Hoe voeden we kunstmatige intelligentie op?

– 6 minuten leestijd –


Jochem is oprichter en creatief directeur van Borges.xyz, een web-applicatie waarmee het voor iedereen makkelijker wordt om 3D objecten te maken voor 3D printing door ze te vinden in de bibliotheek van alle mogelijke 3D modellen. Voorheen maakte hij de game StyleClash (voor iPad), en zijn computergegenereerd 3D tekenmachines zijn o.a. opgenomen in de collecties van het Stedelijk Museum Amsterdam en het Teylers Museum in Haarlem.


Kunstmatige neurale netwerken zijn eenvoudig om de tuin te leiden. Dat is de titel van een recent wetenschappelijk onderzoek waarin wordt aangetoond dat computerprogramma’s die auto’s en gezichten beter en sneller kunnen herkennen dan mensen, toch soms met 99.9% zekerheid zeggen dat een paaltje in de sneeuw eigenlijk een ons tegemoetrijdende vrachtwagen is of andersom. Een rij van zwarte en gele strepen? Da’s onmiskenbaar een schoolbus.

“Kunstmatige neurale netwerken zijn eenvoudig om de tuin te leiden.”

De Tesla waarin het eerste dodelijke passief-rijdende slachtoffer viel maakte waarschijnlijk zo’n “fout”. De computer aan boord van de auto maakte het zelf niks uit of hij nou op de weg bleef of dat hij zich achterin een vrachtwagen boorde. Het zou beide situaties met dezelfde overtuiging hebben uitgevoerd.

De belevingswereld van ai
Autofabrikanten en andere proponenten van automatisch rijden zullen tegenwerpen dat ze in hun software onderscheid maken tussen op de weg blijven en tegen een betonnen muur rijden, en dat de auto dus in zekere zin “weet” dat voor de passagiers het eerste een beter idee is dan het laatste. Bovengenoemd onderzoek laat zien dat er heel veel interpretaties van de werkelijkheid zijn die voor machines heel overtuigend zijn, maar die door ons niet of nauwelijks herkend worden.

De belevingswereld van een kunstmatig intelligent systeem is heel anders dan die van ons. Dat is op zich geen probleem, en het is heel goed mogelijk dat de software inderdaad zo betrouwbaar gemaakt kan worden dat het aantal keren dat het misgaat, opweegt tegen de toegenomen veiligheid, omdat menselijke neurale netwerken natuurlijk ook om de tuin geleid worden of in de war raken.

Het wordt interessant als we kunstmatige systemen een bredere intelligentie proberen aan te leren. Daarvoor zullen allerlei afzonderlijke technieken met elkaar in verband moeten worden gebracht. Om bijvoorbeeld een robot te maken die het huishouden kan doen, moet hij door een huis kunnen navigeren, maar ook ingrediënten voor de lunch kunnen herkennen en combineren, liefst op een verrassende manier. Op een “verrassende” manier door het huis of de nabije omgeving rijden is daarentegen een minder goed idee.

“Het wordt interessant als we kunstmatige systemen een bredere intelligentie proberen aan te leren.”

 

Onbekend terrein
Hoe zulke systemen samenwerken en hoe afwegingen gemaakt worden op basis van verschillende datastromen is onderwerp van actief onderzoek, maar hoe dat alles samenwerkt om een algemene kunstmatige intelligentie of zelfs bewustzijn te laten ontstaan is nog goeddeels onbekend terrein. Duidelijk is wel dat als we ooit in staat zijn om machines te maken die overtuigend aan ons kunnen aantonen dat ze zelfbewust zijn, deze niet uit één algoritme of alomvattende formule zullen bestaan, maar uit een netwerk van berekeningen en gegevens die voortdurend veranderen.

Die veranderingen kunnen gedreven worden vanuit het kunstmatige brein, maar komen ook vanuit de omgeving die onder andere verandert door de berekeningen en handelingen van de machine zelf. Zulke systemen waarin de uitvoer ook weer de invoer vormt, zijn notoir lastig door te rekenen en te voorspellen. Denk aan de complexe computertekeningen van fractals of aan klimaat- en weersystemen.

