Samenvatting AI voor iedereen
H1: Wat is AI?
Hoofdstuk 1.1: Wat bedoelen we met AI?
- Zelfrijdende auto’s
- Gepersonaliseerde aanbevelingen
o Gevolgen: filterbubbels, echokamers, trollenfabrieken, nepnieuws en nieuwe vormen
van propaganda
- Beeld en videoverwerking
o Gevolgen: eenvoudig om van een gebeurtenis een realistisch aandoende nepvideo te
maken die niet van echt filmmateriaal te onderscheiden is. Hierdoor komt het idee
“zien is geloven” op losse schroeven te staan.
Wat is AI en wat is het niet? Termen vaak door elkaar gehaald, onduidelijk, waarom?
- Geen officiële definitie
- De erfenis van sciencefiction (Visioenen over AI in allerlei sciencefictionliteratuur en -films)
- Wat eenvoudig oogt, is in werkelijkheid heel moeilijk (bv. Voorwerp oprapen)
- Wat moeilijk lijkt, is in werkelijkheid eenvoudig (bv. Schaken)
Hoe zou een bruikbaarder definitie dan luiden ?
- Autonomie: Het vermogen om in een complexe omgeving taken uit te voeren zonder daarbij
continu aangestuurd te worden door een gebruiker.
- Aanpassingsvermogen: Het vermogen tot prestatieverbetering door te leren van ervaringen.
Pas op voor containerbegrippen! (= Suitcase word: termen die meerdere betekenissen oproepen)
AI rangschikken op intelligentie is moeilijk, verschillende soorten zijn moeilijk te vergelijken aangezien
ze taakspecifiek zijn (AI is multidimensoneel)
- taakspecifieke AI: het vermogen om het ene probleem op te lossen zegt niets over het
vermogen om een ander, verschillend probleem op te lossen.
Waarom je wel “een beetje AI” maar niet “een AI” kunt zeggen
- AI vs niet-AI is geen dichotome indeling: sommige methoden duidelijk AI, anderen niet maar
ook methoden met een beetje AI aan toegevoegd (= snufje zout in het eten)
Daarom spreken we over de mate van AI i.p.v. de vraag of iets wel of geen AI is
“AI” is geen telbaar zelfstandig naamwoord
AI is een wetenschappelijke discipline, net als wiskunde en biologie. Dit houdt in dat AI een
verzameling begrippen, problemen en methoden voor het oplossen van die problemen is.
Hoofdstuk 1.2: Verwante gebieden
Machinaal leren = deelgebied AI, AI = deelgebied informatica
Machinaal leren = Systemen die beter worden in een bepaalde taak naarmate de hoeveelheid
ervaring en gegevens toeneemt.
Deep learning = deelgebied machinaal leren (“diepte” van deep learning gaat om de complexiteit van
een wiskundig model)
,Datawetenschap = overkoepelende term van diverse sub disciplines (waaronder machinaal leren en
statistiek alsook aspecten van de informatica zoals algoritmen, gegevensopslag, ontwikkeling
webapplicaties,…).
Bij oplossingen uit de datawetenschap komt vaak ten minste een beetje AI kijken
Robotica = bouwen en programmeren van robots die onder complexe, realistische omstandigheden
kunnen functioneren
grootste uitdaging op gebied van AI, aangezien in de robotica vrijwel alle deelgebieden
van AI samenkomen
Verschillende deelgebieden: (Machinaal leren = kerngebied)
Beeld- en spraakherkenning voor het waarnemen van de omgeving
Verwerking van natuurlijke taal, het opvragen van informatie en het
redeneren onder onzekerheid voor het verwerken van aanwijzingen en
het voorspellen van de gevolgen van eventuele handelingen
Cognitief modelleren en artificiële emotionele intelligentie (systemen die
reageren op menselijke gevoelsexpressie of die gevoelens nabootsen)
voor de interactie en samenwerking met mensen
Veel van de AI-vraagstukken in de robotica kunnen het beste door middel van machinaal
leren worden aangepakt en om die reden vormt machinaal leren voor de robotica een
kerngebied van artificiële intelligentie.
Robot = Machine die bestaat uit sensoren (die de omgeving waarnemen) en actuatoren (die op de
omgeving reageren) en die geprogrammeerd kan worden om een reeks opeenvolgende handelingen
uit te voeren.
