Professor Ann Dooms leidt de onderzoeksgroep Wiskunde en Data Science aan de VUB en is gespecialiseerd in wiskunde voor digitale toepassingen.
Wat waren in 2023 de grote doorbraken binnen jouw vakgebied?
“Onder wiskundigen wordt er ‘geeky’ gedaan over het Erdös-getal. Dan gaat het over hoeveel connecties je als wetenschapper verwijderd bent van de Hongaarse wiskundige Paul Erdös. En meer specifiek via je co-auteurs die nog samen met hem hebben gepubliceerd, want de man is al meer dan 20 jaar geleden overleden. Je begrijpt het: Erdös is echt een grote naam binnen de wiskunde. Bijna 100 jaar geleden verzamelde hij enkele belangrijke open problemen binnen de wiskunde, waaronder één gesteld door Frank Ramsey over structuur in grote netwerken. Je kunt daarbij denken aan sociale netwerken, maar ook aan bijvoorbeeld elektriciteitsnetwerken, dat maakt in principe niet uit. In 1995 werd bewezen dat je een feest kan geven met 24 mensen zonder dat er een groep van vier wederzijdse kennissen of een groep van vijf onbekenden is. Maar wanneer je nog een extra persoon toevoegt, zal je sowieso minstens één van dergelijke groepsstructuren ontdekken. Ramsey vroeg zich dan ook af hoeveel punten er in een netwerk moeten zijn om altijd structuren met onderlinge relaties te vinden. Erdös vond het probleem zo moeilijk dat hij zelfs een geldprijs wou uitreiken aan diegene die het kon oplossen. Sam Mattheus, een van onze doctoraatsstudenten, ontdekte een toepassing van de eindige meetkunde bij het bestuderen van de netwerktheorieën van Ramsey. Hij ging samenwerken in de VS met een ‘Ramsey-specialist’ en al na drie maanden hadden ze het open probleem opgelost. Dat was bijzonder indrukwekkend en Sam haalde er dan ook de wereldpers mee, in onder meer het Amerikaanse Quanta-magazine. Deze maand won hij een mooie prijs van de Belgian American Educational Foundation. Een paar dagen geleden haalde hij ook de BMS 2023 Young Scholar Award nog binnen. Voor veel studenten is Sam dan ook een rolmodel geworden omdat hij op jonge leeftijd al een dergelijk groot probleem kon oplossen en daar naam mee maken.”
“Zelf gebruik ik netwerken om concrete problemen te modelleren, van het halen van informatie uit oude manuscripten in onze nationale bibliotheek tot conclusies trekken uit medische beelden. Dit is momenteel een heel populaire aanpak omdat ze ook de basis vormt van machine learning, een tak binnen AI waarbij de computer leert uit data. Het voorbije jaar zagen we heel wat aandacht gaan naar producten die daarop gebaseerd zijn, zoals ChatGPT en DALL-E. Ik ben onder de indruk van de mooie engineering die daarachter zit om het allemaal real time te laten functioneren, maar echt vernieuwend qua onderliggende concepten is het niet. Wat me dus verrast, is dat zelfs mensen met een wetenschappelijke achtergrond méér aan zulke AI-toepassingen toebedelen dan wat het uiteindelijk is en doet. ‘Zelfstandig bewustzijn van computers, de mens gaat eraan’ en dat soort kritieken. Je komt door die discussie bijna in een antropomorfisme terecht, waarbij er menselijke eigenschappen aan machines worden toegekend.”
Waarom is men zo bang van AI?
“Kritiek op AI, net zoals op eerdere nieuwe technologieën, komt voornamelijk uit angst voor de impact op de mens. Dat we als mens de controle over AI zouden verliezen, is de foute redenering. Het is uiteindelijk de mens die het bedenkt en inzet en elke tool kan verkeerd ingezet worden. Met een mes kun je groenten snijden, maar ook iemand verwonden. Machine learning ‘verdient’ het eigenlijk niet om zoveel kwaad toebedeeld te krijgen. Zo vertragen we de ontwikkeling van zaken waar we als mens echt wel beter van worden. De structuren die bij OpenAI gebruikt worden om taal en beeld te herkennen, zijn heel sterk en hebben een grote wow-factor. Maar de toepassingen zoals we die nu zien, zijn niet uitermate nuttig. Ik zie bijvoorbeeld meer heil in toepassingen van machine learning in de geneeskunde. Er is heel wat ervaring van artsen die kan ingezet worden om artificiële systemen te ontwikkelen die helpen om patronen snel te herkennen. En die op hun beurt helpen bij het stellen van diagnoses of bedenken van therapieën. Ik verwacht dan ook de mooiste toepassingen in deze richting.”
Een tipje van de sluier?
“Fertiliteit is een interessant onderzoeksdomein. We kijken naar vrouwen met kanker die een chemo-behandeling moeten ondergaan of oudere vrouwen die hun kinderwens nog niet willen opbergen. Zij hebben nu al de optie om eicellen te laten invriezen voor later gebruik. Maar het oogsten van die eicellen heeft heel wat voeten in de aarde en voor vrouwen met weinig tijd is dat problematisch. Zo is er meestal maar één ronde mogelijk. Wij proberen nu de kennis en voorgaande successen van artsen en embryologen in een artificieel systeem te gieten dat zo objectief mogelijk de kans berekent of de geoogste eicellen een goede kans op zwangerschap bieden. Het zal veel mensen meer gemoedsrust geven. Het is een perfecte toepassing van AI en ook al zal die minder aandacht genereren, ze zal wel bijzonder nuttig zijn.”
Hoe is het gesteld met het aantal vrouwelijke professoren in uw vakgebied?
“Bij de instroom van studenten wiskunde ligt de man-vrouwverhouding vaak 50/50. Maar bij de doctoraatstudenten vallen er veel vrouwen af en onder de professoren hoef ik niet rond te kijken om vast te stellen dat ik de enige vrouw ben in onze vakgroep. Ook op andere universiteiten zijn mannen in de meerderheid. Dat is een pijnlijke vaststelling. Gelukkig ligt het niet aan ons vakgebied, maar wel aan wat we in de academische wereld de ‘leaky pipeline’ noemen. De onzekerheid die samengaat met het vinden van een academische job is helaas iets minder aan vrouwen besteed. Ook mijn weg was met valkuilen geplaveid, maar ik kan nu wel zeggen dat ik mijn droomjob heb gevonden.”
