Wist je dat de Grieken en Romeinen zich in zekere zin al bezighielden met KI?
Kunstmatige intelligentie of Artificial Intelligence zijn tegenwoordig veelgebruikte termen, maar waar komt kunstmatige intelligentie eigenlijk vandaan? En wat gaat het ons uiteindelijk opleveren als we vanuit de geschiedenis verder kijken?
Wat is KI?
Als er over kunstmatige intelligentie (KI) gesproken wordt, dan gaat het meestal over ‘intelligente’ software, apparaten of machines die zelfstandig taken uitvoeren. Het is belangrijk om te weten dat er onderscheid gemaakt wordt tussen twee typen: toegepaste (zwakke) KI en algemene (sterke) KI. De eerste vorm komt het meeste voor en is geprogrammeerd om een specifieke taak op dezelfde manier uit te voeren. Terwijl de tweede vorm door machinaal leren zelf taken kan leren en ontwikkelen. Beide types maken gebruik van computeralgoritmes. Algoritmes zijn een soort recept, waarin opeenvolgende vooraf ingestelde instructies van een invoer een gewenste uitvoer geven. Zoals je van ingrediënten een maaltijd kan bereiden door een recept te volgen. De belangrijkste operaties van een algoritme zijn onder te verdelen in vier basisbewerkingen: creëren, lezen, updaten en verwijderen.
We weten natuurlijk dat softwaretechnologie iets is van de vorige eeuw, maar er bestaan al duizenden jaren zelf-bewegende creaties die men ‘automata’ noemt. Dit zijn ‘machines’ die automatisch een reeks van bewegingen uitvoeren door ingebouwde mechanica. Zo waren er zelf-bewegende heilige beelden in Egypte, China en Griekenland die, in plaats van door moderne computeralgoritmes, door een reeks van mechanische bewegingen in werking traden. Sommige bezoekers dachten daardoor dat deze beelden gedachten en emoties hadden. Dit wijst er op dat deze automata dus eigenlijk al een soort kunstmatige intelligentie waren voor de mensen in die tijd. Hero van Alexandrië (circa 70 v.Chr.) is misschien wel één van de bekendste Griekse bouwers van automata. Hij maakte bijvoorbeeld automatisch open- en dichtgaande deuren in tempels, maar ook automatisch werkende verkoopautomaten.
In de Middeleeuwen
In de middeleeuwen waren er in de Arabische wereld ook veel ontwikkelingen op het gebied van wetenschap. Het is bekend dat geleerden en ingenieurs zich daar eveneens bezighielden met automata. Zo beschreef de islamitische geleerde Al-Jazari (1136-1206) complexe automata die op mensen gebaseerd waren en werd er nagedacht over het omzetten van gedachten naar materie. Belangrijk is ook om te vermelden dat het woord ‘algoritme’ afgeleid is van de naam van de Perzische wiskundige Mohammed Al-Chwarizmi (ca. 780-845), die het concept algoritme in de wiskunde bedacht heeft.
Wie we ook zeker niet mogen vergeten te noemen is Leonardo da Vinci (1452-1519). Hij ontwierp Leonardo’s mechanische ridder. Dit was een mensachtige bepantserde automaton, die kon staan, zitten, zijn vizier kon ophalen en zijn armen bewegen. Hierbij maakte Da Vinci gebruik van een opeenvolging van katrollen en kabeltjes. Daarnaast ontwierp hij nog veel meer, zoals een automatische machine om de treksterkte van kabels te testen.
Een belangrijk denker was René Descartes (1596-1650). Hij beschreef de lichamen van dieren als niets anders dan complexe machines, bestaande uit botten, spieren en organen. Dit betekende volgens hem en de aanhangers van zijn ideeën dat de natuur te vereenvoudigen was tot mechanische instructies. Samen met denkers zoals Gottfried Wilhelm Leibniz (1646-1716) en Thomas Hobbes (1588-1679) probeerde hij alle rationele gedachtes om te zetten naar wiskundige symbolen en creëerde daarmee de suggestie dat intelligentie kon worden beschreven door symbolen. Deze gedachtengang is nog steeds de basis voor de huidige KI, waar ‘and’-, ‘or’-, ‘not’-statements, algebraïsche manipulaties, getallen en vergelijkingen, samen met een binair stelsel, de huidige KI beschrijven.
