Hoe ziet de wereld eruit als computers 80 procent van ons werk overnemen? Dat moeten we ons ernstig afvragen nu duidelijk wordt dat de ontwikkeling van kunstmatige intelligentie sneller gaat dan we lange tijd aannamen. De nieuwste software automatiseert ons denkproces en dat brengt de verre toekomst adembenemend dichtbij. Bereid je voor op een nieuwe Grote Golf in de IT.
Laten we eerst eens twintig jaar teruggaan in de tijd. In 1995 stonden we aan de vooravond van de internetrevolutie. Er vonden toen – in alle ernst – discussies plaats over de vraag of business en internet wel iets met elkaar te maken zouden hebben. Was het wereldwijde web niet vooral een hype, aangejaagd en opgeklopt door nerds op hogescholen en universiteiten? Gaandeweg werd duidelijk dat het hebben van een zakelijke website toch wel heel erg handig was en dat er ook wel degelijk zoiets bestond als e-business. Inmiddels gebruiken we dat malle e-woord niet meer. Nagenoeg alle business is e-business.
De situatie anno 2015 lijkt wel wat op die van 1995. We zien allemaal de eerste zwaluwen van de nieuwe lente, zoals de zelfrijdende auto’s van Google, Volvo, BMW, Toyota en Mercedes, stembesturingsprogramma’s als Siri, IBMs paradepaard Watson en – niet te vergeten – gepersonaliseerde reclameboodschappen in onze beeldschermen. Je boekt online een reis en krijgt nog weken daarna ongevraagd vergelijkbare aanbiedingen in allerlei banners voor je neus. En uiteraard ook ‘Klanten die X kochten waren ook geïnteresseerd in Y’.
Het zijn allemaal toepassingen van kunstmatige intelligentie. En moeten we daar dan wat mee in onze eigen business? Moet die op den duur net zo ‘smart’ worden? Geloof maar van ‘yes’. Over vijf jaar is dit geen discussie meer. Nu nog wel, omdat we wat smart machines betreft als het ware nog in 1995 leven.
Wat ons altijd weer parten speelt, is dat we ons niet goed kunnen voorstellen dat de dingen in de nabije toekomst radicaal anders kunnen gaan dan we op grond van het nabije verleden vooronderstellen. Anders gezegd: we kunnen ons niet voorstellen wat we ons niet kunnen voorstellen. Cognitieve vooringenomenheid wordt dit ook wel genoemd. De verwachting dat de dingen wel zullen gaan zoals ze altijd al zijn gegaan. Zo gek is dat natuurlijk niet, het ligt voor de hand. Maar het is ook heel verraderlijk. Want soms gaan de dingen ineens niet meer zoals ze altijd gingen.
De S-curve van Kurzweil
We hebben wat dit betreft ook het tijdsbeeld tegen. Want zeg nou zelf: de afgelopen vijf, zes jaar zijn nu niet bepaald het toonbeeld van revolutionaire ontwikkelingen in de IT geweest. Eerder ging het er wat gezapig aan toe. De dynamiek en de intense spanning van de internetrevolutie was uitgewoed en uitgeblust. Letterlijk ‘history’.
We virtualiseren nu wat hier, schakelen wat cloud in daar, doen wat data is een grote pot en roeren daar met een heel ernstig gezicht wat in, we zijn lekker mobiel bezig, laten onze budgetten gemiddeld met maar liefst 1 procent per jaar stijgen en we geloven dat we zo nog wel tien jaar kunnen door sudderen. Niet dus! Er komt een nieuwe golf aan die ons allemaal uit deze technologische sluimer zal wakker schudden. Iets on-voor-stel-baars. De huidige windstilte is misleidend…
De aartsvader van de kunstmatige intelligentie, de Amerikaanse wetenschapper Ray Kurzweil, heeft een plausibele verklaring voor het feit dat er tijdens exponentiële groei zulke perioden van stilstand optreden. Langs de lijn die stijl omhoog schiet – en die het gemiddelde aangeeft – tekent hij een tweede die er een slingerbeweging omheen maakt en die de actualiteit laat zien.
Zo ontstaat een aaneenschakeling van diverse letters S. Na een scherpe stijging komt er een kleine daling en een soort plateau. Dat duurt een tijdje en dan komt de volgende tussensprint omhoog. Gevolgd door weer een nieuwe plateaufase.
Relatieve rust wordt zo de stilte voor de storm. In de IT is deze relatieve rust naar mijn gevoel zo ongeveer met de crisis van 2008 begonnen. Wanneer deze periode afloopt weten we niet. Dat kan dit jaar al zijn, maar net zo goed volgend jaar. Maar die volgende zwieper omhoog komt er onherroepelijk aan. You’d better be prepared!
Wat is KI?
