Press

Waarom Ozark Henry zijn Nieuwe Hit Door een Algoritme Laat Schrijven

26 February 2018, 12:53

Kan artificiële intelligentie miljoenen mensen werkloos maken? Erger nog, kunnen computers zo slim worden dat ze het overnemen van de mens? ‘Hoe slim machines ook worden, de mens zal altijd de controle behouden’, zegt Xander Steenbrugge van wereldspeler ML6.

Onlangs scoorde een zelflerende computer van het Chinese internetbedrijf Alibaba voor het eerst beter dan mensen in een test van begrijpend lezen. De leeswedstrijd, ontwikkeld door de prestigieuze Stanford University, was gebaseerd op artikels van de online encyclopedie Wikipedia. Het doel was om zo goed mogelijk een zeer grote hoeveelheid tekst te lezen en te verwerken. Na ‘lectuur’ werden honderdduizend inhoudelijke vragen gesteld over ruim 500 lemma’s van Wikipedia, zowel aan de computer van Alibaba als aan de onderzoekers van Stanford.

De computer van Alibaba behaalde een score van 82,44 op honderd, net iets beter dan de menselijke score van 82,3. Een dag later werd ook een computer van Microsoft onderworpen aan die test en kreeg een score van 82,65. De computers van Alibaba en Microsoft maakten gebruik van artificiële intelligentie: die leert een algoritme op basis van een grote hoeveelheid data een methodiek aan die het daarna autonoom blijft verfijnen. En dat met verbazend goede resultaten.

Het was niet de eerste keer dat een computer wint van de mens. In de jaren negentig ontwierp IBM het schaakprogramma Deep Blue, dat er na enkele pogingen in slaagde om een wedstrijd te winnen tegen toenmalig wereldkampioen schaken Gary Kasparov. Een kantelpunt in de geschiedenis van computerchips, zo oordeelden experts.

Sindsdien werden computers steeds kleiner en performanter en dat leidde ertoe dat vorig jaar de artificiële intelligentie van Google-dochter DeepMind er voor het eerst in slaagde om een spelletje Go te winnen van de Zuid-Koreaanse wereldkampioen Lee Se-dol. Go is een Chinees bordspel dat een beetje op schaken lijkt, maar het is veel ingewikkelder. Op een schaakbord heb je op elk moment ongeveer een veertigtal mogelijkheden. Een computer die twee zetten vooruit wil denken, moet dus zo’n 40 maal 40 of 1600 verschillende opties bekijken. Bij Go is het aantal mogelijkheden per positie maar liefst 250. Twee zetten vooruit denken betekent al snel 250 maal 250 of zo’n 62.500 mogelijkheden. Een computer die alle mogelijke zetten een voor een bekijkt, is dus fysiek onmogelijk. DeepMind hanteert daarom een methode die veel dichter aanleunt bij wat wij ‘intuïtief denken’ zouden noemen. Het systeem gebruikt zijn leervermogen en ervaring om mogelijk sterke zetten te selecteren en enkel voor die selectie verder vooruit te denken.

Als een computer leert van mensen, is hij blijkbaar geneigd om mensen na te doen en dat zorgt niet altijd voor de optimale oplossing.

DeepMind schreef twee totaal verschillende algoritmes voor deze wedstrijd, vertelt Xander Steenbrugge. Hij doctoreert aan de UGent over zelflerende computers en werkt voor ML6, een Vlaams bedrijf dat zich specialiseert in bedrijfstoepassingen van artificiële intelligentie.

Voor het eerste algoritme kreeg DeepMind de toegang tot de data van professionele Go-spelers, een historiek van de technieken en zetten die gebruikt werden in verschillende wedstrijden. Daar lieten ze het eerste algoritme op trainen. De opdracht was: leer van de menselijke zetten en probeer beter te doen door te leren van hun fouten. De tweede versie begon volledig van nul, dus zonder data van andere spelers. Het algoritme liet twee computers tegen elkaar spelen en op het einde was er een winnaar. Door miljoenen wedstrijden te spelen, werden de machines steeds slimmer en steeds beter in het spel. Volgens Xander Steenbrugge leverde de tweede versie uiteindelijk de beste resultaten op. Analyse leerde dat dit algoritme zelfs totaal nieuwe strategieën had ontwikkeld om te winnen. ‘Als een computer leert van mensen, is hij blijkbaar geneigd om mensen na te doen en dat zorgt niet altijd voor de optimale oplossing.’

