Media en digitale samenleving
Les 1: artificiële intelligentie
1. Inleidingsles
1.1 inleiding
Professor onderzoeksgroep = IDlab (van IMEC). Bezig met gedistribueerde artificiële
intelligentie en connectiviteit (5G, wifi, …). Ze willen technologie effectief geïmplementeerd
krijgen (uitleggen aan mensen in domein + mensen opleiden in domein-specifieke zaken).
Wat hij in toekomst zou willen: technologie ontwikkelen waarin compleet onveilig verkeer
als veilig beschouwd wordt. Auto’s die autonoom rijden en situaties kunnen inschatten.
Van nieuwe dingen wordt veel verwacht. Na bepaalde piek
teleurstelling en plateau = verwachtingen zij hetgeen dat
eruit komt.
1.2 Internet of things
Sensoren in omgeving & veel communicatiemethodiek, combinatie veel informatie op
centrale plek bij elkaar. Die connectie van commentaar = internet of things = kleine devices
met sensoren geconnecteerd met netwerken om daar boven op een stukje software te laten
draaien.
Evolutie: vanaf 2008 meer objecten (machines, …) met internet geconnecteerd dan mensen.
Broeken zelfs connecteerbaar met internet.
Nest lab opgekocht door Google wanneer ze zagen dat ze achterstand hadden op de
technologie.
Meer dan de helft van grote bedrijven beseft dat technologie essentieel gaat zijn. Door bv.
data: hoe meer kennis van data, hoe beter processen geoptimaliseerd kunnen worden.
3 grote technologieën aan basis van IOT: sensoren, communicatie, software die erachter zit.
Sensoren: sterke evolutie op basis van accuraatheid, grootte v/d sensor & hoeveelheid
energieverbruik.
Communicatie: zoals bluetooth en wifi. Focus op nieuwe communicatieprotocollen die bv.
minder energie verbruiken. Gsm’s geconnecteerd met centrale server = IOT. Nood aan
festivalbandjes, gsm’s, internet, drones, camerabeelden, …. Moet allemaal over één type
communicatie gaan. Daarvoor evolutie van 2G naar 5G. Bij 5G voordeel dat er verschillende
banden zijn. Bij overbelasting alles van bv. veiligheid kan nog doorgaan omdat die
,beschermd is.
Alle data van sensoren naar 1 centrale server is onmogelijk (te veel data). Door grote
hoeveelheid devices kan data niet meer allemaal gecentraliseerd worden nieuwe
technieken. Niet meer alles naar 1 centrale server maar ook data die in tussenstations
verwerkt wordt. Voordeel = veel sneller. Snelheid naar centrale server heel snel maar in
sommige gevallen toch te traag.
Globaal gedrag van alle aparte devices, probleem: stuk software voor bepaalde machine
testen op die machine (kijken of gedrag machine juist is). Globaal gedrag 10000 machines
nodig en tegelijk testen of globaal gedrag er nog is = moeilijk.
1.3 Artificiële intelligentie
Artificiële intelligentie: vanaf dat een computer dingen voor je doet waarvan je niet meer
kan onderscheiden of de beslissingen door de computer worden genomen of door jezelf.
Machine learning: de computer kan op basis van data zijn gedrag aanleren.
Deep learning: gigantische neurale netten (complexe structuren).
Machine learning start bij het menselijk brein. Menselijk brein bestaat uit neuronen die
verbindingen maken. Prikkel binnen naar neuron verbonden met ander neuron
signaal. Input in neuron, lage input kan een hoge output creëren. Elke input heeft een
gewicht (wiskundig getal), toont belangrijkheid aan van input in neuron. Gewichtjes
aanpassen en zo uitkomst aanpassen (dichtere benadering van juiste antwoord).
Wat zijn de challenges van AI?
Technisch:
- Accuraatheid van de algoritmes. Neuraal netwerk machine beschrijft wat hij ziet. Vaak
correct maar niet altijd. Zelfde met bv. Alexa (die dingen doet na vraag).
- Snelheid van de algoritmes: AI gebruikt bv. computerspelletjes om algoritme te trainen.
Computer doet er veel langer over om spel onder controle te krijgen dan mens. Verandering
aan spel (bv. andere kleur) computer moet terug opnieuw beginnen met controle krijgen.
- We hebben kleinere chips nodig: sensoren en communicatie moet kleiner. Kleiner
minder energie. Chip in computer kan bijna niet meer kleiner.
- Connectiviteit: niet te lang in 1 device moeten denken. Meer informatie als bv. meer
autonome wagens informatie kunnen gebruiken.
- Data kwaliteit: sensor informatie in algoritme, is niet altijd hetzelfde. Bv. foto overdag
mooier dan ’s avonds. Data kwaliteit verschilt dus ook in bv. autonome auto’s. Met slechte
kwaliteit ook nog mogelijk om algoritmes te maken, maar verandering in kwaliteit is een
probleem. Meer data = beter algoritme.
- Distributed intelligence: kijken of alle devices samen de juiste beslissing nemen. In devices
AI + afzonderlijk laten denken complexiteit veel groter (men weet niet wat er gaat
gebeuren), niet evident. Drones werken onafhankelijk maar moeten globaal de taken doen.
