Wat is er nu leuker als je meedoet aan een robotcompetitie, dat je een computer aan het werk zet om de naam voor je team te verzinnen? Een Amerikaanse onderzoeker zette een lerend algoritme aan het werk en daar komen de meest krankzinnige namen uit. Studenten, doe er je voordeel mee.
Onderzoeker Janelle Shane uit de Verenigde Staten maakt er op haar blog AIWeirdness.com een sport van om grappige dingen uit neurale netwerken te krijgen. Ze schrijft in een blogpost: 'Er doen jaarlijks duizenden middelbare scholen mee aan de robotcompetitie FIRST Robotics, waarbij ze robots programmeren om opdrachten uit te voeren. Maar het allermoeilijkste is natuurlijk het verzinnen van een goede teamnaam. Daarbij help ik graag een handje.'
De alleerste namen die het algoritme uitspuugde, waren nog wat gewoontjes. ‘Wormbots’, ‘RoboTippers’ en ‘DangerBots’; echt opvallend zijn ze niet. Beter werd dat in een volgende ronde, met exotische namen als 'School Eye Knights', 'Power Scare' en 'Jacket Devils'.
'Maar met een naam van de derde categorie maak je de tegenstanders pas echt doodsbang', schrijft Shane. want wie wil het nu opnemen tegen team 'The Wolvesdog', 'Ham & Panthers' of 'Robot Horse' ? Dan sta je van tevoren al met 1-0 achter. Bekijk ook de prachtige logo's die Shane maakte bij enkele van de gefingeerde teamnamen.
Geen intelligentie
De computer heeft de namen natuurlijk niet echt verzonnen, zoals mensen dat doen. In het algoritme dat de teamnamen genereerde, zit geen enkele vorm van intelligentie. Shane zette een zogenoemd recurrent neuraal netwerk aan het werk. Dat is een algoritme, zo legt ze uit op haar blog, waar je veel bestaande voorbeelden van namen in stopt. Het algoritme verwerkt al die echte namen – Shane kreeg er 6.197 aangeleverd – en leert langzaamaan steeds beter om zelf soortgelijke namen te verzinnen.
Mierikswortel
Shane deed hetzelfde eerder met benamingen voor taarten en met recepten. Die recepten zien er op het eerste gezicht professioneel uit (zie het voorbeeld rechts): helemaal netjes uitgeschreven met ingrediënten en hoeveelheden. Maar ‘het zijn geen goede recepten. Of eigenlijk zijn ze verschrikkelijk. Ik heb er eentje ooit echt klaargemaakt en ik krimp nog steeds ineen als ik ergens mierikswortel denk te ruiken’, schrijft Shane.
Dat is ook wel logisch. Het algoritme heeft na alle training met echte recepten geleerd om bepaalde woorden en hoeveelheden als output te geven, maar een samenhang tussen de ingrediënten is er niet, want enig begrip van smaken en voedsel ontbreekt.
Intelligentie ontbreekt
En daarmee relativeert deze blogger – wellicht onbedoeld – de mogelijkheden van machine learning. Deze techniek heeft allerlei nuttige toepassingen. (Lees bijvoorbeeld de recente nieuwsberichten ‘Boerenrobots analyseren maïs’, ‘Drone redt kind in zwembad’ en ‘Camera herkent emoties bij winkelend publiek’). Maar echte intelligentie ontbreekt (lees: ‘Slimme computers moeten de wereld ook begrijpen’). Dat vergeet je als je zulke coole teamnamen ziet.
Beeld: Janelle Shane
Nieuwsbrief
Vond je dit een interessant artikel, abonneer je dan gratis op onze wekelijkse nieuwsbrief.