Kunstmatige of artificiële intelligentie, machine learning en deep learning zijn begrippen die we steeds meer tegenkomen. Hoewel ieder item zijn specifieke betekenis heeft worden de benamingen vaak door elkaar gebruikt. Op zich niet erg, het gaat immers om de toepassing die is gebaseerd op slimme verwerking van de enorme hoeveelheden data die onze systemen genereren. Specifieke toepassing van deze technieken zijn qua slimheid en snelheid superieur aan de wijze waarop een mens dit kan. Cognitieve intelligentie kunnen we betitelen als de ultieme vorm van kunstmatige intelligentie omdat de werking de meeste overeenkomsten heeft met ons menselijk brein. De ontwikkelingen gaan hard en zullen veel mooie en goede toepassingen brengen. Neemt niet weg dat er voorlopig nog geen toonaangevende en breed geaccepteerde rol voor kunstmatige intelligentie in onze maatschappij is weggelegd.
Cognitieve systemen gaan veel verder dan het logisch verwerken van datastromen. Ze zijn ontworpen om problemen op te lossen zoals mensen dat doen, door te denken, te redeneren en te onthouden. Als er nieuwe gegevens in een cognitief systeem binnenkomen zal het systeem leren en zich aanpassen. Uitgangspunten worden onderzocht en afgewogen zonder daarbij iets over het hoofd te zien. De database is hierbij bepalend, maar kan zo uitgebreid zijn dat de uitkomst die een cognitief systeem geeft veel beter is dan een mens ooit zou kunnen opleveren aan de hand van zijn actuele kennis in combinatie met zijn bevindingen.
Systemen die voelen, redeneren en handelen
Cognitieve computersystemen zijn in staat om op basis van geleerde ervaring te voelen, redeneren, handelen en zich aan te passen. Ze zijn ontworpen om mensen behulpzaam te zijn of te ontlasten van taken waar hoge accuraatheid nodig is, denk hierbij aan werk in explosiegevaarlijke gebieden, of onder extreme omstandigheden. Ook bij autonoom vervoer worden deze technieken uitgebreid toepassing. Een cognitief systeem zal een data-intensieve taak anders benaderen dan andere kunstmatig intelligente systemen. Een voorbeeld dat je nogal eens tegenkom is het maken van een behandelplan voor een patiënt. Uiteraard moet hiertoe aan de hand van een analyse een enorme database van ingebrachte kennis, artikelen en dossiers worden geraadpleegd. Een cognitief systeem zal uitgebreide en zeer complete informatie bieden om de arts te helpen. De voorgangers van cognitieve intelligentie zijn ontworpen om de arts een handelswijze te presenteren die hij kan volgen op basis van zijn analyse. Cognitieve systemen zijn nog volop in ontwikkeling, het is zeker dat we ongekende ontwikkelingen zullen zien in o.a. de medische wereld, het onderwijs en de wetenschap.
Kookles: IoT, brein en geld
Er zijn veel zaken die de computer beter kan dan een mens, maar dat geldt zeker niet voor alles. Volgens onderzoekers van Google zullen ethische keuzes en emotionele zaken voorbehouden blijven aan mensen. Ook in zaken als creativiteit zal een computer niet snel uitblinken, dat is zeker. Op deze gebieden kan technologie de mens wel helpen om juiste en weloverwogen beslissingen te nemen. Dan nu even de kookles. We nemen een platform gebaseerd op cognitieve intelligentie, voegen daar aan toe een IoT platform en een blockchain platform en de vrijwel onbegrensde mogelijkheden liggen voor het oprapen. De ICT-reuzen in deze wereld zijn hier volop mee bezig. Platformen als IBM Watson, Microsoft Azure, Amazon Web Services (AWS) en Google Prediction API ontwikkelen in hoog tempo. Computers die beschikken over alle zintuigen die de mens heeft is hierbij het credo van IBM.
Vertrouwen en energieverbruik
Er zijn nogal wat kanttekeningen bij cognitieve intelligentie, we leggen immers een grote dosis vertrouwen neer bij technische systemen. Systemen die zijn ontworpen door mensen met hun belangen en voorkeuren. De grote Amerikaanse technologiereuzen, Microsoft, Facebook, Amazon, IBM en Apple zijn op dit moment toonaangevend. Het is voordehand liggend dat cognitieve intelligentie bepaalde waarden meekrijgt van deze bedrijven. Deze koplopers hebben successen op hun naam geschreven met cognitieve intelligentie gebaseerd op traditionele architecturen. Een groot probleem hierbij vormt het energieverbruik. De Chinese Sunway TaihuLight supercomputer trekt bijvoorbeeld 15 megawatt aan piekvermogen. Een stroomverbruik om 4.500 huishoudens van energie te voorzien. Hier zijn nog wel wat slagen te winnen, mooie onderwerpen om nog eens op terug te komen.
