Cevora, het vormingscentrum van paritair comité 200, dat in België bijna 60.000 bedrijven en 500.000 werknemers telt, organiseerde voor haar docenten een dag over artificiële intelligentie en nodigde Lieven Scheire uit om er zijn licht over te werpen. Wat hij met verve deed. Hij maakte de toch wel complexe materie heel bevattelijk. En steeds met een vleugje humor. EduNext collega Dirk De Boe was erbij.

Artificiële intelligentie is pensioensgerechtigd!

In 1956 viel de naam artificiële intelligentie voor de eerste keer tijdens het Dartmouth Summer Research Project. Het probleem was dat de computers op dat moment onvoldoende krachtig waren om de benodigde rekencapaciteit te leveren. Eind de jaren 90 worden de eerste schuchtere AI pogingen gedaan zoals het gebruik van de Clippy assistent die als een digitale paperclip te pas en te onpas in ons computerscherm opdook om ons te helpen. Maar de gebruikers zagen hem eerder als een vervelend fenomeen dat vaak de verkeerde vragen stelde en die ze zo snel mogelijk wegklikten.

Exponentiële stijging van rekenkracht

Onze huidige generatie smartphones zijn 100.000 keer sterker in rekenkracht dan de Houston computers die de maanlanding in 1969 coördineerden. En rekenkracht is wat je – naast heel veel data - nodig hebt om AI voldoende te trainen. Tot voorheen werkten de meeste SW programma’s met rule-based SW. Dat is klassieke software die uitgaat van logisch uitvoerbare stappen. Daarmee kun je echter alleen maar automatiseren. En over de jaren zijn heel wat zaken rondom ons geautomatiseerd maar bepaalde zaken niet omdat ze te complex waren voor deze software.

Een fantastische patroonherkenningsmachine

Mensen kunnen heel goed patronen herkennen zoals bijvoorbeeld een hond onderscheiden van een kat. De beperking van de klassieke SW is dat ze dat moeilijk kunnen. En patroonherkenning heb je net nodig voor bepaalde handelingen zoals bijvoorbeeld fruit plukken. Je moet een appel kunnen onderscheiden van een blad in de omgeving. Artificiële Intelligentie is een software die ontworpen is zoals het menselijk brein en die zo heel goed patronen zoals gezichten, gedrag en stemgeluiden kan herkennen. Na de stoommachine, de lopende band en het internet zal deze software zorgen voor een nieuwe golf van automatisatie. Dit wordt de snelste automatisatiegolf die we ooit hebben gekend. AI wordt op termijn een heel handig en dagelijks hulpmiddel zoals elektriciteit en water dat al lang zijn.

De wiskundeleraar met de handen in het haar?

AI is fenomenaal. Zo kun je bijvoorbeeld met de app Photomath heel eenvoudig een integraal oplossen door er een foto van te nemen. De oplossing verschijnt meteen op je scherm. ‘Ha’, zegt de leraar. ‘Dan vraag ik de leerling om de tussenstappen te benoemen. Zo weet ik of zij of hij het begrijpt’. Maar ook dat kan de software. Met een druk op de knop verschijnen alle tussenstappen. En je kunt op elke tussenstap klikken om te kijken hoe deze tot stand is gekomen. Dit opent enorme mogelijkheden. Zo kan een leraar in plaats van klassikaal te verbeteren leerlingen vragen om in de app te kijken of ze de juiste stappen hebben doorlopen. Als ze daarbij vastlopen of meer uitleg nodig hebben, kunnen ze de leraar roepen. Zo kan die zijn tijd efficiënter besteden.

De taalleerkracht EN DE toren van Babylon

Google translate werkte vroeger met rule based software. Enkele jaren geleden kreeg je nog woorden die verkeerd vertaald werden of onlogisch samengestelde zinnen. Intussen is de kwaliteit spectaculair verbeterd. En dat is omdat het op artificiële Intelligentie sofware draait. Wat extra mogelijkheden geeft dan alleen maar geschreven woorden te vertalen. Door bijvoorbeeld op het icoontje camera te drukken, kun je stukken tekst in een beeld ogenblikkelijk vertalen. Klik je op microfoon, dan herhaalt hij het gesprokene in een andere taal. Je hebt een gratis simultaan tolk op zak. Dit kun je heel goed gebruiken voor meertaligheid in de klas. We weten ondertussen dat het gebruiken van de thuistaal op school zorgt dat leerlingen het Nederlands gemakkelijker oppikken. Een leraar kan dus nu via Google translate een instructie eenvoudig vertalen in de taal van de leerling waardoor die het sneller begrijpt. En voor oudercontacten heb je misschien niet altijd een menselijke tolk nodig.

Ons brein gekopieerd

Onze hersenen werken niet met logisch voorgeprogrammeerde stappen. Het is netwerk van neuronen dat onderling met elkaar verbonden is en waarbij verbindingen die meermaals gebruikt worden zich versterken. Dat maakt het brein zeer krachtig. Zo kunnen we door iets te ruiken ogenblikkelijk terug gekatapulteerd worden naar de tijd waarin die geur in ons leven vaak voorkwam. Dus het menselijk neuraal netwerk wordt steeds krachtiger naarmate het goed getraind en onderhouden wordt.

