Kunstmatige intelligentie komt geen stap verder als het niet lukt om computermodellen te maken die ons in staat stellen de wereld om ons heen te begrijpen, zo bleek bij de belangrijkste AI-conferentie in Stockholm. Auteur/journalist Bennie Mols was er de hele week bij.

Wie wil weten wat er op het gebied van kunstmatige intelligentie gebeurt is de jaarlijkse International Joint Conference on Artificial Intelligence de gelegenheid bij uitstek. Wie iets betekent of wil betekenen in het vakgebied kunstmatige intelligentie is er bij. Peetvaders van lerende computers als Yann LeCun en Yoshua Bengio gaven er lezingen, jonge onderzoekers presenteerden hun werk, grote techbedrijven probeerden talent te werven en de belangrijkste prijzen van het vakgebied werden er uitgereikt. Zo ontvingen onderzoekers van DeepMind de Marvin Minsky Medaille voor hun baanbrekende werk aan de Go-spelende computer die jaren eerder dan verwacht de mens definitief van het bord veegde.


Deep Learning lost niet alles op

Hoogleraar kunstmatige intelligentie Frank van Harmelen van de VU, gespecialiseerd in kennisrepresentatie en redeneren, bezoekt de conferentie al jaren. Gevraagd naar de opvallendste ontwikkelingen van dit jaar vertelt hij: 'Sneller dan ik had verwacht zie ik een samensmelting ontstaan tussen de oude aanpak van kunstmatige intelligentie − die van redeneren en kennisrepresentatie − met de nieuwe aanpak, die de laatste jaren zoveel succes heeft geboekt: die van lerende computers, met name door deep learning. Het besef breekt door dat deep learning niet alles oplost.”

En inderdaad, een van de grondleggers van deep learning, Yann LeCun (Facebook AI Research en New York University), legt in zijn presentatie uit wat er ontbreekt in de kunstmatige intelligentie van dit moment: 'Lerende computers hebben te veel voorbeelden en te veel oefening nodig. Daarnaast hebben computers geen gezond verstand.” Dat zijn volgens hem de belangrijkste redenen dat we nog steeds geen slimme chatbots hebben, geen multifunctionele huishoudrobots, geen intelligente digitale persoonlijke assistenten en nog lang geen mensachtige kunstmatige intelligentie. 'Machines moeten ook modellen van de wereld gaan opbouwen om een volgende stap te zetten in kunstmatige intelligentie.”


Een driejarige peuter kan veel meer
 

Tenenbaum tijdens zijn lezing. Foto Bennie Mols.


MIT-hoogleraar Josh Tenenbaum probeert precies dat voor elkaar te krijgen. Maar wat zijn dan die modellen van de wereld? In zijn keynote-lezing getiteld Building machines that learn and think like people laat Tenenbaum zien dat intelligentie zoveel meer is dan het herkennen van patronen, waarin lerende computers de laatste jaren zo goed zijn geworden. Tenenbaum: 'Intelligentie is ook het modelleren van de wereld: dat wat we waarnemen begrijpen, oorzaak-gevolg-relaties kunnen leggen, nieuwe dingen verbeelden, problemen oplossen en acties plannen.' Hij onderzoekt zowel hoe baby’s en peuters dit doen, als hoe we dit in computers kunnen nabootsen. 'Op dit moment zijn er veel vaardigheden die driejarigen wel hebben, maar de beste computers en robots nog steeds niet, bijvoorbeeld de intuïtieve manier waarop kleine kinderen met blokken nieuwe dingen bouwen of intuïtief begrijpen wat anderen om hen heen willen.' Intuïtieve natuurkunde en intuïtieve psychologie noemt de Amerikaanse onderzoeker dit.

Ter illustratie laat Tenenbaum een hilarisch filmpje zien van een experiment waarin een volwassen man met een stapel papier twee keer tegen een gesloten kast aanloopt terwijl een peuter toekijkt. Na de tweede botsing loopt de peuter naar de kast, opent de deur, kijkt de man aan en geeft een teken dat hij de stapel in de kast kan leggen. 'De peuter heeft deze situatie nooit eerder gezien,” zegt Tenenbaum, 'maar begrijpt toch het doel van de man. Er is geen enkele robot die ook maar in de buurt komt van het intuïtieve begrip dat dit kind van de wereld heeft. De grote vraag is: hoe slaagt het brein er in om heel efficiënt, in heel korte tijd en met heel weinig voorbeelden een model van de wereld op te bouwen, en hoe kunnen we computers en robots hetzelfde leren?”


Opkomst China

Naast het feit dat het vakgebied van de kunstmatige intelligentie steeds meer ook de beperkingen van deep learning beseft, valt de snelle opkomst van China op, zegt Van Harmelen. Van de 710 geaccepteerde conferentiepapers (uit een aanbod van 3470 ingediende papers) kwam dit jaar 46% uit China, 18% uit de EU en 17% uit de VS. 'Maar de meeste van hun bijdragen bevinden zich wel op het terrein van machinaal leren. Ik zie ze weinig in de andere subgebieden van de kunstmatige intelligentie.”


Maatschappelijke kant

Het derde wat Van Harmelen opvalt is dat er steeds meer aandacht komt voor de maatschappelijke impact van kunstmatige intelligentie: voor ethische aspecten als transparantie, verantwoordelijkheid en uitlegbaarheid. 'Nog niet zo lang geleden werden dat als softe aspecten gezien waar serieuze onderzoekers zich niet mee bezig hielden. Nu ontkomt niemand meer aan de ethische kant van kunstmatige intelligentie.”

Tekst Bennie Mols

International Joint Conference on Artificial Intelligence

De International Joint Conference on Artificial Intelligence (IJCAI) is de oudste en ’s werelds grootste wetenschappelijke conferentie over kunstmatige intelligentie die alle deelgebieden bestrijkt: van machinaal leren (dit jaar verreweg het grootste deel van de conferentie), computer vision en taalverwerking, tot planning, zoeken, games, kennisrepresentatie en robotica. De eerste IJCAI-conferentie vond in 1969 plaats, dertien jaar nadat het vakgebied werd geboren en de naam ‘kunstmatige intelligentie’ werd gemunt. Inmiddels trekt de conferentie vele duizenden onderzoekers van over de hele wereld.

 

Openingsfoto: Yann LeCun, een van de grondleggers van deep learning, tijdens zijn keynote.