Volgens Wikipedia is kunstmatige intelligentie “de wetenschap die zich bezighoudt met het creëren van een artefact dat een vorm van intelligentie vertoont.” De vraag die direct opkomt, is: wat is intelligentie eigenlijk?
Over de vraag wat kunstmatige intelligentie is, is door veel auteurs heel veel geschreven en de bekendste beschrijving komt wellicht van genie Alan Turing die er in 1936 al over nadacht. Machines waren in zijn ogen – zeker in die dagen – immers nog erg kunstmatig en weinig intelligent. Veertien jaar en een wereldoorlog later ging hij in een artikel in 1950 dieper in op de vraag of een machine uiteindelijk menselijke intelligentie kon vertonen: “Kunnen machines denken?”
Hij ging uit van een imitatie-experiment waarbij een machine zich als mens voordoet en dus een ander persoon voor de gek kan houden. Zijn conclusie was dat het zeker eens mogelijk zou moeten zijn zo’n intelligente machine te bouwen en dus was volgens hem kunstmatige intelligentie in de toekomst mogelijk.
Van data naar kennis
In 2007 publiceerde Jennifer Rowley een artikel getiteld the wisdom hierarchy: representations of the DIKW hierarchy’. Hier staat DIKW voor Data, Informatie, Kennis en Wijsheid.
- Informatie is gedefinieerd als gerelateerde data die tezamen een boodschap, een feit of een regel bevat.
- Kennis is vervolgens gedefinieerd als feiten en regels die men aan kan leren, herinneren en overdragen op anderen: het kunnen gebruiken en toepassen van opgenomen informatie.
- Wijsheid tenslotte, is benoemd in termen van specifieke kennis en die beschikbare kennis zelfstandig operationeel te kunnen toepassen.
In de psychologie wordt daaraan toegevoegd dat kennis het mogelijk maakt om te denken en te handelen. Men maakt dan onderscheid tussen declaratieve kennis (het kunnen onthouden van begrippen en feiten), procedurele kennis (begrippen en feiten kunnen vergaren, opslaan, onthouden en oproepen) en tenslotte strategische kennis (weten in welke probleemsituatie een strategie succesvol toe te passen en inschatten hoeveel tijd dat zal kosten).
Wijsheid
De relatie tussen data, informatie en kennis is evident en kennis kan gezien worden als een deterministisch proces. Al lang geleden werden met computers de eerste kennissystemen gebouwd, in eerste instantie gericht op hele smalle en beperkte vakgebieden. Ze werden ook wel expertsystemen genoemd en waren in staat vragen te beantwoorden of problemen op te lossen. De uitdaging is om in een expertsysteem het menselijk redeneren te programmeren om daarmee het menselijk leerproces na te bootsen en te ondersteunen. Een deterministisch proces kan immers met regels, relaties, verbanden en patroonherkenning gedetailleerd worden beschreven.
Wijsheid daarentegen is niet deterministisch – passief – maar zelfontplooiend en dus actief. Het maakt zelfstandig actief gebruik van data, informatie en kennis om principes te begrijpen. Psychologen stellen dat wijsheid een uniek menselijk proces is en daarom niet kan worden vervangen door een computersysteem. Intelligentie is nog een niveau hoger: het met de opgedane wijsheid nieuwe zaken, feiten en regels kunnen bedenken, ontwikkelen, toepassen en vastleggen. Kunstmatige intelligentie is dus nog een stap verder dan kunstmatige wijsheid.
Leersystemen
Wat betreft de ontwikkeling van kunstmatige intelligentie zien we op dit moment veel aandacht voor machine learning en zelflerende autonome systemen. Bekend zijn bijvoorbeeld de kleine robotmaaiers die als een startend ‘dom’ systeem na enkele weken precies de grasmat kennen en daar niet meer per ongeluk vanaf rijden. Ik gebruik al jaren Waze als navigatieapp. Dit systeem leert mijn voorkeuren wat betreft routes en gebruiken. Het is duidelijk dat een leersysteem een kennissysteem is dat naast de declaratieve kennis (basisregels en verbanden) ook procedurele kennis kan genereren. Denk aan het vergaren, opslaan, onthouden en bij herkenning weer oproepen van begrippen en feiten.
