Dossier: 

Leve de lerende machine?

Kunnen machines leren? Dat is minder evident dan we vandaag al lijken te denken, betoogt Ben Caudron. Nu zijn grasmaairobot het werk voor hem doet, kan hij nadenken over artificiële intelligentie en leerprocessen.

Toen de maairobot zich voor het eerst een weg baande tussen het doorgeschoten gras bleef ik gefascineerd kijken. Het ding leek te leven. Kwam Jos – zo hadden we het ding in een vlaag van extreem antropocentrisme genoemd – aan de grenzen van het perceel, dan stopte hij even alsof hij even leek na te denken, draaide toen en deed voort met datgene waarvoor hij was voorbestemd: maaien zonder menselijke tussenkomst.

CC / Karsten Kneese

De marketeers hadden Jos een “state of the art” ding genoemd, met “artificial intelligence algorithm” dan nog wel. Dat laatste is alvast een leugen. Intelligent is Jos niet, zelfs niet artificieel. Hij mist immers elk vermogen om te leren.

Jos voert uit wat een - wellicht ingenieus – programma hem opdraagt: ga rechtdoor tot je sensoren je zeggen dat je aan de draad die je werkveld aangeeft, bent gekomen. Draai nu in een hoek met welbepaalde graad en als dat niet lukt, rij dan even achteruit tot je wielen weer vrij spel krijgen en probeer opnieuw.

‘Slimme machines moeten in staat zijn dingen te doen zonder dat iemand hen daar op voorhand toe bevolen heeft en daarvoor gebruik maken van voorgaande ervaringen.’

Jos is dom

Twee keer per week trekt Jos eropuit. Dat doet hij omdat de interne klok zegt dat het tijd is om te werken. De beslissing wordt niet ingegeven door een noodzaak in de fysieke realiteit van Jos. Die externe realiteit is voor Jos een grote onbekende. Jos weet niet of het gras dient gemaaid. Hoe vaak hij ook over het hardnekkige onkruid dendert, nooit zal Jos begrijpen dat hij zijn snijbladen nog lager moet laten zakken om de zaak bij de wortels aan te pakken.

Zoals gezegd is de claim dat Jos over artificiële intelligentie beschikt een leugen, een trucje van de mensen die tot taak hebben ons dingen te slijten die we strikt genomen helemaal niet nodig hebben. En toch heeft de leugen betekenis. Ze vertelt ons dat het fenomeen dat artificiële intelligentie wordt genoemd ondertussen ingang heeft gevonden in de wonderlijke en oppervlakkige wereld van het consumentisme.

“Artificial intelligence”, “cognitive computing”… zijn niet langer begrippen die alleen door zeer slimme mensen in de beslotenheid van onderzoeksinstellingen worden gebruikt. In hun afgeslankte en vagere vorm kennen we ze al een tijdje. Wie kent immers geen slimme machine?

Maar wat is dat, een slimme machine? Jos is dat alvast niet, al lijkt de kat die over de buurt waakt daar anders over te denken. Jos is een stom ding met een processor die een beperkte hoeveelheid opdrachten laat uitvoeren. Om slim te zijn, moet Jos kunnen leren. Slimme machines moeten in staat zijn dingen te doen zonder dat iemand hen daar op voorhand toe bevolen heeft en daarvoor gebruik maken van voorgaande ervaringen. Ze moeten met andere woorden nog veel meer leren doen wat menselijke hersenen doen.

Machines werken, hersenen functioneren

Het verhaal van slimme machines, machines die leren, is in vele opzichten interessant. Dat verhaal bevat immers een zeer interessante wending in de manier waarop ons denken over machines en hersenen is geëvolueerd. Dat denken wordt immers gekenmerkt door een permanente verschuiving van de metaforen die we verzonnen om de werking van de hersenen te typeren.

Zo gauw de industriële revolutie goed en wel was begonnen en mensen vertrouwd geraakten met machines die door ingenieuze raderwerken in beweging werden gehouden, ontstonden verhalen over de werking van de hersenen waarin raderwieltjes een centrale rol speelden. De mechanische realiteit werd zonder al te veel schroom getransponeerd op de hersenen.

Heel wat later vonden we de computer uit, het ding dat data gebruikt om er bewerkingen mee uit te voeren en de resultaten ervan uit te spuwen. Omdat de ontwikkeling van computers die van de medische beeldvorming voorging, hadden we geen kennis die ons ervan weerhield om de hersenen voor te stellen als een statische verwerkingsmachine die de computer is.

Vandaag beschikken we wel over machines die ons in de hersenen laten kijken. Wat we daar zien heeft de metafoor van de computer – de inputmodule, de processor en de outputmodule – onbruikbaar gemaakt. Een nieuwe vergelijking heeft zich opgedrongen. Die hebben we opnieuw gebaseerd op de ons omringende technologische realiteit. De hersenen zijn geen statische computer, maar een netwerk van netwerken waar zowat alles met alles is verbonden, waardoor iets magisch ontstaat.

‘Telkens we denken dat het plaatje van de hersenen volledig is duikt er wel iets nieuw op.’