Een ander belangrijke ontwikkeling binnen de wiskunde, voor het functioneren van KI, is statistiek en kansberekening. Thomas Bayes (1702-1761) ontwikkelde in de 18e eeuw het Bayesiaanse raamwerk, binnen deze tak van de wiskunde. Dit is momenteel nog altijd een belangrijk onderdeel binnen de KI en machinaal leren.
De innovatieve Jacques de Vaucanson (1709-1782) bracht het idee van Descartes over dieren in werkelijkheid door een eend te ontwerpen die leek zelf te kunnen eten en vervolgens het eten te verteren en uit te scheiden. Deze heette daarom ook wel Canard Digérateur. Daarnaast maakte de Vaucanson ook een zelfspelende fluitspeler, die zelfs twaalf verschillende liederen ten gehore kon brengen. Later, in 1840, maakte Innocenzo Manzetti (1826-1877) een verbeterde versie van een zelfspelende fluitenspeler, die zittend op een stoel liedjes speelde, geproduceerd door hefboompjes, krukassen en luchtbuizen.
Ook in Azië werden er volop automata ontworpen. Zo had je in Japan de populaire Japanse karakuri ningyo gedurende de 17e tot en met de 19e eeuw. Dit waren poppen die bijvoorbeeld zelf thee konden serveren.
De automata beleefden hun hoogtijdagen van 1848 tot 1914. Dit wordt ook wel de Gouden Eeuw van automata genoemd. In deze periode werden er veel mechanische zangvogels en uurwerkjes geproduceerd in Parijs en verspreid over de hele wereld. In China waren deze bijvoorbeeld erg populair.
Hoewel de automata niet altijd binnen de geschiedenis van de kunstmatige intelligentie genomen worden, is het de vraag of dit terecht is, aangezien deze creaties toch wel zeker de voorlopers zijn van de toegepaste (zwakke) KI.
In sciencefiction werd het onmogelijke mogelijk, zoals echt intelligente ‘robotachtige’ wezens. Deze machines gingen een stap verder dan automata, aangezien automata alleen specifieke taken verrichten, terwijl mensachtige robots als mensen kunnen reageren op en leren van nieuwe situaties. In het begin van dit stuk omschreven we dit type als algemene (sterke) KI. Dit concept was begin 20e eeuw vrij nieuw. Zo schreef bijvoorbeeld Lyman Frank Baum (1856-1919) het populaire boek ‘The Wonderful Wizar of Oz’, waarin zulk soort robots voorkomen. Het was overigens pas in 1921 dat het woord ‘robot’ voor het eerst gebruikt werd door Tsjechische schrijver Karel Capek (1890-1938) in zijn voorstelling Rossum’s Universele Robots. Sciencefiction heeft zeker een grote rol gespeeld in de motivatie van wetenschappers om echt dit soort mensachtige robots te gaan creëren.
Het is dan ook niet verwonderlijk dat in deze zelfde periode de wiskundige logica als taal van de (huidige) KI echt doorbrak. De Church-Turing-hypothese, als eerste bedacht door Church (1903-1995) in 1935, stelt de vraag of een binair stelsel (bestaande uit 0-en en 1-en) elke wiskundige deductie kan uitvoeren. Dit was gebaseerd op het idee van een Turing-machine, waarmee elke mogelijke berekening door middel van eenvoudige algoritmes kan worden uitgevoerd (indien er voldoende geheugen en tijd is). Dit impliceert dat elke mogelijke (complexe) computer door een Turing-machine gesimuleerd kan worden. Alan Turing (1912-1954) – tevens de kraker van de enigma-code van de Nazi’s – bedacht dit concept. Tegenwoordig wordt de Turing-machine gebruikt om de kracht van computersystemen te bestuderen. Daarnaast bedacht Alan Turing in 1936 de welbekende Turing-test, die hij uitwerkte in 1950. Dit is een gedachte-experiment waarbij het de bedoeling is om na te gaan of een computer net zo intelligent is als een mens in een conversatie. Hoe serieus we deze test moeten nemen is nog maar de vraag, aangezien Turing de grenzen van deze test niet duidelijk aangegeven heeft. Het zou kunnen dat een computer zich als mens kan voordoen zonder dit zelf te ‘begrijpen’. Hoe dan ook kan je deze ideeën van Alan Turing een belangrijke aanzet noemen tot het moderne concept van KI.
