Leerpad C: Artificial Intelligence (AI) & Robotiscs
Bekijk zeker de PowerPoint opnieuw.
Introductie
Om ons heen zijn de toepassingen van AI aanwezig zonder dat we er soms bij stilstaan.
- Internetzoekmachines
- Suggesties voor films en muziek op Netflix
- Computerspellen
- Facebook zet chatbots in via Messenger
Hier voert een programma de handeling uit, en niet een fysiek persoon. Intelligente software
functioneert alsof ze ‘menselijk’ waren.
Algemeen
Artificiele intelligentie
= Het principe dat machines taken kunnen uitvoeren op een manier die wij als mensen als
‘slim’ zouden beoordelen omdat we vinden dat ze toebehoren aan menselijke intelligentie.
= AI is een verzamelnaam voor machines en systemen die het menselijk denkvermogen
nabootsen. Zo kan AI-handelingen vereenvoudigen of ze zelfs helemaal overnemen van de
mens.
De meerwaarde van AI zit op vele vlakken. Het verbetert onze menselijke handelingen, het
voorspelt en is in staat om moeilijke problemen sneller te analyseren en producten beter te
maken.
Toch moeten we kritisch blijven, want AI neemt besluiten waarvan we soms als mens niet
begrijpen waarom. Er zijn steeds ethische en morele bedenkingen te geven.
Een KI-systeem kan echter geen context geven en abstract denken.
Bv: zelfrijdende auto’s begrijpen verkeersborden maar wat als er onverwachts een
wegenwerker langs de weg staat?
Een belangrijke toepassing van AI zijn robots in hun vele facetten. Het begrip ‘bot’ is een
verkorting van ‘robot’. Het wordt een soort van digitale persoonlijke helper.
Geschiedenis
Halfweg de jaren ’50 was er een prof. John McCarthy die het idee had om na te denken als er
een mogelijkheid was om machines te leren denken zoals jonge kinderen dat deden.
Het was Alan Turing die een test definieerde om intelligentie van een machine te definiëren.
Toen ontstond er een eerste chatbox, ELIZA welke een soort therapeut kon spelen.
, Gedurende tientallen jaren was men in staat om algoritmes te ontwikkelen die in staat
waren om snelle berekeningen uit te voeren en spelletjes te simuleren.
Het is pas de laatste jaren dat AI exponentiele vormen is beginnen aannemen.
Van machine learning tot deep learning
1. Rule-based AI
De eerste AI-systemen werkten op het Rule-Based systeem. Alle commando’s gebeurden op
het principe van IF-THEN-ELSE.
Vooraf geschreven regels beslisten wat de computer moest doen.
ELIZA was de eerste digitale psychotherapeut/chatbox. Dit systeem kende uiteraard niet de
wereld rond zich, maar kon toch in beperkte mate een gesprek voeren.
Rule-based systemen werken perfect in een afgebakend, duidelijk omschreven systeem met
vaste spelregels.
Schaakcomputers zijn de meest bekende voorbeelden. In 1997 versloeg Deep Blue II de
wereldkampioen Kasparov voor het eerst in de geschiedenis. Dit was mogelijk omdat de
rekenkracht van de gebruikte computer zo krachtig was (200 miljoen zetten/sec). Deze
systemen zijn heel slim maar op een beperkt afgebakend terrein.
Strong AI is in staat ook te leren van zichzelf. Dit benadert voor een stuk reeds wat wij
menselijke intelligentie noemen.
2. Machine Learning
Een volgende stap was de supercomputer Watson, die in staat was om de quiz Jeopardy te
winnen tegen de beste quizers van de USA. Watson kon beschikken over een databank van
200 miljoen pagina’s.
Door gebruik te maken van algoritmes kon Watson tot een vraag komen.
Het is dan wachten tot 2016 dat DeepMind liet weten dan hun computer AlphaGo het
Japanse bordspel Go kon winnen van de toenmalig kampioen. Deze computer leert zelf het
spel te spelen, leert patronen herkennen en kan inschatten wat de beste zet is. Na 600
spelletjes kent de computer de beste manier om het spel te spelen.
Voor het eerst begint de computer menselijke trekken te vertonen, er is sprake dat een
computer nu in staat is ervaring op te doen, en over een bepaald aanvoelen te beschikken.
Deze zelflerende technieken noemen we Machine Learning.
In tegenstelling tot Rule Based waar er voorgeprogrammeerd werd, achterhaalt Machine
Learning zelf de spelregels, context en strategie.
3. Deep learning
- Deep learning (neutraal netwerk)
Een stapje verder is het nabootsen van onze hersencellen. Een neutraal netwerk moet
zijn data krijgen en is in staat om output te creëren door middel van training binnen zijn
neutraal netwerk. Het aan elkaar koppelen van de prikkels leiden tot besluiten.
