Humanoïde - (kunstmatige) intelligentie

Hoe ontstaat cognitie uit materie?

De ambitie natuurlijke intelligentie te begrijpen is nauw verweven met de motivatie intelligente machines te bouwen. De vruchtbare samenwerking van neurowetenschappen en het AI-onderzoek heeft de afgelopen jaren een ongekende golf van technologische innovatie teweeggebracht. Tot de meest succesvolle resultaten behoren lerende computersystemen, genaamd ‘kunstmatige neurale netwerken’. Deze netwerken bestaan ​​uit lagen van informatieverwerkende eenheden, kunstmatige neuronen, die via een gigantisch aantal verbindingen met elkaar communiceren. Informatie wordt gecodeerd door versterking of verzwakking van deze verbindingen bij blootstelling van het netwerk aan grote hoeveelheden 'ervaringen'. Met dit zogenaamde ‘deep learning’ kunnen neurale netwerken vele verschillende menselijke taken uitvoeren, zoals Facebooks gezichtsherkenning en Google’s vertaling en spraakverwerking. Met de huidige vaart van het onderzoek komen binnenkort allicht ook complexere taken als logisch redeneren, het leggen van causale verbanden en plannen binnen bereik.
 
Op maandag 6 november zullen computationele neurowetenschappers Marcel van Gerven (RU) en Sander Bohte (CWI) in het Science Café de wetenschap en recente ontwikkelingen in neurale netwerken en deep learning bespreken alsook een blik werpen op de toekomst. Deze avond vormt het eerste deel van een tweeluik. In deel twee, een speciale InScience editie van het Science Café op 11 november, staan humanoïde robots centraal.
 
Van Gerven onderzoekt in hoeverre deep learning kan dienen als een waardevol model voor menselijke informatieverwerking en doet hiertoe experimenten met zowel AI’s als mensen. Neurale netwerken traint hij in taken waar mensen goed in zijn en vervolgens vergelijkt hij hun gedrag met dat van mensen. Natuurgetrouwe kunstmatige neurale netwerken zouden zowel qua werkingsprincipe als gedrag overeenstemming moeten vertonen met hun biologische tegenhangers.
 
Sander Bohte werkt aan een verfijning van het model en hoopt het daarmee ook te ontdoen van één van haar meest serieuze beperkingen. Waar onze hersenen niet meer energie gebruiken dan een kleine gloeilamp, zou een computer voor de simulatie van het gehele menselijke brein met de huidige technologie het energie-equivalent van een kerncentrale nodig hebben. Het cruciale verschil is dat de neuronen in onze hersenen niet met continue activatie werken, maar communiceren met discrete pulsen. Bohte probeert efficiëntere kunstmatige neurale netwerken te maken door dit slimme hersenmechanisme te kopiëren in zogenoemde ‘spiking neurale netwerken’.