Zijn er dan toch limieten aan AI?

Artificiële Intelligentie (AI) is veel in het nieuws. Er gaat geen dag voorbij of we lezen over nieuwe toepassingen, start-ups, en gigantische investeringen van bedrijven als Facebook, Google, Amazon, IBM en Microsoft. Maar we lezen ook dat leidinggevende mensen als Bill Gates, Stephen Hawking en Elon Musk waarschuwen voor de gevaren van AI. Hoe zit dat nu juist? Om te beginnen wil ik drie misverstanden uit de wereld helpen.

“Blijf menselijke intelligentie koesteren en geef het kansen om zich te ontplooien. Lees opiniestuk Luc Steels @nrclive”
Tweet this!

Het eerste misverstand: Sommige mensen denken dat AI een stof of kracht is die magische eigenschappen rondom intelligentie bezit en die, eens geactiveerd, zelfstandig leert en problemen oplost. Dit is niet zo. AI is een verzameling van (software) methoden en technieken waarmee informatiesystemen kunnen worden gebouwd die taken aankunnen waarvan men over het algemeen aanneemt dat ze intelligentie vereisen: een planning maken bijvoorbeeld of taal begrijpen, een auto besturen, of modellen maken en op grond daarvan voorspellingen doen.

Sommige mensen denken dat AI een stof of kracht is die magische eigenschappen rondom intelligentie bezit en die, eens geactiveerd, zelfstandig leert en problemen oplost. Dit is niet zo.

Een tweede misverstand is dat AI op zichzelf zou kunnen bestaan. In elke toepassing is AI een software-onderdeel dat onderdelen uit andere technologieën verbindt en aanstuurt. Onderdelen uit de telecommunicatie, de computertechnologie, sensoren en motoren. De toevoeging van AI heeft wel dermate effect op het systeem, dat we het intelligent vinden. Maar intelligentie is ook een kwestie van gradatie en het is niet altijd mogelijk om te zeggen wanneer een systeem echt intelligent is of niet. Bovendien verschuiven de grenzen. Wat we vandaag wonderbaarlijk en intelligent vinden is morgen gewoon. Vaak ontluistert men dan een AI systeem al snel als ‘niet écht intelligent’.

Wat we vandaag wonderbaarlijk en intelligent vinden is morgen gewoon.

Een derde misverstand is dat AI en robotica min of meer hetzelfde zouden zijn. Natuurlijk is AI relevant bij robotica, alhoewel in de meeste robots vandaag de dag vrijwel geen AI wordt gebruikt. De robotica is maar één van de toepassingsgebieden van AI en zeker niet het belangrijkste. Het belangrijkste toepassingsgebied op dit ogenblik zijn de zoekmotoren voor het World Wide Web, de mechanismen achter sociale media, en  ‘agents’ zoals SIRI, Alexa, Cortana, of Google Assistant, waarmee toestellen via ‘voice control’ kunnen worden aangestuurd. Er zijn ook ‘service agents’ om reizen te regelen of je pensioen te berekenen, en chatbots. Ook de rol van AI in de analyse van grote hoeveelheden gegevens (big data analysis) maakt op dit moment een ongelooflijke opgang. Deze AI systemen analyseren bijvoorbeeld verkoop- en klantgegevens en leiden hieruit af welke verkoop-, inkoop- of reklamestrategieën het meest succesvol zijn.

De robotica is maar één van de toepassingsgebieden van AI en zeker niet het belangrijkste.

De ontwikkeling van AI is begonnen in de jaren vijftig, heeft een aantal cycli doorgemaakt van perioden met hoge verwachtingen, beloften, enthousiasme en investeringspieken, gevolgd door perioden met kritiek en twijfel. Waarom is er nu opnieuw zo’n golf van enthousiasme? Dat heeft voor een groot deel te maken met de toepasbaarheid van Deep Learning. Deep Learning berust op een algoritme waarmee in een grote verzameling van gegevens patronen worden herkend en omgezet in een beslissingssysteem. Zo’n systeem kan bijvoorbeeld uit een grote verzameling menselijke beslissingen omtrent verzekeringen (of iemand verzekerd kan worden, of een schadeclaim aanvaard wordt, hoe hoog de uitbetaling moet zijn, etc.), beslispatronen destilleren en dan voor vergelijkbare gevallen overeenkomstige beslissingen produceren.

Deep Learning berust op een algoritme waarmee in een grote verzameling van gegevens patronen worden herkend en omgezet in een beslissingssysteem

Het is hierbij niet nodig om eerst de menselijke expertise in kaart te brengen en om te zetten in een computerprogramma. Grote hoeveelheden data, bestaande uit de feiten en de beslissingen die de mens daarover heeft genomen, zijn voldoende. Dit bespaart enorm veel tijd en energie, en menselijke experts kunnen vaak ook niet zo goed uitleggen hoe ze tot een beslissing zijn gekomen. Ze verwijzen dan naar een buikgevoel of intuïtie gebaseerd op heel veel ervaring. Het is juist deze vorm van kennis die Deep Learning dan lijkt op te pikken.

Het is ook belangrijk om de limieten van Deep Learning goed in de gaten te houden

Is daarmee kunstmatige intellligentie op het niveau van de mens binnen handbereik? Nee. Het is ook belangrijk om de limieten van Deep Learning goed in de gaten te houden. Ten eerste moet de juiste data in de juiste vorm beschikbaar zijn. Deep Learning systemen ‘leren’ van data waarin niet alleen intuïtie maar ook modellen zijn gebruikt door de mens en waarin de bredere context is betrokken bij een beslissing. Dit impliceert dat er eerst mensen moeten zijn die deze data produceren. En deze data moeten gevalideerd zijn. Ten tweede is het resultaat van Deep Learning een gigantisch netwerk van knopen en gewogen verbindingen tussen die knopen die weliswaar het probleem oplossen maar die tegelijk een ‘zwarte doos’ zijn: een beslisproces dat niet of nauwelijks nog is te begrijpen in termen van onze eigen menseliijke concepten en redeneerstappen.  Als we verwachten van een AI systeem dat het kan verklaren hoe het tot een beslissing kwam, wat in vele juridische, medische en sociale domeinen toch echt noodzakelijk is, dan is er een probleem. Rede te meer om de menselijke intelligentie te blijven koesteren en kansen te geven om zich te ontplooien.


Luc is een pionier op het gebied van van kunstmatige intelligentie, en leverde belangrijke bijdragen aan de ontwikkeling van onder meer visie, gedrag en taal van slimme machines. Hij is Research Professor aan het ‘Institute for Advanced Studies of Catalonia’ (ICREA) en professor Computer Science aan de Vrije Universiteit Brussel, waar hij het Artificial Intelligence Lab oprichtte. Ook was hij oprichter en eerste directeur van het Sony Computer Science Laboratory in Parijs.


Impact Robotisering 2017

Wat zijn de businesskansen van slimme machines? Laat je volledig informeren door Luc en vele andere topsprekers op 12 oktober 2017 tijdens Impact Robotisering van NRC Live.

Bekijk het programma

Blijf op de hoogte!

Blijf op de hoogte!

Wil je op de hoogte blijven van toekomstige NRC Live events? Schrijf je dan in voor onze nieuwsbrief!

Suggesties voor een spreker?

Suggesties voor een spreker?

Ken jij iemand die goed zou kunnen spreken op een van onze events? Stel dan een spreker aan ons voor!