“Machines die overtuigend aan ons kunnen aantonen dat ze zelfbewust zijn, zullen niet uit één algoritme of alomvattende formule bestaan.”

De huidige situatie waarin voorspeld wordt dat het hele scala aan kunstmatig intelligente systemen voor specifieke doelen op korte termijn zal leiden tot een algemene kunstmatige intelligentie, lijkt enigszins op de situatie in 2000 toen aangekondigd werd dat het hele genetische genoom van de mens in kaart was gebracht. Men had hooggespannen verwachtingen van de consequenties hiervan, maar al snel bleek dat situatie heel veel ingewikkelder dan men dacht. DNA is weliswaar de informatiedrager van alle organismen, maar hoe die informatie is opgeslagen en wordt verwerkt lijkt meer op de programmeertaal Malbolge, vernoemd naar de achtste ring van de hel in Dante’s Inferno, dan op de encyclopedie waarop was gehoopt.

“Hoe DNA-informatie wordt verwerkt lijkt meer op de programmeertaal Malbolge, vernoemd naar de achtste ring van de hel in Dante’s Inferno.”

 

Het echte werk moet nog beginnen
Het is niet zo dat één gen codeert voor één eigenschap en de zaak blijkt veel complexer in elkaar te zitten. Het echte werk moest daarom nog beginnen en behelst het uitpluizen van duizenden onderlinge verbanden tussen genen die worden aan- en uitgeschakeld, of slechts ten dele of achterstevoren worden gelezen, afhankelijk van de toestand waarin het organisme zich bevindt. Deze dynamische vervlechting van omgeving, gegevens en machinerie maakt het verschrikkelijk lastig om te onderzoeken wat er nu precies wanneer gebeurt en wat de oorzaken en gevolgen zijn van de biologische processen in de cel.

Het is interessant dat de werking van het brein op zo’n zelfde manier in elkaar lijkt te steken. Veel onderdelen van het brein zijn zo plastisch of ‘vervormbaar’ dat gebieden die uitvallen door hersenletsel worden overgenomen door andere delen die daarvóór een heel andere functie vervulden. Daarbij is het geheugen dat is opgeslagen in het brein vervlochten met het netwerk van functies die deels via de omgeving, deels via het brein zelf weer van invloed zijn op het leerproces en de vorming van datzelfde geheugen.

“Eén discipline waarin de terugkoppeling van de omgeving naar een al dan niet kunstmatig brein belangrijk is, is het maken van kunst.”

 

Artificiële kunst
Eén discipline waarin de terugkoppeling van de omgeving naar een al dan niet kunstmatig brein in het bijzonder belangrijk is, is het maken van kunst. Pogingen om artificiële kunst te maken zijn zeker ondernomen, maar komen in de beeldende kunst niet verder dan het maken van een “gemiddelde” Rembrandt zoals bij “The Next Rembrandt”, of leidden tot een vreemdsoortige softwarematige schilder die heel goed mensen met planten kan tekenen zoals AARON van de Amerikaanse kunstenaar Harold Cohen.

Een andere aanpak had de Nederlandse kunstenaar en wetenschapper Remko Scha met zijn programma “Artificial” dat in de jaren tachtig de ruimte van alle mogelijke beelden afzocht door kunstwerken te genereren middels een taalkundige beschrijving. Het zou een boeiend vervolg zijn om dit generatieve systeem te koppelen aan de omgeving door de geproduceerde beelden in het systeem terug te voeren, en nieuwe beelden te maken op basis van die invoer. Hierop zouden de nieuwste zelflerende technieken toegepast kunnen worden.

“Pogingen artificiële kunst te maken leidden tot een vreemdsoortige softwarematige schilder die heel goed mensen met planten kan tekenen.”

 

Een echt oeuvre
Een machine die fysieke kunst produceert en het resultaat gebruikt als basis voor nieuw werk zou kunnen leiden tot een echt oeuvre, dat onvervreemdbaar van die machine zou zijn. Zolang de resultaten toonbaar zijn, kunnen wij mensen ook deelgenoot blijven van het creatieve proces van zo’n robot en ik ben benieuwd naar de recensie van de overzichtstentoonstelling.

