Kan een robot uit zichzelf leren om een meesterchef te worden ? Kunnen computers dienst doen als taxichauffeur, telemarketer of scheidsrechter ? Het antwoord is ja, en dat roept vragen op over het bijzonder snel groeiende domein van machine intelligence, waarin computers worden ontwikkeld met een intelligentie die die van de mens benadert. En die op termijn zelfs kan overtreffen.

Maak kennis met PR2, een robot die twee jaar geleden al in staat bleek om zichzelf te leren hoe hij een vooraf bereide pizza moet bakken. Hij vond alles wat hij nodig had door YouTube-filmpjes te analyseren en door WikiHow-pagina’s op het internet te scannen. Het mooie is ook dat hij dat leerproces meteen ook voor al zijn soortgenoten heeft ondergaan : de modus operandi werd, in de vorm van algoritmes, geüpload naar een onlinesysteem dat RoboHow heet, en waarop andere slimme computersystemen en robots kunnen inhaken.

Moley, een andere slimme robot, kreeg vorig jaar op de CeBit-beurs de opdracht van zijn makers om een krabsoepje te maken op basis van een recept van MasterChef UK-winnaar Tim Anderson. Hij flikte dat op een half uur tijd, met keukenuitval die vergelijkbaar was met degene die Anderson zelf achterliet voor hetzelfde recept.

IN DE GROEI

Het zijn maar lukrake voorbeelden die aangeven wat een onwaarschijnlijke groei intelligente machines de afgelopen jaren hebben gemaakt. Computers, en de robots die ze aandrijven, worden letterlijk constant slimmer, dankzij het feit dat hun interne software zelf zo is geprogrammeerd om alles wat ze hebben geleerd ook op te slaan, en die leerprocessen met elkaar te delen via de cloud.

“De eerste decennia waarin intelligente computersystemen doorbraken, bleven ze beperkt tot hun eigen hokjes : we zagen fysieke robots opkomen die zich over één repetitieve taak bogen, crm-systemen die verkoopsbeslissingen hielpen nemen, enzovoort”, zegt Menno Van Doorn, directeur van het Research Institute for the Analysis of New Technology bij het Franse ict-bedrijf Sogeti.

“De systemen werden slimmer en slimmer, maar het bleef wel in een erg afgesloten, gecontroleerde omgeving. De recentste generatie slimme systemen trekt naar buiten : ze gedijen ook in een ongecontroleerde omgeving, waar ze verrassingen tegenkomen. En ontwikkelen het zelflerende vermogen waarmee ze steeds beter worden in het kopiëren van menselijk gedrag.”

Het zette een waarachtige mini-industrie in gang : consultancybureau Deloitte rekende voor dat de markt voor machine learning-toepassingen vandaag al een miljard euro waard is, en dat binnen de volgende drie jaar al naar een steile 50 miljard moet zijn gestegen.

Ook investeringen in start-ups die zich met het domein bezighouden zijn in 2014 verdrievoudigd ten opzichte van de jaren daarvoor, en ook de grote jongens springen op het domein : Google neemt als een slokop start-upbedrijven in het veld over, waaronder Boston Dynamics, DeepMind en Redwood Robotics, en IBM, Microsoft en Amazon verhuren de diensten van hun zelflerende computersystemen aan andere bedrijven.

HARDWARE EN ALGORITMES

De ontwikkeling van machine intelligence begon zestig jaar geleden, tijdens een zomerprojectje aan de Britse Dartmouth-universiteit. Computerwetenschapper John McCarthy legde in de zomer van 1956, samen met een team van studenten, de theoretische basis van artificiële intelligentie, en verklaarde dat een machine die zichzelf slimmer maakt binnen twintig jaar een realiteit zou zijn. Dat was uiteraard uitzonderlijk optimistisch, maar er hebben zich de afgelopen jaren een paar elementen gemanifesteerd die de ontwikkeling van slimme systemen uiteindelijk toch in een stroomversnelling bracht.

