Algoritmes in AI

Algoritmes in artificiële intelligentie

De rol van algoritmes bij AI, oftewel artificiële intelligentie

Algoritmes en AI of KI, kunstmatige intelligentie, zijn onlosmakelijk met elkaar verbonden. Sterker nog, algoritmes vormen de basis van artificiële intelligentie. Maar wat is artificiële intelligentie nu precies en welke rol hebben algoritmes hierin? Zoals de naam al zegt wordt bij artificiële intelligentie een artefact gecreëerd dat een vorm van intelligentie vertoont. Dit brengt grote voordelen met zich mee voor de mensheid maar kent ook een keerzijde. Want hoeveel denkvermogen willen we machines geven? Zo stelt wetenschapper Nick Bostrom dat een succesvolle invoering van AI onze beste uitvinding zou kunnen zijn maar wellicht ook onze laatste…

 

Algoritmes en AI zijn onlosmakelijk met elkaar verbonden

Voordat we de rol van algoritmes bij artificiële intelligentie kunnen verduidelijken, is eerst de definitie van een algoritme nodig. Een algoritme is een eindige reeks instructies die leidt naar een beoogd einddoel vanuit een vastgestelde beginsituatie. In principe staat een algoritme daardoor los van een computerprogramma hoewel er voor de uitvoering van een algoritme doorgaans wel computers gebruikt worden. Het beoogde einddoel van een algoritme kan van alles zijn. De eindige reeks instructies worden zo opgesteld dat ze in het algemeen om kunnen gaan met eventualiteiten die tijdens de uitvoering op kunnen treden. Dikwijls hebben algoritmes herhalingsstappen, wat iteratie wordt genoemd. Ook vereisen ze in het algemeen beslissingen, vergelijkingen of logica om de beoogde taak te kunnen voltooien.

 

Vergelijking met kookrecepten

Eén en dezelfde taak kan doorgaans met diverse instructiereeksen opgelost worden. Het verschil zit hem dan in de hoeveelheid inspanning, ruimte of tijd die het algoritme nodig heeft. Dit wordt complexiteit genoemd. Zo kun je een algoritme bijvoorbeeld vergelijken met een kookrecept. Stel, je wilt een aardappelsalade maken. Bij het ene recept moet je volgens de instructies eerst de aardappel koken en volgens het andere recept moet je de aardappel eerst schillen. In beide recepten zijn deze twee stappen echter vereist voor het juist uitvoeren van het beoogde eindresultaat, de beoogde aardappelsalade.

 

Formele systemen en de ‘interne toestand’

Dit werkt op een vergelijkbare manier met een algoritme. Het moet het beoogde eindresultaat correct uitvoeren en het algoritme zelf moet daarom goed worden uitgevoerd door het computerprogramma. In formele systemen zijn algoritmes essentieel voor onder meer de wijze waarop een computer de informatie verwerkt. Een computerprogramma is hierdoor een formeel algoritme dat de computer instructies geeft welke stappen in welke volgorde uitgevoerd moeten worden om het beoogde einddoel te halen. Er wordt dus informatie verwerkt bij algoritmen. De data worden gelezen vanaf het invoerapparaat en vervolgens naar een uitvoerapparaat weggeschreven. Hier kan het bewaard worden. Dit wordt ook wel de ‘interne toestand’ genoemd.

 

Machine Learning (ML)

Terug naar algoritmes en AI. Algoritmes kunnen bij artificiële intelligentie onder meer worden ontwikkeld voor computers om deze te laten leren. Het machinaal of automatisch leren is een veelomvattend onderzoeksveld binnen AI en wordt aangeduid met Machine Learning (ML). Er worden hierbij patronen uit data gehaald. Vandaag de dag komen deze ontwikkelingen in een stroomversnelling omdat de cloud in overvloed rekenkracht brengt. Zo kan een computer teksten vertalen, gesproken woord verstaan en ook plaatjes begrijpen. Je vindt Machine Learning onder meer terug in de zelfrijdende auto.

