I. Wat bedoelen we met AI?
In dit eerste deel maken we kennis met het begrip artificiële intelligentie (AI) door stil te staan bij de definitie en enkele voorbeelden ervan.
Zoals je waarschijnlijk wel hebt gemerkt, is AI een heel actueel thema: in de media en in het publieke debat struikel je haast over de aandacht voor AI. Maar waarschijnlijk heb je ook gemerkt dat niet iedereen bij AI aan hetzelfde denkt. Voor de een draait AI om kunstmatige vormen van leven die boven de menselijke intelligentie kunnen uitstijgen, terwijl de ander vrijwel alle technologieën voor gegevensverwerking onder de noemer AI schaart.
Om de situatie te schetsen, bespreken we wat AI is, hoe AI gedefinieerd kan worden en welke andere gebieden of technologieën er nauw aan verwant zijn. Maar eerst besteden we aandacht aan drie toepassingen van AI die de verschillende aspecten ervan laten zien. Om ons inzicht in AI te vergroten, komen we in de loop van deze cursus op elk van die drie toepassingen terug.
Toepassing 1. Zelfrijdende auto’s
Voor zelfrijdende auto’s is een combinatie van allerlei AI-technieken nodig: zoeken en plannen om de makkelijkste route van A naar B te vinden, beeldherkenning voor het identificeren van obstakels, en beslissen onder onzekerheid om te kunnen inspelen op een complexe en dynamische omgeving. Om ongelukken te voorkomen, moeten al deze technieken met een nagenoeg perfecte nauwkeurigheid functioneren.
Ook in andere autonome systemen, zoals bezorgrobots, vliegende drones en autonome schepen, worden zulke technieken gebruikt.
Gevolgen: op de duur zou dit ten goede moeten komen aan de verkeersveiligheid, omdat de systemen betrouwbaarder zijn dan de mens. De efficiëntie van logistieke ketens in het goederenvervoer verhoogt. De mens krijgt een toezichthoudende taak en observeert wat er gebeurt, terwijl machines de besturing voor hun rekening nemen. Omdat vervoer zo’n belangrijk onderdeel van ons dagelijks leven is, ligt het voor de hand dat er ook consequenties zullen zijn waar we nu nog niet eens aan hebben gedacht.
Toepassing 2. Gepersonaliseerde aanbevelingen
Heel veel informatie waarmee we op een doorsnee dag in aanraking komen, is gepersonaliseerd. Voorbeelden hiervan zijn Facebook, Twitter, Instagram en andere inhoud op sociale media; online advertenties; muzieksuggesties in Spotify; filmsuggesties op Netflix, HBO en andere streamingdiensten. Ook veel online kanalen, bijvoorbeeld de websites van kranten en omroepen, maar ook zoekmachines zoals Google, personaliseren hun aanbod.
De voorpagina van de papieren New York Times of China Daily mag er dan voor alle lezers of kijkers hetzelfde uitzien, de online versie is voor elke gebruiker anders. De algoritmen die bepalen welke inhoud jij te zien krijgt, zijn gebaseerd op AI.
Gevolgen: hoewel veel bedrijven de details van hun algoritmen niet willen prijsgeven, krijg je meer inzicht in de mogelijke gevolgen, als je je bewust bent van de basisprincipes: het gaat daarbij om zogenoemde filterbubbels, echokamers, trollenfabrieken, nepnieuws en nieuwe vormen van propaganda.
Toepassing 3. Beeld- en videoverwerking
Gezichtsherkenning wordt al in veel toepassingen voor klanten, ondernemingen en overheden gebruikt, zoals het indelen van je foto’s op personen, het automatisch toevoegen van tags op sociale media, en bij paspoortcontroles. Vergelijkbare technieken kunnen worden gebruikt om andere auto’s en obstakels in de buurt van een autonome auto te herkennen of om de omvang van wildpopulaties te schatten, om maar een paar voorbeelden te noemen.
AI kan ook worden gebruikt voor het creëren of veranderen van visuele inhoud. Tegenwoordig wordt al gebruikgemaakt van bijvoorbeeld stijleffecten, waarmee je je eigen foto’s zo kunt aanpassen dat het lijkt alsof ze door Vincent van Gogh zijn geschilderd, en van computer-gegenereerde figuren in films zoals Avatar, Lord of the Rings en populaire animaties van Pixar waarin de animatiefiguren de gebaren van echte, menselijke acteurs overnemen.
