Wat is kunstmatige intelligentie en machine learning?
1 juni 2016 -
Kunstmatige intelligentie en machine learning zijn dankbare onderwerpen voor talloze analyses, whitepapers en blogs. Het zijn echter meer dan wat holle buzzwords: ze zetten wetenschap, business en industrie op hun kop. Maar de begrippen roepen ook vragen en verwarring op.
Want wat bedoelen we er nu eigenlijk mee? En wat zijn de verschillen? Stephen Chadwick van Dassault Systèmes geeft uitleg. Allereerst kunstmatige intelligentie. Dat is eigenlijk niets anders dan het nabootsen van menselijk denkvermogen in een machine. Dankzij ingewikkelde als-dan-schema's en wiskundige formules kunnen we computers laten denken als een mens. Zodat ze taken kunnen uitvoeren die ons te veel tijd kosten, of de menselijke capaciteit te boven gaan.
Verbanden leggen
"Vooral voor die laatste groep taken is AI waardevol," geeft Chadwick aan. "Kunstmatige intelligente ziet verbanden in de steeds ingewikkeldere wereld om ons heen. Mensen zijn namelijk niet altijd in staat verbanden te leggen, zeker niet wanneer deze niet direct voor de hand liggen." En dat is enorm waardevol voor de business. Zeker omdat die tegenwoordig beschikt over enorme hoeveelheden data. Data die lang niet altijd aan elkaar gelinkt kunnen worden. Denk aan CRM-systemen, verkoopcijfers, ongestructureerde data en social media. De hoeveelheid data is voor ons mensen niet te overzien, laat staan dat we verbanden kunnen zien.
Kunstmatige intelligentie kan dat wel. Volgens een hardnekkig gerucht deed de Amerikaanse winkelreus Wal-Mart al jaren geleden een opmerkelijke vondst met behulp van AI. Via een algoritme kwamen ze erachter dat mannen tussen de 30 en 40 jaar die op vrijdagavond luiers kopen, ook vaak bier in hun winkelwagen leggen. Wal-Mart plaatste vervolgen het bier naast de luiers, en de verkoop van beide steeg met 35 procent. Kunstmatige intelligentie blijkt dus in staat verbanden te leggen die vanwege de menselijke beperkingen onzichtbaar zouden blijven. Hoewel het gerucht nooit is bevestigd, geeft het aan waartoe kunstmatige intelligentie in staat is.
Bovenstaand voorbeeld is slechts het topje van de ijsberg en alweer enkele jaren oud. "Intussen hebben dergelijke algoritmes zich veel verder ontwikkeld," zegt Chadwick. Moderne voorbeelden van AI vinden we onder meer bij Google. Hun personal assistant Google Now waarschuwt ons wat eerder te vertrekken naar een afspraak vanwege druk verkeer of een file. Het combineert real-time verkeersdata met gegevens uit uw persoonlijke agenda. En legt daartussen een verband met veel praktische waarde.
AGI: een stap verder
Het klinkt bijna menselijk, maar dit is 'slechts' het werk van twee gecombineerde algoritmen: een die in de agenda kijkt voor het bepalen van de afstand naar de afspraak en een die het verkeer monitort en de invloed daarvan doorgeeft aan de andere AI. "Kunstmatige intelligentie kan echter nog veel verder gaan. 'Gewone' kunstmatige intelligentie moeten we een handje helpen. We moeten het voorzien van input: in het voorbeeld van Google Now zijn dat de afspraken in onze agenda en drukte in het verkeer. Maar als die input slechts bestaat uit de opgegeven taak en de robot vervolgens geheel zelfstandig het probleem kan oplossen, dan begeven we ons op het terrein van Artifical General Intelligence (AGI)," legt Chadwick uit.
Een bekend voorbeeld om AGI te illustreren is de 'koffietest'. De hypothese luidt dat een robot met een goed ontwikkelde AGI voldoende zou moeten hebben aan de opdracht 'zet een kop koffie'. Deze moet de robot vervolgens in ieder willekeurige woning kunnen uitvoeren. Hij moet zelfstandig de benodigde spullen zoals een koffiezetapparaat en een kopje kunnen vinden. "Vanuit het perspectief van business, zou een robot met AGI-intelligentie bijvoorbeeld uit een enorme berg marktgegevens zelf nieuwe businessplannen moeten kunnen ontwikkelen," aldus Chadwick.
