Cookies op Tweakers

Tweakers maakt gebruik van cookies, onder andere om de website te analyseren, het gebruiksgemak te vergroten en advertenties te tonen. Door gebruik te maken van deze website, of door op 'Ga verder' te klikken, geef je toestemming voor het gebruik van cookies. Wil je meer informatie over cookies en hoe ze worden gebruikt, bekijk dan ons cookiebeleid.

Meer informatie

Door , , 48 reacties
Bron: ZDNet

HNCHoewel men al jaren hard werkt aan kunstmatige intelligentie, zijn computers op dit moment nog lang niet zo slim dat ze vergelijkbaar zijn met de mens. Onderzoekers zijn nu echter al weer een stuk verder gekomen, met het probleem om apparatuur te laten "denken". Het bedrijf HNC Software heeft onder de naam Cortronics namelijk een systeem gemaakt, dat verbanden kan leggen tussen dingen. Op deze manier zal een machine bijvoorbeeld aan de hand van en foto kunnen bepalen of een persoon mannelijk of vrouwelijk is; een waarneming die voor mensen in de meeste gevallen eenvoudig is, maar erg lastig onder te brengen is in wiskundige algoritmes.

Met een aantal normale PCs als basis functioneert het systeem door middel van opslag en vergelijking. Alles wat "waargenomen" wordt, slaat Cortronics op in het geheugen. Vervolgens kijkt het apparaat naar verbanden tussen objecten, zodat een combinatie van objecten als een groter object gezien kan worden. Te denken is aan alle kenmerken die een gezicht heeft, zoals oren, een neus, een mond, enzovoorts. Heeft Cortronics eenmaal een aantal keer gezien dat deze voorwerpen alleen maar met elkaar gecombineerd voorkomen, dan wordt tot de conclusie overgegaan dat deze combinatie ook een object is: een gezicht dus. Met enige oefening kan dit leiden tot de eerder genoemde man/vrouw herkenning, doordat de computer onthoudt hoe vrouwelijke en mannelijke gezichten eruit zien.

Vervolgens zal het de machine zelfs opvallen als er dingen missen, zodat toepassingen denkbaar zijn die fouten aan bepaalde zaken kunnen signaleren. Daarnaast kan een dergelijke machine ook beter luisteren als mensen praten, aangezien bepaalde woordcombinaties herkend worden. Op die manier kan bepaald worden welke woorden van n persoon afkomen, zodat in een drukke ruimte beter afgestemd kan worden op het stemgeluid van iemand die aan het praten is. Al met al zijn er dus behoorlijk wat nieuwe toepassingen, maar de prijs is helaas nog wat aan de hoge kant; voor 50.000 dollar kunnen ingenieurs op cursus om te leren hoe het allemaal precies werkt, aldus ZDNet.

Lees meer over

Moderatie-faq Wijzig weergave

Reacties (48)

Een stap voorwaarts zou pas zijn wanneer de zogenaamde 'intelligentie' zichzelf slimmer kan maken. Dan zou het de naam pas echt eer aan doen.
Dan moet je goed lezen. er staat dat het programma steeds meer gegevens kan opslaan en daarmee ook steeds meer vegelijkings materiaal heeft. en dus beter kan beoordelen. het leert dus wel degelijk van zichzelf.
nee er staat dat door invoering van gegevens de computer slimmer wordt
niet dat hij zelf gegevens invoerd
Vergeet niet dat je om te leren je zowiezo data nodig hebt. Je kunt natuurlijk je database nog een keer doorlopen, wat voor mensen vaak goed werkt, maar een computer heeft daar na enkele keren wel uitgehaald wat hij (zoals geprogrammeerd) eruit kan halen. Hoewel iteratieve processen veel rondes kunnen vragen.