Wat weten we?

In tegenstelling tot wat de minder tot nuance en meer tot populisme geneigde neurologen beweren, is onze kennis van wat de hersenen precies doen nog steeds eerder beperkt. Zoals het in wetenschappelijk onderzoek behoort te gaan, hebben we een aantal totaal achterhaalde inzichten overboord gekieperd.

Over de hardware van de hersenen weten we al langer hoe die er ongeveer uitziet. We weten wat neuronen zijn, en dendrieten, synapsen… Telkens we denken dat we het plaatje volledig hebben duikt er weliswaar wel iets nieuw op, een nieuwe neurotransmitter of zo, maar die ontdekkingen zijn doorgaans niet van aard dat ze onze kennis naar de vuilbak verwijzen.

Hoe de hardware wordt gebruikt en de hersenen laat doen wat ze doen is minder goed gekend. De observatie dat bij de eenvoudigste taak heel wat zones in de hersenen oplichten heeft ons verlost van de idee dat we voor specifieke taken specifieke delen hebben en getoond dat ontzettend veel activiteiten tegelijk verantwoordelijk zijn.

Hoe onvolledig ook, het wetenschappelijk denken over de hersenen is de basis van de pogingen die worden ondernomen om machines te bouwen die leren. Net zoals de hersenen weinig toereikend zijn zonder informatie over de fysieke realiteit waarin ze actief zijn, weten we dat echt slimme machines moeten verbonden zijn met de omgeving waarin ze opereren.

Daar zorgen de sensoren voor. Sensoren zetten meetbare aspecten van de fysieke realiteit om in een signaal waarmee andere dingen – inclusief menselijke organismen – aan de slag kunnen. Sensoren zijn vooral van belang om veranderingen in de fysieke realiteit vast te stellen, zodat een gepaste reactie kan gegeven worden.

Om echt te leren, op manieren die het menselijk leren benaderen, ontbreekt een cruciaal gegeven: emotie.

Zoeken naar artificiële intelligentie

Koppel de juiste sensoren aan de juiste computers en voor je ’t weet heb je een auto die geen bestuurder meer nodig heeft. Indrukwekkend, maar niet echt ‘slim’. Zo’n auto leert immers niet en rekent zich telkens weer te pletter, ook wanneer hij voor de zoveelste keer met een specifieke verandering wordt geconfronteerd.

Om echt te leren, om aanpassingen duurzaam te maken, hebben we meer dan sensoren nodig. We hebben manieren nodig om aanpassingen in concrete situaties te onthouden zodat we ze opnieuw kunnen toepassen, als de situatie daar opnieuw om vraagt.

Onze hersenen beschikken over enkele wonderlijke manieren om dit klaar te spelen. Als we iets maar genoeg herhalen, zorgt dit ervoor dat bepaalde verbindingen in onze hersenen steviger worden. Stoppen we de herhaling, dan verzwakken de neurale paden of verdwijnen helemaal. Bovendien slagen de hersenen er in patronen op te slaan en deze te gebruiken om een nieuwe sensorische input razendsnel te interpreteren.

In de zoektocht naar artificiële intelligentie – het summum van lerende machines - worden deze functies van de hersenen nagebootst. Neurale netwerken worden opgezet om informatie op te slaan in vormen die toelaten er patronen in te ontwaren. Deze technologie is bovendien steeds beter in staat zichzelf te trainen zodat de reacties op veranderingen steeds adequater worden. Hiermee komen we al aardig in de buurt van leren.

Om echt te leren, op manieren die het menselijk leren benaderen, ontbreekt echter een cruciaal gegeven: emotie. Hoe graag het ook anders wordt voorgesteld, we zijn sociale en emotioneel gedreven dieren die wellicht nog het meest leren uit de omgang met elkaar. Zonder er acht op te slaan zijn we in interacties de hele tijd op zoek naar informatie over de emotionele staat van de ander en passen we onszelf aan. We hebben zelfs neuronen die ons helpen te voelen wat de ander voelt.

Lerende machines mogen dan al uitgerust zijn met scanners die proberen menselijke emotie te lezen, ze zijn voorlopig niet in staat daar zelf emotioneel op te reageren. Zolang ze dat niet kunnen, zal hun rationele intelligentie slechts een benadering van menselijke intelligentie blijven. Misschien zien de voorvechters van artificiële intelligentie hier geen graten in en vinden ze die emoties maar hinderlijk, mij lijkt het een belangrijk vraagstuk, waarover machines nog veel moeten leren.

Zonder jouw steun bestaat MO* niet.

Wil je dat MO* dit soort verhalen blijft brengen?
Steun ons en word proMO* voor maar €4/maand of doe een vrije gift. 2540   proMO*’s steunen ons vandaag al.

Word proMO* of Doe een gift

Over de auteur

  • Socioloog, digitaal strateeg en auteur

    Ben Caudron (1965) is socioloog, gepassioneerd door mens en technologie. Sinds 1993 is hij actief betrokken bij de ontwikkeling van digitale media.