AGI als overtreffende trap
Op dit moment zijn robots of algoritmen voor AGI nog toekomstmuziek. Toch is AGI niet het eindstation. Een kop koffie zetten in een willekeurig huis kan een mens ook, net als het bedenken van een businessmodel. Er bestaat dan ook nog een overtreffende trap: Artifical Superintelligence (ASI). "Dit is kunstmatige intelligentie die veel verder reikt dan het menselijke denkvermogen," geeft Chadwick aan. "Robots met AGI zijn niet alleen op cognitief, maar ook op sociaal gebied superieur aan de mens. Een volgens sommigen gevaarlijke situatie en dankbaar voer voor science fiction-films en -literatuur. Volgens futurologen zal ASI niet lang na AGI ontstaan."
Machine learning: niet hetzelfde
Machine learning is tegenwoordig een veel gebezigde term, zeker in relatie tot kunstmatige intelligentie. Het is echter niet helemaal hetzelfde, volgens Chadwick: "Machine learning gaat letterlijk uit van een leerproces, van voortschrijdend inzicht. Met machine learning doelen we op een kunstmatige intelligentie die na verloop van tijd steeds beter in staat is een taak uit te voeren of verbanden te leggen. Het systeem vergaart daarbij inzichten en hanteert methoden die niet van tevoren door een programmeur vastgelegd zijn."
Een sprekend voorbeeld vinden we bij Google. Het bedrijf traint momenteel hun dienst Google Photos in het herkennen van bezienswaardigheden op foto’s en de mate waarin foto’s ‘goed gelukt’ zijn. In het begin van het leerproces is het afhankelijk van menselijke input, maar gaandeweg die data groeien is het steeds beter zelf in staat objecten te herkennen. Google Photos maakt daarbij gebruik van zogeheten neurale netwerken. Dat zijn netwerken van enorm krachtige computers die leren via abstracte denkprocessen. Deze processen zijn vergelijkbaar met de manier waarop het menselijk brein leert.
DeepMind
Een ander goed voorbeeld is deze video, waarin Google’s kunstmatige intelligentie-systeem ‘DeepMind’ een ogenschijnlijk eenvoudig spelletje speelt. Het moet daarbij een muur van blokjes afbreken door middel van het terugkaatsen van een balletje. In het begin gaat dit allesbehalve vlekkeloos, maar op een gegeven moment krijgt het systeem het spel door. Na 240 minuten training ontdekt het een ‘truc’: door het creëren van een opening aan de zijkant kan het balletje bovenop de muur terechtkomen, waar het in een keer de hele muur verwijdert.
Kansen voor business
"Ook machine learning biedt enorm potentieel voor de business," zegt Chadwick. "Voor marketing bijvoorbeeld. Een machine learning-systeem van een onlinewarenhuis zou in kaart kunnen brengen welke producten aanstaande ouders doorgaans aanschaffen. En in dat aankoopgedrag na enige tijd patronen herkennen. Zo’n systeem zou vervolgens volautomatisch aan aanstaande ouders de juiste producten kunnen aanbieden als ‘aanbevolen product’ in de webwinkel. Hierdoor is de kans groter dat deze aanbevolen producten ook daadwerkelijk aansluiten bij de behoefte. Dat stimuleert de verkoop."
Ook in industriële omgevingen toont machine learning zijn waarde. Het Internet of Things speelt vooral in de maakindustrie een steeds grotere rol. Sensoren brengen het productieproces nauwgezet in kaart. Door op die data patroonherkenning los te laten, kunnen fabrikanten processen efficiënter inrichten. Of robots inzetten die dankzij machine learning hun taken autonoom kunnen uitvoeren. En zich zonder menselijke interventie aanpassen aan wisselende omstandigheden.
Chadwick besluit: "De komende twintig jaar gaan kunstmatige intelligentie en machine learning ongetwijfeld voor talloze doorbraken zorgen. In de enorme bergen data liggen veel waardevolle inzichten verborgen. Want de mens kan dan misschien geen speld in een hooiberg vinden, intelligente machines kunnen dat wel."
Interessant artikel, leuk idee dat je een machine nog wat kan aanleren. Machines kunnen sneller handelen door overtollig nadenk werk die een mens moet doen alleen moet er wel een beperking in het functioneren en leren van een machine zijn. Net al hoe we het doen bij de dieren we geven ze bewegingsruimte maar niet te veel omdat vele super gevaarlijk voor ons zijn. Alleen heeft een dier emotie en een machine niet en daar zit er dan weer een ander verschil in. Goed idee! Alleen wel beperkt houden.