Het zou echter heel goed kunnen dat de eerste schilderijen (of waar de machine dan ook in eerste instantie voor is toegerust) heel herkenbaar zijn, maar we, als we hem zijn gang laten gaan, al heel snel in een domein belanden dat ons volkomen vreemd is. Ik kan me een kunstmatige schilder voorstellen die de relatie tussen bepaalde basisvormen gaat onderzoeken met als resultaat een grijs vlak dat helemaal bestaat uit een zo fijn mogelijke verdeling van witte en zwarte puntjes, omdat het beeldherkenningsalgoritme hier een maximaal aantal verbindingen in kan maken. Prettig en misschien een esthetische ervaring voor een softwarematig brein, maar niet meer te overzien voor een mens.

“Een machine die fysieke kunst produceert en het resultaat gebruikt als basis voor nieuw werk, zou kunnen leiden tot een echt oeuvre, dat onvervreemdbaar van die machine zou zijn.”

 

Wereld van mens en software bij elkaar houden
Of de machine hierin een zekere schoonheid ervaart is niet zo relevant, maar wel dat de twee werelden van het menselijke en het kunstmatige zich heel snel van elkaar los zullen maken, zeker wanneer kunstmatig intelligente kunstenaars hun werk ook nog aan elkaar gaan voorleggen. Het is heel goed denkbaar dat zo’n kunstmatige en gesloten kunstwereld binnen enkele iteraties volkomen onherkenbaar is voor mensen, terwijl de machines de tijd van hun leven hebben.

In de veronderstelling dat het zinvol is om deze werelden dicht bij elkaar te houden moeten mens en machine zich tot elkaar kunnen blijven verhouden. De kunstmatige chefkok Watson van IBM is een goed voorbeeld van een project waarin dit noodzakelijk is. Een van de lastigste dingen voor een machine om te begrijpen is de menselijke smaak, die grenst aan de kunstzinnige of esthetische ervaring.

Tegelijk is het voor mensen buitengewoon lastig om de ruimte van alle mogelijke recepten efficiënt te doorzoeken. Door de zoekkracht van de machine te koppelen aan een recepten-website waar door menselijke gebruikers reviews kunnen worden ingevoerd van door hen uitgeprobeerde recepten, wordt een systeem gemaakt waarin beide partijen van elkaar kunnen leren.

“Mens en machine moeten zich tot elkaar kunnen blijven verhouden.”

 

AI voor 3D-printen
Verrassend genoeg lukt het om hiermee recepten te genereren die door menselijke chefkoks op zijn minst interessant en verrassend genoemd worden. De Amsterdamse startup Borges.xyz bouwt aan een soortgelijk systeem om het creëren van objecten voor 3D-printing eenvoudiger te maken. De computer genereert vormen door te zoeken in de bibliotheek van alle mogelijke 3d-vormen en de menselijke gebruikers kunnen daaruit objecten kiezen. Door de terugkoppeling in het systeem van de keuzes van gebruikers leert de machine complexere en relevantere vormen te maken. Hierdoor kan een systeem ontstaan dat het maken van bruikbare of mooie voorwerpen voor iedereen toegankelijk maakt. De verwachting is dat de zoekkracht van de computer de gebruiker voor relevante en verrassende keuzes van objecten stelt, zoals Chef Watson dat doet in de gastronomie.

“Een algemeen kunstmatig intelligent systeem zal hoe dan ook een reflectie zijn van onszelf.”

Het lijkt onvermijdelijk dat we ooit een algemeen kunstmatig intelligent systeem bouwen. Of het zich kan verhouden tot de menselijke ervaring en wij de perceptie van de werkelijkheid delen, is afhankelijk van de manier waarop we het opvoeden. Het kan een kille automaat worden die zonder zich rekenschap te geven van de menselijke omgeving zijn taak uitvoert, maar het kan ook dat we samen opgroeien en een gedeelde werkelijkheid blijven houden. Een algemeen kunstmatig intelligent systeem zal hoe dan ook een reflectie zijn van onszelf.

[1] https://arxiv.org/abs/1412.1897

In aanloop naar onze events deelt NRC Live(opinie)stukken van onze sprekers. Lees hier alle opiniestukken terug.

Bekijk 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!