14-06-2012
Menselijke machinesWat de computerwetenschap en robotici kunnen leren van de mens
In de serie ‘wetenschap van de 21e eeuw’ worden vakgebieden uitgelicht die laatste jaren bol staan van de nieuwe ontwikkelingen. Dit keer legt Frank van der Velde uit hoe computers en robots nog “slimmer” kunnen worden gemaakt door goed te kijken naar de psychologie en fysiologie van de mens.
© Facontidavide / Wikimedia
In de jaren '50 droomde men van superslimme, mensachtige computers en robots. Inmiddels zijn computers beter dan wij in spelletjes als schaken en jeopardy. Maar waar blijven de robots die echt alles kunnen wat een mens kan? (Op de foto: de robot REEM-A.)
Zullen computers of robots ooit écht op mensen gaan lijken? En dan niet per se qua uiterlijk, maar wat betreft hun vermogens? Dit was de ultieme droom ten tijde van de opkomst van computers en kunstmatige intelligentie, in de jaren ’50 van de vorige eeuw. Maar ruim een halve eeuw later is de ontwikkeling van dergelijke mensachtige machines ogenschijnlijk nog weinig opgeschoten.
Professor Frank van der Velde is niet eens met de stelling dat kunstmatige intelligentie (AI) nog weinig voorstelt. Of, zoals een kritische bezoeker onlangs op deze website opmerkte, dat het nog altijd een kwestie is van relatief simpele databases en programmeerregels. Van der Velde: ‘Als je het heel cru wilt stellen is dit inderdaad het enige wat een “intelligente” computer als Watson, die niet zo lang geleden in staat bleek om het spel Jeopardy te winnen, doet. Maar ook dit is niet zo triviaal als het lijkt. Je hebt hiervoor bijvoorbeeld wel geavanceerde zoekstrategieën nodig. Er begint bovendien wel degelijk inzicht te ontstaan in hoe neurale systemen werken, hoe waarneming werkt, hoe aandachtsprocessen werken. Het is wel nog heel moeilijk om dit in te bouwen in een computer, onder andere door beperkingen van de hardware.’
Van der Velde is zowel psycholoog als natuurkundige. Op het eerste gezicht heeft psychologie misschien weinig met robotica te maken. Maar Van der Velde houdt zich aan de Technische Universiteit Twente bezig met een vakgebied genaamd technische cognitie. Kort gezegd komt het erop neer dat hij kijkt hoe je de manier waarop intelligentie en hersenprocessen bij mensen werken, inclusief hun fysiologie (dus hoe onze hersenen biologisch in elkaar zitten), kunt toepassen in technische systemen. Waaronder robots.
Alan Turing, grondlegger van de computerwetenschap en kunstmatige intelligentie. Dit jaar (2012) is het Turingjaar, om de honderdste geboortedag van de in 1954 overleden wiskundige te herdenken.
Turing Machine
Ontwikkelingen in de psychologie en de computerwetenschap gaan eigenlijk al decennia lang min of meer hand in hand, zo legt Van der Velde uit. Rond de tijd dat computers opkwamen, maakte binnen de psychologie het zogenoemde behaviorisme plaats voor de cognitieve psychologie. Waarbij niet alleen van buitenaf werd gekeken naar menselijk gedrag, maar juist ook werd geprobeerd te kijken hoe menselijk gedrag van binnen, in de hersenen, tot stand komt. Het idee dat toen ontstond was dat menselijke hersenen eigenlijk net zo werken als een computer.
Van der Velde: ‘Bij computers geldt het idee dat een programma, waarmee je iets doet, en de data eigenlijk hetzelfde zijn. Het zijn allebei data. Alleen interpreteert de computer het ene stukje data als het programma, en het andere stukje als data die door het programma wordt verwerkt. Turing heeft dit destijds ook laten zien met zijn Universal Turing Machine. Dus toen was het idee: misschien werkt menselijke cognitie ook zo. Cognitie is het verwerken van data, en wij hebben programma’s in ons hoofd die dit doen. Dus eigenlijk hoef ik alleen de regels van het programma te kennen, om te weten hoe cognitie werkt.’