Elke testcase is gelijk aan nieuwe invoer.
Daarnaast is het natuurlijk altijd mogelijk om de database met gegevens uit te breiden.
Je hoeft het programma alleen zo aan te passen dat hij bij elke (serie) invoer zijn verwerkingsalgoritmes opnieuw draait. Iets wat bij grote databases en tijdrovende algoritmes een tijdrovende klus kan zijn.
Doet me denken aan iets dat ik gezien heb op National Geographics.

Ging over verschillende robotten die ze mee bezig waren in het M.I.T.
De ene was gewoon een hoofd met oren, ogen en een mond, de ander een paar benen en de ander 1 arm.
Ze lieten die onderdelen van de robot opgroeien als kleine kinderen doen. Dus geen data invoeren maar een programma dat uit zichzelf leert.

Om een voorbeeld te geven. Die arm moest leren hoe hij iets moets vast nemen, hij moest er ook zelf achter komen hoe lang zijn arm is (wat kinderen die aan het groeien zijn trouwens ook telkens moeten leren). Dit allemaal zonder dat de programmeur data invoert maar dat die arm zelf leert.

Ook het hoofd leert op zichzelf. Hij leert zijn omgeving kennen, hoe hij met zijn ogen en oren moet werken en hoe hij mensen aan hun gezicht en stem kan herkennen. Ook zonder dat een programmeur hem die gegevens toestopt.

In het M.I.T. is het wel een proefproject die al enkele jaren aan de gang is en niet iets dat nu al commercieel toegepast kan worden of waar men als ingenieur op cursus kan.
Tja, cht nadenken zal toch moeilijk worden. De machine moet het altijd doen met de data welke ingevoerd is. Aan de hand van deze data kan de machine een "beslissing nemen". IQ van een PC is en blijft nul.
Als je goed nadenkt, dan is het ook zo dat mensen alleen maar beslissen op de gegevens.
Stel jij hoort aan de telefoon een hoge stem, die zich voorstelt als Anna. Jij denkt dan dat het een vrouw is, omdat Anna een meisjesnaam is, en het een hoge stem is. Mensen beslissen dus ook op basis van gegevens, alleen letten wij al niet meer op het verzamelen van die gegevens, en dat doe je wel als je een programma moet schrijven om een computer AI te geven.
Een mens kan, als het goed is, al zijn kennis gebruiken om zo beslissingen te nemen zonder dat hij deze eerder mee heeft gemaakt. Of kennis van verschillende gebeurtenissen toepassen. Een machine niet, een machine is "dom". Een machine kan niet denken, deze kan alleen instructies uitvoeren.

Of wil jij met je betoog verklaren dat een mens eigenlijk ook een IQ van 0 heeft?
Zowel mens als machine gebruiken kennis om beslissingen te nemen, en beiden kunnen kennis opdoen door ervaring en door directe kennisoverdracht.
Het verschil zit m vooral in de complexiteit vd informatie die opgenomen en verwerkt kan worden.