Gedurende de Tweede Wereldoorlog waren neurofysioloog Warren McCulloch (1898-1969) en wiskundige Walter Pitts (1923-1969) de eersten die de werking van neuronen in het brein en de wiskunde (logica en statistiek) bij elkaar brachten. Daarbij ontwikkelden zij een model van zulke netwerken door gebruik te maken van een elektrisch netwerk. Het eerste kunstmatige neurale netwerk werd door Marvin Minsky (1927-2016) en Dean Edmunds gemaakt in 1951. Hier werden 3000 vacuümbuizen gebruikt om een netwerk van 40 neuronen te simuleren.

Om daadwerkelijk KI te verkrijgen, moesten computers eerst verbeteren, want vlak na de oorlog waren er wel extreem dure computers die in staat waren om informatie te verwerken en commando’s uit te voeren, maar nog niet om gegevens op te slaan. Laat staan om iets te leren. Hier kwam gelukkig snel verandering in, want Arthur Samuel (1901-1990) bouwde in de jaren 50 de eerste zelf-lerende computer in de vorm van een spel genaamd ‘checkers’. In 1959 bedacht hij ook de term ‘machine learning’ (machinaal leren). Wat volgde was een enorme ontwikkeling op het gebied van KI. Er werd veel onderzoek gedaan en er leek steeds meer begrip te komen over het gebruik van KI in specifieke situaties om problemen op te lossen. Dit zorgde ervoor dat overheden en universiteiten steeds meer gingen investeren in KI. Er werd vooral gehoopt dat er gauw een machine kwam die gesproken taal zou kunnen vertalen.
In 1970 werd de eerste echte mensachtige robot, WABOT-1, gebouwd aan de Waseda universiteit in Japan. De robot kon zijn ledematen bewegen, kijken, luisteren en spreken (Japans). Daarnaast was de robot in staat om afstanden en richtingen tot objecten aan te geven. Men was zo optimistisch door WABOT-1 en andere recente uitvindingen, dat er in 1970 werd gezegd dat er binnen acht jaar een machine zou zijn met de intelligentie van een gemiddeld mens. Helaas bleek dit uiteindelijk technologisch te complex om dit op korte termijn te verwezenlijken. Deze teleurstellingen leidden tot een periode waarin onderzoek en ontwikkeling van KI op een laag pitje kwam te staan. Ondertussen ontwikkelden computers zich wel door en in 1982 werd de interesse weer aangewakkerd toen John Hopfield een neuraal netwerk bedacht dat zeer sterk lijkt op hoe echte neuronen in ons brein werken. Namelijk in twee richtingen. Kennis wordt eerst verwerkt door de input door het neuraal netwerk te laten werken. De uitkomst wordt dan vervolgens gebruikt om terug te gaan door het neuraal netwerk en de neuronen te trainen, zodat een volgende input voor een beter resultaat zorgt. Dit staat nu ook wel bekend als het ‘back-propagation algoritme’ en stimuleerde de ontwikkeling van diepe neurale netwerken. Opnieuw werd er flink geïnvesteerd in KI. Je zou verwachten dat er geleerd was van te hoge verwachtingen hebben, maar weer kwamen er teleurstellingen, omdat het niet snel genoeg ging met de ontwikkelingen. Daardoor stopten de meeste financieringen vanaf 1987. Desalniettemin gingen onderzoekers verder, omdat zij nog zeker genoeg potentie zagen. Dit resulteerde in het hoogtepunt van de jaren 90 op het gebied van KI, toen schaakgrootmeester Gary Kasparov werd verslagen door IBM’s Deep Blue. Deze schaakspelende computer liet zien dat een eeuwenoud spel, dat eerst alleen door mensen kon worden gespeeld, opeens door KI werd gedomineerd. Deep Blue deed zijn schaakkennis op door oude spellen van concurrenten van Kasparov en van Kasparov zelf te bestuderen. Hierdoor kon het voor elke zet van Kasparov precies berekenen wat de beste tegenzet zou zijn. In 1997 werd er ook voor het eerst spraakherkenningssoftware in Windows geïmplementeerd. Een ander hoogtepunt was de zelfrijdende auto die in 2005 zelfstandig 211 km reed. Dit was overigens 80 jaar nadat Francis Houdina al de eerste zelfrijdende radiobestuurbare auto door New York had laten rijden.
