Wat is AI eigenlijk?
Je hoort de laatste tijd veel over kunstmatige intelligentie, ook wel Artificial Intelligence (AI) genoemd. Zo zorgde Elon Musk laatst voor aardig wat ophef met zijn omstreden bedrijf Neuralink, waarmee hij de band tussen mens en kunstmatige intelligentie nauwer wil maken. Zeer dunne draden met elektroden zouden in het menselijk brein geïmplanteerd moeten worden om zo bijvoorbeeld protheses aan te sturen.
Een ander voorbeeld heeft zich begin dit jaar afgespeeld. Google kreeg het met zijn Google Deepmind programma voor elkaar om een kunstmatig intelligent systeem het computerspel Starcraft II te winnen van een professionele speler, wat geen gemakkelijke opgave is. Volgens de Nederlandse AI Coalitie moet er ook in Nederland meer geïnvesteerd worden in kunstmatige intelligentie, om niet achter te blijven op de ontwikkelingen in het buitenland. Het moge duidelijk zijn dat kunstmatige intelligentie hip and happening is, maar wat is het nou eigenlijk?
Kunstmatige Intelligentie, wat is dat nou?
Kunstmatige intelligentie of Artificial Intelligence (AI) heeft vaak meerdere omschrijvingen. Dit komt omdat niet iedereen het eens is over wat de definitie moet zijn. Een omschrijving die tegenwoordig veel gebruikt wordt luidt:
Kunstmatige intelligentie of Artificial Intelligence omvat computersystemen die taken kunnen uitvoeren waarvoor normaal gesproken menselijke intelligentie nodig is.
Toch kan die definitie verschillende vragen oproepen, want wanneer is iets kunstmatig? Of wanneer spreken wij van intelligentie? Toen Alan Turing zijn calculus machine, de eerste echte rekenmachine de wereld in hielp, werd dat als buitengewoon geniaal gezien. Tegenwoordig moet een computer eerst een potje schaak winnen om hetzelfde effect te krijgen. Maar het winnen van een potje schaak zonder dat iemand voor zegt wat de computer moet doen, lijkt toch wel erg veel op intelligentie, nietwaar? Dit zelflerende aspect van een AI systeem verschilt dan ook van assemblages aan de lopende band in een fabriek, waar robots, voorgeprogrammeerde commando’s uitvoeren.
Zonder data en rekenkracht, geen AI
Om een ingewikkelde taak uit te voeren, en zo de indruk van intelligentie te wekken, moeten grote hoeveelheden data door de computer verwerkt worden. Het gaat hierbij om ontelbare berekening. Tienduizenden per seconde.
Onder de motorkap is AI namelijk geen magie maar eerder te vergelijken met een schoolvak waar je vroeger een hekel aan had, omdat het in jouw ogen ingewikkeld was.
Huidige AI algoritmes worden op grote hoeveelheden data getraind, waarin ze zoeken naar patronen in de verkregen informatie om de gang van toekomstige situaties te voorspellen. De basis van de algoritmes die gebruikt worden voor AI bestaat al sinds de jaren 40. Toen was het al slim bedacht, maar was het nog niet toepasbaar. Want wat AI-systemen zo effectief maken, zijn niet alleen de algoritmes erachter, maar ook de grote hoeveelheden data waardoor ze gevoed worden. Daarnaast zijn computers tegenwoordig ook krachtig genoeg om die enorme hoeveelheden data te verwerken.
Machine learning
Wanneer er gesproken wordt van AI, dan draait het vaak om een systeem dat gebruik maakt van de techniek machine learning. Machine learning is het gebruik van algoritmes en statistische modellen om een machine een bepaalde taak uit te laten voeren zonder dat er expliciete regels worden opgesteld.
Stel dat een computer een tekening van een kat zou moeten leren herkennen. Een aantal regels voor het herkennen van een kat zou kunnen zijn dat het haar heeft, vier poten en een staart. Helaas zijn dit soort regels niet genoeg om een duidelijke conclusie te trekken. Er zijn namelijk genoeg andere dieren die aan deze regels voldoen. Als kind leer je het onderscheid gemakkelijk te maken. Maar een computer kan dit alleen met behulp van machine learning, wat het mogelijk maakt om zelf, aan de hand van vele voorbeelden, te bepalen wat een kat nou een kat maakt.