Zodra een machine eenzelfde soort verwerkingsmechanisme gebruikt als de mens (neuraal netwerk), is die machine in beginsel intelligent. De vraag is -hoe- intelligent; tot dusver zijn ze niet veel slimmer dan een insect. Bvb een bij heeft maar een paar 100 neuronen (een mens vele miljoenen), da's relatief eenvoudig op een computer te simuleren.
Ja, ik wil inderdaad beweren dat een mens ooit een IQ had wat heel laag is, alleen de basisdingen die door instincten voort komen kan je bij de geboorte.
De rest leer je allemaal in de loop van je leven.
Zo kan je het ook met een robot doen, die een hele grote dbase heeft. Alleen gaat het vergelijken in het hoofd van een mens veel sneller dan met een computertje die honderden mb's aan data moet doorspitten. Dus, computers moeten misschien beter gegevens kunnen verzamelen en vergelijken.
E dan vind ik toch dat het IQ van 0 wat te laag is als ze dat eenmaal kunnen.
Het grotere probleem is dat wij mensen met nieuwe situaties om kunnen gaan, omdat wij uit onze gegevens bepaalde abstracte karaktersets kunnen abstraheren volgens welke we de nieuwe situatie kunnen aanpakken. En dat kunnen wij ook heel snel. In een computer is alles vanouds voorgeprogrammeerd en dus moet de computer vantevoren weten wat te doen in alle mogelijke situaties. Juist het mooie van lerende sytemen is dat dat net hoeft. Het systeem is dan ook in staat om die karaktersets te abstraheren. Het laatste dat ik erover gehoord heb is dat de AI systemen zover zijn als een muis en dat we over 20 jaar op het niveau van een mens zitten.
Deze ontwikkeling waarbij computers kunnen leren uit wat ze zien is natuurlijk een grote sprong voorwaarts, omdat nu 2 (al bestaande) technologin zo gecombineerd zijn dat ze dichter in de buurt van werkelijke intelligentie komen en dat het nog werkt ook.
Wat ik me nog altijd afvraag echter is hoe we emotie gaan modelleren in computers. Emoties zijn namelijk een soort chaos, maar wel chaos die een belangrijk deel van de mens uitmaakt. Emoties simuleren met randomness is echter onmogelijk, want zo'n chaos is het nou ook weer niet. Een deel van de emoties is afhankelijk van de standplaatsgebondenheid: jouw leefmilieu bepaalt voor een deel hoe jij je over bepaalde dingen voelt. Het overgrote deel is echter karakter en ik denk dat het heel moeilijk wordt om dat te simuleren in wiskundige modellen.
Om iets te kunnen simuleren moeten we weten hoe we het kunnen modeleren.

Mbt intelligentie komen we een heel eind door bv rekenkundig te denken. (hoewel dat maar 1 aspect is) Daarnaast kunnen we hiervan uitgaande nog wat doen met neurale structuren. Ik ben te weinig in dit onderwerp thuis om te kunnen beoordelen of met tegenwoordig meer methoden geimplementeerd kunnen worden.

Over emoties weten we veel minder dan over manieren om na te denken. En hoewel emoties er vaak chaotisch uitzien, betwijfel ik of ze ook daadwerkelijk chaotisch zijn.
Daarentegen kunnen min of meer chaotische modellen (dwz chaos met structuurelementen (hoe tegenstrijdig dat ook klinkt)) een heel eind komen. Als voorbeeld van een chaotisch model met structuur kun je denken aan het bekende Mandelbrotplaatje. Het ziet er heel ingewikkeld uit, maar de wiskundige structuur waar hij uit voorkomt is belachelijk eenvoudig.
Ja dat is waar,
maar zou het niet ontzettend cool zijn moest die pc gekoppeld aan die systeem zijn input van het web halen? het enige probleem is dan de onzin van de waarheid te onderscheiden.
Het zal wel opgevat worden als een flame, maar dit is non-nieuws. Neurale netwerken worden al lang gezichtsherkenning gebruikt.
Plannen zijn er om criminelen op te sporen door middel van beveiligingscamera's die je overal ziet.
Zo maar een link gevonden met google:
http://www.notbored.org/viisage.html
Als je individuele gezichten kan herkennen in een menigte en ze kan identificeren, lijkt mij in vergelijking daarmee het herkennen of op een foto een man of vrouw staat nogal triviaal.
dat is volgens mij anders. een gezicht matchen met een gezicht uit een database is relatief niet erg moeilijk. het gezicht wat dan gezocht wordt is dan namelijk bekent. waar dit bericht nu over gaat is informatie halen uit een onbekend gezicht. dat is veel moeilijker.
Mwah. Valt wel mee hoor. Neurale netwerken worden ook ingezet om handschriften te ontcijferen op brieven. En dan moet je gaan bepalen welke letter er staat aan de hand van algemene omschrijvingen, want elke handgeschreven letter is weer anders. Een paar jaar geleden nog gezien bij een rondleiding bij KPN Research; vreemd genoeg toen iets dat volledig door wiskundigen in elkaar gezet was, geen enkele AI-er bij betrokken. Ze hadden een slaging van 95+ % Hun project voor een stemherkennings machine deed 't iets minder, 80+ % IIRC. En dat voor een jaar of 3 terug? Niet slecht.