 

Het analyseren van data en ‘data mining’

Machine Learning is gericht op het analyseren van data oftewel statistische analyse. Het is gefocust op het implementeren in programma’s of algoritmische complexiteit. Daarnaast is het gerelateerd aan zogeheten ‘data mining’. Hierbij worden op een geautomatiseerde wijze relaties en patronen in grote hoeveelheden data gezocht. Bij beide onderzoeksgebieden is het gebruik van algoritmes in AI de fundamentele basis. Ze worden gebruikt om data te analyseren, om inzicht te verkrijgen en om hier vervolgens een voorspelling mee te doen of een bepaling mee te creëren. In plaats van software handmatig te coderen met een bepaalde instructieset, wordt de machine bij Machine Learning getraind. Dit door gebruik te maken van algoritmes en grote hoeveelheden data die de mogelijkheid moeten bieden om te leren hoe een taak volbracht moet worden.

 

Neurale netwerken en Deep Learning (DL)

Men spreekt van een neuraal netwerk wanneer een methode wordt gebruikt om in data patronen te ontdekken. Daarbij wordt door de software een structuur nagebootst die gelijkenis vertoont met de neuronen van ons menselijk brein. Deze structuur kan opgebouwd zijn uit tientallen of zelfs honderden verschillende lagen. Dit wordt daarom Deep Learning (DL) genoemd. Dit neurale netwerk kan getraind worden met voorbeelden die geclassificeerd zijn door de mens maar het netwerk kan ook patronen vinden in data die niet door de mens gecontroleerd zijn. Daarnaast kan DL semi-gecontroleerd gebeuren. DL maakt deel uit van een bredere familie van methoden voor Machine Learning.

 

Deep Learning: gecontroleerd, ongecontroleerd en semi-gecontroleerd

In het geval van Deep Learning dat gecontroleerd is, worden algoritmes bij AI voorbeelden gegeven van de invoer en de hieraan gerelateerde uitvoer. Het leeraspect hierbij is dat op basis van deze voorbeelden de invoereigenschappen bepalend zijn voor de uiteindelijke uitvoer. Zodra de leerfase is afgerond kunnen algoritmen zelfstanding voor nieuwe invoer de correcte uitvoer realiseren. Bij ongecontroleerde Deep Learning worden geen voorbeelden gegeven van de gewenste uitvoer. De algoritmen ontdekken dan zelf een structuur in de invoer die gegeven wordt. Bij semi-gecontroleerde Deep Learning zit dit tussen beide leermethoden in.

 

Correlaties en geen noodzakelijk causaal verband

Bij algoritmes in AI wordt de samenhang tussen verschillende variabelen aangeduid als correlatie. Deze correlaties hoeven geen causaal verband te hebben. Dit is de reden waarom ze veelal een simplistisch beeld van de werkelijkheid geven. Zo is er bijvoorbeeld een correlatie tussen het aantal winnaars van de Nobelprijs en het veelvuldig consumeren van chocolade, maar dit heeft geen causaal verband. De reden hiervoor is dat Zwitserland naar verhouding veel universiteiten heeft.

 

De kans op stereotypen

Een ander verschijnsel bij algoritmes in AI zijn stereotypen. Deze kunnen er eenvoudig insluipen. Stel bijvoorbeeld, dat de computer gevoed wordt met foutieve gegevens. Een voorbeeld hiervan is dat spraakherkenning lange tijd niet goed functioneerde met de stemmen van vrouwen. Simpelweg omdat de betreffende software alleen werd getraind met mannenstemmen. Weer een ander voorbeeld is software die emoties kan herkennen. Deze software zat er naast bij het herkennen van emoties bij kinderen. De reden was dat hun foto’s niet in de dataset waren verwerkt.

