De creatieve computer: Hoe machines chef-kok en arts worden

Machines worden steeds slimmer, en hebben steeds minder hulp van mensen nodig. Vroeger moest men alle kleine nuances van computerprogramma's nog handmatig programmeren, maar nu verbetert het systeem zichzelf.

De Bengali Butternut BBQ Sauce smaakt zoet en kruidig, met een pittige nasmaak. Als een chef-kok het in een restaurant op tafel zou hebben gezet, had ik het misschien gezien als een ietwat misplaatste poging om een ordinaire saus op te leuken met exotische ingrediënten. 

Maar aan de creatie van deze saus is geen mens te pas gekomen: de uitvinder van het recept heet Watson en is een computer van IBM.

De saus is slechts één resultaat van een veel groter en snel opkomend onderdeel van de computerwereld: machine learning, de mogelijkheid om computersystemen zelf te laten 'leren' hoe een taak moet worden uitgevoerd. Alle grote internetbedrijven zetten in op het ontwikkelen van de techniek, en bijna elke internetgebruiker is er - waarschijnlijk zonder het te weten - al wel eens mee in aanraking gekomen.

Afbeeldingen

Een korte introductie: in rekenen zijn computers al geweldig, maar sommige dingen kun je beter aan het mensenbrein overlaten, zoals het herkennen van afbeeldingen of spraak. Geef een computer een foto, en hij ziet een stapel gekleurde pixels, waar mensen vormen en objecten zien.

Om daar iets aan te doen, maakt machine learning gebruik van hele grote datasets om computers taken te laten oplossen. Je geeft het systeem bijvoorbeeld duizenden plaatjes waarop een kat te zien is, en nog eens duizenden plaatjes waar geen kat op staat.

Als je een computer normaal gesproken de katten zou willen laten herkennen, dan zou je hem zo programmeren dat hij bijvoorbeeld de vorm van een kattenhoofd herkent. Machine learning werkt anders. Als de computer van duizend plaatjes zeker weet dat er een kat op staat, dan probeert hij zelf te ontdekken wat die afbeeldingen gemeen hebben. 

Hij voorspelt vervolgens van duizend willekeurige plaatjes of daar ook katten op staan, en op basis van feedback over de prestaties leert de computer weer door.

Allerlei sites en apps passen deze technologie al in de praktijk toe. Facebook laat zijn systemen bijvoorbeeld automatisch leren welk soort posts populair is, en probeert met die informatie relevantere items te presenteren op de nieuwsfeed. De programmeurs van Facebook helpen nog een handje, maar deels verbetert het systeem zichzelf.

Barbecuesaus

Voor zijn barbecuesaus werkte IBM samen met het Amerikaanse kooktijdschrift Bon Appétit. Duizenden recepten werden ingevoerd in de Watson-computer, die analyseerde welke ingrediënten goed samen gaan. Volgens Gerard Smit, technologiedirecteur van IBM Benelux, kan Watson met die data op "moleculair niveau" bepalen welke smaakcombinaties goed zouden passen.

In tegenstelling tot echte chefs heeft Watson bovendien een onbeperkt geheugen. Dat betekent meer ingrediënten per gerecht en onwaarschijnlijkere combinaties van smaken. "De toepassing is zo groot dat dit systeem veel complexere gerechten kan creëren dan een chef ooit zou kunnen", aldus Smit.

Het creëren van ingewikkelde recepten klinkt misschien frivool, maar volgens IBM zijn er ook nuttigere toepassingen te bedenken: "Wij willen ook kijken: kunnen we ingrediënten die thuis overblijven invoeren en combineren om alsnog te consumeren." Op een bètawebsite kunnen testers al recepten laten genereren door Watson.

IBM heeft ook medische plannen. In de VS zijn er al dokters die diagnosehulp krijgen van Watson. De computer bevat een database met tienduizenden geanonimiseerde patiëntdossiers en bijbehorende diagnoses. Door symptomen in te voeren kan Watson zeggen wat de meest waarschijnlijke diagnose is. Als meer informatie nodig is, dan kan de computer de arts vragen om meer informatie, of extra tests aanraden.

