AI has the potential to contribute to the security of The Netherlands

ZO DRAAGT AI BIJ AAN EEN VEILIG NEDERLAND:

“Als we hier samenwerken, leggen we de basis voor de infrastructuur”

AI heeft de potentie om bij te dragen aan de veiligheid van Nederland, zonder dat de overheid een soort van Big Brother wordt. Niet alleen om cyberaanvallen af te weren, maar ook (en misschien wel vooral) bij de opsporing en preventie van criminaliteit. Maar dan is er wel een goede infrastructuur nodig die dit mogelijk maakt.

Aanjaagteam Ondermijning: Hoe kun je standaardiseren als de tegenpartij steeds verandert?

PILOT: INTEGRITEIT BEDRIJVENTERREIN

Eén van de belangrijkste zaken voor een goed werkende en deelbare AI, is de standaardisatie van data en processen. Dat onderschrijft ook mr. George Rasker, hij is programmadirecteur van het Aanjaagteam aanpak ondermijning. “Er zijn veel AI-initiatieven in de publieke sector, ook omtrent AI en veiligheid. Het is goed dat we daarvoor zoveel mogelijk met elkaar samenwerken, ook buiten ons eigen kringetje.” Op dit moment wordt regionaal (Rotterdam, project Holsteiner en vervolgens ook landelijk gewerkt aan het project ‘Integere Bedrijventerreinen’. In Nederland zijn 4400 bedrijventerreinen. “We gaan kijken of we meer zicht kunnen krijgen op dit soort plekken,” vertelt Rasker. “Het kunnen namelijk locaties zijn die bij uitstek worden gebruikt voor illegale casino’s, bordelen, witwaspraktijken, growshops voor de hennepteelt of ontmoetingsplaatsen voor criminelen. Als we de kenmerken van dit soort ondermijning kunnen vaststellen, kan AI helpen met het herkennen ervan. Zo werken we toe naar integere bedrijventerreinen. Deze insteek van het project betekent dat er ook gekeken wordt wat er mogelijk is aan gegevensuitwisseling, binnen de wet- en regelgeving. “We werken voor de pilot samen met allerlei partijen, tot en met het Kadaster aan toe. Maar ook de (geautomatiseerde) analyse van bedrijfsprocessen zou hier natuurlijk bij kunnen helpen.” Standaardisatie van data is iets waarover goed nagedacht moet worden vindt Rasker: “Standaarden zijn prima, maar de belangrijkste vragen zijn daarbij wel wát die standaard dan moet zijn en hoe die eruit moet zien. Deze moet immers voor de integrale partners herkenbaar en werkbaar zijn. Daarbij geldt dat onze tegenpartij steeds zal zoeken naar een mogelijkheid die standaard te omzeilen om zo uit beeld te blijven. Zij zullen constant van werkwijze veranderen, om op nieuwe manieren te ondermijnen.” Volgens Rasker is het belangrijk om voor nu vooral te focussen op de toepassing van AI. “We moeten daarbij ervaringen blijven uitwisselen. Zo kunnen we van elkaar leren en processen zo inrichten dat ze enerzijds standaardiseren, maar ook flexibel ingezet kunnen worden bij een tegenpartij die steeds naar nieuwe wegen zal zoeken om uit beeld te blijven.”

Defensie/TNO: Geen gevechtsrobots, maar wel duidelijke informatie

PILOT: SITUATIONAL AWARENESS Overzicht en uitwisseling van data zijn belangrijk, dat onderschrijft ook Antoine Smallegange als consultant vanuit TNO bij Defensie. “Maar je moet organisaties en mensen dan wel meekrijgen. Kijk naar een grote organisatie als Defensie, daar kun je een nieuwe werkwijze ook op basis van AI niet zomaar introduceren. Mensen gaan pas overstag als de techniek nuttig is en organisatie en mensen klaar zijn om er effectief gebruik van te maken. Dat betekent investeren in het human captial” Onlangs heeft Defensie een Chief Data Officer aangesteld, volgens Smallegange is dat een hele goede stap. “Het laat zien wáár voor Defensie de prioriteit ligt. De CDO kan zorgen voor overzicht en inzicht in de data die voorhanden is bij Defensie.” Niet alle uitdagingen op het gebied van AI zijn natuurlijk specifiek voor Defensie, daar liggen mogelijkheden volgens Smallegange. “Het is natuurlijk ook een organisatie die bijvoorbeeld net als andere een personeels- of financiële administratie voert. Op dit soort specifieke onderwerpen sluiten we graag aan bij anderen.” Binnen Defensie zelf wordt onderzocht hoe AI kan bijdragen aan ‘Situational Awareness’. “Dit is informatie die nodig is om te weten welke persoon, of organisatie je eigenlijk voor je hebt. AI helpt ook bij het analyseren van deze informatie en zelfs bij het nemen van besluiten.” De link naar robotica is dan al snel gelegd: “Nee, we hebben het hier niet over gevechtsrobots zoals sommigen denken,” vertelt Smallegange met een brede glimlach. “Deze robotsystemen zullen we vooral inzetten voor bijvoorbeeld het opruimen van mijnen of voor verkenning, de dull, dirty and dangerous taken.” Het allerbelangrijkste bij de inzet van AI, volgens Smallegange? “Laten we vooral niet het doel vergeten, dat is om te kijken hoe AI onze (cyber) activiteiten kan versterken en niet andersom.”