Bekijk zeker de PowerPoint opnieuw.
Introductie
Om ons heen zijn de toepassingen van AI aanwezig zonder dat we er soms bij stilstaan.
- Internetzoekmachines
- Suggesties voor films en muziek op Netflix
- Computerspellen
- Facebook zet chatbots in via Messenger
Hier voert een programma de handeling uit, en niet een fysiek persoon. Intelligente software
functioneert alsof ze ‘menselijk’ waren.
Algemeen
Artificiele intelligentie
= Het principe dat machines taken kunnen uitvoeren op een manier die wij als mensen als
‘slim’ zouden beoordelen omdat we vinden dat ze toebehoren aan menselijke intelligentie.
= AI is een verzamelnaam voor machines en systemen die het menselijk denkvermogen
nabootsen. Zo kan AI-handelingen vereenvoudigen of ze zelfs helemaal overnemen van de
mens.
De meerwaarde van AI zit op vele vlakken. Het verbetert onze menselijke handelingen, het
voorspelt en is in staat om moeilijke problemen sneller te analyseren en producten beter te
maken.
Toch moeten we kritisch blijven, want AI neemt besluiten waarvan we soms als mens niet
begrijpen waarom. Er zijn steeds ethische en morele bedenkingen te geven.
Een KI-systeem kan echter geen context geven en abstract denken.
Bv: zelfrijdende auto’s begrijpen verkeersborden maar wat als er onverwachts een
wegenwerker langs de weg staat?
Een belangrijke toepassing van AI zijn robots in hun vele facetten. Het begrip ‘bot’ is een
verkorting van ‘robot’. Het wordt een soort van digitale persoonlijke helper.
Geschiedenis
Halfweg de jaren ’50 was er een prof. John McCarthy die het idee had om na te denken als er
een mogelijkheid was om machines te leren denken zoals jonge kinderen dat deden.
Het was Alan Turing die een test definieerde om intelligentie van een machine te definiëren.
Toen ontstond er een eerste chatbox, ELIZA welke een soort therapeut kon spelen.
, Gedurende tientallen jaren was men in staat om algoritmes te ontwikkelen die in staat
waren om snelle berekeningen uit te voeren en spelletjes te simuleren.
Het is pas de laatste jaren dat AI exponentiele vormen is beginnen aannemen.
Van machine learning tot deep learning
1. Rule-based AI
De eerste AI-systemen werkten op het Rule-Based systeem. Alle commando’s gebeurden op
het principe van IF-THEN-ELSE.
Vooraf geschreven regels beslisten wat de computer moest doen.
ELIZA was de eerste digitale psychotherapeut/chatbox. Dit systeem kende uiteraard niet de
wereld rond zich, maar kon toch in beperkte mate een gesprek voeren.
Rule-based systemen werken perfect in een afgebakend, duidelijk omschreven systeem met
vaste spelregels.
Schaakcomputers zijn de meest bekende voorbeelden. In 1997 versloeg Deep Blue II de
wereldkampioen Kasparov voor het eerst in de geschiedenis. Dit was mogelijk omdat de
rekenkracht van de gebruikte computer zo krachtig was (200 miljoen zetten/sec). Deze
systemen zijn heel slim maar op een beperkt afgebakend terrein.
Strong AI is in staat ook te leren van zichzelf. Dit benadert voor een stuk reeds wat wij
menselijke intelligentie noemen.
2. Machine Learning
Een volgende stap was de supercomputer Watson, die in staat was om de quiz Jeopardy te
winnen tegen de beste quizers van de USA. Watson kon beschikken over een databank van
200 miljoen pagina’s.
Door gebruik te maken van algoritmes kon Watson tot een vraag komen.
Het is dan wachten tot 2016 dat DeepMind liet weten dan hun computer AlphaGo het
Japanse bordspel Go kon winnen van de toenmalig kampioen. Deze computer leert zelf het
spel te spelen, leert patronen herkennen en kan inschatten wat de beste zet is. Na 600
spelletjes kent de computer de beste manier om het spel te spelen.
Voor het eerst begint de computer menselijke trekken te vertonen, er is sprake dat een
computer nu in staat is ervaring op te doen, en over een bepaald aanvoelen te beschikken.
Deze zelflerende technieken noemen we Machine Learning.
In tegenstelling tot Rule Based waar er voorgeprogrammeerd werd, achterhaalt Machine
Learning zelf de spelregels, context en strategie.
3. Deep learning
- Deep learning (neutraal netwerk)
Een stapje verder is het nabootsen van onze hersencellen. Een neutraal netwerk moet
zijn data krijgen en is in staat om output te creëren door middel van training binnen zijn
neutraal netwerk. Het aan elkaar koppelen van de prikkels leiden tot besluiten.