Hackaton

Die geweldige vooruitgang is te danken aan machine learning, of lerende machines. Dat betekent dat computerwetenschappers algoritmes of wiskundige formules schrijven die computers in staat stellen om zichzelf te trainen en beter te worden in de taak die ze opgelegd krijgen.

Het Vlaamse ML6 is in de Benelux een van de marktleiders op het vlak van machine learning. Het snelgroeiende bedrijf werd in 2013 in Roeselare opgericht door Nicolas Deruytter en telt ondertussen achttien computerspecialisten. In 2016 werd het door Google uitgeroepen tot wereldwijde ‘partner of the year’ voor machine learning. Geen geringe prestatie. ML6 verwierf op die manier een internationale reputatie op het domein van artificiële intelligentie.

Het neemt regelmatig deel aan zogenaamde hackatons, internationale bijeenkomsten van softwareontwikkelaars waar rond een bepaald thema of probleem wordt gewerkt. Het stadsbestuur van Londen organiseerde bijvoorbeeld een hackathon waarbij computerspecialisten de opdracht kregen om te onderzoeken hoe een verkeersongeval elders in de stad tot files leidt en hoe de computergestuurde verkeerslichten letterlijk getraind kunnen worden om daarop te anticiperen en zo files te vermijden of te verkorten.

Binnenkort organiseert ML6 voor het eerst een hackaton in eigen land. Het nodigt computerspecialisten voor een weekend uit in Brussel om een nieuwe hit te schrijven voor Ozark Henry. Nicolas Deruytter: ‘We stellen aan de deelnemers een grote hoeveelheid muziekdata beschikbaar van vroegere hits. Zij schrijven vervolgens op basis daarvan algoritmes die een computer in staat moeten stellen om autonoom muziek te schrijven. Een jury bestaande uit mensen met een technologische achtergrond, aangevuld met muzikanten, zal onder leiding van Ozark Henry de winnaar kiezen.’

Dankzij artificiële intelligentie werden de luchtstromen in de servers van Google aangepast, waardoor dertig procent minder energie wordt verbruikt.

Deze hackathon is weliswaar een gimmick, maar de modellen van ML6 resulteren ook in baanbrekende toepassingen die mensenlevens kunnen redden. Xander Steenbrugghe zegt dat ML6 bijvoorbeeld een algoritme schreef dat lymfeklierkanker kan detecteren op scans. ‘We kregen 500 scans waarop de oncoloog had aangeduid waar en in welk stadium de kankers zich bevonden. Onze algoritmes trainden computers om dezelfde patronen te herkennen. Dat lukte met een accuraatheid van negentig procent. Het interessante is dat zowel de oncoloog als de computer af en toe een foute inschatting maakt, maar ze maken wel andere fouten: de computer na een kleine rekenfout, de oncoloog bijvoorbeeld omdat hij moe was of de avond daarvoor ruzie had gehad met zijn echtgenote. Dus als je beide systemen combineert, kom je tot een beter eindresultaat. Het is dus niet de bedoeling dat de computer of het algoritme het gaat overnemen van de specialist.’

Planet of the Robots

De toepassingen van machine learning zijn volgens Nicolas Deruytter bijna onuitputtelijk. ‘De Volvofabriek in Gent is bijvoorbeeld uitgerust met honderden robots die allemaal functioneren op basis van verschillende parameters: druk, vochtigheid, warmte, minuscule verschillen in de grondstof waarmee ze werken, enzovoorts. Wij kunnen met onze modellen die robots trainen om efficiënter en energiezuiniger te werken. Google heeft dat overigens ook toegepast bij zijn eigen computers. Dankzij artificiële intelligentie werden de luchtstromen in de servers aangepast waardoor dertig procent minder energie wordt verbruikt.’

Kunnen machines zo slim worden dat ze het overnemen van de mens? Kan de aarde een soort Planet of the Robots worden naar analogie met de film Planet of the Apes waarin apen de mens als hun slaven behandelen? De beroemde wetenschapper Stephen Hawking en Elon Musk, de man van Tesla en Space X, waarschuwen al voor misbruiken met artificiële intelligentie. Volgens Elon Musk kan AI de mensheid zelfs bedreigen in haar voortbestaan.

