Er wordt veel gesproken over kunstmatige intelligentie: systemen die zelf kunnen leren. Er is best wat verwarring over wat kunstmatige intelligentie feitelijk is. Niet alleen wat ‘kunstmatig‘ betekent, maar ook onder ‘intelligentie’ wordt niet door iedereen hetzelfde verstaan. Het Engelse ‘intelligence’ – waar het begrip artificial intelligence zijn oorsprong heeft – betekent allereerst het vermogen om te leren of te begrijpen of om te gaan met nieuwe of moeilijke situaties. Kennis toe te kunnen passen om de omgeving te manipuleren of om abstract te denken. Maar de tweede betekenis is informatie en nieuws. Een Intelligence Agency is een agentschap dat informatie verzameld, vaak gericht op informatie van een (mogelijke) vijand of een vijandig gebied. Tenslotte betekent ‘intelligence’ ook het vermogen om computerfuncties uit te voeren. 

Kennissysteem

Eigenlijk zit in alle smartphones al heel veel kunstmatige intelligentie. Vroeger spraken we over een kennissysteem, daar waar op één specifiek gebied veel kennis was samengebracht en die kennisverzameling gericht worden doorzocht. Ook zoekmachines zijn vormen van kunstmatige intelligentie. Omdat onze computercapaciteit toeneemt, neemt ook de kracht en dus potentie van zelflerende systemen toe. Zelflerende algoritmes die – bijvoorbeeld in neurale netwerken – op basis van statistische kansberekening voorspellingen doen. Het succes (achteraf) van die voorspelling is dan een maat of het ‘geleerde’ juist was of niet. Het is vergelijkbaar met het gebruiken van Big Data (verzameld uit het verleden) te vergelijken met actuele data door vooraf opgestelde algoritmes. Op basis van herkenbaarheid uit het verleden, wordt een ‘voorspelling’ gedaan. 

Je kunt een systeem ook zonder vooraf ingebrachte algoritmes zelf verbanden laten ontdekken in bijvoorbeeld aangeboden ongestructureerde data. Natuurlijk moet het systeem wel de basisfuncties kennen om die verbanden te kunnen ontdekken, dus altijd heeft kunstmatige intelligentie een menselijke oorsprong. Autonoom zelflerende systemen worden vooral gebruikt voor abstracte vraagstellingen. Bijvoorbeeld het vinden van ongebruikelijke transacties en fraude. Of het ontdekken van onbekende trends en afwijkingen in een grote verzameling data. De uitdaging is naderhand als mens die onbekende afwijkingen of trends te kunnen reproduceren. Immers zonder dat te kunnen, blijft de uitkomst slechts een unieke waarneming waar je verder weinig waarde aan mag hechten. 

Kunstmatig versus natuurlijk

We spreken over kunstmatig omdat we deze vorm van intelligentie maken met artefacten, door mensen gebouwde dingen. We geven dode materie een schijnbare intelligentie, zoals we die kennen uit de natuur. Maar in de natuur treffen we  intelligentie aan, die via evolutie is ontstaan. Je kunt natuurlijke intelligentie ook wel het omgekeerde van kunstmatige intelligentie noemen. Het heeft een relatie met intuïtie en gevoel. Of wat we ons zesde zintuig noemen. Maar de natuur is analoog en niet digitaal zoals onze computers. 

Volgens Freeman Dyson, de man die de ‘opvolger was van Einstein bij Princeton’, zouden computerwetenschappers veel meer analoge systemen moeten gebruiken om menselijke intelligentie te imiteren. Natuurlijke intelligentie werkt immers analoog, stelt hij. Het menselijk brein is niet digitaal en kan dus volgens hem niet met digitale machines worden geïmiteerd. Aan die misvatting wijdt dan ook het ‘falen’ van de huidige kunstmatige intelligentie. Dyson werd in 1923 geboren en was een wiskundig wonderkind. Hij verhuisde in 1947 naar de VS en was direct betrokken bij het combineren van kwantum en elektro-dynamische theorieën. En was de grondlegger voor een standaardtaal voor deeltjesfysica.   