In deze serie blogs behandelen we de weg van kunstmatige- naar cognitieve intelligentie. De basis van deze technologische ontwikkelingen is te vinden in machine learning. De variant die het dichts in de buurt komt van ons brein is gebaseerd op neurale netwerken. Wees gerust, ons brein is met een gemiddelde van ongeveer 100 miljard neuronen nog veruit superieur. De kunstmatige neurale netwerken die op dit moment worden gebruikt bestaan uit hooguit 1000 neuronen. In mijn vorige blog heb ik de basis van neurale netwerktechnologie behandeld. Met deze kennis in de pocket kijken we nu naar deep learning als opstap naar cognitieve systemen. We realiseren het ons waarschijnlijk nauwelijks, deep learning maakt een opmars waarmee onwillekeurig iedereen in aanraking komen.
Een mooi voorbeeld van Deep learning is te vinden te vinden bij de startup DeepL, voorheen Linquee, die onlangs zijn brandnieuwe vertaaldienst online heeft gezet. Via de website www.deepl.com kan iedereen gratis tekstblokken laten vertalen in (nu nog) zeven talen. Via een uitgebreide database met voorbeeldzinnen die overal worden gebruikt is de vertaaldienst getraind. DeepL is nu al een geduchte concurrent van Google Translate die overigens ook gebruik maakt van neurale netwerktechnologie. Google heeft in haar neurale netwerk gekozen voor recurrent technologie terwijl DeepL is gebaseerd op convolutional networks. Kreten die we maar snel moeten vergeten. Het grote verschil is dat DeepL alle woorden parallel verwerkt wat meer snelheid oplevert. Met meer zoeksnelheid kan een grotere database in dezelfde tijd worden doorzocht wat uiteraard betere resultaten geeft. De grote kracht van Deepl komt uit een goed geoptimaliseerde database in gecombineerd met de nieuwste algoritmes en technologieën. Op dit moment, geeft de dienst van Deepl betere resultaten dan oplossingen van andere aanbieders, een mooie ontwikkeling waar we zeker meer van gaan horen.
Teksten vertalen en foto's veranderen, fluitje van een cent
Vertalen van teksten wordt steeds gemakkelijker en betrouwbaarder en zal in steeds meer toepassingen volledig automatisch gaan zonder dat we daar iets van merken. Ook in de grafische wereld wordt intensief onderzoek gedaan naar toepassingen op basis van deep learning technologie. De ontwikkelaars van Adobe hebben samen met de prestigieuze Cornell universiteit de applicatie Deep Photo Styler Transfer ontwikkeld. De basis van deze technologie is te vinden in het overbrengen van een stijl van de ene naar de andere foto. Het computersysteem is lerend door heel veel plaatjes te analyseren op basis van verschillende algoritmes. Het ene algoritme herkend menselijke gezichten terwijl een ander algoritme gefocust kan zijn op bomen of huizen. De ontwikkelaar heeft het algoritme zodanig gemaakt dat kenmerkende factoren worden herkend en vastgelegd. Op deze wijze kun je in een nors gezicht een aantal karaktertrekken veranderen en voilà je hebt een lachend gezicht op je foto staan. Ook een saaie foto met donkere wolken is in no time veranderd in een sprekende foto met en mooie zonsondergang. Niets zal meer hetzelfde zijn… Kijk voor een ander voorbeeld eens op http://places2.csail.mit.edu/demo.html. Je kunt hier landschapsfoto's laten analyseren met deep learning technologie. Hoewel de uitkomsten niet altijd even goed zijn geeft het wel een leuk beeld van wat je met deze techniek kunt bereiken. Probeer het maar eens uit.
IoT en deep learning
Als we deze technologische mogelijkheden samenbrengen met sensorische informatie ontstaan nieuwe mogelijkheden. Met sensoren is het redelijk simpel om veranderingen in een omgeving te signaleren, als je nu vervolgens de deep learning technologie gebruik om daar je conclusies uit te trekken kun je processen op een heel intelligente wijze automatiseren. We zien steeds meer toepassingen van deze technologie, die ons overal mee behulpzaam kan zijn, in onze omgeving verschijnen. Denk bijvoorbeeld aan winkels waar personen, inclusief hun interessegebieden, worden herkend op basis van sensorische informatie. Je loopt langs beelden waarbij gelijktijdig en geheel ongemerkt je reacties worden geanalyseerd. Het systeem weet al na een paar van dit soort acties waar je interesses naar uitgaan en kan hierop anticiperen met gerichte aanbiedingen. In sommige toepassingen kan het system zelfs weten waarna je op zoek bent, wat je lievelingskleuren zijn en wat je mooi vindt. En laat dat artikel nu toevallig je pad kruisen. Toevallig? Dankzij deep learning bestaat dit straks niet meer.
Een wereld vol gemak, kleur en diversiteit
De echte doorstoot van deep learning technologie heeft nog een hele weg te gaan, maar de ontwikkelingen staan niet stil. Het begrijpen van relaties tussen objecten is een techniek die al redelijk vergevorderd is. Voor computers is dit heel complex terwijl de mens dit vaak op intuïtieve basis doet. Neemt niet weg dat er steeds mooiere en nieuwe toepassingen komen die onze wereld veel meer diversiteit, kleur en gemak geeft. Volgende keer kijken naar de ultieme vorm van kunstmatige intelligentie. Wat zal cognitieve intelligentie ons brengen?