 

‘Predictive policing’

Bij algoritmes en AI kunnen ook ongewenste resultaten optreden. Bijvoorbeeld wanneer er door algoritmes gelet wordt op verkeerde factoren die gebaseerd zijn op gegevens uit het verleden. Het risico hierop wordt met de term ‘predictive policing’ aangeduid. Stel dat er extra controles worden uitgevoerd door agenten in stadsdelen met veel criminaliteit. Dan groeit de kans waarschijnlijk dat daar meer arrestaties plaatsvinden waardoor de criminaliteitscijfers onherroepelijk nog verder zullen stijgen.

 

Praktijkvoorbeelden

De kunstmatige neurale netwerken, de architecturen van Deep Learning, zijn uiteraard ook succesvol toegepast in de praktijk. Denk bijvoorbeeld op gebieden zoals spraakherkenning, beeldherkenning en taalverwerking die op een natuurlijke manier plaatsvindt. Een voorbeeld hiervan is de klantenservice in de vorm van een online assistent die geautomatiseerd is. Daarnaast zijn ook machinevertaling, bio-informatica, audioherkenning en sociale netwerkfiltering uitgelezen voorbeelden van kunstmatige neurale netwerken. Soms zijn de resultaten van algoritmes bij AI zo goed dat ze niet alleen vergelijkbaar zijn met die van menselijke deskundigen maar hier zelfs superieur aan zijn.

 

Voordelen voor de mensheid

Dat algoritmes en AI grote voordelen bieden aan de mensheid is iets dat we dagelijks kunnen ervaren. Zelfsturende systemen, het herkennen van patronen, spraak, beeld en geluid, lopende robots en ga zo maar door. Ook vraag-antwoordsystemen en vertaalmachines helpen ons onder meer op het gebied van efficiëntie, gemak en optimale gebruikerservaring. Een branche waarin artificiële intelligentie een belangrijke rol inneemt is de gezondheidszorg. Ook worden hier nog grootse dingen van artificiële intelligentie verwacht. Zo zou een intelligente machine kleine afwijkingen en veranderingen bijvoorbeeld veel nauwkeuriger kunnen waarnemen en herkennen dan een arts van vlees en bloed. Daar komt bij dat AI ook complexe en intensieve operaties onvermoeibaar kan uitvoeren.

 

De keerzijde…

Het is belangrijk dat we als mensheid kritisch zijn en blijven over het denkvermogen dat we geven aan machines. Zo maken honderden wetenschappers wereldwijd zich zorgen over met name wapens die op een autonome manier beslissingen nemen. Daarmee zouden ze in potentie nog gevaarlijker kunnen zijn dan nucleaire wapens. Om deze reden pleiten zij ervoor dat er meer onderzoek wordt gedaan naar de ‘zelflerende aspecten’ van algoritmes bij AI. Alleen door hier alert op te blijven kunnen en zullen ontwikkelde systemen blijven doen wat de mens wil dat ze doen… Een ander voorbeeld van wat de mensheid juist niet voor ogen had met artificiële intelligentie is het fenomeen ‘deep fake news’. Dit is vandaag de dag erg actueel en staat beter bekend onder de term nepnieuws.

 

Superintelligentie

Dat sommige mensen deze keerzijde van artificiële intelligentie vrezen komt onder andere tot uitdrukking in de hoeveelheid films die hierover gemaakt zijn. Zo zijn films als The Matrix, Autómata en I Robot gebaseerd op het idee dat AI verantwoordelijk zal zijn voor de ondergang van de mensheid. In deze films worden machines autonoom en kunnen ze zichzelf volledig door ontwikkelen. Dit vindt plaats zonder tussenkomst van de mens. Er wordt in dergelijke gevallen gesproken voer superintelligentie: het moment dat AI slimmer is dan de mensheid.

 


Maak direct een afspraak

Voor een persoonlijk gesprek en een demo van ons platform

Afspraak maken