AI

De geschiedenis van de artificiele intelligentie begint in 1950, met een artikel van Alan Turing, getiteld ‘Computing Machinery and Intelligence’. Daarin voorspelt hij onder meer dat computers rond het jaar 2000 een intelligentie zouden hebben die vergelijkbaar is met die van mensen. Sinds die tijd wordt er overal op de wereld gewerkt aan computerintelligentie. In eerste instantie door intelligentie expliciet te programmeren. Computerdeskundigen interviewden artsen en andere deskundigen om hun kennis in de computer vast te leggen, Zij vertaalden wat de deskundigen hen vertelden in speciale computertalen als Lisp en Prolog. Die programma’s noemde men ‘expert systems’. Ze zouden intelligente beslissingen kunnen nemen. Zulke programma’s bestonden vaak uit lange rijen ‘als X dan Y’ regels, gevolgd door handelingscoorschriften die nieuwe gegevens moesten opleveren, zoals “Als de bloeddruk te hoog is, vraag naar de hoeveelheid zout die de patient bij de maaltijd gebruikt”.

Turings voorspelling is niet uitgekomen. De algoritmische AI was geen succes. Intu├»tieve kennis was vaak moeilijk expliciet te maken en wat de programma’s produceerden was soms volkomen onbegrijpelijk. Reden om af te zien van de menselijke vertaling en de computer zelf het werk laten doen. Men construeerde elektronische neuronennetwerken die zelf moesten leren waar het bij intelligente beslissingen om gaat. Ze werden stapsgewijs geconfronteerd met nieuwe gegevens, en leverden daarbij conclusies die bij iedere stap betrouwbaarder moesten worden. Door het netwerk telkens andere gegevens te presenteren, met daarbij de gewenste uitkomsten kon het stap voor stap zijn programma bijstellen. Dit lijkt op de manier waarop baby’s hun omgeving leren kennen, alleen hebben lerende computers veel meer gegevens nodig voordat hun resultaten enigszins betrouwbaar zijn. Ook hier geldt ‘garbage in, garbage out’. Zo bleek een programma dat hondenrassen moest bepalen aan de hand van foto’s van die dieren, Husky’s, typische sledehonden, te herkennen aan de sneeuw op de achtergrond, in plaats van aan de kenmerken van het dier zelf. Machine learning omvat, net als ieder leerproces, een evolutie.

Wat de machine doet is iets anders dan wat mensen doen. Baby’s leren veel effici├źnter dan computers, onder meer omdat ze actief hun omgeving onderzoeken. En computers zijn niet erg creatief. Binnen een bepaald medium kunnen ze vernieuwend werken. Maar zelf initiatieven nemen om hun bestaan te verbeteren en hun horizon te verbreden kunnen ze, in tegenstelling tot mensen, (nog) niet.