Het zit vooral in twee elementen die het ‘weefsel’ van computertechnologie uitmaken : een constante verbetering in de hardware, en de creatie van slimme algoritmes die computers meer en meer toelaten om te denken als een mens. Wat die eerste schakel betreft : bedrijven als IBM, Nvidia en Google zijn bezig aan een compleet nieuwe soort chips die als een neurologisch netwerk zijn opgebouwd – met de structuur van het menselijke brein dus. Aan softwarekant worden er algoritmes uitgedacht die de werking van het menselijke brein simuleren via ‘associatieve geheugentechnieken’, waardoor ze beter worden in probleemoplossend denken : geen “computer says no” meer.

Wat ook een niet te onderschatten rol speelt in de enorme vaart die de ontwikkeling van zelflerende systemen ineens heeft genomen, is big data : de robots/computersystemen leren niet alleen zelf bij, maar delen hetgene wat ze hebben geleerd ook via wat computerwetenschappers het world wide webof robots noemen. En ook de fysieke interactie met de echte wereld wordt er, door de groei in het veld van de robotica, beter op : robots hebben vandaag de fijne motoriek om bijvoorbeeld een zakje aardappelchips vast te grijpen zonder de chips tot gruis te herleiden.

De technologische groei nadert grenzen die tot enige tijd geleden onoverschrijdbaar leken. Zoals het onderkennen van emoties. “Een computersysteem of een robot kan misschien geen emoties hebben, maar ze kunnen ze wel beter en beter herkennen bij de mens”, zegt Van Doorn.

“Dat gebeurt onder meer door de captatie van ons stemtimbre. Zo leren ze de emoties van de mens waarmee ze converseren te herkennen, en zelf de schijn van diezelfde emoties op te houden. Ze leren die emoties herkennen en erop anticiperen. Zonder ze effectief zelf te hebben, maar dat is ook niet belangrijk voor een apparaat dat gemaakt is om een taak goed te doen : bij een arts heb ik ook liever dat die werkt vanuit zijn vakkennis dan vanuit zijn intuïtie.”

ZEGEN EN VLOEK

Als machine learning zijn groei nog doorzet in de komende jaren, en de eerste echte consumententoepassingen komen op de markt (zeg maar : de achterkleinkinderen van digitale assistenten Siri, Cortana en Google Now), zal dat de mens ongetwijfeld heel wat geestdodende taakjes uit handen nemen : robots en computers zeuren (vooralsnog) niet. Maar er is ook een keerzijde aan die medaille : de kans is groot dat ze ook toekomstige menselijke jobs zullen kosten.

Michael Osborne, een assistent professor in machine learning aan de universiteit van Oxford, calculeerde in zijn recente studie The Future of Employment dat onder meer jobs in de telemarketing en mobiliteit snel het slachtoffer kunnen worden van de oprukkende machine-intelligentie.

En dan is er de kwestie van wat futuroloog Ray Kurzweil de Singulariteit noemt : stel dat het zelflerende vermogen van machines zodanig blijft versnellen dat ze op een bepaald moment een ‘super-intelligentie’ gaan vormen, die veel slimmer is dan de mens, en dus ook beseft dat hij die laatste gewoon niet nodig heeft om voort te bestaan. Het is een doemscenario dat de afgelopen decennia al werd geëxploreerd in sciencefictionfilms als 2001 : A Space Odyssey, The Terminator, Wargames, Tron en The Matrix, en waarvoor nu al wordt gewaarschuwd door Bill Gates, Stephen Hawking en Elon Musk.

“Er zit, wat mij betreft, iets dubbels in die schrik voor tè slimme machines”, zegt Van Doorn. “We kennen heel wat menselijk gedrag toe aan machines, waardoor we ook bang zijn dat ze ons menselijke falen overnemen als ze even verstandig worden als wij. Maar misschien nemen ze alleen maar onze goede kanten over ? Ze zijn ten slotte maakbaar.”

Ronald Meeus

“Onder meer jobs in telemarketing en mobiliteit kunnen snel het slachtoffer worden van machine-intelligentie”

“De computers leren niet alleen zelf bij, maar delen wat ze hebben geleerd ook via wat computerwetenschappers het web of robots noemen”