Xander Steenbrugge begrijpt dat sommige mensen bevreesd zijn voor zo’n ‘Terminator-scenario’, waarbij robots hun eigen wil krijgen en plots beslissen om de wereld te vernietigen. ‘Maar dat is in de praktijk onmogelijk omdat een algoritme altijd een welomschreven doel krijgt. Het algoritme probeert enkel en alleen dat doel zo goed mogelijk uit te voeren. De mens behoudt dus de controle.’ Het echte probleem is volgens Xander Steenbrugge dat veel problemen heel moeilijk te definiëren zijn op een manier die een computer goed kan begrijpen. ‘Daarin schuilt het echte gevaar, namelijk dat mensen niet altijd goed kunnen voorspellen tot welk gedrag een bepaald doel zal leiden. Bovendien kan een algoritme slechts één taak tegelijkertijd goed uitvoeren, ook wel narrow learning genoemd. Dat is het verschil tussen een mens en een machine.’

© Knack

Maar sluit dat alle gevaren uit? ‘Elke technologische vooruitgang draagt een zeker risico in zich. De atoombom is ook uitgevonden én gebruikt, maar die technologie heeft wel geholpen bij de ontwikkeling van kerncentrales en op die manier de uitstoot van heel veel CO2 vermeden.’

Een andere vrees is dat artificiële intelligentie en machine learning miljoenen mensen hun werk zal afnemen. Volgens een studie van het Amerikaanse onderzoeksbureau McKinsey is sinds 1990 al tien procent van de jobs verdwenen door de opkomst van informatica. Het voorspelt dat de technologische vooruitgang tegen 2030 nog eens voor 3 tot 14 procent van de werknemers zal vragen dat ze van job veranderen of hun vaardigheden opkrikken. Of de vraag anders gesteld: zal het algoritme dat straks de nieuwe hit schrijft voor Ozark Henry ook tekst- en muziekschrijvers overbodig maken? ‘Nee, ‘ antwoordt Xander Steenbrugge, ‘het zal hen nieuwe tools geven om nog creatiever aan de slag te gaan en om andere en origineler sounds te vinden.’ Het automatiseren van jobs door technologie is eeuwenoud. ‘Dat gebeurt in elke revolutie. Voor de industriële revolutie werkte negentig procent van de bevolking in de landbouw. Die jobs zijn grotendeels verdwenen en vervangen door andere. Dat proces zal zich blijven herhalen. De belangrijkste uitdaging is dat mensen bereid blijven om hun leven lang bij te leren en dat bedrijven op tijd inzetten op innovatie. Wie stilstaat, wordt voorbijgelopen. En wees gerust, niet iedereen moet ingenieur worden. In de jaren tachtig moest je een specialist zijn om een computer te bedienen, nu kan het kleinste kind dat. ‘

Begint het Westen achterop te lopen op China? Steenbrugge vreest van wel als er niets gedaan wordt. ‘Uit een Amerikaans onderzoek blijkt dat de technologische vooruitgang van de Amerikaanse bedrijven voor een belangrijk deel te danken is aan de inzet van brains uit het buitenland. Onder meer van de honderdduizenden dreamers die door de Amerikaanse president Donald Trump uit het land gezet dreigen te worden. Apple, Facebook, Google en andere bedrijven hebben daar al tegen geprotesteerd. Bovendien investeerde de Chinese overheid de voorbije jaren vele miljarden dollars in de ontwikkeling en toepassing van artificiële intelligentie. ‘Vijf jaar geleden liepen Chinese bedrijven nog achter inzake AI en bootsten ze overal het Westen na. Die achterstand is ondertussen ingehaald en ze lijken zelfs uit te lopen op ons.’

De ingenieurs van ML6 zijn echte datajunkies. Hoe meer data, hoe beter hun algoritmes werken. Maar is dat geen bedreiging voor onze privacy? Straks gaat bijvoorbeeld ook ons ziektebriefje digitaal en worden dus gegevens over onze medische toestand digitaal opgeslagen. Xander Steenbrugge: ‘Je moet een goed evenwicht vinden tussen het beschermen van privacy en de voordelen van data. Medische data zijn supergevoelige informatie, maar als je een algoritme laat leren uit de geanonimiseerde gegevens van een volledige bevolking, kun je veel sneller en accurater een diagnose stellen en dus enorm veel mensenlevens redden. Het fundamentele probleem is dat de technologie altijd veel sneller evolueert dan de overheid die onze privacy moet beschermen.’ 

Reageren op dit artikel kan u door een e-mail te sturen naar lezersbrieven@knack.be. Uw reactie wordt dan mogelijk meegenomen in het volgende nummer.