Kunstmatige intelligentie bestaat al heel lang. Laten we als illustratief voorbeeld kort ingaan op de geschiedenis van computerschaak. Onder het trefwoord Levy bet reizen we terug naar het jaar 1968. The Scottish International Champion David Levy sloot een weddenschap met bevriende computerwetenschappersdat geen enkele machine hem de komende tien jaar zal kunnen verslaan. Hij won de weddenschap en daarmee £ 1250. In de triomf van de overwinning verlengde hij de weddenschap met nog eens tien jaar en werd hij in 1988 door het programma verpletterd Geslagen "Deep Thought" 0 tot 4. Wat moet dat ons vertellen? Welnu, de ontwikkeling van kunstmatige intelligentie boeit mensen al eeuwen, maar is nog nooit zo ver gekomen als de afgelopen jaren! Neurale netwerken leren zichzelf nu schaken of kunnen op basis van gezichtsuitdrukkingen de stemming van de persoon erachter herkennen. In 1994 bereikte dit besef eindelijk het grote publiek toen wereldkampioen Garry Kasparov 0,5 tot 1,5 verloor in een sneltoernooi tegen "Chess Genius". Hoewel poker lang niet zo gecompliceerd en tactisch bedreven is als schaken, is één cruciale vaardigheid van groot belang: intuïtie. Speler "doorzien" is belangrijk, iets wat voorheen alleen mensen konden doen. De computer Dat heeft 'DeepStack' nu geleerd.
Informatiesymmetrie is onbelangrijk
Schaken of het traditionele Chinese spel "Go" bestaat uit een zekere informatiesymmetrie. Dit betekent dat een computer "slechts" over een bepaalde hoeveelheid rekenkracht hoeft te beschikken om over zoveel mogelijk zetten per seconde te kunnen "denken". Hij berekent alle zetten en kiest degene met de hoogste procentuele kans om te winnen. Poker vertrouwt echter op spontane, intuïtieve actie die computers tot nu toe niet hebben kunnen doen. Matej Moravcik en collega's van de Universiteit van Alberta hebben deze mogelijkheid nu in een systeem geïmplanteerd. Intuïtie is belangrijk omdat poker een spel is van imperfecte informatie. Geen enkele speler heeft de kennis van een andere speler omdat iedereen verschillende kaarten heeft. Onderzoekers van het tijdschrift "Science" schrijven poker een nog hogere spelcomplexiteit toe dan het spel Go, dat al meer dan 10 tot de macht van 160 beslissingspunten heeft. Intuïtie maakt het voor elke computer moeilijk om te winnen, dus de leer- en rekenvereisten zijn erg gecompliceerd.
Senior auteur Michael Bowling legt uit dat DeepStack via een neuraal netwerk beter leert hoe poker van hand tot hand werkt. Het speelt elke ronde zonder zich zorgen te maken over de rest van het spel. Op deze manier leert het welke reactie het beste is voor een breed scala aan situaties. Met andere woorden, als een opgroeiend kind leert DeepStack wat intuïtie is en leert het zichzelf. Onderzoekers zijn het erover eens dat DeepStack de Turing-test zou doorstaan als het gemeten zou kunnen worden door middel van een spelletje poker.
De Turing-test werd in 1950 voorgesteld door de Britse wiskundige en logicus Alan Turing. De test wordt gebruikt om te vergelijken of een machine hetzelfde denkvermogen heeft als een mens. Hiervoor voert een geblinddoekt persoon een gesprek met twee personen via een toetsenbord. Beide gesprekspartners proberen de testpersoon ervan te overtuigen dat ze denkende mensen zijn. Als de persoon aan het einde van het gesprek niet kan zeggen wie de machine is, is de computer geslaagd voor de test.
Kunstmatig neuraal netwerk
Aanleiding voor de baanbrekende ontwikkelingen is het kunstmatige neurale netwerk. Niet alleen, maar vooral. Als gebied van neuro-informatica houdt de tak van kunstmatige intelligentie zich bezig met het creëren van een functionerend neuraal netwerk op basis van een biologisch model. En dat lukt verrassend goed. Hoewel de focus meer ligt op de abstractie of modellering van informatieverwerking en minder op de exacte replica van een menselijk neuraal netwerk, is de leerkracht van zo'n neuraal model ongelooflijk! Zo is het voor robots op Mars (zogenaamde "agenten") niet altijd mogelijk om via de geïnstalleerde programmering de juiste beslissing te nemen. Geen van de wetenschappers kan de gevaren voorzien die zo'n agent tegenkomt tijdens een Mars-missie. Dienovereenkomstig krijgt de agent een reeks taken om op te lossen. Moeilijke routes beheersen, bijvoorbeeld zonder om te vallen of het beste pad te kiezen. De agent wordt vervolgens geëvalueerd en kan op basis van deze evaluatie een nieuwe functie aanleren.
Het is nu heel menselijk. Een vorm van positieve bekrachtiging kan worden gebruikt om het systeem te laten zien wat goed en wat fout is. Als een kind. Schaken, Go en Poker zijn slechts gimmicks van verschillende onderzoekers. AI is te vinden in veel alledaagse voorwerpen, zoals rijassistenten, zelfvliegende drones of natuurlijk pc-games. Wat er nog meer nieuw is op het gebied van AI, presenteert internetgigant Google op zijn eigen I/O-beurs. Kunstmatige intelligentie zal de komende jaren steeds meer onderdeel gaan uitmaken van ons dagelijks leven. Onze mobiele telefoons kunnen ons straks vertellen hoe we ons voelen en wat ons dwars zit. Eng en fascinerend tegelijk!
