Kunstmatig gebrek aan intelligentie: waarom we nuance nodig hebben

Dankzij machine learning duurt het niet lang meer voordat robots en intelligente computers meer kunnen dan mensen. Volgens de één betekent dit dat we straks voor altijd op het strand liggen, volgens de ander dat we de schuilkelders in moeten. Wat zal het worden? En wanneer eigenlijk?

Om te begrijpen hoe we artificial intelligence (AI) kunnen beteugelen en of dat überhaupt nodig is, is het goed om eens te kijken naar waar we nu staan. Wie er kritisch naar kijkt, ontdekt dat kunstmatige intelligentie eigenlijk helemaal niet zo intelligent is – nóg niet, althans. Tijd voor de nodige kanttekeningen bij de grote belofte van kunstmatige intelligentie.

De wapenwedloop tussen Google en IBM

Alle grote spelers in de techwereld zetten er zwaar op in, waardoor bots als paddenstoelen uit de grond schieten. AI wordt gebruikt om het weer te voorspellen, klantenservices te bemannen en repetitief werk uit te voeren in productieomgevingen of op de boerderij.

Met name tussen Google en IBM lijkt zich een tweestrijd te ontwikkelen – zowel op het gebied van research & development als marketing. IBM zet op dit moment een groot deel van zijn budget in op Watson, zijn eigen artificial intelligence-platform. Zo maakte IBM vorig jaar bekend dat het bedrijf steeds meer neuroprocessen kan imiteren met behulp van computers. Dat houdt in dat computers steeds meer onze hersenfuncties en de manier waarop ons brein werkt kunnen imiteren. Als volgende stap is het niet meer heel ingewikkeld om te zorgen dat ze dat beter doen dan wij.

Google’s eigen kunstmatige intelligentie-platform DeepMind werd vorig jaar wereldkampioen Go – alom beschouwd als het moeilijkste spel ter wereld. Wat minder mensen weten, is dat Google Translate geheel op eigen houtje een eigen, kunstmatige taal heeft verzonnen. De reden: dit maakt het makkelijker om grote aantallen vertalingen te maken. Niemand gaf het systeem de opdracht om dit te doen, computers bedachten dit helemaal zelf.

Toch is AI is nog relatief dom

Hoewel dat allemaal reuze handig is en knap gemaakt, is AI over het algemeen nog relatief dom. Kijk maar eens hoe een stelletje robots met elkaar voetbalt tijdens de RoboCup 2015:

Zelfs de overwinning van Google’s DeepMind op de mensheid tijdens een spelletje Go zou je gemakkelijk kunnen relativeren. Uiteindelijk gaat het hier om niet veel meer dan kansberekening in een gecontroleerde omgeving. Het is iets heel anders om te moeten interacteren in een wereld met onverwachte impulsen.

Wat ons mensen maakt, en intelligente wezens, is veel meer dan kansberekening en analytisch vermogen. In ongecontroleerde omgevingen met onverwachte wendingen kunnen we improviseren, gebaseerd op onze ervaringen uit het verleden. Kom daar maar eens op als computer. Een ander belangrijk verschil tussen mensen en kunstmatige intelligentie is dat de laatste op dit moment nog niet echt leert wat dingen zijn. Het enige wat computers nog doen, is patronen ontdekken uit enorme verzamelingen gegevens en daar conclusies uit trekken.

Het enige wat computers nog doen, is patronen ontdekken uit enorme verzamelingen gegevens en daar conclusies uit trekken.

We staan aan de vooravond van een belangrijke doorbraak

Deze cruciale horde op de weg naar échte intelligente computers staat bekend als corner cases. Het Duitse KUKA, producent van industriële robots, illustreerde dit soort cases door een van hun robots in een commercial te laten tafeltennissen tegen tafeltenniskampioen Timo Boll. De robot is lange tijd aan de winnende hand, totdat Boll een corner case ontdekt – en benut om te winnen.

Bij een potje tafeltennis of een weersvoorspelling nemen we die corner cases voor lief. Als een computer het pakweg 80 procent van de tijd goed heeft, dan is dat al heel mooi. Maar bij het besturen van een auto, ligt de lat natuurlijk wel iets hoger. Onlangs zagen we een filmpje van een Tesla die anticipeerde op een ongeluk op een Nederlandse snelweg. Heel knap, maar zolang dit bijzonder is, kan er maar beter een bestuurder in de auto zitten.

Om de bestuurder overbodig te maken, moet de software van zo’n auto zijn omgeving heel nauwkeurig kunnen lezen. De auto moet het verschil kunnen zien tussen een onschuldige krant die over de weg waait of een voetganger die plotseling oversteekt.

Volgens Hod Lipson, engineering professor aan de Columbia University in New York, duurt het niet lang meer voordat AI hiertoe is staat is. Door de gigantische hoeveelheden data die wereldwijd beschikbaar is, en die als brandstof dient voor machine learning, zijn corner cases aan het verdwijnen. Een mooi voorbeeld hiervan is een autorace die onlangs plaatsvond tussen zelfrijdende auto’s. Terwijl de ene auto moeiteloos een hond wist te ontwijken, crashte zijn tegenstander. Er zit dus nogal wat verschil in hoe ver we zijn met zelfrijdende auto’s.

Waarin robots al beter zijn dan mensen

Hoewel kunstmatige intelligentie dus al behoorlijk veel kan in een gecontroleerde omgeving, is het uiteindelijk nog steeds een kwestie van kansberekening. Het besturen van een auto als er kinderen oversteken is nu eenmaal een andere ballgame dan een potje schaken. Hoe maken we computers zo slim dat ze kunnen anticiperen, improviseren en beslissingen kunnen maken? Dat is de centrale vraag bij het kraken van corner cases. Nu ontwikkelaars hebben achterhaald dat daar de crux zit, kan het naar verwachting snel gaan.

Fotoherkenning

Om dit omslagpunt illustreren, haalde Lipson op de Singularity Summit in Amsterdam de Large Scale Visual Recognition Challenge (ILSVRC) aan. Dit is een internationale wedloop om het beste fotoherkenning-algoritme te schrijven. Afgelopen jaar werd hierin de menselijke foutmarge van 5,1 procent (al jaren de heilige graal van de wedstrijd) voor het eerst verbeterd. In normale-mensen-taal: er bestaat dus inmiddels software die beter kan bepalen wat er op foto’s te zien is dan jij of ik.

Toegegeven, je hebt er niet zoveel aan als je auto beter is in fotoherkenning dan jij. Maar als aan de hand van een vergelijkbaar algoritme, je auto óók een kleinere foutmarge krijgt bij het besturen dan jij, wordt het wel heel interessant. Denk daar maar eens over na.

We zijn nog niet zo ver als vaak wordt gepretendeerd.

Het is natuurlijk verleidelijk om een hosanna-verhaal te vertellen over kunstmatige intelligentie. Maar enige nuance is op zijn plaats. Niet alleen omdat we goed moeten nadenken over hoe we robots de baas blijven, maar ook omdat we nog niet zo ver zijn als vaak wordt gepretendeerd. Als de grote doorbraak komt (en het heeft er alle schijn van dat dat niet lang meer duurt), dan hebben we tenminste ook geen valse verwachtingen geschept.

Wat denk jij? Staan we inderdaad op een kantelpunt of zal het voorlopig wel loslopen?

Afbeelding inleiding met dank aan 123RF.