Gevolgen: als deze technieken vooruitgaan en op grote schaal beschikbaar worden, wordt het eenvoudig om van een gebeurtenis een realistisch aandoende nepvideo te maken die niet van echt filmmateriaal te onderscheiden is. Hierdoor komt het idee “zien is geloven” op losse schroeven te staan.
Wat is AI wel en wat is het niet? Dat is een lastige vraag!
Dat het in de media zo vaak over AI gaat, komt deels doordat mensen de term zijn gaan gebruiken voor dingen die eerder onder een andere naam bekend stonden. Vrijwel alles, van statistiek en bedrijfsanalyse tot handmatig gecodeerde “als-dan”-regels, wordt AI genoemd. Hoe komt dat? Waarom is de publieke perceptie van AI zo troebel? We nemen een paar redenen onder de loep.
Reden 1: geen officiële definitie
AI-onderzoekers hebben zelf ook geen precieze definitie van AI. Telkens als onderwerpen tot “niet-AI” worden bestempeld en er nieuwe onderwerpen opkomen, wordt het terrein van de artificiële intelligentie in feite opnieuw afgebakend.
Een oud grapje onder nerds luidt dat AI is gedefinieerd als “leuke dingen die computers niet kunnen”. De ironie is dat volgens deze definitie AI nooit enige vooruitgang zal boeken, want zodra we een manier hebben bedacht om met een computer iets leuks te doen, is het niet langer een AI-probleem. Toch zit er wel een kern van waarheid in die definitie. Vijftig jaar geleden leefde bijvoorbeeld de opvatting dat automatische methoden voor zoeken en plannen tot het domein van AI behoorden. Vandaag de dag komt dit aan bod in elke opleiding informatica- of computerwetenschappen. Ook hebben we een zodanig inzicht in bepaalde methoden voor het verwerken van onzekere informatie verworven, dat het waarschijnlijk niet lang zal duren voor ze van het terrein van de AI naar de statistiek of kansberekening worden overgeheveld.
Reden 2: de erfenis van sciencefiction
De verwarring rond de betekenis van AI wordt vergroot door de visioenen over AI in allerlei sciencefictionliteratuur en -films. In sciencefictionverhalen figureren vaak vriendelijke, mensachtige assistenten die een eindeloze stroom feitjes opdissen of geestige dialogen voeren, maar die soms ook Pinokkio achternagaan en zich beginnen af te vragen of ze geen echt mens kunnen worden. Voortbordurend op de oude verhalen over tovenaarsleerlingen houdt een andere categorie mensachtige wezens in sciencefiction er duistere motieven op na en keert zich tegen hun meester, een traditie die teruggaat tot de Golem uit Praag en daarvoor.
Het robotachtige van dergelijke wezens is vaak slechts een dun vernislaagje over een zeer menselijke figuur en dat is ook wel begrijpelijk, omdat voor de meeste fictie – zelfs sciencefiction – geldt dat menselijke lezers zich erin moeten kunnen verplaatsen. Intelligentie die te ongewoon en te zonderling is, zou alleen maar vervreemdend werken. De meeste sciencefiction kan dus het beste gezien worden als metafoor voor het mens-zijn in de huidige tijd, waarbij robots voor onderdrukte maatschappelijke groepen staan. Of misschien symboliseert sciencefiction wel onze zoektocht naar de betekenis van het leven.
Reden 3: wat eenvoudig oogt, is in werkelijkheid heel moeilijk…
Wat het ook moeilijk maakt om AI te begrijpen, is dat het lastig is te zeggen welke taken eenvoudig zijn en welke moeilijk. Kijk eens om je heen, til een voorwerp op en bedenk vervolgens wat je nu eigenlijk hebt gedaan: je gebruikte je ogen om een beeld te krijgen van de omgeving, je stelde vast waar zich bepaalde voorwerpen bevonden die je kon oppakken, koos er eentje uit en plande de baan die je hand op weg naar dat voorwerp zou afleggen; vervolgens bewoog je je hand door achtereenvolgens diverse spieren samen te trekken en lukte het je om het voorwerp met precies de juiste hoeveelheid kracht vast te pakken om het niet uit je vingers te laten vallen.