TNO/Politie: maak iets dat aansluit bij de belevingswereld van de rechercheur

PILOT: OPSPORING ONVINDBAREN

Dat het doel duidelijk moet zijn, en de oplossing altijd belangrijker is dan ‘enkel de inzet van de techniek’ onderschrijft ook Marleen Ribbens. Zij is hoofd Onderzoek bij Politie Nederland en Deputy Business Director National Security bij TNO. Doelgerichtheid Aan de slag met AI binnen de overheid 23 bij de inzet van AI betekent volgens Ribbens en de richtlijnen van TNO niet dat het doel alle middelen heiligt. “We willen juist alle uitdagingen adresseren om de innovatie omtrent AI te kunnen versnellen. De belangrijkste AI-uitdagingen zijn volgens ons de naleving van privacy en ethiek, het leren van beperkte datasets, het veilig delen van data, de samenwerking tussen mens en machine en het zorgen voor transparante AI.” Die uitdagingen zijn niet gering, maar alleen door deze (in de praktijk) te onderzoeken kan er ook gekeken worden naar oplossingen, stelt Ribbens. “We richten ons bij onze AI-pilot vooral op beslisondersteuning van rechercheurs. Hoe kun je bijvoorbeeld met AI zaken al in een vroegtijdig stadium analyseren? Hiervoor hebben wij het systeem QUIN ontwikkeld, dat zich richt op het opsporen van de zogenaamde ‘onvindbaren.” In Nederland zijn zo’n 1100 mensen zoek, die hun straf nog moeten uitzitten. Dit is een lastige en tijdsintensieve klus. “Voor rechercheurs is dit een grote belasting en waar moet je beginnen? Daar helpt QUIN bij. Omdat mensen gewoontedieren zijn kun je ervan uitgaan dat zij voor een beperkt aantal opties kiezen als ze op de vlucht zijn. Het systeem geeft aan welke opties het meest waarschijnlijk zijn en waar de soms beperkte opsporingsmiddelen het beste ingezet kunnen worden.” Een hele mooie samenwerking tussen mens en techniek, vindt Ribbens. Samenwerking met anderen is ook wat haar betreft belangrijk. “Maar het werkveld van de nationale veiligheid is beperkt en we kunnen ook niet al onze kennis ‘zomaar delen met het bedrijfsleven’ of omgekeerd. Dat maakt het voor startups soms lastig om mee te doen aan innovatietrajecten: de oplossing die we bouwen is immers maar heel beperkt inzetbaar. Oftewel niet altijd even lucratief als een oplossing die grootschalig ingezet kan worden” Het meest interessante aan dit traject vindt Ribbens vooral dat je de kracht van een AI systeem in samenwerking met de mens niet moet onderschatten. “Het zit ‘m echt in die samenwerking tussen mens en AI, en die krijg je alleen als je iets maakt dat aansluit bij de belevingswereld en de kennis van de gebruiker, in dit geval de rechercheur.”