"Hoe vaker het wordt gebruikt, hoe intelligenter hij wordt", zegt Smit. Dat is de kracht van machine learning: het vermogen om constant bij te leren. Dat kunnen mensen natuurlijk ook, maar het overdragen van kennis duurt lang en is imperfect. Als een computer eenmaal iets weet, dan vergeet hij het nooit meer en kan die kennis met een druk op de knop worden gekopieerd naar een nieuwe computer, die vanaf dat punt doorleert.

Spraakherkenning

Volgens IBM kan Watson 200 miljoen pagina's ongeorganiseerde data per seconde verwerken. Maar met beeld werkt het systeem nog niet. Concurrenten als Google en Microsoft proberen machine learning juist zo veel mogelijk te richten op het nabootsen van de menselijke zintuigen.

Zo is machine learning enorm belangrijk voor goede spraakherkenning: gebruik je Google Now of de slimme assistent Cortana van Microsoft, dan spreek je met een machine die leert van je stem. De software let op de feedback van gebruikers; blijkt dat de computer je verkeerd heeft verstaan, dan leert het programma van zijn fout.

"Machine learning is alomtegenwoordig bij Microsoft", zegt John Platt, hoofd van Microsofts onderzoektak in Redmond. Hij heeft veel onderzoek gedaan naar de mogelijkheden van zelflerende systemen. "Bijna elke keer dat iemand Microsoft-software gebruikt, gebruiken ze een stuk software dat is getraind door machine learning."

Breinnetwerk

Microsoft experimenteert net als Google ook met een variant van de techniek die deep learning wordt genoemd. Deze software simuleert de structuur van het brein - een zogenoemd 'neuraal netwerk' - om op mensachtige wijze te leren.

Als mensen een object zien, dan reist de informatie uit het oog door meer dan tien verwerkingslagen in het brein, vertelt Platt. Per laag gaat de complexiteit van de verwerkte informatie omhoog, bijvoorbeeld van vorm naar beweging naar objectherkenning. Dit leidt in een fractie van een seconde tot een reactie.

De werking van deep learning-software is erg ingewikkeld, maar maakt ook gebruik van zo'n lagensysteem. Bijzonder is dat de programmeur niet specificeert wat precies moet gebeuren in welke laag; het systeem heeft net als het menselijk brein een hoog aanpassingsvermogen en past zich aan aan zijn taak.

De systemen zijn de afgelopen jaren steeds beter geworden. Sinds 2010 wordt elk jaar de Large Scale Visual Recognition Challenge gehouden, een wedstrijd waarin teams proberen hun computers zo nauwkeurig mogelijk veel verschillende soorten objecten te detecteren in afbeeldingen. De Nationale Universiteit van Singapore, Oxford University en Google behoorden tot de winnaars van 2014.

Vergeleken met een jaar eerder werd de nauwkeurigheid van de software verdubbeld (meer dan 40 procent van de objecten wordt inmiddels juist herkend) en ging het aantal fouten juist door de helft, naar minder dan 7 procent. Alle winnende groepen besloten hun methodes open te stellen, zodat andere onderzoekers hier verdere verbeteringen aan kunnen doorvoeren.

Creatief

De intelligentie van computers gaat dus met grote sprongen vooruit, maar Smit van IBM gaat nog een stapje verder. Hij denkt dat computers ook creatief worden. "Als je in staat bent om recepten te bedenken waar een chef-kok normaal niet op zou komen, omdat hij werkt met maximaal 10 ingrediënten, dan vind ik dat creatief."

Platt van Microsoft is daar minder zeker van. "Het echte probleem van sterke kunstmatige intelligentie is nog onopgelost. Dat is de droom sinds Alan Turing in de jaren 30 de Turingtest bedacht. Misschien komen we uiteindelijk zo ver, maar we weten niet hoe ver we de technieken kunnen doorvoeren."

Lees meer over:

Gerelateerde artikelen

Columns Pieter Derks

Columns Pieter Derks
Cabaretier Pieter Derks duidt en verwerkt maandelijks het nieuws van de voorbije weken. 

Over NUweekend

Over NUweekend
Op NUweekend vindt u iedere week een selectie achtergrondverhalen, analyses of mooie interviews.
Tip de redactie