Om te begrijpen wat er straks op ons afkomt, moeten we eerst dieper ingaan op de betekenis van dat geheimzinnige begrip KI, kunstmatige intelligentie, alias artificial intelligence (AI.) Kort door de bocht: het is een computerprogramma dat de dingen doet die jij ook doet. Dat programma doet dat minder goed, even goed of beter dan jij. En het doet dit op één specifiek terrein, op een aantal terreinen of over een heel breed gebied. Hoe beter het programma werkt hoe ‘intelligenter’ we het vinden.
De kortst denkbare definitie is dan ook: KI is software. Het is onze denkkracht, die we – in de vorm van code – buiten onszelf hebben gebracht en die we voor bepaalde doeleinden aan het werk zetten.
Neem Excel. Een wonder van rekenkracht. Wat Excel doet kunnen wij ook, maar we hebben daar buitensporig veel meer tijd voor nodig. Excel is KI op één specifiek gebied en het doet dat sneller en beter (want foutloos) dan wij. In de Engelstalige literatuur wordt dit een ANI genoemd, een Artificial Narrow Intelligence. (Zie QR-code 1 onderaan dit artikel die verwijst naar het voortreffelijke verhaal van Tim Urban over dit onderwerp met als titel The AI Revolution: The Road to Superintelligence.)
We zijn nu al omgeven door talloze uitingen van kunstmatige intelligentie (alias ANI), alleen noemen we die niet zo. Met de term kunstmatige intelligentie doelen we meestal op programma’s die kunnen lezen, zien, redeneren en denken. Kortom, die in de breedte kunnen wat wij kunnen en die daarin niet voor ons onderdoen. In de theorie heet dit een AGI, een Artificial General Intelligence. Hoe meer ANI’s er zijn, hoe kleiner de sprong naar een AGI wordt. Googles zelfrijdende auto is zo’n combinatie van ANI’s. Heel veel slimme systemen die met elkaar een nieuw systeem vormen. Maar het blijven ANI’s. Voor de sprong naar een AGI is meer nodig.
Van ANI via AGI naar ASI
Voor een AGI is om te beginnen een enorme hoeveelheid rekenkracht nodig. De menselijke hersenen hebben een rekenvermogen dat wordt uitgedrukt in tien tot de zestiende calculaties per seconde (tien biljard cps). Tot voor kort konden zelfs supercomputers daar niet aan tippen. Maar het snelste monster van dit moment, de Yianhe-2, die in China staat, overtreft dit niveau al en is inmiddels drie keer zo snel: 30 biljard cps. Dit systeem is nu nog onbetaalbaar met zijn prijskaartje van 390 miljoen dollar, maar als zich hier nog tien jaar exponentiële ontwikkeltijd voordoet (en waarom zou dat niet zo zijn?) dan komt al deze immense computerkracht binnen ieders (!) bereik.
En dan blijft eigenlijk alleen de software over. Er komt nieuwe software aan die van deze geweldige rekenkracht gebruikmaakt. Een AGI, dus een computer die in de breedte niet onderdoet voor een mens, wordt verwacht rond 2025. De optimisten (of zijn dit pessimisten?) denken dat dit al in 2022 zover zal zijn. Ray Kurzweil houdt het op 2029. Eerder deed hij rake voorspellingen over de internetrevolutie. Dat is geen garantie dat hij nu weer goed zit, maar het is voldoende reden om zijn woorden op zijn minst serieus te nemen.
Dus straks staat er een AGI op jouw werktafel. Of deze AGI is ingebouwd in een robot, zoals de humanoid Data in de serie StarTrek. Je kunt straks jouw eigen versie van Data over van alles en nog wat raadplegen. Hij/zij kan heel veel, heel veel beter dan jij (gelukkig niet alles, hij/zij kan nog niet dichten bijvoorbeeld).
De stap die logisch op deze AGI volgt is een ASI, een Artificial Super Intelligence. Dat is een programma dat over de volle breedte alles veel en veel beter doet dan zelfs de slimste mens. Optimisten (of zijn dit pessimisten?) noemen in dit verband het jaartal 2040. Kurzweil doet er nog een schepje van vijf jaar bij: 2045. Dan zijn we welgeteld één generatie verder.
Veel van de discussie die de laatste tijd is losgebarsten gaat over de mogelijkheid van zo’n ASI. Er zijn krachtige waarschuwingen gegeven door Bill Gates, Stephen Hawking, Elon Musk, CEO van Tesla Cars en zelfs Google CEO Eric Schmidt. Niet de minsten. Ze zijn allemaal gebaseerd op de angst dat we – net als de tovenaarsleerling in de beroemde ballade van Goethe – een bezem in werking zetten waar we straks geen controle meer over zullen hebben en die ons in het ergste geval van de aardbodem veegt.
