‘Kunstmatige intelligentie’ is een term die spannend en hightech klinkt, maar het probleem is ook dat het van alles kan betekenen. Roepen dat je bedrijf iets doet met kunstmatige intelligentie – ook wel KI, artificiële intelligentie of AI – is net zoiets als zeggen dat je in de automotive industrie zit: het klinkt lekker, maar het maakt niet duidelijk of je zelfrijdende auto’s ontwikkelt of dat je een modderige sloperij runt.
Toch is de opwinding over artificiële intelligentie (AI) en machine learning (ML) zeker niet onterecht. Want wat er allemaal met die technieken mogelijk is, ontwikkelt zich in hoog tempo, zeker als je bedenkt dat er al sinds de jaren vijftig van de vorige eeuw aan wordt gewerkt. De wetenschap had toen net ontdekt dat ons brein werkt met netwerken van neuronen. Psychologen, linguïsten en informatici begonnen zich af te vragen of het niet mogelijk was de werking van het menselijk brein na te bootsen met machines.
Het startpunt was de vraag die wiskundige en computerpionier Alan Turing eind jaren veertig stelde: ‘Kunnen computers denken?’ Het antwoord op die vraag is nog steeds niet gevonden. Wat het lastig maakt, is dat niet duidelijk is wat intelligentie precies is. Mensen met een IQ van 132 kunnen niet per se alles goed, en mensen die ontzettend goed zijn in bijvoorbeeld rekenen, kunnen tegelijkertijd heel slecht zijn in het onthouden van namen. Turings vraag was weliswaar het beginpunt voor de eerste AI-onderzoekers, maar inmiddels is die vraag niet meer zo relevant. ‘De vraag of machines kunnen denken is ongeveer net zo relevant als de vraag of een duikboot kan zwemmen’, aldus de bekende Nederlandse computerwetenschapper Edsger Wybe Dijkstra. Aan hem hebben we onder meer het algoritme te danken waarmee praktisch alle routenavigatiesystemen werken. De vraag is overbodig, vond Dijkstra, omdat we ons gewoon in computers en hun mogelijkheden kunnen verdiepen zonder te weten wat we onder ‘denken’ moeten verstaan.
In de zoektocht naar serieuze kunstmatige intelligentie heeft de vergelijking met menselijke intelligentie wel steeds opnieuw voor flinke teleurstellingen gezorgd. Het onderzoek heeft steeds hetzelfde patroon gevolgd: een paar mensen zijn veel te optimistisch over wat er mogelijk zal zijn, investeerders en overheden worden daar wild enthousiast over, vervolgens vallen de resultaten tegen en daardoor drogen de budgetten op, totdat er toch weer nieuwe ontwikkelingen zijn waardoor de cyclus opnieuw begint. Voor de magere tijden is zelfs een woord bedacht: AI-winter, en de Wikipedia-pagina die alle AI-winters opsomt, is indrukwekkend lang.
AI-zomer
Kunstmatige intelligentie begon met programma’s die voor mensen destijds verbluffend waren. Niemand had ooit verwacht dat computers verder zouden gaan dan simpel rekenwerk, maar in de jaren zestig bleek ineens dat ze meetkundige stellingen konden bewijzen en Engelse zinnen konden leren. In de jaren zeventig en tachtig waren expert systems de eerste succesvolle vorm van AI. De apparaten werden gevuld met een database vol bedrijfsgegevens en beslisregels en konden zo helpen bij van alles, van medische diagnoses tot het monitoren van de veiligheid van waterdammen. Voordat computerbedrijf DEC in 1980 zijn expert system XCON neerzette, moesten klanten elk kabeltje en elk stukje software apart bestellen. In 1986 bespaarde het bedrijf dankzij het nieuwe systeem 40 miljoen dollar per jaar door snellere assemblage, minder foute leveringen en meer tevreden klanten.
Maar hoe succesvol en intelligent zulke systemen ook waren, ze moesten nog steeds vooraf voorgeschreven krijgen wat ze moesten denken. De XCON bijvoorbeeld bevatte 2.500 regels. Daar kwam verandering in toen er grote stappen werden gezet in de computerwetenschap en in de productie van hardware. Daardoor is het nu weer hoogzomer in de AI. Iedereen heeft het erover en net als bij alle voorgaande AI-zomers zijn er mensen die zeggen dat we zeer binnenkort computers en robots zullen ontmoeten die slimmer zijn dan mensen.
Computers zijn eindelijk krachtig genoeg geworden om de elektrische dromen van de computerwetenschappers te kunnen realiseren. Toegenomen rekenkracht en goedkope opslagruimte zorgen ervoor dat computers grote hoeveelheden data kunnen analyseren. De grote revolutie die zich daardoor nu kan voltrekken, is dat we computers niet langer behandelen als een blinde machine die vooral goed kan optellen en aftrekken, maar als een intelligent apparaat waar we meer algemene vragen aan kunnen stellen – of die zelfs vragen kan beantwoorden die niet per se van tevoren gesteld worden.
Het hele artikel over AI, Machine Learning en Deep Learning lees je in het nieuwe nummer van MT, dat in het teken staat van data.