Elk type voertuig dat ten minste een bepaald niveau van autonomie heeft en over
sensoren en actuatoren beschikt is een robot. Anderzijds worden op software gebaseerde
oplossingen, zoals chatbots die als klantenservice dienst doen, niet als (echte) robots
beschouwd, hoewel ze soms toch “softwarerobots” worden genoemd.
Hoofdstuk 1.3: De filosofie van AI
De aard van het begrip artificiële intelligentie” roept de filosofische vraag op of intelligent gedrag het
bestaan van een “geest” veronderstelt of vereist, en in hoeverre bewustzijn zich in de vorm van
berekeningen laat reproduceren.
De Turingtest: Bij deze test communiceert een menselijke ondervrager door middel van geschreven
berichten (in een chat) met twee spelers, A en B. De computer slaagt voor de test als de ondervrager
niet kan achterhalen welke van deze spelers, A of B, een computer is en welke een mens. De
redenering is dat als een computer niet van een mens te onderscheiden is tijdens een algemeen
gesprek dat in natuurlijke taal wordt gevoerd, de computer een menselijk intelligentieniveau heeft
bereikt. Wat Turing deed, was het aantal gedragsvormen in de gesprekken beperken, zodat de
ondervrager zijn of haar oordeel niet op uiterlijkheden kon baseren.
Kritiek: Ben je intelligent als je er menselijk uitziet? Turingtest als intelligentietest is dat de test
eigenlijk misschien eerder meet of een computer zich menselijk gedraagt dan of hij intelligent is. Er
zijn ook computerprogramma’s voor de test “geslaagd” die telkens van gespreksonderwerp
veranderden, tal van spelfouten maakten en soms zelfs helemaal geen antwoord gaven.
Een beroemd voorbeeld is Eugene Goostman, een dertienjarige Oekraïense jongen die
voortdurend probeert om vragen te ontwijken door grapjes te maken en zijn cavia tot
, gespreksonderwerp te maken. Eugene Goostman, in werkelijkheid een
computerprogramma, maakte tien van de dertig juryleden wijs dat hij een echt mens
was.
De “Chinese kamer”-redenering: Sommige mensen betwisten het idee dat intelligentie gelijkstaat
aan intelligent gedrag. Het gedachte-experiment van John Searle over de “Chinese kamer” is het
bekendste argument tegen dat idee. Searle beschrijft een experiment waarin iemand die geen
Chinees kent, in een kamer wordt opgesloten. Buiten de kamer bevindt zich iemand die door een
brievenbus briefjes naar binnen kan gooien die in het Chinees zijn geschreven. De persoon in de
kamer krijgt een grote handleiding waarin zij uitvoerige aanwijzingen kan opzoeken over hoe zij op de
van buiten ontvangen briefjes moet reageren.
Searle betoogt dat de persoon in de kamer geen Chinees begrijpt, ook al denkt de persoon buiten de
kamer misschien dat hij met een andere Chineessprekende persoon in gesprek is. Zelfs als een
machine zich op intelligente wijze gedraagt, zo gaat zijn redenering verder, en bijvoorbeeld slaagt
voor de Turingtest, kan daar niet uit worden afgeleid dat de machine intelligent is of beschikt over
een “geest” zoals mensen die hebben. Het woord “intelligentie” kan ook door het woord
“bewustzijn” worden vervangen, waarna een soortgelijke redenering kan worden gevolgd.
Visie Searle => Het intelligente gedrag van het systeem is iets fundamenteels anders dan
daadwerkelijk intelligent zijn.
Is een zelfrijdende auto intelligent?
Een zelfrijdende auto is een voorbeeld van een onderdeel van intelligentie (een auto besturen) dat
geautomatiseerd kan worden. Volgens de redenering over de Chinese kamer gaat het daarbij echter
niet om intelligent denken, het lijkt er alleen maar op. Om terug te komen op de bovenstaande
discussie over containerbegrippen:
Anders dan mensen die iets zien, begrijpen en weten, ziet of begrijpt het AI-systeem in de
auto zijn omgeving niet en weet het niet hoe het veilig moeten rijden. Volgens Searle
betekent dit dat het intelligente gedrag van het systeem iets fundamenteels anders is dan
daadwerkelijk intelligent zijn.
In hoeverre doet filosofie er in de praktijk toe?
De definities van – natuurlijke dan wel artificiële – intelligentie en bewustzijn lijken buitengewoon
ongrijpbaar en geven aanleiding tot ogenschijnlijk oeverloos debat. Zo’n debat kan in intellectuele
kringen best aangenaam zijn (bij afwezigheid van geschikt gezelschap kunnen ook boeken zoals “The
Mind’s I” van Hofstadter en Dennett prikkelend werken).