* 786562 Jit
Een neuraal netwerk wordt juist getraind op een bepaald taak. Maar hij zal ook nooit iets anders kunnen dan die specifieke taak waarvoor hij getraind is. Wat ze hier echter ontwikkelen is een 'brein' dat ook zelf dingen kan ontdekken, dat is iets heel anders.
Ik vind het nog steeds een kromme vergelijking. A.I. is absoluut niet te vergelijken met een mens. Zoals Bugu al zei emoties en leefmilieu zijn van invloed op je denken en doen.
De vergelijking met een baby is nog krommer, als baby leer je het meest en snelst. Al lijkt het zo makkelijk, maar heb je er ooit over nagedacht dat elke beweging die je maakt je geleerd hebt als baby, ja zelfs je mooie curve schot waarmee je elke zaterdag je team op voorsprong brengt :) heb je al geprobeert.

Een gigantische computer zou het nog geen week volhouden tegen een baby, simpelweg omdat er voor de komende jaren gewoonweg niet een toereikende hoeveelheid opslag ruimte is, "lees wel" ook nog met zo'n snelheid dat het "menselijk" is.

Bijvoorbeeld een gesprek voeren is waarschijnlijk voor een, op dit moment meest ingenieuze, computer en bijbehorende software. Wij maken beslissingen zo snel dat is voor een computer gewoon niet bij te benen.

En stel dat je wel zo'n computer in elkaar kan zetten die zo snel en groot en "slim" is, dan heb je wel een hele saaie computer omdat alles heel platonisch blijft. Wij reageren aan de hand van chemische processen (karakter bestaat uit verschillende stoffen die allen bepalen hoe jij bent en reageert)
Wij onthouden ook niet alle details, maar vnl de structuur van wat we geleerd hebben, of sprekende voorbeelden. Uitzonderingen daargelaten.

Wat snelheid betreft: hoe snel moet een computer zijn om "menselijke" beslissingen te kunnen maken?
We moeten niet vergeten dat we het nu niet kunnen, maar computers blijven nog wel even sneller worden.
Tot daar een eind aan komt is het een kwestie van tijd alvorens we tijdrovende berekeningen realtime kunnen. Vgl met het "simplere" proces van 3D simulatie. De beste benadering van de werkelijkheid komt heel dicht bij, maar behaalt nog niet de werkelijkheid. En dat op supercomputers. Maar aan de hand van de ontwikkelingen in de grafische huis tuin en keukenmarkt kun je inschatten hoe lang het duurt voor je Quake X zo realistisch kan spelen.

Het ziet er naar uit (voor zover ik ervan op de hoogte ben) dat mensen hun snelle beslissingen kunnen nemen dankzij slimme "algoritmes" die uitgaan van de structuur van wat we geleerd hebben en niet alle mogelijkheden doorlopen. Onderschat de snelheidswinst hiermee niet. Veel menselijke fouten zijn ook terug te voeren op dit mechaniek.

Wat betreft het reageren op chemische stoffen, ik zie niet in waarom dat betekend dat een computer iets soortgelijks zou kunnen.
Stop de benodigde eigenschappen in een structure (record) en je hebt een karakter om in je gedragsalgoritmes te gebruiken en om aan te passen kun je ze verwerken in de algoritmes waarmee je je data verwerkt.

Het implementeren hiervan hoeft (is) niet eenvoudig te zijn, maar het idee van hoe het moet gebeuren is simpel en maakt alleen gebruik van standaard programmeerinstrumenten.

