Artificiële intelligentie

Neemt een robot mijn baan over? Op welke manier zal artificiële intelligentie mijn werk de komende tien jaar veranderen? Wat is AI eigenlijk en wat is het niet? Waarvoor worden AI-technologieën op dit moment gebruikt en welke gebieden zullen er volgen? Voor welke ethische dilemma's zorgt AI? Bekijk de film hiernaast.

Experiment 1: Ga naar https://quickdraw.withgoogle.com/

Test in het deel AI + drawing een van de drie tools uit en experimenteer kort.

Experiment 2: Ga naar https://www.instapainting.com/ai-painter.

Klik op 'Launch AI Painter Tool' en upload een foto. Kies een stijl.

1. Wat is AI?

2. Geschiedenis van AI

3. Toekomstverwachtingen

4. Wat is de impact van AI?

4.1 Waarom is AI zo belangrijk?

5. De principes van AI

5.1 De drie elementen van AI

5.2 Machine learning

5.2.1 Gesuperviseerd leren

5.2.2 Ongesuperviseerd leren

5.2.3 Versterkend leren

5.3 Deep learning

6. Voor- en nadelen van AI

1. Wat is AI?

We spreken van een AI-systeem wanneer een computersysteem zelfstandig iets kan leren van ervaring en gedrag en zelfstandig beslissingen kan nemen. Het 'denken' van het menselijk brein wordt nagebootst.

Door de toevoer van massaal veel data verandert het systeem en leert het voortdurend bij. Met de opkomst van de gedigitaliseerde samenleving worden data in computers opgeslagen en verwerkt. de hoeveelheid gedigitaliseerde gegevens is enorm gegroeid. Men heeft het tegenwoordig over Big Data. Er is zoveel beschikbaar dat speciaisten zoals datawetenschappers en data-analisten, zich de hele dag bezighouden met het organiseren van data en datastromen. De beschikbare informatie helpt bij het ontwikkelen van AI-systemen. er zijn namelijk veel gegevens nodig om AI-systemen te trainen.

Alle gesofisticeerde systemen die gewoon uitvoeren wat geprogrammeerd werd, behoren niet tot het AI-domein. Een robot in een magazijn die steeds dezelfde taak uitvoert, maakt dus geen gebruik van AI.

Wanneer Netflix je bepaalde films of series voorstelt, ligt er wel een AI-systeem aan de basis. Op basis van jouw kijkgedrag leert het systeem iets over jouw voorkeuren. Hoe meer je kijkt, hoe beter het aanbod op jouw interesse afgestemd wordt.

Kan een computer denken? Kan een niet-levend ding denken? Wanneer is een machine intelligent? Over deze vragen hebben heel wat experts zich jaren geleden al het hoofd gebroken.

2. Geschiedenis van AI

Een eerste doorbraak kwam er in de jaren '50 door het werk van Alan Turing, een briljante Britse wiskundige die de vader van moderne computer genoemd wordt. Met zijn 'Turing Test' maakte hij de zoektocht naar een antwoord concreter.

Het principe van deze test gaat als volgt: Kan een interviewer het onderscheid maken tussen een mens en een computer die hij niet ziet en enkel kan beoordelen op basis van antwoorden op zijn vragen? Als de computer gedurende 3 min de ondervrager kan misleiden, dan wint de computer en is hij geslaagd voor de test.

Door deze test werd de vraag 'Kan een computer denken?' getransformeerd naar een meer tastbare vraag zoals 'Kan een computer zich als een mens gedragen? Kan hij reageren op gedrag? Kan hij het imiteren? Het besef dat het enkel gaat over het programmeren van een computer om zich als een mens te gedragen en meer niet, maakt AI ook minder angstaanjagend.

Alle AI-experts kennen het werk van Alan Turing. Hij vervulde ook een heldenrol in de Tweede Wereldoorlog door zijn werk met het ontcijferen van gecodeerde berichten van de nazi's. In 2014 verscheen de film 'Imitation Game' over het leven van Alan Turing. De Hollywoodproductie kreeg acht Oscarnominaties en won in de categorie 'Best bewerkte script'.

AI heeft vele evoluties meegemaakt en heeft gouden en donkere tijden gekend.

In het begin, net na de tweede wereldoorlog leek AI op een instructieboekje om een Ikeabed in elkaar te steken. Dit wordt de procedurale fase genoemd. Op een bepaald moment stootte men echter op de beperkingen. De periode tussen 1974 en 1980 staat bekend als de eerste AI winter. Ondanks het groot optimisme over de mogelijkheden kwamen veel verwachtingen niet uit. AI verloor aan interesse.