En als je die regels van de menselijke cognitie eenmaal kent, kun je die ook in een computer stoppen, zo was het idee. Maar gaandeweg kwam men erachter dat het toch niet helemaal zo werkte. Van der Velde: ‘Het bleek ontzettend moeilijk om op deze manier computerprogramma’s te maken, en dan vooral programma’s die zich flexibel kunnen aanpassen aan hun omgeving. Het blijft toch de programmeur die de regels moet inprogrammeren; maar je kunt gewoon niet alle mogelijkheden voor zijn.’ Met andere woorden: als je bijvoorbeeld een robot wilt programmeren, kun je nooit regeltjes inprogrammeren voor alle mogelijke situaties waar die robot tegenaan kan lopen als je hem loslaat in de wereld.
In de tussentijd groeide ook het inzicht in de menselijke psychologie en in hoe onze hersenen werken. Rond het begin van de jaren ‘90 kwam er daarom een nieuwe stroming op in de computerwetenschap, die meende dat je nog meer letterlijk naar de structuur van het brein moet kijken om menselijke intelligentie te kunnen benaderen. Van der Velde: ‘Het idee dat je met het schrijven van een computerprogramma menselijke intelligentie benadert, heeft in zoverre ingeboet, dat men inmiddels wel door heeft dat zulke computerprogramma’s ook lerende capaciteiten moeten hebben. En dat ze bijvoorbeeld om moeten kunnen gaan met kansberekening, en waarschijnlijkheidsregels.’
© Karl Palutke / Wikimedia
'Drop it! Dead or alive, you are coming with me.' Robocop was in de gelijknamige film half mens, half robot. Daarom kon hij ontsnappen van een echte robot door een trappenhuis in te vluchten. Voor klassieke robots was traplopen een onmogelijke opgave.
Robocop
Ook in andere opzichten groeide het idee dat je, om bijvoorbeeld echt mensachtige robots te kunnen bouwen, nog meer letterlijk moet kijken naar hoe dingen bij de mens werken. Zoals in het geval van robots die kunnen lopen. Van der Velde: ‘In het begin van de robotica lieten ze robots van tevoren uitrekenen hoe ze moesten stappen. Letterlijk. Dan moet die hoek zo, en dan zit de geometrie zo, en dan... Dat was een drama! Paul Verhoeven, die zelf wiskunde heeft gestudeerd, drijft in zijn films vaak de spot met zulke klassieke AI, is me opgevallen. Een mooi voorbeeld vind je in zijn film Robocop [uit 1987, red]. In die film speelt, naast die agent die een mengeling is van robotica en een mens, ook een echte robot. Op het eind van de film is er een gevecht tussen robocop en die joekel van een robot. Robocop ziet alle hoeken van de kamer, tot hij op een gegeven moment een trappenhuis in vlucht. Dat moment, dat is een heel typische scène, daarbij moet ik altijd denken aan die klassieke AI robots. Je ziet dan die grote robot staan, bovenaan die trap. En je ziet hem bijna denken: “O jee, wat moet ik? Help!” Je ziet hem rekenen. Nu moet ik mijn been een stap lager zetten. Hoe doe ik dat? Hij vertraagt ook helemaal, want hij rekent zich suf. En dan zet hij één stap, en dat lukt nog. En dan wil hij zijn andere been erbij zetten. Maar binnen de kortste keren lukt het niet meer. En dan dondert hij naar beneden.’
