Kunstmatige intelligentie wordt nu wel heel slim

De computer wint met Go, het moeilijkste bordspel dat er is, en leert zichzelf praten en autorijden: de vooruitgang is spectaculair.

De meeste kunstmatig intelligente algoritmen idiot zijn savants: ze kunnen één ding extreem goed. Beeld Hilde Harshagen

U bakt een eitje, terwijl u met uw mobieltje een storing meldt aan de helpdesk van de internetaanbieder, en u de kinderen gebaart op te schieten met het aantrekken van hun schoenen.

De mens is een intelligent wezen. Ook al verliezen we sinds dit jaar het bordspel Go van de computer, nadat we jaren geleden al ons meerdere moesten erkennen in de kunstmatig intelligente schaakmeester.

Dat we niet meer de beste zijn in Go, het ingewikkeldste bordspel ter wereld, bleek in maart, toen de computer AlphaGo de beste menselijke speler versloeg. AlphaGo is een zelflerend algoritme. Dit soort computerprogramma's kunnen zichzelf taken leren en werken een beetje zoals het menselijk brein - denken we. Want we hebben geen idee hoe het menselijk brein werkt en eigenlijk ook niet hoe kunstmatig intelligente algoritmen 'denken'.

De winst van AlphaGo betekent een belangrijke doorbraak voor Artificial Intelligence of AI. Eerder leerde de computer zichzelf al andere spellen, zoals de computerspellen Space Invaders en Breakout, zonder enige hulp van buitenaf. De vooruitgang van de afgelopen tijd is spectaculair: nog maar vier jaar geleden was er grote opwinding dat Google een algoritme had geleerd zelfstandig katten te herkennen. Dat wordt inmiddels als kinderspel beschouwd. De computer leert zichzelf ook autorijden, gesprekjes voeren met mensen, objecten herkennen op foto's en liplezen.

Wat hebben we geleerd in 2016?

Het mag dan het jaar van de post-truth zijn geweest, het jaar waarin feiten ondergeschikt leken aan meningen, emoties en flauwekul, maar 2016 heeft ons ook nieuwe inzichten opgeleverd. Dat we gedijen bij minder prikkels bijvoorbeeld, dat oude rockers nooit doodgaan, dat 0 glazen alcohol beter is dan welk ander getal ook en nog 15 andere superinteressante lessen, die we hier allemaal voor u op een rijtje hebben gezet.

Het 'kattenalgoritme' van Google is vrij te gebruiken door iedereen. Wie de privéfotocollectie uploadt naar de servers van Google Photo, hoeft niet meer duizenden plaatjes te bekijken op zoek naar dat ene verjaardagspartijtje. Tik gewoon in: 'kinderen feest' en u krijgt al uw eigen foto's voorgeschoteld met feestvierend nageslacht. Werkt ook met de kat.

Allemaal betoverende voorbeelden van kunstmatige intelligentie. Al is het niet nieuw. Al in 1951 bouwde de begin dit jaar overleden computerwetenschapper Marvin Minsky het eerste neurale netwerk. In de decennia daarop leefde het vakgebied tussen vrees en hoop, om een aantal keer knarsend tot stilstand te komen.

Sinds dit jaar lijkt er schot in de zaak te zijn gekomen. De reden dat het nu zo hard gaat, is dat grote spelers als Google, Facebook, Uber, Amazon, Microsoft, IBM en Apple er brood in zien. Bijna al het wetenschappelijk talent in het vakgebied wordt door deze hightechbedrijven opgekocht en te werk gesteld in Silicon Valley. Er worden enorme bedragen in geïnvesteerd, want degene met de beste slimme algoritmen, trekt de meeste klanten. Hierdoor begrijpt uw smartphone wat u tegen hem zegt ('Dim de lampen op zolder tot 20 procent') en rijdt uw auto binnenkort zelfstandig van Rotterdam naar Enschede. Onder meer IBM werkt aan een algoritme dat specialisten helpt bij het stellen van diagnoses.