Dat ook pioniers van de moderne IT als Gates en Schmidt de alarmbel luiden, is opmerkelijk. Is er echt zo’n groot gevaar? Of zien deze technologiemagnaten vooral een groot gevaar voor hun eigen zakelijke imperium? Is er straks nog wel software zoals we die nu kennen? Eet een heuse ASI niet alle Microsoften, Oracles en zelfs Googles op? Zo’n alleskunner draait zijn hand toch niet om voor een beetje ERP of CRM, 3D-printing of virtual reality, zou je zeggen? Nou dan!
Google is hier opnieuw het slimste jongetje van de klas, want – naast luidkeels te waarschuwen – investeert het tegelijkertijd ook driftig in deze nieuwe technologie. Google gedraagt zich als een dief die ‘Houd de dief!’ roept. Google kocht in december 2014 voor 400 miljoen dollar het in Londen gevestigde DeepMind Technologies. Mooie naam voor een ASI! DeepMind ontwikkelt onder meer een programma dat zelfstandig – dus zonder menselijke tussenkomst – games leert spelen.
Nog een stap verder: wat laat een ASI straks heel van de kosmologie van Hawking? Welk antwoord geeft hij/zij/het op de vraag of er ooit eigenlijk wel echt een oerknal was? Misschien reageert het ding wel met een virtuele lachstuip. Het zou zomaar kunnen. Wil je meer over de ontwikkeling van superintelligentie weten, bekijk dan de opzienbarende videoregistratie van de lezing van machine learning expert Jeremy Howard tijdens TEDx Brussels op 1 december 2014 (duur ruim 19 minuten, warm aanbevolen).
ADHD
Terug naar het Nederland van 2015. Wat merken we hier van ANI’s en AGI’s? Zijn er ook vaderlandse zwaluwen die de nieuwe cognitieve lente aankondigen? Amper nog, maar ze zijn er wel.
Zijn zoon met ADHD zette hem op het juiste spoor. Eugen Oetringer, wiskundige met een ruim twintigjarige staat van dienst bij it-bedrijf EDS, verdiepte zich in de werking van de menselijke hersenen en in therapieën voor ADHD. Het werd een ontdekkingstocht die zijn zoon van de aandoening bevrijdde en hem in contact bracht met het werk van Jeff Hawkins, de oprichter van het ooit zo roemrijke Palm Computing.
“Hawkins,” verduidelijkt Oetringer, “heeft zich verdiept in de fundamentele architectuur van de menselijke hersenen en is erin geslaagd de enorme complexiteit daarvan terug te brengen tot een beperkt aantal criteria. Daarmee onderscheidt hij zich van de traditionele AI en wordt een grote stap gezet naar nieuwe toepassingen. Ik heb een paar criteria aan het model van Hawkins toegevoegd. Verrassend genoeg bleek dit te programmeren.
Het gevolg is dat we duizenden algoritmen kunnen terugbrengen tot één algoritme.” Samen met zijn compagnons Herman Bloemink en Marcel Klaus zette Oetringer in oktober vorig jaar het in KI gespecialiseerde bedrijf Dendri Systems op. De onderneming legt zich toe op het verder ontwikkelen van het eigen core algoritme en zoekt financiers en partners voor toepassingen op een groot aantal gebieden, zoals real-time tekst vertalen naar een andere taal, patroonherkenning voorbij de mogelijkheden van de huidige algoritmen en robotica. Het vinden van goede partners is nog niet zo eenvoudig, vertelt Bloemink, omdat dit kennisgebied voor velen nog ver voorbij de horizon ligt. “Maar de toekomst is er eigenlijk al. We weten het alleen nog niet.”
Meta, meta, meta
Een andere pionier op het vlak van KI is Tim Janssen, directeur van it-bedrijf Cornerstone. Zijn onderneming converteert omvangrijke legacy-systemen van grote ondernemingen van de ene programmeertaal naar de andere. Dit gebeurt met behulp van software die meer dan zestig programmeertalen ‘beheerst’. Waar programmeurs jaren voor nodig hebben, doet dit systeem in dagen.
Janssen houdt niet van termen als KI of zelflerende systemen en prefereert de term knowledge based system ofwel KBS. “Er is niks geheimzinnigs aan een KBS,” benadruk hij. “Het zijn gewoon regels. Als dit dan dat. Als niet dit dan iets anders. Dat is de basis. Deze regels zijn het eerste niveau van abstractie. Het volgende is dat je regels kunt maken over regels. Dat is het meta-meta-niveau. Bij werkelijk complexe systemen met veel data kan een mens het geheel niet meer overzien. Daar heb je echt computers voor nodig. Het gaat dan om regels over regels over regels. Drie niveaus van abstractie dus. Een computer kan dan met antwoorden komen die een mens niet meer begrijpt, maar die toch correct zijn. Of niet natuurlijk. De juistheid van die antwoorden hangt af van de kwaliteit van de regels.”
