Waarom artificial-intelligence nu zo hard gaat

De spellingcontrole in Word, de gezichtsherkenning in Picasa en onze vraagbaak Siri lijken de laatste tijd ineens veel beter te functioneren. Hoewel de term artificial intelligence al uit 1955 stamt, lijkt de ontwikkeling van kunstmatige intelligentie recentelijk ineens in een stroomversnelling beland. Waardoor eigenlijk?

Het meest herkenbare effect van sterk verbeterde kunstmatige intelligentie is spraakherkenning. Hoewel Siri, Cortana, Alexa en Google Assistant al langer bestaan, begrijpen de digitale assistenten je opeens veel beter. Volgens een studie van Standfordwetenschappers kost schrijven via spraakherkenning nu gemiddeld drie keer minder tijd dan typen op het scherm van een smartphone. De foutmarge is ook gedaald van 8,5% naar 4,9% en dat is opmerkelijk als je bedenkt dat die verbetering in het afgelopen jaar plaatsvond.

Op dezelfde manier is beeldherkenning in een paar jaar sterk verbeterd. Je vrienden op Facebook worden met artificial intelligence goed herkend, de app PhotoMath lost algebrasommen op door ze via de smartphonecamera te ‘lezen’ en de ‘ogen’ van zelfrijdende auto’s herkennen voetgangers letterlijk miljoenen keren beter dan enkele jaren geleden.

Stem- en beeldherkenning zijn op dit moment zelfs de mens aan het inhalen. Artificial intelligence kan nu beter dan medici hartaanvallen en beroertes voorspellen op basis van medische dossiers en het ‘ziet’ op een hersenscan tien jaar eerder dan een arts Alzheimer bij de patiënt aankomen.

Koe
Die enorme versnelling in de ontwikkeling van kunstmatige intelligentie danken we aan nieuwe machine-learningmethodes, die gebruik maken van neurale netwerken. In plaats van een computer te programmeren met voorgekauwde instructies om een specifiek probleem op te lossen, leert de computer van voorbeelden, min of meer zoals de mens dat doet.

De eerste vorm, het zogeheten supervised learning-­systeem, is momenteel populair omdat het relatief makkelijk is om specifieke, gelabelde datasets als voorbeelden aan de computer te voeren. Toon een computer tienduizend foto’s van koeien, allemaal voorzien van het trefwoord koe, en uiteindelijk leert de computer helemaal zelfstandig uit duizenden willekeurige plaatjes van allerlei dieren, zonder trefwoorden, de koeien te herkennen.

Supervised learning kan worden ingezet om computers bijvoorbeeld huidkanker in foto’s te leren herkennen. Amazon gebruikt het voor je persoonlijke aanbevelingen en de Amerikaanse bank JPMorgan Chase ontwikkelde een systeem dat leningsaanvragen beoordeelt. Het systeem beoordeelt een aanvraag die voorheen bankmedewerkers meer dan 360.000 manuren kostte, nu in enkele seconden.

Kotterkop
Een andere vorm van machinelarning is unsupervised learning: de computer krijgt wel input, maar ongelabeld en ongestructureerd. Hij wordt ook niet gestuurd, wat voor de computer een stuk moeilijker is. Wij mensen zijn sterren in het unsupervised leren en kunnen helemaal zelfstandig de wereld om ons heen leren kennen. Waarschijnlijk heb je nog nooit van een kotterkop gehoord, maar als je er een ziet, kun je hem meteen classificeren als ‘een stuk gereedschap’.

Toch kunnen computers via unsupervised learning ook steeds beter zelfstandig leren. Zo leerde Google in 2012 met een supercomputer katten herkennen, zonder supervisie. Drie dagen lang werd de supercomputer gevoed met tien miljoen willekeurig gekozen videothumbnails van YouTube, die twintigduizend verschillende beelden toonden. Uit al die ‘dingen’ leerde de computer katten herkennen, zonder dat de software geprogrammeerd was met herkenbare katteneigenschappen.

Klein kind
Een derde methode om artificial intelligence te verbeteren is ‘reinforcement learning’. De programmeur vertelt de computer het doel, de toegelaten acties en de beperking van de omgeving. Met deze methode moet een robotarm bijvoorbeeld zelf uitdokteren hoe hij een onbekend object oppakt en in een doos plaatst. Door schade en schande leert de robotarm uiteindelijk het object op te pakken. Net zoals een klein kind met vallen en opstaan leert een bal op te rapen en te gooien.

Ontwikkelingen in kunstmatige intelligentie gaan op allerlei fronten ons leven veranderen, zoveel mag duidelijk zijn. De mens blijft echter essentieel. Onze banen verdwijnen niet, maar de taakomschrijving zal verschuiven. Organisaties en bedrijven die artificial intelligence omarmen, zullen overleven. Zoals de auteurs van een Harvard Business Review-artikel het zo mooi beschrijven: “In het komende decennium zal artificial intelligence geen managers vervangen, maar managers die artificial intelligence toepassen zullen managers vervangen die dat niet doen’.