Bij mensen werkt lopen heel anders. Wij denken er sowieso niet bewust bij na hoe we onze benen moeten verplaatsen. En we krijgen tijdens het lopen continu feedback van onder meer onze tastzenuwen. Van der Velde: ‘De Australische computerwetenschapper Rodney Brooks is een van de eersten geweest die heeft laten zien dat er heel veel dynamica zit in spiercellen en in de mechanica van je been. Waardoor je been als het ware passief reageert op wat je voelt. En je op die manier stabiel houdt. Hij heeft ook laten zien dat je bij robots via vrij eenvoudige, mechanische aanpassingen loopgedrag kunt krijgen dat al veel beter werkt.’ De laatste jaren is dit inzicht steeds verder uitgewerkt. Waardoor er inmiddels robots kunnen worden gebouwd die wel kunnen traplopen. En zelfs robots die over moeilijk terrein, zoals rotsen of het puin van ingestorte gebouwen, kunnen lopen (filmpje).
© Ylem / Wikimedia
Het lijkt zo simpel: je kijkt ergens naar, en je hersenen zeggen je: 'hé, dat is een stoel' of 'dat is het gezicht van je geliefde'. Maar eigenlijk is iets 'zien' een enorm ingewikkeld proces, waarbij de informatie uit je oog stapje voor stapje wordt verwerkt.
Zien
Iets soortgelijks speelt bij de manier waarop wij mensen voorwerpen en omgeving kunnen zien, en technieken voor de verwerking van visuele informatie door computers en robots. Van der Velde: ‘Wat de laatste jaren duidelijk is geworden, is dat het herkennen van een voorwerp heel geleidelijk gaat. Vroeger ging dat fout. Toen dacht men: dat gaat in één keer. Dus je krijgt een beeld binnen, en zet daar een systeem op dat die beelden kan classificeren. Maar dat is ondoenlijk. Gewoon ondoenlijk. En dat is, zoals breinonderzoek laat zien, ook niet wat er bij mensen gebeurt. Wat je in het brein ziet is dat het beeld geleidelijk aan wordt opgebouwd, stapje voor stapje.’ Als er een beeld op het netvlies van je oog valt, zo is inmiddels dus duidelijk, “zien” de hersencellen die als eerste deze informatie binnenkrijgen alleen een soort contraststipjes. De hersencellen die een niveau hoger werken weten de stipjes om te zetten in lijnen, en zo steeds verder, tot na een stap of tien er misschien hersencellen zijn die merken: ‘hé, al die informatie bij elkaar, dat is een gezicht’.
En dan is er nog het gegeven van aandacht. Wij mensen zien nooit letterlijk onze hele omgeving; eigenlijk zien we alleen datgene waar we onze aandacht op richten echt goed. De rest wordt door onze hersenen op een vrij grove manier ingevuld. Daarom is het ook zo makkelijk om mensen voor te gek te houden met bijvoorbeeld filmpjes waarin plotseling een gorilla door het beeld loopt, of de presentator opeens hele andere kleren aan heeft, zonder dat degene die naar zo’n filmpje kijkt dit merkt. Bovendien wordt onze aandacht – en daarmee wat we zien – vaak aangetrokken door bijvoorbeeld beweging. Dit soort inzichten in de menselijke manier van zien worden de laatste jaren bijvoorbeeld toegepast in slimme systemen voor beveiligingscamera's.
© Lorenzo Natale / Wikimedia
De iCub is mensachtige robot ter grootte van een kleuter. Frank van de Velde hoopt er met zijn vakgroep een aan te kunnen schaffen, om hun ideeën in praktijk te kunnen testen.
iCub
Het onderzoek van Van der Velde zelf richt zich ook voornamelijk op waarneming en op aandachtsprocessen. Zijn vakgroep heeft op het moment een subsidieaanvraag lopen om een mensachtige robot genaamd een iCub te kunnen aanschaffen. Zodat zij en andere vakgroepen binnen de TU Twente allerlei ideeën in praktijk kunnen testen. Het belangrijkste doel van Van der Velde is om deze robot concepten aan te leren, zoals begrip van werkwoorden als ‘pak’, of van wat boven of onder is. En hoe zulke concepten zich tot elkaar verhouden. Maar dit alles dan wel zonder letterlijke regels in te programmeren voor die concepten. Het is dus eigenlijk de bedoeling dat de robot dit soort dingen gaat leren op dezelfde manier als menselijke baby’s of kinderen leren hoe de wereld werkt.