In jaren '80 ging AI een tweede fase in: die van machine learning. De systemen werden sterker en je kon een machine dingen leren. Deze AI lente duurde zo'n 7 jaar. In 1987 deed de tweede AI winter zijn intrede.

Hewel AI-activiteiten dus op een laag pitje stonden, stond de rest van de computerwereld niet stil. Denk maar aan de introductie van Microsoft Windows in 1990 en de basis voor het huidige World Wide Web die in datzelfde jaar gelegd werd. De exponentiële groei van de snelheid van computers betekende dat AI-technieken die voorheen te ingewikkeld waren voor de hardware nu peens binnen een aanvaardbare tijd uitgevoerd konden worden. Een nieuwe lente in de AI brak aan.

Sinds 2010 spreken we van een derde fase binnen de AI: deep learning.

De laatste jaren kent het gebruik van AI een enorme heropleving. Door de verdere digitalisering van de maatschappij zijn nog nooit zoveel data beschikbaar als nu (Big Data). Samen met de grote vooruitgang in beschikbare hardware en de grotere toegankelijkheid tot de nodige software zorgt dit voor een enorme AI-boost.

3. Toekomstverwachtingen

Een ontwikkeling die alles op zijn kop zou kunnen zetten is de quantumcomputer. IBM, Google en anderen zijn inmiddels bezig met het testen van de eerste werkende exemplaren. Volgens experts zou de quantumcomputer in de toekomst zo snel kunnen rekenen dat bestaande encrypties (versleuteling van bestanden) in kort tijd gekraakt zouden kunnen worden. Als de quantumcomputer dat kan, is te verwachten dat AI ook een enorme groei zal doormaken.

Hoe werkt een quantumcomputer?

Besluit:

In brede zin verwijst AI naar intelligente systemen die zelfstandig taken kunnen uitvoeren. Ze kunnen leren en handelen. Deze machines worden steeds slimmer door te oefenen en kunnen zelf beslissingen nemen, zoals ook mensen dat doen.

4. Wat is de impact van AI?

4.1 Waarom is AI zo belangrijk?

Door AI systemen kunnen heel wat processen onwaarschijnlijk versneld worden. De uitgevoerde taken kan een mens zonder problemen ook aanleren maar het tempo kan onmogelijk geëvenaard worden. De laatste jaren zijn AI-technieken zo sterk verbeterd, samen met andere technologische ontwikkelingen zoals de opkomst van de cloud, krachtige camera’s, nauwkeurige sensoren,… AI wordt op die manier steeds toegankelijker voor meer bedrijven.

4.2 Media

Online wordt er vaak gebruikt gemaakt van AI.

1. Google kan voorspellen wat je interesses zijn door te kijken naar wat je in het verleden allemaal hebt opgezocht.

2. Facebook selecteert de zaken die op je tijdslijn verschijnen. Daarvoor gebruikt Facebook jouw data. Op basis van wat je leuk vindt, welke foto's je liket, met wie je bevriend bent ... gaat Facebook patronen ontdekken. Dankzij die patronen kan Facebook voorspellen welke zaken jou zouden kunnen interesseren.

Let op: Sociale media zoals Facebook maken dus gebruik van persoonlijke data. AI is dus handig, maar je moet er wel een deel van je privacy voor opgeven.

Dat het gebruik van AI in de media nog volop evolueert, bewijst het filmpje hiernaast.

4.3 Mobiliteit

Tesla is een bekende producent van elektrische auto's uit de Verenigde Staten. De baas van het bedrijf is Elon Musk. Musk werkt al jaren aan het ontwikkelen van zelfrijdende auto's die zichzelf volledige besturen zonder tussenkomst van een mens. daarvoor wordt uiteraard gebruik gemaakt van AI. Zo zouden we in de nabije toekomst zelf niet meer moeten rijden maar doet de auto alles voor ons.

Let op: AI kan hierdoor voor een handige toepassing zorgen in het verkeer. Maar bedenk ook even enkele redenen waarom AI in het verkeer ook een gevaar kan vormen.

4.4 Gezondheid

Borstkanker is de meest voorkomende kanker bij vrouwen. Ondanks alle vooruitgang in de wetenschap sterven jaarlijks 500.000 vrouwen wereldwijd aan de ziekte. De opsporing wordt alsmaar beter, maar het vraagt veel tijd om alle vrouwen te testen.

