Wat Kunstmatige Intelligentie vermag en wat niet
In de hal van winkelcentrum Kalvertoren in Amsterdam staat een opgerolde Volkswagen-Kever. Je ziet gelijk dat het een kever is, maar hij is uitgevoerd in polyester en aluminium en opgerold als een bal van 2 meter doorsnee. Het is een sculptuur van de Indonesische kunstenaar Ichwan Noor, die meerdere van deze opgerolde kevers gemaakt heeft. De kunstenaar vertelt erbij dat het gaat om een nieuwe interpretatie van bekende objecten, een andere manier van kijken naar dingen, waardoor ze een nieuwe betekenis krijgen. Bijvoorbeeld, de wielen van de kever zijn ingedrukt in de zijkant, de kever kan niet rijden op zijn wielen, maar hij kan wel rollen omdat het een bol is, de basis van alle vormen.
Ik was bij een lezing van Enrico Motta, een hoogleraar in de informatica aan de Open Universiteit van het Verenigd Koninkrijk. Hij liet een plaatje zien van een opgerolde kever van Ichwan Noor, om te illustreren hoe moeilijk het is voor computers om objecten te herkennen. Iedereen denkt dat computers alles kunnen en dat de protocollen voor Kunstmatige Intelligentie grenzeloos zijn, maar dat is niet zo. Computers kunnen dingen vooral goed als de regels eenvoudig en duidelijk zijn. Dat geldt bijvoorbeeld voor rekenen. De regels van optellen, vermenigvuldigen, machtsverheffen en integreren zijn in principe eenvoudig, maar de sommen die je daarmee kunt maken kunnen erg ingewikkeld zijn. Ik weet nog goed dat ik voor mijn proefschrift een differentiaalvergelijking afgeleid had waarmee ik een halve dag in de weer was om zelfs met behulp van een tafelcalculator één keer de functiewaarde uit te rekenen. Maar toen ik het ding geprogrammeerd had kon de computer van het academisch rekeninstituut Sara de vergelijking in enkele nanoseconden oplossen. Geen mens komt in de buurt van de rekencapaciteit van computers.
Andere dingen die computers ook goed kunnen is spelen met duidelijke regels. Zelfs de wereldkampioen schaken Gary Kasparov moest in 1997 zijn meerdere erkennen in het schaakprogramma Deep Blue. Maar ook voor schaken zijn de regels relatief eenvoudig.
Moeilijker ligt het bij het genereren van teksten. Ik probeerde het even bij de nieuwe ChatGPT van Open AI. Ik probeerde vragen te stellen waar de chatbox geen antwoord op zou weten. Dat duurde best een hele tijd. Uiteindelijk kreeg ik hem tuk met een vraag over welke cellen er in de hepatopancreas van pissebedden zitten. Hij kwam terug met een duidelijk fout antwoord, dat ging over de lever van gewervelde dieren. Maar wie weet moet ik over een tijdje net als Kasparov mijn meerdere erkennen in een computerprogramma dat alles weet van biologie.
Maar het moeilijkste voor een computerprogramma is het omgaan met beelden, zei Enrico Motta in zijn lezing. De kever van Noor illustreert dat heel goed. Wij zien onmiddellijk dat het een opgerolde auto is, maar de computer begrijpt er niks van. Motta vertelde dat ze op hun kantoor een robotje hadden dat ze probeerden te trainen in het herkennen van gevaarlijke situaties. Dan moest het ding een alarm af laten gaan. Ze zetten een broodrooster naast een opengeslagen boek. Het idee was dat de robot dit zou herkennen als een brandgevaar, want een broodrooster heeft een snoer, kan aan staan en warm worden; een boek bestaat uit papier, er kunnen vonken van het broodrooster op het boek komen en dan ontstaat brand. Maar er is voorlopig nog geen computerprogramma dat zulk soort ingewikkelde dingen kan leren. Het gaat om het combineren van informatie in een situatie die nieuw is. Voor ons als mens is dat erg gemakkelijk, maar voor een robot extreem moeilijk.
Voorlopig hoeven we nog niet bang te zijn dat robots de wereld gaan overnemen, was mijn conclusie.