In de industrie zijn reeds veel van deze systemen al jaren in gebruik, om de mens te ondersteunen bij zijn werkzaamheden. Zelfwerkende beursapplicaties die zelfstandig aan- en verkopen doen en de gebruikte algoritmes al doende aanpassen. Maar zelfs in de meest geavanceerde industrie als de luchtvaart moet nog steeds een persoon de automatische piloot bewaken. En bedenk dat die automatische piloot nog een eenvoudig systeem is dat zonder tegenliggers slechts een vooraf vastgestelde route moet afleggen. Het systeem wordt daarbij ondersteund door een leger verkeersleiders op de grond die het luchtruim rond het vliegtuig in de gaten houden.
Zelfrijdende auto
Dat roept de vraag op of de zelfrijdende auto echt in de nabije toekomst op de weg te signaleren is. De nieuwste modellen kunnen zich – op basis van regels en algoritmes – al zeer zelfstandig voortbewegen en stoppen bij gevaarlijke en onverwachte situaties. Het is de derde en hoogste vorm van een kennissysteem: de strategische kennis bezitten in welke probleemsituatie een strategie succesvol toe te passen en inschatten hoeveel tijd dit kost. Maar het moment dat de auto intelligent genoeg is om hem te laten beslissen over de gevolgen van zijn handelen voor mens en maatschappij? Dat moment lijkt nog ver weg.
De academische vragen over morele vraagstukken van een zelfrijdende auto, die realtime moet beslissen tussen twee alternatieve ongelukken, zijn bekend. Er wordt intussen software ontwikkeld om deze ethische keuzes te verbeteren. Een artikel van De Ingenieur beschrijft dat software in principe beter en sneller dan de mens de beste keuze kan maken om een aanrijding te voorkomen. Die algoritmen kunnen veel meer kennis opbouwen over verschillende complexe verkeerssituaties dan een menselijke chauffeur in zijn leven ooit zal meemaken.
Morele afwegingen
Om te begrijpen welke morele afwegingen een bestuurder maakt bij het ontwijken van een ongeluk heeft de Universiteit van Osnabrück experimenten uitgevoerd waarbij bestuurders met VR-brillen keuzes kregen om dode voorwerpen (pilon of vuilnisbak) en levende voorwerpen (dier of mens) te ontwijken. Op die wijze werden 153 verschillende objectcombinaties aan de deelnemers voorgelegd en werd de auto kunstmatig in mist gehuld opdat de bestuurders de objecten tussen één tot vier seconden voor de botsing zagen. De keuze was: blijf ik – afhankelijk van het object dat uit de mist opdoemt – op mijn rijbaan of wijk ik uit?
Uit de test bleek dat elke chauffeur een duidelijk waardeoordeel had bij zijn of haar beslissing. Een mens is meer waard dan een dier en die weer meer dan een niet-levend object. Bij de keuze tussen mensen werden mannen eerder opgeofferd dan vrouwen, ouderen eerder dan jongeren en bij dieren werd de hond het meest gespaard. Met deze ervaring, concluderen de onderzoekers, kan software worden gemaakt die sneller dan de mens vergelijkbare morele afwegingen kan maken. Hoewel een werkelijke panieksituatie interpreteren natuurlijk van een totaal andere orde is.
Toekomst
De komende jaren groeit – door de beschikbaarheid van krachtige en goedkope processorkracht – de kwaliteit en de impact van machine learning enorm. En met de komst van IoT zal het toepassingsgebied vele malen groter blijken dan onze creativiteit momenteel kan bevatten. Maar de stap naar echte wijsheid en intelligentie blijft een lastige. Willen we werkelijk zelf-ontplooiende systemen, die met een eigen wil zelfstandige beslissingen kunnen nemen? Hebben wij überhaupt zelf wel voldoende wijsheid om die wijsheid ook aan machines te geven?