Wat betreft reageren op chemische stoffen: elke waarneming of dat nou visueel, audio of chemische stoffen is heeft waarneeminstrumenten nodig en dat is in principe hardware. Dat geld ook voor de mens, al zijn sommige instrumenten op cellulair niveau.
Een stuk verder gekomen? Valt wel mee als ik het zo lees. Dit is enkel in programma toepassen van iets waar vorig jaar iemand aan de UvA op is afgestudeerd, het herkennen van dingen adhv algoritmes. Het doet weinig af aan het verschil tussen mens en machine in de manier waarop we dingen behandelen. Onze interne biologische rekenmachine doet alles toch nog wel een stuk anders dan de gemiddelde functie :)
good for us
Ik geloof dat de computer vaker nadenkt dan de gemiddelde computeraar:

Hoe vaak opent een gebruiker toch een bestand terwijl de computer al 3x gewaarschuwed heeft dat het misschien niet verstandig is }>

* 786562 TheGhostInc
Dat zijn dan eerder de programmeurs die nagedacht hebben :)
HHHmmmmm, ik zou wel eens willen weten of ze "kenaus" ook kunnen herkennen als vrouw :?
Ik weet niet of dat wetenschappelijk gezien heel erg nuttig is. Maar ongetwijfeld zal dit systeem dan ook herkennen dat het een twijfelgeval is :P
Hoogstwaarschijnlijk heeft zo'n machine er dan ook problemen mee :) Ik bedoel maar, hij "leert" van "ons" wat wij als man/vrouw zien, bij twijfelgevallen voor ons zal het zeker in het begin ook niet zo heel erg duidelijk voor zo'n computer zijn. Pas op het moment dat zo'n computer enkele miljoenen verbanden heeft gelegd zou die eventueel beter kunnen worden dan de personen die hem het kunstje geleerd hebben.

edit:

reactie op Mark Timmer
Zal wel handig zijn als een huisrobot een gast begroet als man/vrouw :P Anders zouden ze toch zwaar beledigd worden :P
Toen ik in de vakantie bij ABN AMRO werkte heb ik een keer een klant begroet met "Goedemiddag meneer", terwijl ik achteraf bedacht dat het waarschijnlijk een mevrouw geweest was :o. Het hele gesprek heb ik erover getwijfeld :D

In zo'n geval is zo'n machine ongetwijfeld handig.
edit:
reactie op Mark Timmer

Als jij er al moeite mee hebt, zou zo'n machine het dan wel kunnen? ik denk dat het voor mensen nog altijd makkelijker is dan voor een apparaat
Dus JIJ was dat die zo tegen m'n moeder sprak !
:+
reactie op Mark Timmer
Mijn motto in zo'n geval is: "Als je het verschil niet kan zien, is het in elk geval niet interessant voor mij." Ben benieuwd wat deze uitspraak voor reacties oplevert. :+
FF als aanvulling, ik werk zelf in een winkel en ik begroet klanten altijd met "Goedendag, kan ik U ergens mee helpen?" Voorkomt in elk geval misverstanden...
Het zal toch nog wel even duren voordat er een computer/robot is ontwikkeld met inlevend vermogen. Juist het vermogen om je in te leven in de emoties van een ander maakt ons als mens zo bijzonder. Het nonverbaal karakter van de menselijke gedragingen zal menig robot ( hoe moeilijk vinden wij mensen dat zelfs) nog aardig wat chipbrekens kosten...
Niemand zei dat het simpel was, alleen dat moeilijk geen reden is om aan te nemen dat iets niet kan. :P