Kan een computer ook zelf regels ontwerpen en verfijnen? “Zover is het nog niet,” antwoordt Janssen, “maar ik sluit het volstrekt niet uit. Het blijven alleen wel regels. Er is niks mysterieus aan.”
Inwerktijd
En dan is er natuurlijk ook Amelia, de virtuele service desk agent die in december 2014 door technologiebedrijf IPSoft werd gelanceerd. Er vinden in de VS, Europa en Japan gesprekken plaats met geïnteresseerden in deze technologie, vertelt Martijn Gribnau, Chief Change Manager van IPSoft. Hij geeft voorbeelden. Samen met Shell en Accenture wordt er gewerkt aan een Proof of Concept, waarbij de virtuele agent deel uitmaakt van een elektronische leeromgeving. Bij een niet met naam genoemd groot internationaal mediabedrijf vindt een vergelijkbare proef plaats, waarbij Amelia wordt ingezet als tweedelijns medewerkster van de it-helpdesk. “Proef is hier eigenlijk geen goed woord,” verduidelijkt Gribnau, “want je moet dit in een productie-omgeving testen. We doen dat weliswaar op een deelgebied, bijvoorbeeld met een beperkte set van gebruikers of klanten, maar wel in een echte werkomgeving. Amelia gaat direct het diepe in.”
Om echt goed te worden heeft ze wat inwerktijd nodig. “Amelia leert in principe op dezelfde manier als een kind. Je moet haar de dingen voordoen. Dat is lastig als processen en dialogen niet beschreven zijn. Dat is dan ook de eerste stap. Maar als die eenmaal is gezet, dan gaat het hard.”
Gribnau was in de jaren ’90 bij ING betrokken bij experimenten met expertsystemen. “We hadden daar toen hoge verwachtingen van, maar de resultaten waren teleurstellend. Nu staan we er beter voor. De technologie is uit het Lab en begint te draaien in echte productie-omgevingen. We bevinden ons nu nog middenin de grote trend van de mobile devices. Ik voorzie dat KI de volgende grote hoofdtrend in de IT wordt.”
Zoveel is duidelijk: cognitieve systemen zijn zich op allerlei plaatsen op de aardbol warm aan het draaien. Ze hebben de afdelingen R&D verlaten en worden getest in Proof of Concepts. Let wel: veel daarvan zijn ‘zelflerende’ systemen. Dat wil zeggen: hoe langer ze draaien, hoe beter ze worden. Dat deze nieuwe realiteit bij velen een wat onbehaaglijk gevoel oproept, is logisch. De vraag is immers: voor welke doeleinden worden deze systemen straks ingezet? En wie stelt die doeleinden vast? Als we als samenleving de greep op deze ontwikkeling verliezen, belanden we in het scenario van de tovenaarsleerling. Er is daarom in ethisch en politiek opzicht veel werk aan de KI-winkel.
Twaalf AI start-ups
In de VS neemt het aantal start-ups op het gebied van artificial intelligence dat venture capital ‘ophaalt’ ieder jaar toe. In 2010 waren dat er nog maar twee. In 2011 vier, het jaar daarop zeven, in 2013 elf en in 2014 zestien. Een greep:
- Sentient Technologies uit San Francisco (analytics)
- PredictionIO uit San Francisco (open source machine learning)
- Scaled Inference uit Palo Alto (cloud based AI-platform: ‘A Google brain for everyone’)
- Wit.ai, uit Palo Alto (stembesturing)
- MetaMind uit Palo Alto (enterprise AI, deep learning)
- Vicarious Systems uit San Francisco (human-level intelligence in vision, language and motor control)
- Numenta, webbased (open source AI community platform)
- Dato uit Seattle, www.dato.com (building intelligent apps)
- BigML uit Corvallis (Oregon) (real-time predictive apps)
- Expect Labs uit San Francisco (stembesturing)
- LiftIgniter uit San Francisco (personalisatie van websites en apps)
- Clarifai uit New York (beeldherkenning)
In Nederland zijn er op dit moment nog geen AI-start-ups die durfkapitaal hebben aangetrokken.
Een stoomcursus KI
Wie zich snel in de techniek van de cognitieve systemen wil verdiepen, gaat naar de publieke webpagina ‘How to Machine Learn’, ofwel een Stoomcursus KI. Dit document leert je in vier hoofdstappen en een heleboel substappen hoe je een ‘zelflerend systeem’ kunt bouwen. Inclusief toegangen naar software, naar videoregistraties van colleges op Harvard en Vanderbilt University, naar research papers, podcasts, meetups, blogs en e-books. Wie gebruiker is van Microsofts cloudplatform Azure kan ook deze link volgen: (ml staat hier voor machine learning).
