Voor me ligt een boek van Prof. Dr. Max Welling. Het heet ‘Over Leven met Kunstmatige Intelligentie‘ en is vrij dun. Liggen hier antwoorden in voor iemand met vragen over K.I., ook wel bekend onder de Engelse naam ‘A.I.’, naar artificial intelligence? Wie weet.
Welling is verbonden aan de Universiteit en is hoogleraar in Machine Learning, één van de vele toepassingen van AI. Want kunstmatige intelligentie is wat je noemt een containerbegrip. In zijn meest simpele vorm staat AI voor een kunstmatige gegenereerd vermogen tot leren. Iets waar mensen zo goed in zijn (meestal). Er zijn veel vormen van dat ‘leren’ zoals Welling beschrijft.
Kunstmatige intelligentie is technologisch leervermogen
Bij alle manieren waarop een computer leert, gaat het om algoritmes. Een algoritme is een set instructies (als dit, dan dat en anders dit), die in een lus worden afgedraaid. Steeds weer. Ze zou dat afdraaien kunnen zien als een cadans, als een ritme. Zo’n algoritme leert iets en de uitkomst van dat geleerde is een voorspelling. Bij de toeslagenaffaire (bekijk hier een video van NOSop3 over die affaire) hebben we gemerkt dat mensen dan als mogelijke oplichter werden aangemerkt, waarna er een onterecht lik-op-stukbeleid volgde. Allemaal het gevolg van de uitkomst van een algoritme dat vooral bevooroordeeld was. Dat geldt ook voor ‘generatieve AI’, die bijvoorbeeld plaatjes maakt op basis van een algoritme. Melissa Heikkilä ontdekte dat ze tot lustobject werd gemaakt door een foto van haarzelf in te voeren. Algoritmes leren dus en dat leren gebeurt op de volgende manieren:
- Machine (en Deep) Learning probeert het neurale netwerk na te doen. Het is een voorspellingsalgoritme dat zichzelf steeds aanpast. De onderstaande leervormen zijn allen varianten hierop en vallen dus onder Machine Learning.
- Supervised Learning is het proces waarbij je een flink aantal gegevens invoert en dat eventueel aanpast door de algoritmes backpropagation (moet ik het aanpassen?) en classifier (ik voorspel dat het x is) toe te passen. De data hebben etiketten dat zegt wat het is, bijv. een diagnose van een ziekte.
- Unsupervised Learning is leren, zonder labeling of classificatie vooraf. Zoals een kind zijn omgeving leert kennen (ouders kunnen nou eenmaal niet àlles voorkauwen), zo zegt Welling.
- Adversarial Learning is zoals de politie die steeds iets vindt om boeven dwars te zitten, maar ook zeker andersom. Als de boeven weer iets nieuws hebben verzonnen, dan kan de politie weer aan de bak. Dit soort kat-en-muisspellen is ook in een algoritme te vangen.
- Semi-supervised Learning is een mix van gelabelde en niet gelabelde data waar je de classifier mee traint. Gooi nooit data weg, is het devies.
- Reinforcement Learning is leren door trial-and-error en beloningen te geven; robots leren zo te bewegen of goed te worden in iets (zoals AlphaGo die won van een Go-speler).
- Recommendersystemen zijn algoritmes die aanbevelen, zoals Facebook’s Newsfeed of producten bij webwinkels (‘anderen kochten ook’).
Dat is nogal wat. Dat je het verschil weet, helpt al veel bij het duiden van nieuws over algoritmes. De impact van dit leervermogen is groot.
De impact van kunstmatige intelligentie
Dit algoritmisch leren heeft maatschappelijk gezien impact; je kunt je misschien na het lezen van de leervormen zelf al wat bedenken. Denk aan snelle diagnoses in de zorgsector, zoals bij radiologie, of de zelfrijdende auto, of het verminderen van de arbeidsmarktkrapte door administratief herhalende taken op zich te nemen. De grootste uitdaging die kunstmatige intelligentie treft, is het enorme energieverbruik dat het trainen vergt. Trainen? Net als dat jij tijd en inspanning stopt in het leren van iets, doet een algoritme dat ook en die inspanning vraagt stroom.
Het trainen is meteen de achilleshiel van een algoritme. Wij mensen kunnen, als we één of twee tafels hebben gezien, voor altijd tafels onderscheiden – welke precieze vorm ze ook hebben. Algoritmes hebben véél meer beelden nodig om iets een tafel te kunnen noemen. Het vermogen de wereld te begrijpen na slechts een paar voorwerpen of ervaringen gezien te hebben, is iets dat mensen voorhebben op technologie.
Dit stond niet in Wellings boek: kunstmatige intelligentie heeft ook impact op de beroepsgroep die de algoritmes maken. Vroeger kon een programmeur nog ‘lineair’ slim zijn en gewoon dingen maken. Als je sociaal niet mee kon, maar wiskundig goed onderlegd was, dan was de IT een fijne plek om in te werken. Die wereld houdt wat mij betreft op te bestaan. Dat zeg ik omdat de algoritmes die negatief in het nieuws verschijnen nogal wat vooroordelen blijken te hebben. Mensen hebben vooroordelen en nemen die in alles mee bij wat ze maken en doen. Dus ook in algoritmes. De nieuwe programmeur moet daarmee ook een filosoof zijn en zich voortdurend af blijven vragen wat juist handelen nu is (ethiek). Dat juiste handelen leidt tot vele dilemma’s.
Kunstmatige intelligentie en zijn dilemma’s
De kansen voor het toepassen van kunstmatige intelligentie, maar er zijn dus ook tal van vragen die rijzen bij het gebruik ervan. Een paar dilemma’s die Welling in zijn boek behandelt, gesteld als een vraag:
- Als we kunnen voorspellen wie er ziek gaat worden, willen we de kosten dan nog wel delen? Worden we minder solidair?
- Is AI in staat vooroordeelvrij te worden/zijn als de gegevens waar het mee werkt dat niet zijn?
- Wat gebeurt er met creativiteit als tech alles zelf kan maken?
- Hoe voorkomen we dat AI zichzelf gaat ‘vermenigvuldigen’? Moeten we het wel voorkomen?
- In hoeverre staan we geautomatiseerde autonomie (zelf beslissingen nemen) toe?
- Wie beslist er over leven en dood, of over straf?
- Gaan mensen hun banen verliezen door de toepassing van AI?
- Is Big Brother realistisch?
- Zetten we voorspellende AI in om onze veiligheid te vergroten?
- Wat als de virtuele wereld aantrekkelijker wordt dan de fysieke wereld? Wat gebeurt er met ons bewustzijn?
- Verliezen we individualiteit?
- Waar is onze vrije wil? Hebben we die nog? Wat is vrije wil tegenwoordig?
Je ziet het, vragen genoeg over kunstmatige intelligentie en de juiste toepassing ervan. Teveel om inhoudelijk te behandelen. Mensen bepalen de ethiek; het is goed voorstelbaar dat we in bepaalde onderdelen van ons leven gaan zeggen: géén AI hier, of zeer beperkt. Dat gebeurt al met vele technieken (denk aan genmanipulatie bij baby’s).
Daar staat tegenover dat we, zolang we van onze herhalende taken af willen (ons brein is best lui), kunstmatige intelligentie willen gebruiken. Er ligt een spannende tijd voor ons. Welling is in ieder geval enthousiast over alle kansen. Het digibetisme moet wel afnemen, zegt hij. We hebben mensen zoals Welling voorlopig nodig om de dingen die rond kunstmatige intelligentie gebeuren te duiden.
