De geschiedenis van de technologie zit vol met voorspellingen die nu belachelijk klinken. Een van de beroemdste voorbeelden wordt toegeschreven aan Bill Gates, die in 1981 verklaarde dat "640 kilobytes genoeg zou moeten zijn voor iedereen". AI-voorspellingen zijn in dit opzicht niet anders.
De eerste onderzoekers van AI (kunstmatige intelligentie) dachten dat we binnen enkele decennia een robot zouden hebben die zou lopen, praten en denken als een mens. Ondanks een aantal indrukwekkende vorderingen op het gebied van machine learning heeft AI natuurlijk nog een lange weg te gaan. Volgens een principe dat bekend staat als de Moravec-paradox, kunnen we machines leren om complexe problemen op te lossen, maar tegelijkertijd kunnen ze de eenvoudigste problemen niet aan.
Kom op Siri, denk als een kind
In 1957 zei econoom en informatica-pionier Herbert Simon: “Het is niet mijn doel om u te verrassen of te choqueren, maar ik kan het samenvatten door te zeggen dat er nu machines in de wereld zijn die kunnen denken, leren en creëren. Bovendien zal hun vermogen om deze acties uit te voeren snel groeien totdat (in de nabije toekomst) de reeks problemen die machines aankunnen vergelijkbaar is met de reeks problemen waar de menselijke geest tot dusverre nodig was."
Simon stierf in 2001 en zijn "zichtbare toekomst", waarin machines kunnen denken als mensen, is nog ver weg. Natuurlijk heeft kunstmatige intelligentie zichzelf goed bewezen voor het uitvoeren van specifieke taken, zoals het classificeren van verre sterrenstelsels of het nabootsen van stemmen van beroemdheden of het creëren van kunst, maar eenvoudig denken - een concept dat bekend staat als algemene kunstmatige intelligentie - lijkt de meest geavanceerde systemen voor machine learning in de war te brengen. Bedenk dat zelfs lopen op twee benen een uitdaging is voor machines. Ze kunnen misschien de grote schaakkampioen verslaan, maar ze zullen niet voor de kleine kunnen komen en het juiste speeltje van de plank kunnen pakken.
Dit is geen nieuw probleem. In de jaren tachtig presenteerde computerwetenschapper Hans Moravec precies dit probleem, nu de "Moravec-paradox" genoemd, en legde uit waarom dit precies is wat we mogen verwachten van machines die niet onderhevig zijn aan natuurlijke selectie. "In de grote, hoogontwikkelde sensorische en motorische delen van het menselijk brein zijn miljarden jaren ervaring vastgelegd over de aard van de wereld en hoe daarin te overleven", schreef hij in zijn boek Children of the Mind uit 1988.
Promotie video:
Dat wil zeggen, wat mensen eenvoudig lijkt, is gedurende duizenden jaren in het evolutieproces verbeterd. Wat mensen het moeilijkst vinden, is alleen moeilijk omdat het nieuw voor hen is - we hebben iets meer dan duizend jaar nagedacht over schaakstrategie, maar we hebben geleerd om met de omgeving om te gaan sinds onze voorouders nog eencellige organismen waren. Evolutionaire vaardigheden vereisen geen bewust denken, en als je ergens niet over hoeft na te denken, is het moeilijker om erachter te komen hoe je een machine kunt leren om het te doen.
Leer machines kennen door uzelf te leren kennen
Dus hoe leer je een machine echt te denken? Moravec gelooft dat machines geen evolutie hebben. De situatie verbetert echter met de dag.
Ingenieurs leren kunstmatige intelligentie-algoritmen, zoals het leren van robots om videogames te spelen. Maar voordat we machines kunnen leren denken als mensen, moeten we zelf beter begrijpen hoe mensen denken. Als we de beperkingen van machine learning begrijpen, kunnen we vragen beantwoorden over hoe onze geest werkelijk werkt. Het is ook mogelijk dat de paradox is dat AI nooit echt onafhankelijk zal zijn en altijd zal vertrouwen op menselijke hulp. Maar in elk geval zouden we allemaal de supercomputers die in onze schedels draaien, moeten waarderen. Ze laten de moeilijkste taken ter wereld er gemakkelijk uitzien.
Svetlana Bodrik
