This post is also available in Engels.
De ontwikkeling van slimme machines snelt de laatste jaren zo hard vooruit dat we de vraag moeten stellen: kan kunstmatige intelligentie creatief zijn, of is alleen de menselijke geest in staat tot creativiteit?
Beeld door Lara bewerkt met deepdreamgenerator.com
Mens tegen machine
Tegenwoordig presteren machines bij veel taken beter dan mensen. Zo hebben robots menselijke tegenstanders verslagen bij het spel Go, kunnen ze sommige ziektes beter herkennen dan menselijke dokters en is er zelfs één aangenomen als medewerker op een advocatenkantoor.
Ook als gaat om snelheid kunnen mensen nooit tegen computers op. Het verwerken van een terabyte aan data kost een computer slechts enkele minuten. Maar moderne computers kunnen niet alleen goed met cijfers omgaan; ze presteren ook steeds beter bij ingewikkeldere opdrachten.
Deep learning is een kunstmatige intelligentie (KI)-techniek die gebruikt wordt om computers nieuwe dingen te laten leren. Deze techniek stelt computers in staat om meerdere gelijksoortige taken tegelijkertijd uit te voeren. Hierdoor kan de computer het soort complexe problemen oplossen waar KI technieken zonder deep learning op vast zouden lopen. Interessant genoeg zijn dit precies het soort problemen waar mensen dagelijks tegen aan lopen. Maar als machines in staat zijn zeer complexe taken uit te voeren, wat valt er dan nog te doen voor ons mensen?
Creativiteit
Mensen zijn in staat om nieuwe problemen op te lossen door gebruik te maken van hun kennis over situaties in het verleden die op het eerste gezicht niets met het huidige probleem te maken hebben. Een ‘ingeving’, ‘inzicht’, ‘inspiratie’; dit soort woorden gebruiken mensen als ze een oplossing hebben gevonden. Dit soort doorbraken kunnen grensverleggend zijn, denk bijvoorbeeld aan de inzichten die leidden tot relativiteitstheorie, of alledaags, bijvoorbeeld een projectmanager die een nieuwe bedrijfsstrategie verzint. De creativiteit die nodig is om met dit soort oplossingen te komen is een ‘menselijke’ eigenschap. Dit soort problemen kunnen niet worden opgelost door eindeloos te zoeken door grote hoeveelheden data.
Creatieve machines
Onze huidige machines zijn nog niet in staat tot het bedenken van ‘creatieve’ oplossingen, maar op dit terrein wordt wel flinke vooruitgang geboekt. Sommige nieuwe apps produceren bijvoorbeeld dingen die we misschien zelfs artistiek zouden kunnen noemen. Zo kun je met apps als Dreamify en Prisma foto’s bewerken zodat ze eruit zien als schilderijen van beroemde kunstenaars. Deze apps voegen geen filters toe aan de foto, maar creëren een nieuwe interpretatie van het beeld met behulp van een KI-techniek genaamd deep neural networks.
Deze algoritmes zijn zelfs in staat tot het componeren van jazzmuziek. Er zijn ook neural networks die filmsscenarios kunnen schrijven, literatuur in de stijl van Shakespeare, of zelfs het soort uitroepen zoals we die kennen van Donald Trump. Juich echter niet te vroeg, want de KI-kunst staat nog in de kinderschoenen. (Het voordeel is wel dat je favoriete KI-jazzband nooit uit elkaar zal gaan.)
Authentiek?
Dit is natuurlijk erg indrukwekkend, maar bij het zogenaamde ‘creatieve’ werk dat neural networks produceren kopiëren ze simpelweg de stijl van een bestaande kunstenaar. Zo bekeken is er dus eigenlijk niks authentieks aan wat computers tot nu toe kunnen. Aan de andere kant, grote meesters als Dali, Louis Armstrong en zelfs Shakespeare zijn ooit begonnen door andere kunstenaars te imiteren en hebben vervolgens hun eigen stijl ontwikkeld. Misschien is imitatie wel de voorloper van creativiteit. Hoe dan ook, blijf je zelf uitdagen om authentiek, creatief werk te maken – anders eindig je zelf nog als onderdeel van een machtige, slimme machine.
Deze blog is geschreven door Lara. Bewerkt door Marpessa.
Het is jammer dat dit artikel niet goed duidelijk maakt wat het werkelijke verschil is tussen Deep Learning en andere manieren van kunstmatige intelligentie. Dat heeft namelijk niet te maken met de ingewikkeldheid van de taak, noch met het tegelijkertijd uitvoeren van meerder taken. Wat is bijvoorbeeld het verschil tussen AlphaGo (versloeg wereldkampioen Go in 2016) en DeepBlue (versloeg de wereldkampioen schaak in 1997)? Beide voeren een ingewikkelde taak uit en beide een enkelvoudige taak, het spelen van respektievelijk Go en Schaak. Toch zijn beide programma’s een wereld van verschil. Een belangrijk verschil is dat de ervaring/kennis van AlphaGo is vergaard door het bestuderen en het spelen van het spel door AlphaGo zelf (zoals een mens het spel leert). De ervaring/kennis van DeepBlue is vergaard door het inprogrammeren van kennis- en ervaringsregels van hele goede schaakspelers. Een ander verschil is dat DeepBlue veel meer brute rekenkracht gebruikte om verschillende scenario’s door te rekenenen en dat AlphaGo dat in veel mindere mate doet, maar zijn kracht meer op verworven spelinzicht gestoeld is (dat wat wij intuitie noemen). De match van AlphaGo tegen wereldkampioen Lee Sedol heeft overigens overtuigend aangetoond dat het programma zeer creatief kan zijn binnen de context van het verworven domein (het spel Go).
Hoi Ruud,
Tja, dat is het nadeel van het maken van zulke blogposts. We proberen ons aan max 500 woorden te houden, en dan kun je soms niet op elk detail ingaan. Dit artikel probeert in ieder geval een grof beeld te geven. Maar jouw comment is dan weer een leuke toevoeging voor wie het interesseert! 🙂 (mogen we samen zo stiekem toch over de limiet!) 😉
Mocht je zelf nog leuke verhalen te vertellen zijn. Gastbloggers zijn welkom!