oplossing door automatisch redeneren, en dat is precies een kernelement van AI. In VIREN gebruiken we ook machine learning. Aangezien VIREN dikwijls gelijkaardige taken uitvoert, kunnen we leren uit vorige berekingen en nieuwe berekeningen sneller uitvoeren. VIREN maakt dus gebruik van een combinatie van rederenen en leren.

Hoe werd jullie paper op de conferentie onthaald?

Wannes Meert: De conferentie vond dit jaar online plaats. Daardoor was er minder interactie, maar desondanks kregen we veel positieve reacties. Vooral vanuit sectoren die sterk bogen op wetgeving zoals bijvoorbeeld verzekeraars of mutualiteiten was er interesse om soortgelijke tools te bouwen. Het triggert bedrijven om deze vorm van AI in hun domein uit te proberen.

Wat heeft de samenwerking opgeleverd, behalve een bekroonde paper?

Wannes Meert: De VIREN-tool werkte al in de praktijk, maar onze parallelle berekeningswijze liet toe om extra functionaliteit toe te voegen, vooral wat betreft de optimalisaties. Onze samenwerking onderstreept ook het innovatieve van de VIREN-oplossing. Voor ons is het boeiend om ons onderzoek aan de praktijk te kunnen toetsen. Bij Teal Partners werken sterke programmeurs. We hebben intensief samengewerkt, veel gebrainstormd en geëxperimenteerd. Dit is complexe materie en zij slaagden er in om de informatie in een mum van tijd te absorberen. Ook het omzetten van ons prototype naar de VIREN-omgeving realiseerden ze in minder dan een week. Dat is enorm snel.

Werken jullie vaker samen met bedrijven?

Wannes Meert: Het voorbije jaar werkte onze onderzoeksgroep met een twintigtal firma’s samen. Mijn job is het stimuleren van de link tussen universiteit en bedrijven en detecteren in welke domeinen onze technologie nuttig kan zijn. Fundamenteel onderzoek is boeiend, maar als wetenschapper wil je ook graag iets bijdragen in de wereld. Iets realiseren dat ook nuttig is buiten de universiteit. Dingen bouwen die werken. We blijven tenslotte een onderdeel van de ingenieursfaculteit (lacht). Wij werken altijd op lange termijn. Wat wij vandaag bedenken gaat morgen niet in productie. Aan de technologie in het project met Teal Partners ontwikkelden we bijvoorbeeld al jaren. Het was wel de eerste keer dat we een project deden in het kader van wetgeving en compliancy.

In welke domeinen zijn jullie nog zoal actief?

Wannes Meert: Het concept van regels omzetten in constraints en verbeteren door middel van machine learning kent een breed toepassingsveld. Bijvoorbeeld in de bouwsector. De software suggereert designs van technische tekeningen op basis van de specs die een klant opgeeft. Stel dat hij een nieuwe component wil invoeren: wat zijn dan de haalbare mogelijkheden of de invloed op de prijs? Een firma in bouwmaterialen kan constraints als druk of temperatuur invoeren om de juiste selectie te maken. In de logistieke sector is constraint programming al bekender. De factoren zijn: het aantal pakjes, de beschikbare vrachtwagens, de beschikbare bestuurders, de routes. Je vraagt aan de computer: geef me een optimale verdeling, en hij geeft je de aantallen en routes.

Gaan jullie in de toekomst nog samenwerken met Teal Partners?

Wannes Meert: Het VIREN-project is afgerond, maar als we een nieuw onderzoeksproject vinden: graag. Als we opnieuw een topic vinden die voor ons beiden relevant is, qua onderzoek en in de praktijk, dan zijn we zo weer vertrokken.

De paper die tot stand kwam dankzij de samenwerking tussen Teal Partners en de AI-vakgroep van de KU Leuven beschrijft het gebruik van AI voor het berekenen van de potentiële impact van wijzigingen in loonbeleid. Naast Wannes Meert werkte Sebastijan Dumancic van de KU Leuven en Teal Partners Stijn Goethals, Tim Stuyckens, Jelle Huygen en Koen Denies mee aan de paper.