Andermans karakter bepaal je namelijk ook door de signalen die hij/zij afgeeft te verwerken en te reflecteren aan wat je al "weet".
Als ik tegen jou zeg" ik vind jou een fantastische tweaker" dan kan je dat op verschillende manieren uitleggen. Hele subtiele lichaamstaal verraadt dan wat ik daar echt mee bedoel. Het zal een hele klus worden voor een computer om die signalen op te pakken. Mogelijk is het te doen, maar het kan rare misverstanden opleveren. Ik zie het voor me: ik loop onze plaatselijke bank binnen en zeg met een glimlach: misschien overval ik u, maar ik heb direct veel geld nodig. De camera, gekoppeld aan een intelligent signaleringssysteem schakelt direct door naar het arrestatieteam die in vol ornaat de bank binnenstormen... :)
Het zal een hele klus worden voor een computer om die signalen op te pakken. Mogelijk is het te doen, maar het kan rare misverstanden opleveren.
Hoe vaak overkomt je dit zelf niet? Je (en dat geldt zeker ook voor mij :*) ) maakt zelf ook fouten in interpretaties. Hoe vaak mis je een kans met dat leuke meisje/jongen omdat je haar signalen verkeert interpreteert.

Dat jij al redelijk efficiente, maar niet foutloze, "instrumenten" hebt om deze signalen te zien en verwerken betekent niet dat we ze niet aan een computer kunnen geven.

Hoewel ik moet toegeven dat het nog wel even zal duren voor we daar aan toe zijn.
Als ik me niet vergis zijn computers ontwikkeld om grote berekeningen uit te voeren.. iets waar de mens slecht in is, of iig erg lang over doet.

Deze manier van aanpak is welliswaar leuk, maar het systeem heeft nogsteeds teveel input van buitenaf nodig.

Volgens mij kijken wij in de verkeerde richting.. deze methode lijkt me een overbodig complexe maximalistische oplossing om intelligent gedrag te emuleren.

Ik vraag me af of we het niet kleiner en simpeler moeten zoeken.. minimalitisch... kleine ruleset, duidelijk, mischien zelfs niet eens met een computer, maar met simpele electronische componenten (ja, ik kijk inderdaad wel eens naar the Discovery Channel ;), maar dat wil nog niet zeggen dat ik hier niet over heb nagedacht)

Dieren zoals bijvoorbeeld insecten of kleine zoogdieren hebben lang niet zoveel geheugencapaciteit als mensen, maar ze zijn net zo goed of soms zelfs beter in staat om te overleven dan de mens.. (vb: kakkerlakken en ratten).

* 786562 cappie
Hier keer ik even gedeeltelijk terug naar een eigen eerdere reactie en wat voorbeelde geven.

Het komt in de natuur veel voor dat dieren of planten en zo je wil mensen reageren aan de hand van simpele regels. Of beter gezegd vuistregels. Sommige van deze regels zijn aangeboren, andere tijdens het leven geleerd.

Bv een vogel in een zwerm vogels (of een vis in een school vissen) zien alleen wat de vogels direct om hun heen doen. Met simpele regels als gaat de vogel rechts naar rechts, dan ga ik ook naar rechts onstaat dan het vaak complex uitziende gedrag dat we in zwermen zien.

We kunnen hieraan zien dat dingen die er erg ingewikkeld uitzien en vaak ook om te beschrijven regelmatig een kinderlijk eenvoudige structuur hebben. Neem de natuurkunde en laat ik me beperken tot de klassieke mechanica. Deze zit qua structuur (wetten van Newton) zeer eenvoudig in elkaar. Doch ze verklaren netjes hoe sterrenstelsels bewegen, inclusief alle sterren. Al is de uitwerking voor een heel sterrenstelsel niet eenvoudig :9 toch kunnen we er een heleboel conclusies over trekken zonder ze voor alle sterren in detail uit te werken.

Dit principe kunnen we natuurlijk ook toepassen in programma's en daarmee AI.
Een eenvoudig voorbeeld is het spelletje Life. Simpele regels om te reageren op de buren, ingewikkelde gedragsstructuren.

Op dit item kan niet meer gereageerd worden.



Apple iOS 10 Google Pixel Apple iPhone 7 Sony PlayStation VR AMD Radeon RX 480 4GB Battlefield 1 Google Android Nougat Watch Dogs 2

© 1998 - 2016 de Persgroep Online Services B.V. Tweakers vormt samen met o.a. Autotrack en Carsom.nl de Persgroep Online Services B.V. Hosting door True