Kunstmatige intelligentie gewoon

Gepubliceerd op: 31 oktober 2018 / Bijgewerkt op: 8 april 2019 – Auteur: Konrad Wolfenstein

Kunstmatige intelligentie eenvoudig uitgelegd. Hoe houd je enorme hoeveelheden data, zoals Big Data, bij? Dat is alleen mogelijk als je je oriënteert op bepaalde patronen, of je erdoor laat leiden.

Kunstmatige intelligentie (AI) – Eenvoudige syntaxis

Een persoonlijk experiment: Je hebt een specifiek beeld in je hoofd. Vandaag is dat een rode kast met witte handgrepen. Wat doe je?

Je typt "rode kast, witte handgrepen" in de Google-zoekbalk.

Opbrengst? Bescheiden.

Tweede poging: Je typt "rode kast, witte handgrepen" in de Google-zoekbalk.

Het resultaat is al beter, maar het kan zeker nog beter.

Het gebruik van Google Search is de eerste stap in de wereld van programmeren. Het verzamelen van zoekopdrachten en het omzetten ervan in algoritmen en code vormt de basis van een neuraal netwerk.

Machine learning, zoals de bovenstaande afbeelding laat zien, is daarom niet iets dat snel geïmplementeerd kan worden. Het vereist veel tijd en inspanning. Dit verklaart ook de bijbehorende ontwikkelingskosten. Maar als je bedenkt dat AI geen vakantie neemt, niet met pensioen gaat of andere natuurlijke afwezigheden kent, verandert het beeld volledig.

Maar is die rode kast met witte handgrepen morgen nog steeds in de mode? Past hij dan nog bij je levensstijl? Smaken veranderen. Precies hier komt deep learning om de hoek kijken. Om bij ons voorbeeld te blijven: terwijl je verder zoekt, leert de AI en herkent hoe je zoekgedrag is veranderd op basis van de andere onderwerpen die je interesseren. Vervolgens ontwikkelt de AI zelfstandig nieuwe algoritmes om te "voorspellen" dat je over een jaar misschien geïnteresseerd bent in een groene kast met blauwe handgrepen voor je keuken.

Verschrikkelijk? Voor sommigen wel. Maar eigenlijk is het dat niet. Onze angst voor het onbekende speelt ons parten. Als we een groep mensen zouden vragen wat ze morgen op televisie interessant zouden vinden, zouden we een grote verscheidenheid aan antwoorden krijgen. Niet alle antwoorden zouden hetzelfde zijn. Welke criteria hanteer je om te bepalen welke suggestie je accepteert? Is het de inhoud of misschien de aantrekkelijkheid van de persoon in kwestie?

Hetzelfde geldt voor AI. De resultaten hangen af ​​van hoe zwak of sterk het neurale netwerk is "geprogrammeerd". Het gaat om patroonanalyse, wat ons moet helpen goede beslissingen te nemen, niet om ons te beheersen. Want als we er niet in slagen om patronen in big data te herkennen, zullen we genadeloos ten onder gaan. En dat is het echte horrorscenario.