NFI: klassieke statistiek en AI zijn een goede match

PILOT: FIRE, BEELDHERKENNING

Het Nederlands Forensisch Instituut (NFI) staat vooral bekend om het meest zichtbare deel van het forensische onderzoek. De mannen en vrouwen in ‘witte pakken’. “Maar ons werkveld gaat natuurlijk veel verder dan dat,” vertelt Lisanne van Dijk. In principe hebben we drie kerntaken. Ten eerste het onderzoeken van zaken voor politie en OM, daarbij doen we ook de research en development voor het ondersteuning van zaakonderzoek. Tot slot zijn we verantwoordelijk voor kennisuitwisseling en onderwijs op deze onderwerpen.” Het NFI biedt daarbij ook data ondersteuning bij andere delen van de overheid. “De klassieke statistiek die bij ons werkveld hoort, past daar goed bij. Ook in combinatie met AI. Vooral ‘explainable AI’ is belangrijk, dus AI waarbij uitgelegd wordt wélke data precies wordt gebruikt en hoe deze bijvoorbeeld gewogen wordt in een algoritme.” Eén van de AI-projecten bij NFI is op dit moment de automatische herkenning van beelden. Het FIREsysteem (Forensic Image Recognition) is er op gericht om opsporingsmedewerkers te ontlasten. “Je kunt je natuurlijk van alles voorstellen bij beeldherkenning, maar voor we dit overal in kunnen zetten beginnen we met een paar afgekaderde velden. Bijvoorbeeld de herkenning van zeecontainers: kunnen we AI leren om containers te herkennen die potentieel een illegale lading hebben?” Voor de herkenning van dit beeld worden enorme hoeveelheden gegevensdragers en data worden geanalyseerd. “Als dit lukt, dan kunnen we misschien wel maanden mensenwerk terugbrengen naar een paar uren met behulp van AI,” vertelt Van Dijk enthousiast. Maar zo ver is het nog niet. “We moeten nu eerst kijken naar hoe we datasets kunnen samenstellen, opslaan en gebruiken. Daarbij is er natuurlijk een juridische uitdaging. Het is erg goed dat we aan regels gebonden zijn, maar het zou wel interessant zijn als we een oplossing kunnen vinden waar alle veiligheidsdiensten samen gebruik van kunnen maken.”

HSD: Continue investering is noodzaak, kijk maar naar Silicon Valley, of Brainport

Alle die hiervoor omschreven ambities en uitdagingen binnen de veiligheidssector onderschrijft Joris den Bruinen. Hij is algemeen directeur van het nationale veiligheidscluster The Hague Security Delta (HSD). HSD fungeert als een ecosysteem voor dit soort ontwikkelingen in de crossover van maatschappelijk thema veiligheid en emerging technologies zoals AI. Omdat we binnen het veiligheidsdomein specifiek te maken hebben met publiek private consortia spelen hier vragen over data en IP eigenaarschap. De problematiek is dat je als bedrijven gedurende het proces veel kennis inbrengt en niet altijd duidelijk omschreven kan worden van wie dat IP was en is. Dat is een ingewikkeld vraagstuk, zeker omdat hierbij op een maatschappelijk vraagstuk met ‘use cases’ vanuit de overheid, samengewerkt wordt met commerciële partijen.” De belangrijkste kwestie is echter dat er geïnvesteerd blijft worden in de ontwikkeling vindt Den Bruinen. “Voor de technische, juridische en ethische vraagstukken omtrent AI kunnen we op termijn vast oplossingen vinden. Als we daar maar genoeg menskracht en techniek op inzetten. Net als in Silicon Valley, of wat meer lokaal Brainport in Eindhoven, betekent het echter wel dat hier geld voor nodig is. Niet alleen voor quick fixes, maar ook voor de lange termijn. Er moet nu en in de toekomst geïnvesteerd worden om van AI één van de technieken te maken die kan bijdragen aan een veilig Nederland.” DSI: Blijf elkaar zoveel mogelijk helpen, vooral met de vraag ‘hoe begin ik met een AI project?’

AI INNOVATIETRAJECT

Ook Marloes Pomp, verantwoordelijk voor de internationale strategie van NL AIC, is het hiermee eens. “Wat mij vooral opvalt aan al deze pilots en initiatieven binnen de veiligheidssector is dat er enorme behoefte is om meer data en AI toepassingen met elkaar te delen. Dat blijkt uit eigenlijk alle pilots die we binnen de publieke sector hebben ingezet. Neem bijvoorbeeld de vragen die de politie heeft over de opslag en het gebruik van beeldmateriaal. Diezelfde vraag speelt ook bij de inspectie van bruggen en viaducten door Rijkswaterstaat. Het is enorm belangrijk dat we elkaar met dit soort praktische zaken op weg helpen. De belangrijkste vraag waar je je collega’s binnen de publieke sector wellicht mee kunt helpen is niet eens het beantwoorden van technische vragen over AI. Maar wel de schijnbaar zo simpele vraag ‘hoe start je samen een AI-project?’ Pomp moedigt de deelnemers aan om zoveel mogelijk over de pilots en werkwijze te delen. “Het is niet altijd eenvoudig, maar de lessen die we hieruit leren, kunnen anderen helpen om te versneld te leren.”