Niet iedereen die het over kunstmatige intelligentie heeft, bedoelt hetzelfde. Voor sommigen is kunstmatige intelligentie een computer met de hersencapaciteiten van een mens (IQ én EQ). Voor anderen – en ook voor mij – is het geavanceerde data-analyse en daarmee veel minder eng. Waarom is er geen eenvoudige en algemeen aanvaarde definitie?
De term kunstmatige intelligentie
De term kunstmatige intelligentie stamt uit het jaar 1956. In die tijd was het idee een computer zodanig te programmeren dat die menselijk gedrag zou gaan vertonen. Het was een top-downbenadering: als je het gedrag van mensen in regels kunt vatten, kun je een computer die regels laten uitvoeren. Dit is echter te complex gebleken en bovendien weten we inmiddels dat menselijk gedrag niet rationeel is en dat de werking van het menselijke brein moeilijk is te ontcijferen.
Deze werkwijze is dan ook naar de achtergrond geraakt. In de jaren tachtig van de vorige eeuw werd de scope van kunstmatige intelligentie versmald tot een expertsysteem voor specifieke taken. Sindsdien is de benadering bottom-up: je traint een computer om specifieke taken uit te voeren op basis van data. Goed beschouwd is kunstmatige intelligentie geen intelligentie, maar slechts een onderdeel daarvan, namelijk voorspellingen maken. Als je aan je Google Home vraagt ‘wat is de hoofdstad van Drenthe’ en je krijgt als antwoord ‘Assen’, dan is het niet omdat Google Home dat werkelijk weet, maar omdat hij in staat is te voorspellen naar welk antwoord mensen die die vraag stellen op zoek zijn. Systemen met kunstmatige intelligentie worden ook wel beschouwd als voorspelmachines.
Goed beschouwd is kunstmatige intelligentie geen intelligentie, maar slechts een onderdeel daarvan, namelijk voorspellingen maken.
Toepassingen kunstmatige intelligentie
De eerste toepassingen van kunstmatige intelligentie zijn gebaseerd op algoritmes die door mensen zijn bedacht en geprogrammeerd. De machine voert aan de hand hiervan specifieke taken uit en heeft alleen een antwoord op een situatie die vooraf is gedefinieerd. Interessanter wordt het als de machine leervermogen krijgt en op basis van ervaring ook in afwijkende, maar vergelijkbare situaties de juiste beslissing kan nemen.
Machine learning
We komen dan op het terrein van machine learning. Als algoritmes automatisch beter worden als er meer data worden toegevoegd, spreken we van machine learning. Kort gezegd is machine learning een subset of deelverzameling van kunstmatige intelligentie.
Een machine-learningprogramma dat wordt gevoed met een groot aantal röntgenfoto’s met daarbij de symptomen die op die foto’s zijn te zien, kan op den duur die symptomen zelf gaan herkennen. Het programma gaat op zoek naar de gemeenschappelijke kenmerken van de foto’s met hetzelfde label en als je een nieuwe foto hebt, voorspelt het programma welke symptomen daarop te zien zijn aan de hand van een vergelijking met de eerder bestudeerde foto’s. Voor beeldherkenning wordt overigens vaak gebruikgemaakt van deep learning, wat weer een subset is van machine learning. Hierbij gebruik je artificiële of kunstmatige neurale netwerken om grote hoeveelheden data te analyseren.
De samenhang tussen kunstmatige intelligentie, machine learning en deep learning wordt vaak weergegeven in drie concentrische cirkels.
Definitie kunstmatige intelligentie veranderde
Als we kunstmatige intelligentie algemeen definiëren als een computer die iets doet waarvoor normaal gesproken menselijke intelligentie nodig is, hebben we te maken met een bewegend doel (moving target). Lang geleden zou in deze definitie immers een rekenmachine als kunstmatige intelligentie zijn beschouwd, omdat tot dan toe alleen mensen wiskundige berekeningen konden maken. Nu wordt de rekenmachine als zodanig normaal beschouwd dat deze niet meer wordt geclassificeerd als kunstmatige intelligentie. De definitie verandert derhalve in de loop van de tijd.
Momenteel zijn autonomie en adaptiviteit de kernbegrippen in de definitie van kunstmatige intelligentie. Autonomie is het vermogen taken uit te voeren in een complexe omgeving zonder voortdurende begeleiding van een gebruiker. Met adaptiviteit of aanpassingsvermogen wordt bedoeld dat de prestaties in de loop van de tijd verbeteren doordat er wordt geleerd van ervaringen. Dit betekent dat anno 2020 kunstmatige intelligentie meestal machine learning betekent.
Door: Willem Peter de Ridder
Willem Peter de Ridder is directeur van Futures Studies, een strategisch adviesbureau dat organisaties ondersteunt bij het verkennen van de toekomst en het formuleren van een toekomstbestendige strategie. Hij verzorgt keynotes op congressen en medewerkersbijeenkomsten, geeft strategieworkshops voor managementteams en doceert in executive programma’s van onder andere de Erasmus Universiteit Rotterdam en TIAS.
Dit blog is gebaseerd op het boek Winnen met kunstmatige intelligentie van Willem Peter de Ridder.
