Computer als slimme collega

Wetenschappelijk onderzoek heeft vaak een standaardopbouw: je begint met literatuuronderzoek en daarna stel je een hypothese op, een voorlopige stelling. Dan ga je een experiment of veldwerk doen om je hypothese te testen. Die informatie verzamel je en analyseer je, en de conclusies werk je uit in een artikel. “In elk van die stappen kan AI bijdragen”, meent Frank van Harmelen, hoogleraar kunstmatige intelligentie aan de Vrije Universiteit Amsterdam. Zijn grote doel is om een computer te leren hoe die moet redeneren, en dat die aan mensen kan uitleggen waarom het tot een bepaalde beslissing is gekomen.

Van Harmelen is een van de drijvende krachten achter het wetenschappelijke programma Hybrid Intelligence, dat zoekt naar manieren om mensen en computers beter te laten samenwerken. Daarbij verwacht hij dat vooral de wetenschap, en daarmee ook de maatschappij, zal profiteren van AI. “Wetenschap is dé motor van de maatschappij, en de enige hoop die we hebben om bijvoorbeeld de klimaatcrisis te bestrijden.”

Chatten met je pdf

Meerdere stappen uit het wetenschappelijke proces zijn volgens Van Harmelen inmiddels gesneden koek voor kunstmatige intelligentie (AI), zoals literatuuronderzoek. AI kan bijvoorbeeld artikelen voor je samenvatten. Van Harmelen is erg enthousiast over de tool AskYourPDF, waarbij je een chatbot vragen kunt stellen over de inhoud van een document, zoals een wetenschappelijk artikel. “Die wijst me er dan bijvoorbeeld op welke tabel het meest interessant is.” Ook met het schrijven van een wetenschappelijk artikel kan AI helpen. “Ik gebruik het zelf bijvoorbeeld om een ingewikkeld onderwerp in eenvoudigere taal uit te leggen voor een breed publiek, of om een tekst in te korten.”

Maar kun je een computer ook vragen wat een interessante onderzoeksvraag is om te beantwoorden, voor een onderzoek dat kan leiden tot een betere kankerbehandeling of efficiënter energiegebruik bijvoorbeeld? Dan luidt het antwoord voorlopig: nee. “Een computer is heel goed in het genereren van nieuwe hypotheses, maar niet in het genereren van interessante hypotheses. Om op zoek te gaan naar de grens van de huidige kennis, dat is andere koek.” Volgens Van Harmelen hebben al meerdere wetenschappers zich stukgebeten op dit onderwerp, maar is een doorbraak nog niet in zicht.

Kennisbanken

AI stuit hier op een fundamenteel probleem, namelijk dat kunstmatige intelligentie helemaal niet intelligent is. “Om dat uit te leggen wordt vaak het voorbeeld van een octopus gegeven. Die vertoont veel intelligent gedrag, maar lijkt totaal niet op ons. Zijn intelligentie is anders dan die van ons.” Taalmodellen als ChatGPT lijken intelligent, maar zijn vooral sterk in woorden voorspellen. Daarom doen ze het ook zo goed als lees- en schrijfhulp, maar laten ze het afweten als het gaat om kennisbegrip. Daarvoor is een taalmodel niet voldoende, maar is een wereldmodel nodig, meent Van Harmelen. Van oudsher zijn er twee stromingen in de AI: de eerste is machinelearning, waar taalmodellen onder vallen. Door een systeem met veel data te voeden leert het zelf patronen te herkennen, maar het systeem weet eigenlijk niet precies wat het doet.

De tweede stroming is kennisgebaseerde AI, waarbij je probeert grote kennisbanken te bouwen. Die zijn er al op veel gebieden, bijvoorbeeld met biomedische informatie over eiwitten en enzymen, met informatie over scheikundige verbindingen en reacties of met sociaal-historische informatie. “Kennisbanken zijn netwerken van kennis die je in een computer stopt, zodat die niet alleen maar woorden op een rijtje kan zetten, maar ook echt dingen snapt.” Dat ‘snappen’ moet wel tussen aanhalingstekens, zegt Van Harmelen. “Begrip is een menselijke term. Iets echt snappen als een mens zal een computer nooit kunnen.” Maar wat Van Harmelen computers wel kan leren, is een theory of mind. Dat is de niet-aangeboren, maar aangeleerde vaardigheid van mensen om zich een idee te vormen van wat de ander al weet. “Ik praat bijvoorbeeld anders over mijn onderzoek tegen een wetenschapsjournalist dan tegen mijn hoogbejaarde ouders.” Dit concept kun je ook een computer aanleren, waardoor deze beter in staat is om jou goed te informeren. Er zijn nu weliswaar al AI-toepassingen op de markt die bijvoorbeeld een radioloog kunnen wijzen op een tumor die is te zien op MRI-beelden. Door gebruik te maken van patroonherkenning lijkt een computer dat zelfs beter te kunnen dan een arts. “Maar de computer kan niet uitleggen waarom het tot die conclusie is gekomen – niet aan een arts en al helemaal niet aan een patiënt.”

Derde golf

Het uitlegbaar maken van AI lijkt dus momenteel dé heilige graal. Wanneer dat echt mogelijk wordt? Van Harmelen durft er niks zinnigs over te zeggen. “Ik ben opgehouden met het voorspellen van de toekomst op 30 november 2022, de dag waarop ChatGPT werd gelanceerd. Ik dacht dat het nog tien jaar zou duren voordat zoiets op de markt zou komen, maar ineens was het er. Dat was een verrassing voor de hele AI-gemeenschap.” Het zou dus zomaar kunnen dat morgen ineens de dag aanbreekt waarop de computer ook urgente wetenschappelijke waarom-vragen kan beantwoorden.

Dat idee wordt versterkt doordat er momenteel veel opwinding in de AI-wereld is over een ontwikkeling die ook wel de ‘derde AI-golf’ wordt genoemd, vertelt Van Harmelen. Dat is het moment waarop de twee AI-stromingen succesvol worden gecombineerd. “Dan heb je de voordelen van machinelearning, die zelf dingen leert, gecombineerd met kennisgebaseerde AI, die uitleg kan geven. Maar vooralsnog is er niemand die weet hoe je dat moet doen.” En als zoiets er is, dan valt dat niet onder de populaire term ‘Artificial General Intelligence’, meent Van Harmelen, een intelligentie die de mens op alle vlakken zal overtreffen. “Dat is sciencefiction. De computer zal andere dingen goed kunnen dan wij. Juist die combinatie van mens en computer zal voor grote wetenschappelijke doorbraken gaan zorgen.”