AI kan hier een oplossing zijn. Als je de computers veel data geeft over tumoren, kunnen de machines leren om tumoren te herkennen. Zo zou kanker dus veel sneller opgespoord kunnen worden, en kunnen vrouwen sneller behandeld worden.

Let op: AI kan veel zaken ontdekken die een mens niet kan zien, maar we moeten alert blijven. Zo kan een systeem verkeerd getraind worden. Bijvoorbeeld door alleen maar scans van vrouwen of van blanke mensen te krijgen ...

In het filmpje hiernaast van enkele jaren geleden kom je te weten hoe AI een rol speelde bij de Corona pandemie.

4.5 Muziek

Kan een computer met behulp van AI een nieuw muziekstuk componeren? Een reportage van Pano testte het uit.

De machine werd eerst gevoed met data: Jef Neve, een bekend concertpianist, speelde verschillende versies van een muziekstuk. Dat werd opgenomen en in het computerprogramma gestoken. De computer analyseerde die data met behulp van wiskundige algoritmen. Zo slaagde de computer erin om een nieuw stuk te componeren, gebaseerd op patronen in de data van Jef.

Bekijk het filmpje hiernaast:

5. De principes van AI

5.1 De drie elementen van AI

Net zoals wijzelf leert een computer van gegevens. Je geeft de machine heel veel voorbeelden, bijvoorbeeld duizenden foto's van honden en koekjes, waardoor je de computer traint.

Nadien analyseert de computer die voorbeelden. Hij zoekt met behulp van algoritmes naar patronen. Als je daarna een nieuwe foto toont van een hond of een koekje, zal de computer in % de kans aangeven dat het om een hond of een koekje gaat.

Artificiële intelligentie bestaat uit drie elementen:

Als computerkracht voor AI de motor is en data zijn de brandstof, dan zijn de algoritmes het design of het ontwerp. Een algoritme is een verzameling van specifieke geprogrammeerde instructies die nodig zijn om een probleem op te lossen of een taak uit te voeren. Je kent misschien wel het algoritme hiernaast dat je de kans geeft om het spel OXO in een 3x3 raster altijd te winnen. De enige voorwaarde is dat je zelf als eerste aan de beurt komt.

Algoritmen spelen een grote rol in ons dagelijks leven. Denk maar aan Google ranking, aan het uitstippelen van een route op je navigatiesysteem, het opsporen van verdacht betalingsverkeer of het aanbieden van klantenservice via chatbots ...

5.2 Machine learning

Machine learning, automatisch of machinaal leren is een belangrijk onderzoeksveld binnen AI. Het houdt zich bezig met de ontwikkeling van algoritmes en technieken waarmee computers kunnen leren. In een oude situatie zou een programmeur handmatig software coderen met instructies zodat een bepaalde taak kan worden uitgevoerd. Bij machine learning wordt een machine aan de hand van algoritmes en een grote hoeveelheid data getraind of aangeleerd hoe hij bepaalde taken moet uitvoeren. Door een algoritme meer en meer voorbeelden te laten zien, wordt het steeds beter in een betreffende taak.

We onderscheiden drie soorten machine learning: gesuperviseerd leren, ongesuperviseerd leren en versterkend leren.

5.2.1 Gesuperviseerd leren

Dit betekent 'gecontroleerd leren', omdat mensen aan de computer voorbeelden laat zien. Je werkt met gelabelde data. Je geeft bijvoorbeeld duizenden foto's van een hond en zegt 'dit is een hond'. Je geeft duizenden foto's van een kat en zegt 'dit is een kat'. Het systeem gaat vervolgens aan de slag en formuleert regels om vast te stellen waarom een afbeelding een hond of een kat laat zien. Door middel van oefening en het ontvangen van feedback scherpt het systeem de regels steeds verder aan. Zo leert de computer gaandeweg meer en meer honden en katten herkennen.

Een voorbeeld hiervan is gezichtsherkenning. Elke keer je een vriend of vriendin tagt op Facebook, leer je Facebook: dit is je vriend, dit is je vriendin. Op basis van deze data kan het algoritme je vriend en vriendin na een tijdje herkennen met een bepaalde waarschijnlijkheid. Helemaal zeker is het systeem nooit.

