Zoals het een aantal generaties duurde voordat de impact van de stoommachine ten volle voelbaar was in alle sectoren van de economie, zo beginnen computers en robots nu pas hun volledige potentie te tonen. En dat maakt dat de vraag ‘mens of machine?’ steeds vaker in het voordeel van de laatste zal uitvallen. Een verkenning.
In 1996 was de ASCI Red de snelste supercomputer ter wereld. Hij kostte 40 miljoen euro, kon 1,8 biljoen berekeningen per seconde uitvoeren en diende voor het simuleren van nucleaire tests. Nog geen tien jaar later kwam een andere computer uit met gelijkwaardige prestaties. Niet voor nucleaire tests, maar voor videospelletjes. Het was de Sony Playstation 3, die geen 40 miljoen maar 400 euro kostte. En de iPad2 die nu in de winkel ligt heeft niet alleen meer rekenkracht, maar ook meer functionaliteit dan de ASCI Red.
De Wet van Moore, die stelt dat het aantal transistors in een geïntegreerde schakeling door de technologische vooruitgang elke twee jaar verdubbelt, houdt inmiddels al bijna een halve eeuw stand. Dat maakt dat computers meer dan ooit tevoren in staat zijn enorme hoeveelheden data razendsnel te analyseren en te combineren – een activiteit die steeds meer op ‘intelligentie’ gaat lijken. De afgelopen jaren zijn er dan ook enorme stappen gezet in zaken als machineleren (het vermogen van een computer om met behulp van een groeiende hoeveelheid data automatisch methoden bij te stellen en resultaten te verbeteren), computer vision (het inhoudelijk interpreteren van beelden) en SLAM (Simultaneous Localisation and Mapping, gebruikt door onder meer autonome voertuigen om een onbekende omgeving in kaart te brengen en de eigen positie in kaart te brengen).
Nog geen decennium geleden was de algemene overtuiging dat het besturen van een auto slechts onder zeer specifieke condities aan een computer overgelaten kon worden. In 2015 echter slaagde het Amerikaanse bedrijf Delphi erin om een zelfrijdende auto van San Francisco naar New York te laten rijden, onder meer met behulp van LIDAR-camera's die gespecialiseerd zijn in het inschatten van afstanden.
En, zo toonde technologiebedrijf IBM vorig jaar aan, een computer kan zonder tussenkomst van een arts diagnoses stellen. Het bedrijf ‘trainde’ een computer om alle relevante publicaties op medisch gebied te volgen en die informatie af te zetten tegen de symptomen, de testresultaten en het dossier van de patiënt. De software bleek niet alleen even nauwkeurig als de arts, maar identificeerde bepaalde ziektekenmerken zelfs beter.
Zelfs natuurlijke taalverwerking lijkt op dit moment geen onhaalbare horde meer. Computers kunnen steeds beter menselijke taal begrijpen, iets ‘terugzeggen’ en zelfs proza van voor mensen aanvaardbare kwaliteit produceren. Zo verscheen in de VS in 2015 het eerste automatisch geschreven nieuwsbericht op basis van de data die overheidsinstanties online hadden gepubliceerd –‘written by an algorythm created by the author’.
Leren van fouten
De laatste jaren werkt deze exponentiële groei van ‘computing power’ ook sterk door in een technologisch veld dat volgens velen het aanzicht van onze maatschappij en economie in de komende decennia sterk zal veranderen: de robotica.
Robots (een verzamelnaam voor programmeerbare machines) bestaan in hun meest elementaire vorm al decennia. Ze worden in sterk gecontroleerde productieomgevingen ingezet om eenvoudige, repeterende taken uit te voeren. Maar inmiddels is er een nieuwe generatie robots op komst die veel meer kunnen dan dat.
Volgens Pieter Jonker, hoogleraar vision based robotics aan de TU Delft, zijn robots die helpen in de huishouding of zieken verzorgen al over een jaar of twintig werkelijkheid. Jonker doet onderzoek naar leergierige robots die straks autonoom in complexe omgevingen allerhande taken kunnen uitvoeren. Anders dan in industriële productieomgevingen is in een huishouden, een ziekenhuis of zorginstelling niet alles netjes geordend. Dat vraagt om robots die kunnen anticiperen op steeds veranderende omstandigheden. Het is volgens Jonker ondoenlijk daarvoor programmatuur te schrijven: dat zou een alwetende programmeur vragen. De enige weg is te werken aan een robot die zelf kan leren van zijn fouten – net als een mens.
Tijdens een discussieavond in Amsterdam in 2015 deed Jonker uit de doeken hoe dat werkt: uit een looprobot wordt eerst de loopsoftware verwijderd. Vervolgens krijgt de robot een ‘beloning’ als hij een goede stap maakt, waarbij hij is geprogrammeerd op het behalen van een zo hoog mogelijke score. De robot leert vervolgens al doende willekeurige bewegingen om te zetten in gerichte bewegingen omdat die de hoogste beloning opleveren. Tegelijkertijd blijft hij ook andere bewegingen uitproberen om tot een hogere score te komen.
Ook de eveneens Nederlandse hoogleraar Vanessa Evers werkt aan robots die in staat zijn zich aan te passen aan de omgeving en, belangrijker nog, de mensen daarin. De crux is volgens haar dat veel menselijk gedrag in parameters en algoritmes kan worden vertaald, en dus door een robot geleerd kan worden. Aldus begeven machines zich een trede hoger op de DIKW-ladder (data, information, knowledge, wisdom).
Ongekende precisie
Volgens Goof Hamers, CEO van Vanderlande Industries, komen op dit moment een aantal ontwikkelingen samen die de op zichzelf
‘domme’ robot in razend tempo tot een ‘intelligente machine’ maken. Dat zijn om te beginnen een aantal doorbraken in de zogeheten sensortechnologie, waardoor 3D-metingen mogelijk zijn met een tot nu toe ongekende precisie. De data die dit oplevert worden door steeds complexere algoritmes geïnterpreteerd en tot een handeling omgezet die een robot kan verrichten. Hamers: “En als je dat dan combineert met enorm toegenomen computing power, dan kun je die heel ingewikkelde algoritmes uiteindelijk ook real time toepassen - want daar gaat het uiteindelijk om. Je wilt bijvoorbeeld robots die in een fractie van een seconde kunnen beslissen hoe ze bijvoorbeeld een bepaalde koffer gaan oppakken, ongeacht de vorm, grootte of positie van die koffer.”