De snelle vooruitgang roept ook vragen op. Bijvoorbeeld waar het eindigt en of de mens zijn autonomie niet zal verliezen aan AI-systemen. Terechte vragen. Maar de realiteit is dat AI eigenlijk nog best wel dom is. Want zoals u zich hebt bekwaamd in talloze taken (eitje bakken, telefoneren, opvoeden, en dat ook nog eens gelijktijdig) zijn de meeste kunstmatig intelligente algoritmen idiot savants: ze kunnen één ding extreem goed. Hoe we algoritmen twee dingen moeten leren, weten we niet. Ze kan of heel goed Space Invaderen, óf heel goed Breakout. Maar als je haar van het ene spel naar het andere laat overstappen, moet het zich alles opnieuw eigen maken. Dat is alsof je op de vraag van je geliefde om een eitje te bakken elke keer het kookboek erbij moet halen, en daarvoor eerst weer moet leren lezen.

Watson bij de NASA

Toen Alan Shepard in 1961 als eerste Amerikaan naar de ruimte vloog, werd zijn paraboolbaan berekend door een computer die was geprogrammeerd door wiskundige Katherine Johnson. Bij hedendaagse ruimtevaart worden zoveel data geproduceerd, dat mensen er nauwelijks meer vat op hebben. De NASA heeft daarom haar toevlucht gezocht tot Watson, de kunstmatig intelligente computer van IBM die in 2011 zijn menselijke tegenstrevers versloeg in de tv-quiz Jeopardy. Het idee is dat vluchtleiders en astronauten Watson straks bij een crisissituatie tijdens een ruimtemissie 'gewone' vragen kunnen stellen, en dat Watson dan snel in de database de juiste informatie opzoekt en hen van begrijpelijke antwoorden voorziet.

Wat we ook nog niet kunnen: twee algoritmen laten samenwerken, ze hun 'kennis' met elkaar laten delen, zodat er nieuwe denkkracht ontstaat. Dat komt ook doordat wetenschappers eigenlijk niet goed weten wat er in het brein van hun scheppingen gebeurt. 'Het is een zwarte doos', zeggen ze. Dat maakt het lastig de kennis te dupliceren, kennislacunes te vullen of domme fouten te verwijderen.

Een ander probleem is dat slimme algoritmen alleen goed werken als ze eerst zijn overspoeld met data. Om bijvoorbeeld beelden of spraak te kunnen herkennen, moet het miljoenen en miljoenen voorbeelden worden gevoerd. Dat kan dankzij internet, dat uit zijn voegen puilt van dit soort data. En we hebben inmiddels genoeg opslagcapaciteit en computerkracht om al die gegevens te kunnen verwerken.

Er is enorme vooruitgang geboekt. Maar AI kan nog altijd een trekkertrekrace blijken, waarbij na een kort moment van flinke progressie de boel hopeloos vastloopt in de modder. In de academische wereld bestaat enige vrees dat de opkoopkracht van de technologiereuzen ertoe leidt dat al het talent een kant op gaat kijken. Het zou kunnen dat AI zich te veel in één richting ontwikkelt en andere mogelijke benaderingen van kunstmatige intelligentie te weinig tot ontplooiing komen.

Iedereen richt zich nu op data die makkelijk voorhanden zijn en waarvan techbedrijven zeeën vol hebben. Maar wat doen we met data die misschien wel belangrijker zijn dan poezenfoto's, maar waar we minder makkelijk bij kunnen, zoals gegevens uit de gezondheidszorg, vraagt hoogleraar machine learning Neil Lawrence van de universiteit van Sheffield zich af op techwebsite The Verge.

Een van de grootste uitdagingen waar AI voor staat is volgens hem om het minder dorstig te maken naar data. Als slimme algoritmen geen stuwmeren aan foto's nodig hebben om een plaatje te herkennen, maar slechts een handjevol - zoals mensen dat kunnen, dan zouden gebieden waar minder data voorhanden zijn kunnen meeprofiteren, zoals de gezondheidszorg.

Het duurt zeker nog decennia voor er kunstmatig intelligente systemen zijn die 'denken' zoals wij, zei Mustafa Suleyman, de baas van Googles AI-firma DeepMind, tijdens een symposium dat in december werd gehouden door technologiewebsite TechCrunch. Voorlopig moet u de opvoeding dus zelf blijven doen. En zal het nog wel even duren voor we de vraag weten die hoort bij het antwoord 42.

Meer over

Wilt u belangrijke informatie delen met de Volkskrant?

Tip hier onze journalisten


Op alle verhalen van de Volkskrant rust uiteraard copyright. Linken kan altijd, eventueel met de intro van het stuk erboven.
Wil je tekst overnemen of een video(fragment), foto of illustratie gebruiken, mail dan naar copyright @volkskrant.nl.
© 2019 DPG Media B.V. - alle rechten voorbehouden