5.2.2 Ongesuperviseerd leren

Bij ongesuperviseerd leren gaat het systeem zelf op zoek naar patronen in data. Dit is een ongecontroleerde manier van leren waarbij er niet wordt gestuurd door middel van de juiste voorbeelden. De algoritmes moeten zelf structuur aanbrengen en de data in clusters onderbrengen. Nemen we het voorbeeld van de honden en katten dan verdeelt het systeem bij deze vorm van machine learning de honden en katten zelf in categorieën of clusters.
Een voorbeeld van zo'n toepassing is Netflix, amazon of Bol.com. De computer verdeelt de producten in groepen en kan je bepaalde groepen van producten aanraden, gebaseerd op je koop- of kijkgedrag.

5.2.3 Versterkend leren

Anders dan bij de andere vormen van machine learning, ontvangt het systeem bij versterkend leren pas feedback nadat de taak helemaal is uitgevoerd. Het is zoals een nieuwe videogame die je aan het spelen bent. De machine komt telkens in een omgeving terecht waarin van alles gebeurt en verandert. De machine leert wat hij moet doen door fouten te maken waardoor hij wordt gestraft, of door goede dingen te doen waarvoor hij wordt beloond. Het algoritme ontdekt dus door trial and error welke strategieën het beste resultaat opleveren.

5.3 Deep learning

Deep learning is een soort van machine learning, waarbij gebruik wordt gemaakt van algoritmes met 'neurale netwerken'. Die algoritmes zijn geïnspireerd door de werking van onze hersenen en de computer gaat zo de verbindingen in onze hersenen en de werking ervan nabootsen.

Deze technologie kan véél meer data analyseren. Er kan met behulp van deze technologie zelfs zoveel data geanalyseerd worden, dat systemen patronen ontdekken die getrainde mensen hoogstwaarschijnlijk zouden missen. Op basis van deze patronen maken systemen zulke accurate voorspellingen, dat ze het vrijwel altijd bij het rechte eind hebben. Tegelijkertijd hoeven programmeurs een stuk minder informatie voor te kauwen, wat ontzettend veel werk scheelt. Systemen kunnen dankzij deep learning namelijk ongestructureerde databases doorspitten.

Deep learning is een andere benaming voor ‘neurale netwerken’. Het bootst losjes de processen in onze hersenen na. Net zoals in je hersenen, verwerkt deep learning informatie over meerdere lagen. In het filmpje hiernaast wordt een vergelijking gemaakt met de werking van onze hersenen.

Zoals bij de mens beelden op je netvlies worden geprojecteerd, zo ziet een computer de wereld via een scherm. Een computerscherm is opgebouwd uit pixels. Afhankelijk van je scherm kunnen dit meer dan een miljoen lichtpuntjes zijn, die stuk voor stuk verschillende kleuren kunnen aannemen.

Als je bijvoorbeeld de afbeelding met de getallen van 0 tot 9 hiernaast bekijkt, zie je dat sommige vierkanten wel en andere niet gekleurd zijn.

Een computer kan deze getallen ook herkennen. De wel en niet gekleurde pixels vormen de input. De computer vertaalt deze opsomming van pixels die ‘aan’ en ‘uit’ staan naar vormen en geeft er een betekenis aan: dat is de output.

Een computer ‘leest’ iedere afzonderlijke pixel. Van links naar rechts en van boven naar beneden. Net zoals een mens deze tekst leest dus! Hiernaast zie je de bovenste rij pixels van een getal. Op dit moment kan het nog ieder getal voorstellen, behalve een 1 en een 4.

Na iedere rij met pixels snapt de computer steeds beter wat de input moet voorstellen.

Wat het in bovenstaand voorbeeld extra makkelijk maakt, is dat iedere pixel volledig aan of uit staat. Maar dat is niet altijd het geval: hoe klein ze ook zijn, het komt ook vaak voor dat pixels maar deels zijn gekleurd. Dan wordt het lezen iets ingewikkelder.

Het begrip neurale netwerken is niet makkelijk te vatten. Het volgende filmpje maakt dit duidelijk aan de hand van het voorbeeld om getallen te herkennen.

6. Voor- en nadelen van AI

Al de geziene voorbeelden tonen aan dat AI heel wat positieve impact kan hebben op je leven. Gezondere mensen, fantastische muziek, geen stress om je rijbewijs halen, zoekmachines die je filmpjes en informatie geven die bij je smaak passen ... Maar het is niet alleen rozengeur en maneschijn. Er zijn ook enkele nadelen aan AI. De twee belangrijkste hebben te maken met vooroordelen en ethiek. Dit bespreken we later verder. Eerst wordt het tijd om zelf machine learning uit te testen.

Page updated

Google Sites

Report abuse