Digitaal geeft zicht, analoog geeft inzicht

We worden overspoeld met digitale data, maar halen er steeds minder inzicht en begrip uit. Data-analytics geeft ‘zicht’ maar levert geen ‘inzicht’ op. De sleutel voor begrip is volgens Dyson analoog. Zonder analoge hulp kan een computer nooit begrip uit data halen. Marvin Weinstein heeft hiervoor een aanpak ontwikkeld, die hij dynamische kwantumclustering noemt. Het gebruik van computersystemen om inzicht en begrip te krijgen uit grote dataverzamelingen waarbij een ‘analoge aanpak’ wordt gebruikt als subroutine in een digitaal programma. Als het ware: hoe vindt je een naald in een hooiberg als je niet weet wat een naald is? Hoe ontdek je onverwachte informatie uit complexe, hoog-dimensionale ruwe datasets? Met analoge visuele analyse in plaats van digitale data visualisatie! Laat data zelf zijn eigen verhaal vertellen.  

Kwantumclustering is een klasse van dataclustering-algoritmes uit de kwantummechanica. Met de tijdonafhankelijke Schrödinger-vergelijking wordt een kwantumpotentiaal berekend op basis van de ‘golffunctie van een dataset’. Van de ruwe data wordt een landschap gemaakt waar je zoekt naar hoge datadichtheid. De dichtheidsvariaties in zo’n virtueel potentiaal-oppervlak, onthullen de meest interessante relaties en combinaties. Via deze transformatie wordt op analoge wijze gezocht waardoor dus wél inzicht en begrip kan worden ontwikkeld. Ook hier helpt dus een wiskundige truc, net zoals als bij de bekende Fourier– en Laplace-analyses, om lastige problemen in de analoge wereld via een virtuele analoge wereld op te lossen en die we natuurlijk wél digitaal kunnen ondersteunen. 

De natuur is analoog

De natuur heeft zich miljarden jaren ontwikkeld en als we leeftijd van de wereld als een jaar voorstellen, ontstonden in november de eerste eencellige amoebes, vervolgens de vissen en de dinosaurussen waren er half december. De mens ontstond pas op 31 december. Al die jaren heeft de natuur zichzelf in stand gehouden en ontwikkeld. Daar kunnen we veel uit leren. Stel dat ons DNA in je vinger zou zitten. Dan zou je bij het verlies van die vinger gelijk je genetische data kwijt zijn. Daarom is DNA volledig gedecentraliseerd in iedere cel ingebouwd. En kan iedere cel elke mogelijk functie vervullen die een organisme van die cel verwacht. Door op deze wijze  naar onze digitale wereld te kijken, zou je belangrijke data ook zoveel mogelijk moeten distribueren om nooit verloren te raken.

In de natuur zien we geen artefacten, geen hoeken van 90 graden, geen blokken of dozen, geen kunstmatige vormen zoals wij die als mens maken. Daarom is het goed af en toe naar de natuur te kijken om nieuwe uitdagingen op te lossen. Internet ging uit van een decentrale opzet en de informatie in kleine pakketjes van de éne naar de andere plek te brengen. Maar als mens hebben we intussen “tegen-natuurlijk’ blokkendozen met grote datacenters gebouwd en het mooie decentrale internet gecentraliseerd via providers. Met de komst van blockchain kunnen we dat internet weer decentraal maken, waarbij de blockchain als DNA kan worden gezien. Via blockchain immers kunnen we data direct verspreiden maar nog niet verzamelen. De blockchain weet waar al die decentrale databrokjes liggen en indien nodig kunnen via het ‘genetisch’ materiaal van een grotere dataset, deze uit al die kleine brokjes weer opbouwen. Zonder centrale providers, zonder grote datacenters en op analoge wijze ‘peer-to-peer’.  

Blockchain repareert eigenlijk het internet op een natuurlijke wijze. Blockchain en internet samen zorgen voor een enorme paradigmaverandering. Waardoor we de door ons gebouwde, onnatuurlijke artefacten kunnen omvormen naar een meer natuurlijke aanpak. Met digitale identiteiten gebaseerd op biometrische gegevens. Met cryptotechniek die waarde kan mijnen, vergelijkbaar met het ontstaan, winnen en verzamelen van metalen en mineralen. Een virtuele analoge wereld, een metaverse die daardoor natuurlijke en menselijke trekjes kan krijgen en werkelijk een digital twin kan worden waar ook analoog mogelijk is.

Photo by pawel szvmanski on Unsplash