Voor de komende tien jaar verwacht Van der Velde ook veel van ontwikkelingen aan de hardwarekant in plaats van in de software. Bijvoorbeeld op het vlak van parallelle informatieverwerking. Onze menselijke hersenen zijn zo snel, omdat allerlei onderdelen van onze hersenen tegelijkertijd informatie kunnen verwerken, parallel dus. Maar bij een computer moet alle informatie verwerkt worden door de processor, die in feite maar één berekening tegelijk kan doen. Dus ongeacht hoe de informatie binnenkomt, uiteindelijk moet het allemaal netjes op een rij door de processor verwerkt worden. Dit kan dan wel relatief snel – om precies te zijn, met de kloksnelheid van de processor. Als je een processor hebt met een kloksnelheid van pakweg 2 GHz, kan deze 2 miljard berekeningen per seconde uitvoeren. Maar door dit één voor één verwerken van piepkleine stukjes informatie zijn computers in bepaalde opzichten toch langzamer dan menselijke hersenen. Computers met een dual core of quad core processor werken met twee of vier processoren, en kunnen twee tot vier van die informatiestromen tegelijk aan. Maar dit is nog steeds relatief weinig.
© PD-USGOV / Wikimedia
Menselijke neuronen (hersencellen) communiceren met elkaar via zogenoemde synapsen. De ene cel laat een chemische stof los in een kleine ruimte tussen de cellen, waarna de andere cel dit waarneemt. Door meer of minder van zo'n signaalstof af te geven, kunnen hersencellen een sterker of zwakker signaal doorgeven. Biologische hardware
Tijdens het interview haalt Van der Velde ook regelmatig een recent gepubliceerd onderzoek aan waarin de schakeling tussen menselijke neuronen is nagebouwd met behulp van nano-materialen. Menselijke neuronen, oftewel hersencellen, staan met elkaar in verbinding via zogenoemde synapsen. Die synapsen kunnen er via een chemisch proces voor zorgen dat een signaal dat van de ene op de andere hersenencel wordt doorgegeven sterker of zwakker is. Synapsen spelen ook een rol bij de aanleg van netwerkstructuren in je hersenen, waardoor je verbinding kunt leggen tussen allerlei verschillende concepten. Bijvoorbeeld wat een kat is, welke eigenschappen dit dier zoal heeft. En wat een hond is. En dat honden en katten vaak niet zo goed samengaan.
Het staat nog in de kinderschoenen, maar in theorie is iets dergelijks ook mogelijk met de door Van der Velde aangehaalde nano-materialen. Van der Velde: ‘Het gaat hier het om materialen die, als je er stroom dooreen laat lopen, als het ware onthouden dat die stroom er doorheen is gelopen. Waarna ze de volgende keer minder weerstand hebben. Je zou dit biologische hardware kunnen noemen. Zo noemen degenen die dit onderzoek hebben uitgevoerd het ook: “brain-like”. “Brain-inspired computing is an emerging field”, schrijven ze hier. Je kunt hiermee hardware maken die zich configureert als er activiteit plaatsvindt. Die kan leren. En die dat ook vasthoudt. Net als je geheugen, zegmaar.’
Als het op een gegeven moment mogelijk wordt om computers te maken met zulk soort hardeware, hoeven die dus ook niet meer zoals klassieke computers te werken met enen en nullen. De schakelingen kunnen ook met andere waardes werken, ergens tussen de nul (wat in de klassieke computertechnologie staat voor geen stroompje) en de één (volledige stroomsterkte) in. Wat ook min of meer het doel is van quantumcomputers. Al werken de ‘biologische’ schakelingen wel op een heel ander soort manier. Menselijker.
(wetenschap24.nl)