Vooruitzien (voorspellen)

In de Volkskrant van 6 juli 2019 een verhaal van Niels Waarlo over Mens vs Robot: “Eerst schaken, toen Go, nu videogames. Kunstmatige intelligentie verslaat mensen in allerlei spellen. Maar daar gaat het ons niet om: het leert ze vooruitzien.” Voorzien, of voorspellen, is uiteraard een belangrijke functie, bijvoorbeeld voor verkeersstromen, winkelvoorraden enz.

Nu kunnen mensen evenmin vooruitzien of voorspellen, denk ik; eigenlijk alleen proberen de toekomst naar hun hand te zetten. Maar mensen kunnen zich mogelijk wel beter bewust zijn van allerlei omstandigheden en voorgeschiedenis die een computer niet kent. Daartegenover staat dat computers veel meer data kunnen opslaan en verwerken.

Waarlo stelt dat een van de belangrijkste  manieren waarop een AI-computer met voorspellende vaardigheden wordt getraind, heet reinforcement learning. Daarbij zegt een mens wat enkele goede uitkomsten zijn, en laat je het AI-programma in de wilde weg uitzoeken wat de beste tactieken of gedragingen zijn om zulke uitkomsten te bereiken. Door selectie van steeds de beste tactiek of gedrag, leert het programma die taak langzaam maar zeker steeds beter te doen. Vroeger heette dat de ‘brute methode’ van AI.

Als voorbeeld noemt Waarlo OpenAIFive, dat Data-2-kampioenen verslaat nadat de computer het equivalent van 45 duizend uur menselijke speeltijd er op heeft zitten. Dat was niet efficiënt genoeg om het bruikbaar te zijn voor praktische toepassing. Betere resultaten zijn later bereikt door de toepassing van neurale netwerken die meer werken op de manier van ons brein: Google’s DeepMind.

Door het leerproces van zo’n  zo’n neuraal netwerk te volgen, kregen onderzoekers een beter idee hoe zo’n neuraal leerproces werkt: door te onthouden welke toestanden in het netwerk belangrijk zijn en hoe het daarop moet reageren. Dus toch Statistiek 2.0 op veel gegevens, geen intuïtie op basis van weinig gegevens en veel inzicht. Maar dat is geen voorspellen! Mensen hanteren vaak wensdenken: toewerken naar een gewenst resultaat, waardoor het lijkt dat ze vooruit kunnen zien.

*     *    *

Drie dagen na Waarlo’s verhaal, 9 juli 2019, was een gedenkwaardige  – aldus Tom Watkins in het artikel “What is someting really interesting about artificial intelligence?”(www.quora.com/What-is-really-interesting-about ….) Een keerpunt in de geschiedenis van de AI! Op die dag maakte het Lawrence Berkeley National Laboratory bekend dat zij met het AI-programma Word2Vec 3,3 miljoen wetenschappelijke artikelen van vóór 2009 zonder specifieke training had doorzocht, op zoek naar patronen, implicaties en logische conclusies die tot dan niet gevonden waren. Met behulp van een deep learning proces, werden nieuwe ontdekkingen gedaan, onder andere een nieuw thermo-elektrisch materiaal 3 jaar eerder voordat mensen het ontdekt hadden. En dat in een tijd van uren!!

Toegegeven, dat is geen universeel voorspellen, maar wel een flinke stap in die richting. De redenering van het AI-programma is voor mensen niet te volgen, maar ik vind het wel bijzonder knap dat zonder speciale codering vooraf van begrippen of specifieke doelen een computerprogramma  tot zo’n resultaat kan komen. De vraag is natuurlijk of mensen met hun beperkte denkraam zo’n resultaat zonder verklaring zouden accepteren… Maar dit is mogelijk een goede methode om een te uitbundige vakliteratuur bij te houden!

Wie weet kan straks toch echt een computer gebruikt worden om te voorspellen.

Hein van Steenis (28 juli 2019)     Zie verder mijn blog op  www.vsteenis.nl