Heden
Dus uiteindelijk leken de decennia oude optimistische ideeën toch waarheid te kunnen worden. Dit had er alles mee te maken dat computers steeds rekenkrachtiger werden en het geheugen steeds groter. Je zou kunnen zeggen dat in de wereld van KI het eigenlijk vooral wachten is op de doorontwikkeling van de computertechnologie, terwijl de achterliggende wetenschappelijk theorieën al vooruit zijn. Zo zagen we daarom pas 19 jaar na Deep Blue, Googles Alpha Go de wereldkampioen Lee Sedol verslaan tijdens een spelletje Go. Dit spel is veel complexer dan schaken en het was daarom vooral wachten op de rekenkracht om zo’n complex – ook wel diep genoemd – neuraal netwerk te programmeren.
Het is tegenwoordig vrij eenvoudig geworden om enorme hoeveelheden data – bekend als ‘big data’- te verwerken tot nuttige informatie met behulp van KI. Dit kan worden gedaan door gebruik te maken van ‘machinaal leren’ om patronen te herkennen. Op deze manier kan er naast data mining ook spraak- en beeldherkenning gedaan worden. Veel marketingbedrijven zetten bijvoorbeeld ook machinaal leren in om te leren van hun klanten.
Naarmate computers sterker worden, is er steeds meer mogelijk. De wet van Moore vertelt ons dat het aantal transistors (binaire schakelingen) elke twee jaar verdubbelt. In andere woorden: de rekenkracht gaat exponentieel vooruit. Helaas is de wet van Moore niet eeuwig geldig en zullen we moeten uitkijken naar alternatieven, zoals de quantumcomputer om de KI steeds complexer te maken.
Voorlopig zullen we het vooral moeten doen met KI die ontzettend goed zijn in één taak, zoals zelfrijdende auto’s, herkennen van objecten, grasmaaien, stofzuigen, voorspellingen doen of doorzoeken van het internet. Daarnaast zijn er zelfs al KI die het werk van een journalist kunnen overnemen.
Toekomst
Momenteel zien we een enorme toename van toepassingen en onderzoek van en naar KI. Dit zorgt voor een grote hype met als gevolg dat veel bedrijven en overheden in deze ontwikkelingen investeren. We zagen in het verleden dat dit soort periodes uiteindelijk zorgden voor hogere verwachtingen dan de computertechnische ontwikkelingen aankonden met als gevolg een mindere periode voor KI. Omdat we weten dat het theoretisch mogelijk is, mogen we er vanuit gaan dat als de technologie zover is, de KI uiteindelijk de menselijke intelligentie gaat kunnen overstijgen en veel taken van ons zal overnemen. Wat dit uiteindelijk allemaal gaat opleveren is nog wel de vraag: een doemscenario waarbij de mens ondergeschikt wordt aan KI, of juist een wereld waarin mensen en KI zij-aan-zij ‘leven’ en KI ons aanvult met nieuwe inzichten en vormen van creativiteit…
Jurjen de Jong (1993) heeft een bachelor wiskunde en bachelor natuurkunde behaald in Utrecht en een master wiskundige natuur-en sterrenkunde in Gent afgerond. Onlangs rondde hij de master-na-master in Space Studies in Leuven af met een stage bij de ESA en momenteel werkt hij als data scientist. Jurjen leest graag over de verschillende ontdekkingen en ontwikkelingen op wetenschapsgebied en door er over te schrijven hoopt hij zijn kennis te delen met een groter publiek. Zijn artikelen verschijnen niet alleen op Scientias.nl, maar ook op een blog die hij recent lanceerde: Asbronomers.com. Eerder verscheen van Jurjens hand al dit interessante artikel waarin hij uitzoekt of het nodig is dat ook de ruimtevaart groener wordt. Ook zocht hij voor Scientias.nl uit of de ruimtelift werkelijk toekomst heeft. Recent publiceerde hij ook een artikel over de Parker Solar Probe: een ruimtesonde die binnenkort de zon gaat ‘aantikken’ en de veelbesproken Riemann-hypothese.