John McCarthy merkte echter op dat de filosofie van AI waarschijnlijk even weinig invloed zal
uitoefenen op de praktijk van het AI-onderzoek als de wetenschapsfilosofie over het algemeen op de
wetenschappelijke praktijk. Daarom zullen we onderzoek blijven doen naar systemen die nuttig zijn
voor het oplossen van praktische problemen, zonder ons al te zeer af te vragen of zij echt intelligent
zijn of zich alleen als zodanig gedragen.
Algemene versus taakspecifieke AI
- Taakspecifieke artificiële intelligentie = artificiële intelligentie voor het uitvoeren van één
taak. (= alle AI-methoden die we vandaag de dag gebruiken)
- Algemene AI of “artificiële algemene intelligentie” (KAI) = een machine die iedere
intellectuele taak aankan. (= het rijk van de sciencefiction, maar ondertussen zo goed als
opegeven)
Alle AI-methoden die we vandaag de dag gebruiken, vallen onder de taakspecifieke AI, terwijl de
algemene AI tot het rijk van de sciencefiction behoort. Vanwege het gebrek aan vooruitgang op dit
, terrein in de afgelopen vijftig jaar, alle inspanningen ten spijt, is het KAI-ideaal door AI-onderzoekers
in feite zo goed als opgegeven. De vooruitgang in de taakspecifieke AI voltrekt zich daarentegen met
grote sprongen.
Sterke versus zwakke AI
Een hieraan verwante tweedeling is die tussen “sterke” en “zwakke” AI. Die komt neer op het
bovengenoemde, door Searle beklemtoonde filosofische onderscheid tussen intelligent zijn en
intelligent doen. Sterke AI zou gelijkstaan aan een “geest” die werkelijk intelligent is en over
zelfbewustzijn beschikt. Zwakke AI is waar we daadwerkelijk over beschikken, namelijk systemen die
intelligent gedrag vertonen, ook al zijn het “slechts” computers.
Hoofdstuk 1.4: Kernvragen
1) Leg uit waarom autonomie en aanpassingsvermogen kernbegrippen in de AI zijn?
2) Onderscheid realistische en onrealistische AI van elkaar (sciencefiction versus het hier en nu)
3) Verwoord de filosofische kernproblemen met betrekking tot AI, inclusief de consequenties
van de Turingtest en het gedachte-experiment over de Chinese kamer?
H2: Problemen oplossen met AI
Hoofdstuk 2.1: Zoeken en problemen oplossen
Zoeken in de praktijk : van A naar B
Er zijn vaak tal van manieren waarop een probleem kan worden opgelost, waarvan sommige qua tijd,
inspanning, kosten of op grond van andere criteria misschien de voorkeur verdienen. Verschillende
zoektechnieken kunnen tot verschillende oplossingen leiden en de ontwikkeling van geavanceerde
zoekalgoritmen is een erkend onderzoeksterrein.
Wij richten ons niet op de daadwerkelijke zoekalgoritmen, maar benadrukken in plaats daarvan
het eerste stadium van de methode voor het oplossen van problemen: het in kaart brengen van
de keuzen en de gevolgen daarvan, wat vaak bepaald geen sinecure is en een zorgvuldige
overweging kan vergen. Ook moeten we ons doel bepalen of, anders gezegd, vaststellen wanneer
we het probleem als opgelost kunnen beschouwen. Wanneer dat is gebeurd, kunnen we op zoek
naar een reeks opeenvolgende handelingen die van het beginstadium naar het doel leiden.
In dit hoofdstuk:
- Zoeken en plannen in statische omgevingen met slechts één “actor”
- Spellen met twee spelers (“actoren”) die het tegen elkaar opnemen
EEN VOORBEELDPROBLEEM : EEN KIP OVERZETTEN
Een robot in een roeiboot moet drie stuks vracht een rivier overzetten : een vos, een kip, en een zak
kippenvoer. Als de vos de kans krijgt, eet hij de kip op ; en als de kip de kans krijgt, eet zij het
kippenvoer op. Beide scenario’s zijn onwenselijk. Zolang hij bij de dieren in de buurt is, kan de robot
hen van schadelijk gedrag weerhouden, maar de robot kan als enige de roeiboot bedienen en naast