Het kan lastig zijn om te beseffen hoe ingewikkeld dat allemaal is, maar soms wordt dat duidelijk wanneer er iets verkeerd gaat: het voorwerp dat je hebt uitgekozen is veel zwaarder of lichter dan je had verwacht, of juist op het moment dat je je hand naar de deurkruk uitsteekt, doet iemand de deur open en raak je even uit evenwicht. Normaal gesproken lijken deze taken nauwelijks inspanning te kosten, maar dan ga je eraan voorbij dat er miljoenen jaren evolutie en meerdere jaren van oefening als kind aan vooraf zijn gegaan.
Voor jou is het geen kunst, maar het is buitengewoon moeilijk om een robot voorwerpen te laten vastpakken. Dit is een terrein waarop actief onderzoek wordt gedaan. Recente voorbeelden hiervan zijn een project van Boston Dynamics.
…en wat moeilijk lijkt, is in werkelijkheid eenvoudig
Activiteiten als schaken en het oplossen van wiskundige problemen kunnen daarentegen bijzonder moeilijk lijken en jarenlange oefening vergen om onder de knie te krijgen. Ze doen een beroep op onze “hogere verstandelijke vermogens” en vragen om geconcentreerd, bewust denken. Het verbaast dus niet dat een deel van het onderzoek naar AI aanvankelijk juist op dit soort activiteiten was gericht en dat het toentertijd leek alsof juist die activiteiten het wezen van intelligentie belichaamden.
Al gauw is gebleken dat het schaakspel computers heel goed ligt, omdat ze aan de hand van de betrekkelijk eenvoudige regels vele alternatieve zetten kunnen berekenen met een snelheid van miljarden berekeningen per seconde. In 1997 versloeg de computer de regerende menselijke wereldkampioen schaken, tijdens de beroemde wedstrijden tussen Deep Blue en Kasparov. Wie had kunnen denken dat het veel moeilijker zou blijken om de stukken beet te pakken en ze over het schaakbord te bewegen zonder ze om te stoten! In hoofdstuk 2 gaan we in op de technieken die worden gebruikt voor het spelen van spellen zoals schaken en boter-kaas-en-eieren.
Hoewel een grondige beheersing van de wiskunde (ogenschijnlijk) menselijke intuïtie en vernuft vergt, kunnen veel (maar niet alle) oefeningen op de middelbare school of universiteit met behulp van een rekenmachine en een reeks eenvoudige regels worden opgelost.
Hoe zou een bruikbaarder definitie dan luiden?
Een poging om tot een definitie te komen die bruikbaarder is dan het grapje over de dingen “die computers nog niet kunnen”, kan beginnen met het opsommen van eigenschappen die kenmerkend zijn voor AI, in dit geval autonomie en aanpassingsvermogen.
Belangrijke termen
Autonomie
Het vermogen om in een complexe omgeving taken uit te voeren zonder daarbij continu aangestuurd te worden door een gebruiker.
Aanpassingsvermogen
Het vermogen tot prestatieverbetering door te leren van ervaringen.
Woorden kunnen misleidend zijn
Bij het spreken over en omschrijven van AI moeten we op onze hoede zijn, want veel woorden die wij gebruiken kunnen behoorlijk misleidend zijn. Bekende voorbeelden daarvan zijn “leren”, “begrijpen” en “intelligentie”.
Je zou kunnen zeggen dat een systeem intelligent is, bijvoorbeeld omdat het nauwkeurige navigatie-aanwijzingen geeft of op foto’s van huidlaesies symptomen van melanoom constateert. Als ons zoiets ter ore komt, kan het woord “intelligent” makkelijk de indruk wekken dat zo’n systeem in staat is om alle taken te verrichten die een intelligent mens kan uitvoeren: boodschappen doen en een maaltijd bereiden, de was doen en opvouwen, enzovoort.
Ook wanneer we zeggen dat het beeldherkenningssysteem van een auto beelden begrijpt, omdat het afzonderlijke voorwerpen erop kan onderscheiden, zoals andere auto’s, voetgangers, gebouwen, de weg, enzovoort, kan het woord “begrijpen” makkelijk de indruk wekken dat het systeem ook snapt dat als iemand een T-shirt draagt met daarop een afdruk van een weg, het niet de bedoeling is om over die weg (en die persoon) te rijden.