Pitfalls:
- Veranderingen: bevolking niet altijd even blij met nieuwe technologieën, doordat ze
veranderen (worden niet slechter). Bv. met een update. Menselijk brein wil geen grote
,stappen ondergaan naar nieuwe dingen.
Misbruik: nieuwe technologieën nieuw misbruik. Deep fake: filmpjes maken met verkeerd
geluid (verkeerde boodschap). Of bv. Tesla die bepaalde kleuren ontwijkt. Nagaan of er geen
misbruik van algoritmes is gemaakt.
- Bias/explainability: algoritmes gemaakt gebaseerd op data. Men kan ook bias in computer
steken (vooroordelen aan computer geven).
3 niveaus van bias:
1. dataset niet representatief voor populatie (meer blanke mannen dan zwarte vrouwen in
dataset, zorg voor correcte dataset).
2. Bias in geschiedenis, er zijn dingen gebeurd die je niet in data wil (bv. rechters die
predictie maken over misdadigers, vaker zwarten oppakken).
3. Manipulaties in data om dingen gedaan te krijgen beslissingen die genomen worden
zijn niet correct. Risicoanalyse doen.
Men moet tijd steken in ethics & risks.
Zelf algoritmes maken zorgen voor diverse populatie in team (bias voorkomen). Team
opsplitsen: eentje die ze maakt, eentje die ze nakijkt. Team dat het maakt gaat onbewust
bias creëren, moet dus nagekeken worden.
- Angst: van nieuwe technologieën. Dood veroorzaakt door zelfrijdende wagen: conclusie dat
zelfrijdende wagens gevaarlijk zijn. De vraag stellen of we het zelf beter kunnen dan de
technologie (gewone auto kan ook ongeluk veroorzaken). Mens faalt meer dan technologie.
Goed omgaan met technologie: niet telefoneren, drinken, slapen, … in autonome wagen.
Onthouden:
2. Paper
AI wordt gedefinieerd als het vermogen van een systeem om externe gegevens correct te
interpreteren, van die gegevens te leren en te gebruiken om specifieke doelen te bereiken
door flexibele aanpassing. AI = computers laten denken als mensen.
AI bekeken als magische spiegel die de heks vertelde waar Sneeuwwitje was.
, Kunstmatige smalle intelligentie (ANI): 1e generatie, gebruikt voor kleine, specifieke taken
zoals Siri stem laten verstaan, mensen taggen op fb.
Kunstmatige algemene intelligentie (AGI): 2e generatie, redeneren en zelfstandig problemen
oplossen.
Kunstmatige superintelligentie (ASI): zelfbewust, maken mensen overbodig.
2.1 Definitie
Moeilijk om AI te definiëren, ongeveer even moeilijk als definitie van intelligentie zelf.
Verschillende mensen gaven er een definitie aan, vaak met het woord intelligentie.
IOT: apparaten om ons heen zijn uitgerust met sensoren en software om data te verzamelen
en gegevens uit te wisselen, wat kan worden gezien als een manier om de specifieke externe
gegevens te verzamelen die nodig zijn als input voor AI.
Big data: beschrijft datasets met grote hoeveelheden frequent bijgewerkte gegevens
(nummers, afbeeldingen, …). Uitgebreider dan IOT. Geeft ook externe informatie aan AI. AI
gebruikt de data gegevens als input voor het identificeren van onderliggende regels en
patronen. Computer gebruikt methodes zonder geprogrammeerd te worden.
2.2 Classificatie
Classificatie op basis van 3 competenties die AI kan hebben:
1. Cognitieve intelligentie: patroonherkenning en systematisch denken.
2. Emotionele intelligentie: computer wordt opgeleid om emoties te herkennen en daardoor
reactie aan te passen.
3. Sociale intelligentie
Expert systeem behoort niet tot AI systeem omdat dat niet het vermogen heeft om te leren
uit externe data. AI systeem gebruikt bottom-up benadering door hersensysteem na te
bootsen. Dus leert niet door gebruik te maken van regels maar door bv. gezichten te zien en
na lange tijd te kunnen onderscheiden van andere dingen. Kan daardoor veel verder gaan
dan expertsysteem (dat met regels werkt).
3 groepen AI systemen:
1. Analytische AI: kenmerken van cognitieve intelligentie. Hebben een cognitieve
voorstelling van de wereld en leren van beslissingen in het verleden om te gebruiken in de
toekomst. Wordt vaak gebruikt in bedrijven.
2. Menselijk-geïnspireerde AI: heeft cognitieve en emotionele intelligentie. Kunnen dus ook
menselijke gevoelens bekijken en daaraan hun acties aanpassen. Bedrijven kunnen zo
emoties bij klanten bekijken.
3. Gehumaniseerde AI: kenmerken van alle soorten competenties (dus ook sociaal). Ze zijn
zelfbewust van hun interacties met anderen. Dit soort AI is nog niet beschikbaar. Project
voor de toekomst: AI dat de wereld op een fundamentele manier kan waarnemen.
3 soorten leerprocessen (leren uit het verleden):
1. Leren onder toezicht: geven van inputset naar outputset. Bevat methodes waar veel
