'Computers missen levenservaring'

Computers zijn dus niet zo slim als we denken?
“Dat ligt aan de definitie van het woord slim. Als je als kind op de middelbare school bewijs vindt voor een stelling, dan kunnen je docenten of klasgenoten je superslim vinden, ook al bestond dat bewijs al eeuwen. De vraag is hoe je aan die kennis gekomen bent. Als je in een woud aan aangereikte regels een pad vindt dat voor jou nog niet bestond, dan ben je slim, maar niet per se grensverleggend. Als je een pad vindt dat ook voor de buitenwereld nog niet bestond, ben je echt wetenschappelijk bezig. Ik denk dat we met artificiële intelligentie voorlopig nog geen buitengrenzen gaan opschuiven, wel binnengrenzen. We zullen bij dataverwerking steeds vaker tussenstappen overslaan. Je voert ruwe data in, er zijn een aantal casussen ingevoerd, en er komen conclusies uit die in de datasets besloten liggen, niet daarbuiten.”

U heeft zelf jaren aan digitale beeldherkenning gewerkt, tot u het ei van Columbus vond. Als je nu in Google naar een koe zoekt, krijg je ook daadwerkelijk een plaatje van zo’n beest voorgeschoteld, mede dankzij uw werk. Dat is toch een uitstekend voorbeeld van een slimme technologie?
“Ik raakte al in 1977, nog voor het tijdperk van smartphone, gefascineerd door plaatjes. Hoe kunnen we naar plaatjes zoeken en hoe kunnen computers herkennen wat erop staat? Ik had echter geen idee hoe ik dat aan moest pakken. We begonnen in 1990 met contouren. Een huis heeft bepaalde lijnen, een rond verkeersbord is anders dan een driehoekig bord, een koe is zwart-wit met vier poten en een hoorn. Dat bleek niet te werken. Lang niet ieder dier met vier poten is een koe, bovendien verplaatst het probleem zich dan naar de vraag hoe een been eruit ziet.”

“Pas na vijftien jaar kwamen we tot een betere methode. Je hebt die contouren niet nodig, je moet naar specifieke elementen op het plaatje kijken. Gras hoort bijvoorbeeld bij koeien. Hoe meer gras, hoe groter de kans dat het een koe is, zeker als dat gecombineerd wordt met een zwart-witte vlek. Bij een bruine koe werkt het al iets minder, die bruine vlek in het gras kan ook een boom zijn. Maar met deze techniek heb je het in tachtig procent van de gevallen bij het juiste eind. Maar of die techniek nu echt slim is? Het is een kwestie van inleren, duizenden plaatjes laten zien.”

“Wij mensen zijn geneigd om robots enorm slim te vinden. Maar de orde van dingen die slim zijn en niet slim is voor mij als wetenschapper totaal anders. Sommige taken die wij als mens uitvoeren, kunnen ontbonden worden in stap-voor-stap-instructies. Koken is daar een goed voorbeeld van. En het openen van een deur is ook een typische regelinstructie. Hoe je een deur moet openen, kun je ook ontbinden in regels. Maar zodra die routines er niet zijn, kunnen robots minder dan we denken.”

Denken computerwetenschappers wel genoeg na over het ethische aspect? Sommige onderzoekers zeggen dat ze alleen over het algoritme gaan en niet over de inzet van hun software.
“Ze zouden daar in ieder geval wel over na moeten denken. Als je wilt opereren in het menselijk domein, heb je ook een verantwoordelijkheid voor het ethische aspect van hetgeen je doet. Algoritmes zijn neutraal maar met hun data erbij niet meer. Het is de gebruiker die bepaalt hoe een algoritme functioneert. Zoek bijvoorbeeld eens in Google op ‘drie mensen’. Je krijgt allerlei plaatjes, meer blank dan zwart, meer man dan vrouw, meer poppetjes dan je denkt. Dat is omdat Google nog veel afgaat op wat mensen onder het plaatje schrijven. Als je een complete verzameling wilt krijgen van wat ‘drie mensen’ kunnen zijn, zul je de computer moeten leren dat drie Chinezen ook regelmatig voorkomen. Misschien moet je wel tien miljoen voorbeelden geven als je naar een neutrale databalans streeft.”

U zegt dus: het algoritme verandert niet, de dataset moet veranderen?
“Neutraliteit zit in de dataset. Je kunt er over vallen dat bij beeldherkenning het algoritme een zwarte man verwart met een aap. Maar die fout ligt wel voor de hand, de twee lijken in werkelijkheid op elkaar, ze hebben dezelfde kleurstelling. Je zult dan meer data in moeten voeren om de scheidslijn te bewaken. Algoritmes zijn uit zichzelf niet racistisch. Datzelfde algoritme kan een blanke man verwarren met een dom schaap.”