The circle of (artificial) life
Een machine learning systeem heeft grote hoeveelheden data nodig om van te leren. Deze data wordt eerst gecontroleerd en zo nodig aangevuld door de maker van de AI. Om een tekening van een kat te leren herkennen, moet er in de data eerst aangegeven worden wat een kat is. De betreffende data moet worden gelabeld als kat. Hierna gaat de AI leren van de data. Patronen worden ontdekt en opgeslagen om later bijvoorbeeld een kat van een konijn te kunnen onderscheiden. Zodra de training klaar is en alle mogelijke patronen zijn gevonden, wordt het in gebruik genomen.
Een voorbeeld hiervan is het spelletje Quickdraw van Google. Deze probeert jouw tekening te definiëren na getraind te zijn op data van verschillende tekeningen van mensen over de hele wereld. Ook de tekeningen die je nu kunt maken worden opgeslagen en gelabeld. Hier kan de AI weer van leren en zo begint de cyclus opnieuw.
Alles draait om leren
Net als een kind dat voor het eerst moet leren wat een kat precies is, moet een AI dat dus ook. Er zijn drie gangbare manieren om AI systemen te trainen.
Supervised learning
De eerste manier is supervised learning, ofwel leren onder toezicht. Tijdens dit leerprocess weet een persoon (of denkt te weten), wat de correcte uitkomst moet zijn en presenteert die aan het AI systeem. Hier komt het er eigenlijk op neer dat je het AI systeem leert het met jou eens te zijn.
Unsupervised learning
De tweede manier van leren is, unsupervised learning. Tijdens dit proces moet het AI systeem het antwoord voor zichzelf proberen te vinden, door patronen en verbanden in grote hoeveelheden data te ontdekken.
Reinforcement learning
Tot slot is er reinforcement learning, ofwel het versterkte leren. Een mooi en bekend voorbeeld is het AI systeem van Google dat na verloop van tijd het relatief moeilijke Atari spel ‘Montezuma’s Revenge’ zonder problemen kon uitspelen. Tijdens het leren van dit spel kende het AI systeem de regels niet. Het systeem wist zelfs niet hoe het aan punten kon komen. Toch kon het AI systeem het spel uiteindelijk leren uit te spelen, met een beetje hulp van iets waar wij allen wel bekend mee zijn, namelijk: nieuwsgierigheid. Door het AI systeem te belonen met punten wanneer het tijdens het spel in gebieden kwam waar het nog nooit was geweest, leerde het systeem na vele pogingen obstakels te ontwijken en verder in het spel te komen
Hoe goed werkt AI?
Hoewel er door de jaren heen veel ontwikkelingen zijn geweest op het gebied van AI, heeft de mensheid het tot op heden nog niet voor elkaar gekregen om een AI systeem te maken dat voldoet aan de term artificial general intelligence, ook wel sterke AI genoemd.
Sterke AI
Sterke AI staat voor de intelligentie van een machine die de capaciteit heeft om elke intellectuele taak die een mens kan uitvoeren, zelf ook te leren en te begrijpen. Dit doet erg denken aan alle slimme, bijna menselijke robots die we in populaire science fiction filmszien. Sterke AI wordt ook vaak gezien als de heilige graal op het gebied van artificial intelligence.
Zwakke AI
Wat we tot nu toe wel voor elkaar hebben gekregen waar we ook al aardig goed in zijn geworden, is AI-systemen ontwikkelen die goed zijn in het uitvoeren van een enkele, specifieke taak. Dit wordt ook wel zwakke of nauwe AI genoemd. Een voorbeeld hiervan is het systeem dat het Atari spel Montezuma’s Revenge wist uit te spelen. Het systeem werd een meester in het spelen van Montezuma’s Revenge. Toch valt de betreffende AI nog steeds onder het zogeheten zwakke AI, want hoe goed het systeem ook is in die ene taak, het blijft de enige taak wat het kan uitvoeren.