In beide gevallen zitten we er naast.
Opmerking
Pas op voor containerbegrippen
Marvin Minsky, een cognitiewetenschapper en één van de grootste pioniers op het gebied van AI, muntte het woord “suitcase word” om termen mee aan te duiden die legio verschillende betekenissen oproepen, zelfs als we er maar één bedoelen. In het Nederlands hebben we het dan over een containerbegrip. Het gebruik van dergelijke begrippen vergroot het risico op verkeerde interpretaties, zoals hierboven.
Het is belangrijk te beseffen dat intelligentie niet één enkele dimensie is, zoals temperatuur. We kunnen de temperatuur van vandaag vergelijken met die van gisteren, of de temperatuur in Helsinki met die in Rome en vaststellen welke temperatuur het hoogst en welke het laagst is. We zijn zelfs geneigd te denken dat het mogelijk is om mensen naar intelligentie te rangschikken – precies wat het intelligentiequotiënt (IQ) geacht wordt te doen. Bij AI is het echter duidelijk dat verschillende AI-systemen wat hun intelligentie betreft niet op een en dezelfde schaal vergeleken kunnen worden. Is een schakend algoritme intelligenter dan een spamfilter of is een systeem voor muzieksuggesties intelligenter dan een zelfrijdende auto? Dergelijke vragen zijn zinloos, omdat artificiële intelligentie taakspecifiek is (aan het eind van dit hoofdstuk komen we terug op de betekenis van “taakspecifieke AI”): het vermogen om het ene probleem op te lossen zegt niets over het vermogen om een ander, verschillend probleem op te lossen.
Waarom je wel “een beetje AI” maar niet “een AI” kunt zeggen
AI versus niet-AI is geen dichotome indeling: hoewel sommige methoden duidelijk wel en andere duidelijk niet AI zijn, zijn er ook methoden waaraan er een beetje AI is toegevoegd, zoals een snufje zout in het eten. Om die reden is het soms beter te spreken over de “mate van AI” (net als bij geluk of coolheid) in plaats van te twisten over de vraag of iets nu wel of geen AI is.
Opmerking
“AI” is geen telbaar zelfstandig naamwoord
Als we over AI spreken, achten wij het niet raadzaam om AI als een telbaar zelfstandig naamwoord te gebruiken: één AI, twee AI’s, enzovoort. AI is een wetenschappelijke discipline, net als wiskunde en biologie. Dit houdt in dat AI een verzameling begrippen, problemen en methoden voor het oplossen van die problemen is.
Omdat AI een discipline is, kun je niet “een AI” zeggen. We spreken immers ook niet over “een biologie”. Dit punt wordt ook heel duidelijk als je bijvoorbeeld iets probeert te zeggen als: “we hebben meer artificiële intelligenties nodig”. Dat klinkt toch raar? (in onze oren in ieder geval wel.)
Ondanks onze bezwaren, wordt AI veelvuldig als telbaar zelfstandig naamwoord gebruikt. Neem bijvoorbeeld de kop Dankzij gegevens van wearables leerde een AI symptomen van diabetes herkennen (origineel: Data from wearables helped teach an AI to spot signs of diabetes) – op zichzelf een prima kop, want het belang van gegevens wordt benadrukt en hij maakt duidelijk dat het systeem alleen symptomen van diabetes kan constateren en geen diagnose kan stellen of een behandeling kan bepalen. En je moet sowieso nooit een zin gebruiken als artificiële intelligentie van Google heeft een AI gebouwd die alle door de mens gemaakte AI’s achter zich laat (origineel: Google’s artificial intelligence built an AI that outperforms any made by humans), wat één van de meest misleidende koppen over AI is die wij ooit zijn tegengekomen (let wel: Google Research is niet verantwoordelijk voor deze kop).
Als wat verteld wordt verder logisch is, is het natuurlijk niet zo’n punt om AI als telbaar zelfstandig naamwoord te gebruiken, maar wil je als een professional klinken, spreek dan niet over “een AI” maar over “een AI-methode”.