Nu zijn wiskundigen erin geslaagd om dat neuraal netwerk na te bouwen. Ze creëerden een netwerk van knooppunten met een ingang en een uitgang. Maar dat neuraal netwerk kan helemaal niets tenzij je het traint. Bijvoorbeeld door het een foto van een kat te tonen en te zeggen dat het een kat is. Dat doe je heel veel keren, daarna toon je een foto van een hond en zegt dat het een hond is en dat doe je ook in veelvoud. Hierdoor zullen sommige verbindingen in het netwerk versterkt worden, andere zullen verzwakken. Op een bepaald moment toon je weerom een foto van een hond of een kat maar je zegt er niet bij wat het is. De software zal dan een uitspraak te doen. Hoe meer data je toevoegt, hoe nauwkeurig de voorspelling zal worden. Op die manier programmeren we de structuur van onze hersenen in dat systeem. En het wordt elke keer sterker. En blijkbaar niet alleen voor het herkennen van honden en katten maar ook voor andere objecten.

Caveat

Dit neuraal netwerk is een zwarte doos. We hebben wiskunde ontwikkeld die zorgt dat het werkt, we weten echter niet hoe het werkt. Van elk knooppunt kunnen we informatie opvragen maar we kunnen niet vragen waarom het programma een fout heeft gemaakt. Zo bleek dit neutraal netwerk heel goed te werken voor het onderscheiden van wolven en huskeys. Tot het op zekere keer een wolf voor een huskey hield. Uiteindelijk bleek dat de het grootste onderscheid tussen de foto’s met wolven en huskeys de sneeuw op de achtergrond was. Dus de SW weet helemaal niet wat een wolf of een huskey is maar probeert de patronen te herkennen. De computer zoekt het grootste statistisch verschil tussen 2 datasets en dat kan evengoed de achtergrond zijn.

We moeten dus opletten voor bias. Dergelijke fouten zijn lastig te ontdekken. De meeste neurale netwerken zijn immers niet explainable. Daarom zijn ze in Europa ook verboden. In Amerika mogen ze wel. Zo trainde Amazon voor haar sollicitatieprocedure het systeem met succesvolle profielen van de laatste 50 jaar. Op die manier haalde de machine er echter alleen mannen uit van allochtone origine (omdat die vroeger dat soort jobs deden). Amerikanen gebruiken AI ook om te bepalen wie er voorwaardelijk vrijkomt uit de gevangenis. De grote vraag is hoe we omgaan met neurale netwerken zodanig dat zo weinig mogelijk mensen benadeeld worden.

AI zelf aan zet

AI is de laatste tijd ook heel sterk in creatie. Dat gebeurt via een reinforcement netwerk waarbij er miljoenen keren geprobeerd wordt en er steeds een feedback loop gaat naar een ander AI netwerk. We spreken hier over generatieve AI die zelf creëert. De software kan dit omdat het genoeg kennis heeft van patronen in de wereld. Zo vraagt Lieven Scheire de software voor de grap om een panda te creëren die in een glas-in-loodraam een kruiswoordraadsel aan het oplossen is. Enkele seconden later verschijnt het resultaat. Via beeldassociaties en een reservoir van miljoenen patronen, komt hij razendsnel tot een creatie.

Chat GPT

Een van de bekendste AI software producten die we kennen. In tegenstelling tot wat veel mensen denken is Chat GPT geen zoekmachine maar een taalmodel. Je kunt hem trainen met menselijke feedback zodat je betere antwoorden op vragen krijgt maar hij kan zelf ook een tekst verder aanvullen. De eerste versies waren belabberd maar intussen is het resultaat indrukwekkend. Zo vraagt Lieven Scheire bij iemand in de zaal naar een vakantie-ervaring. Blijkt dat die met zijn dochter naar een ballonnenmuseum is geweest. Op basis van een stukje begintekst vertelt de software het verhaal verder van hoe het bezoek kon verlopen zijn. Het is een prachtig verhaal, ook al heeft de software geen idee van wat een ballon is. Het is een staaltje wiskundig vernuft. Maar er is altijd eindredactie van de mens nodig. Lieven Scheire noemt Chat GPT een hardwerkende stagiair die niet te vertrouwen is.

Eindeloze mogelijkheden

AI kan een taal herkennen, gesproken taal omzetten in geschreven taal, je stem imiteren, video’s maken, die video’s omzetten in een andere taal met jouw stemgeluid en mondbewegingen erbij. Het kost 1 Euro en tien minuten rekentijd. AI kan ook zelf programmeren. Software programmeurs gebruiken AI als assistent. Je kunt een boek invoeren en dit laten bespreken. Je kunt afbeeldingen maken via Image creator. Je kunt een deel van een boek omzetten in een filmscenario met bijvoorbeeld de stijl van Friends, van een tekst een podcast of een sonnet maken of je Powerpoint slides via AI maken. Lieven Scheire deelde ook enkele interessante links: https://www.lievenscheire.com/ailinks

Impact op het klimaat

Iemand uit het publiek stelde deze toch wel heel terechte vraag. Chat GPT verbruikt voor 1500 woorden ongeveer 1 KWH. Er zal hiervoor dus enorm veel energie nodig zijn, zeker als dit een consumentenproduct wordt. En dat wordt het. Maar volgens Lieven Scheire kan AI kan ook meedenken over energiecreatie zoals kernfusie.

Samenvatting

De keynote van Lieven Scheire werd in real life visueel geoogst door Axelle Vanquaillie. Een knap staaltje visueel en auditief vernuft.