Machines die dingen leren zijn helemaal geen nieuw ding. Typ een aantal instructies in een batchbestand en u kunt uw computer instrueren om zo ongeveer alles te doen met de programma's die u uitvoert. Ontvang een webcam en gezichtsherkenningssoftware en je kunt duidelijk zien dat je computer in staat is je gezicht te herkennen. Alle hier beschreven zaken zijn echter geen resultaten van de 'gedachten' van de computer. In het beste geval kan de gemiddelde thuiscomputer van vandaag het denken emuleren . Maar er zijn mensen in teams over de hele wereld die manieren ontwikkelen om menselijk denken in machines te reproduceren, zelfs het beste van beide werelden combineren, om een ​​nieuwe vorm van leren te creëren die de intuïtieve manier bootst waarop we de wereld om ons heen vangen.

Hoewel velen van ons bang zijn voor de implicaties van kunstmatige intelligentie, lijdt het geen twijfel dat iedereen het in eerbied beschouwt als het toppunt van de evolutie van de machine. Hoe ver zijn we gekomen in ons streven om machines te maken die in de buurt komen van menselijke intuïtie en abstracte gedachten? We gaan kijken naar wat het Google Brain-team aan het doen is en hoe kunstmatige neurale netwerken van invloed kunnen zijn op de manier waarop technologie in de nabije toekomst dagelijks met ons samenwerkt.

Wat is een kunstmatig neuraal netwerk?

Een kunstmatig neuraal netwerk, eenvoudig gezegd, is een systeem dat een algoritme gebruikt dat geïnspireerd is door de manier waarop mensen dingen leren. Tegenwoordig zijn personal computers gewoontesystemen. Ze zullen rigoureus een enkele regel volgen tot ze het einde bereiken, ongeacht of de resultaten zinvol zijn. Een computersysteem dat het gedrag van consumenten op een website analyseert, kan bijvoorbeeld aantonen dat een groot aantal bezoekers op een link in de rechterbovenhoek van elke pagina klikt, maar het kan niet verklaren waarom het gebeurt. Het kan zijn methoden niet aanpassen om dieper te graven en de betekenis te extrapoleren uit de onbewerkte gegevens die het doorkuist.

Een "perfect", kunstmatig neuraal netwerk zal in staat zijn om de manier aan te passen waarop het informatie verwerkt, zodat het past in de gegevens waarmee het wordt geconfronteerd. Dit is vooral handig bij audiovisuele verwerking, waar op regels gebaseerd programmeren zeer inefficiënt is. Hoewel een Amerikaan weinig moeite zal hebben om in korte tijd een Australisch accent te begrijpen, hebben computers veel meer moeite om dezelfde taak uit te voeren. Kunstmatige neurale netwerken zijn zo ontworpen dat een computer in staat is verschillen in hoe Australiërs spreken op dezelfde manier te interpreteren - door de fluctuaties in toon en uitspraak op te vangen, een context te bouwen en lacunes op te vullen met andere informatie overgebracht in de zin. Dit doen met eenvoudig programmeren is veel moeilijker dan het lijkt.

Wat is Google Brain?

Google Brain is een project dat zich richt op grootschalig diep leren. Het project omvat een enorme hoeveelheid machines, waarbij 16.000 van de CPU-kernen in hun datacenters allemaal samenwerken om een ​​machine te maken die effectief dingen kan "leren" en "begrijpen". De bovenstaande afbeelding is eigenlijk een "tekening" die het netwerk heeft gemaakt. Het heeft het ontwerp niet van ergens "gekopieerd"; het construeerde het eenvoudig abstract zoals elke schilder dat zou doen.

Een van de opmerkelijkste verwezenlijkingen in dit project is het vermogen van het netwerk om katten te detecteren. Moderne computers kunnen gemakkelijk een video met een kat weergeven voor je entertainment, maar ze kunnen niet begrijpen wat ze je laten zien. Niemand verwacht dat hun computers weten wat een kat is . Toch laten ze miljoenen keren per dag video's zien van deze donzige wezentjes over de hele wereld, volkomen onwetend van hun bestaan. De computer waar je dit van leest is waarschijnlijk niet meer dan een veredelde interactieve televisie. Google is erin geslaagd om een ​​systeem te maken dat de kat in een stilstaand beeld kan wijzen (zonder voorafgaande instructie over wat een kat is). Dit is een ongeëvenaarde prestatie die ons allemaal een stap verder zou kunnen brengen in het informatietijdperk.

Toepassingen voor neurale netwerken

Stel je voor dat je een robot bij je hebt die je niet alleen naar je werk kan drijven, maar ook als een medic kan dienen als je gewond bent. Alleen het simpele feit dat een computer kan onderscheiden wat een kat is wanneer deze wordt omringd door andere objecten heeft grote implicaties. Misschien moet je even wachten (16.000 CPU-kernen zijn op dit moment erg moeilijk om in een kleine ruimte te passen), maar het onderscheiden van een wond van de huid eromheen (en het identificeren van het type wond) betekent dat een "medische module" op een robot kan helpen om hechtingen op je lichaam te maken. Als je eenmaal de tijd hebt genomen om erover na te denken, kunnen kunstmatige neurale netwerken leiden tot technologische hoogstandjes waarvan we denken dat we ze in onze levens niet zouden zien. Misschien zullen we op een dag niet al te lang robots meenemen als fietsmaatjes en voetballen met hen, allemaal dankzij de manier waarop ze zich kunnen aanpassen en leren, net als wij.

Wat denk je? Is het overdreven optimistisch om te denken dat we op een bepaald moment in ons leven van "kattendetector" naar "robotdokter" kunnen gaan? Vertel ons hieronder in een reactie!