Over artificial intelligence

Hoe slim zijn onze computers en zijn ze door het ontwikkelen van zel erend vermogen op korte of langere termijn in staat om ons te overtreffen? Ze verslaan ons door middel van Deep Learning met schaken of Go, maar hoe lang duurt het voordat ze de wereld kunnen overnemen, intelligenter en creatiever worden dan wij? Of gaat dat gewoon helemaal nooit gebeuren?

In maart verscheen in de pers dat Google Photo’s er in slaagt 400 foto’s van het Radboud UMC en het UMC Utrecht te beoordelen op lymfeklierkankercellen. Volgens de onderzoekers haalde het algoritme een score van 89%, terwijl een patholoog gemiddeld 73% haalt op dezelfde foto’s. Het algoritme werd geprogrammeerd om kankercellen te vinden op de foto’s en vervolgens aan het werk gezet. Fouten werden gebruikt om het algoritme bij te schaven en dat doet de computer grotendeels zelf. Dat heet artificial intelligence (A.I.) of kunstmatige intelligentie, de besturing van het vermogen van machines om menselijk gedrag als redeneren, leren of begrijpen van spraak, na te bootsen. De beoordeling van foto’s van kankercellen is het eerste concrete voorbeeld van computergestuurde diagnostiek. Pathologen zijn er blij mee, omdat het analyseren van lymfeklieren tijdrovend en repetitief werk is. Je moet heel geconcentreerd werken en mag niets missen, terwijl een computer constante kwaliteit levert en grote hoeveelheden data snel kan verwerken.

CLASSIFICEREN
Volgens Max Welling, hoogleraar machine learning aan de Universiteit van Amsterdam, zijn zelflerende algoritmen op dit moment al goed in classificaties. Ze herkennen en segmenteren, kunnen medische diagnoses stellen en bijvoorbeeld beurskoersen voorspellen. Die ontwikkeling zal volgens Welling snel doorzetten, computers zullen er steeds beter in worden. Bijvoorbeeld jurisprudentie of medische literatuur in recordtijd kunnen doornemen. Zelfrijdende auto’s zullen zelflerende auto’s worden, ze zullen intenties van andere weggebruikers leren herkennen. Ook in de financiële wereld zullen ze een steeds grotere rol spelen. Ze kunnen bijvoorbeeld snel beslissen of het al dan niet verstrekken van een lening verantwoord is. Misschien hebben we over niet al te lange tijd de beschikking over thuisrobots en wordt het mogelijk om kanker sneller te herkennen en mogelijk te genezen, maar zelf wetenschappelijke ontdekkingen doen lijkt nog een brug te ver. Kanker genezen? Ja, omdat het een individuele ziekte is. Elke vorm van kanker is in vrijwel elke patiënt anders, ontwikkelt zich anders en geeft andere symptomen. Er is dus geen one-size- fits all-oplossing voor, computers kunnen dan een belangrijk instrument zijn om het verloop van de ziekte niet alleen te volgen, maar ook om aan te geven welke behandeling op welk moment het meest effectief zal zijn.

GEVAARLIJK?
Pedro Domingos (Universiteit van Washington) is auteur van het boek ‘The master algorithm – how the quest for the ultimate machine learning will change our world’. Machine learning is volgens hem de automatisering van ontdekkingen, computers leren zelf door uit grote hoeveelheden data conclusies te trekken. In feite kopiëren ze het wetenschappelijk basisproces: formuleren van een hypothese, de hypothese vergelijken met eerdere data, de hypothese verfijnen, conclusies trekken, verder verfijnen enzovoort enzovoort. Alleen kunnen ze dat tienduizenden keren sneller dan de mens. Ons leven wordt er op dit moment al door gestuurd, Amazon en Net ix doen op basis van eerdere consumentenbeslissingen aanbevelingen voor de aanschaf van boeken of films. Zoek naar hotels in een bepaalde stad en Booking zal ongevraagd steeds nieuwe voorstellen aan je doen, datingsites helpen je bij het maken van keuzes. Machine learning zit dus al diep verweven in ons dagelijks leven, vaak zonder dat we ons daarvan bewust zijn. Domingos is niet bang dat computers op enig moment de hele wereld zullen overnemen, gewoon omdat ze er te stom voor zijn. Ze kunnen zelf geen vragen formuleren en dan acties plannen om die vragen te beantwoorden, daarvoor is een Master Algoritme nodig en dat is er niet. Computers zijn geen mensen, ze hebben geen eigen wil, creativiteit is ze vreemd, ze doen wat ze is opgedragen, maar dat doen ze goed en steeds beter. Of, zoals Domingos het definieert: ‘People worry that computers will get too smart and take over the world, but the real problem is that they’re too stupid and they’ve already taken over the world’. A.I. staat in zijn optiek daarom niet alleen voor artificial intelligence, maar ook voor absolute impossible’.

‘Zelfrijdende auto’s zullen zelflerende auto’s worden, ze zullen intenties van andere weggebruikers leren herkennen.’

PROBLEMEN
Machine learning kan wel problemen veroorzaken, om te beginnen omdat ze fouten kunnen maken. Ze zullen ook een geweldige impact gaan hebben op ons dagelijks leven, meer nog dan ze op dit moment al doen. Machine learning is disruptive, ontregelend. Hoe? Doordat ze een inbreuk maken op je privacy. Dat doen ze nu al, dat zullen ze steeds meer gaan doen, alhoewel Welling voorspelt dat daar een oplossing voor zal worden gevonden, bijvoorbeeld doordat er een algoritme wordt ontwikkeld dat wel data gebruikten, maar dat loskoppelt van individuele gegevens. Ook ontregelend omdat ze de arbeidsmarkt gigantisch overhoop zullen halen, ze zullen de werkgelegenheid aantasten, banen zullen op de tocht komen te staan, niet alleen van lager opgeleiden, maar ook van artsen en advocaten. Daar moeten we nu al rekening mee houden, we moeten leren omgaan met de nieuwe uitdagingen. Die wordt niet mens versus machine, maar mens met machine tegen mens zonder machine. Domingos: “De toekomst is aan hen die het beste van henzelf combineren met wat computer-algoritmen het beste kunnen, die hun eigen intelligentie en creativiteit effectief kunnen koppelen aan de ongekende rekenkracht van computers’. En daarin staat de mens nog altijd centraal.

‘Computers zijn geen mensen, ze hebben geen eigen wil, creativiteit is ze vreemd, ze doen wat ze is opgedragen, maar dat doen ze goed en steeds beter.’