Greg Corrado onderzoekt voor Google hoe we steeds intelligentere computers kunnen maken. We spraken Corrado over software die zichzelf trainen kan, een strategie die ook wel deep learning wordt genoemd, op 26 mei op het Brain Forum in Lausanne.
U doet onderzoek voor Google Brain. Wat heeft een internetbedrijf als Google met hersenen van doen?
‘Voor Google-geeks als ik is het brein een bron van inspiratie. De manier waarop onze hersencellen georganiseerd zijn, stelt ons mensen in staat om supersnel de lastigste patronen te herkennen. Zo snapt een kind al dat een zwarte kat, een kat is, ook als het eerder enkel witte katten gezien heeft. Maar om een kunstmatig neuraal netwerk te maken dat verschillende soorten poezen allemaal tot de zwarte categorie kat groepeert, dat is zo makkelijk nog niet. Je moet er zowel de hardcore informatica voor begrijpen, als je kunnen inleven in het denkproces van een kunstmatig neuraal netwerk. Slechts een paar mensen op deze wereld kunnen dat.’
Hoe lijkt die software dan op onze hersenen?
‘Je hersenen bestaat uit miljarden cellen, die elk met een paar specifieke hersencellen verbonden zijn. Aan de hand van wat een hersencel ziet of hoort, bepaalt hij wat hij wil zeggen tegen de cellen waarmee hij verbonden is. Bovendien zorgt het passeren van zo’n signaal ervoor dat de communicatie tussen de hersencellen wordt verbeterd. Je brein verandert al lerende. Dat principe hebben wij informatici van het brein gejat. Een netwerk van op de juiste manier verbonden knooppunten kan op basis van verbazingwekkend eenvoudige algoritmes steeds gerichter op een bepaalde input reageren. Zo kan een kunstmatig neuraal netwerk, net als onze hersenen, beter worden door training.’
AI-assistent kan 113-hulpverlening ondersteunen
Dataspecialist Salim Salmi maakte een AI-tool die 113-hulpverleners ondersteunt.
Waar kunnen we die zelflerende programma’s voor gebruiken?
‘Waarschijnlijk barst de telefoon in je broekzak al van die programma’s. Zo wordt het systeem dat je spam uit je mailbox vist, steeds beter naarmate het meer spam-achtige mails voorbij heeft zien komen. En wat dacht je van spraakherkenning of het herkennen van foto’s? Zelf werk ik aan een systeem dat automatisch antwoorden op e-mails genereert. Op dit moment wordt zo’n 10 procent van het e-mailverkeer al gegenereerd op basis van computersuggesties.
‘De mogelijkheden om met dit soort intelligente programma’s onze capaciteiten te verrijken, zijn immens. Ik me voorstellen dat computers in de toekomst beter worden in het stellen van bepaalde diagnoses, dan een artsen. Getrainde computers kunnen ingewikkelde patronen nu eenmaal beter herkennen dan wij. Zo won een door Google ontworpen programma het al van de wereldkampioen Go, een Aziatisch bordspel.
Maar als computerprogramma’s zichzelf alles leren kunnen, wat valt er dan nog te onderzoeken aan zulke programma’s?
‘De deep learning software die we ontwikkeld hebben is nog superspecifiek. Er is een programma dat zichzelf leert katten te onderscheiden van honden, weer een ander programma wordt steeds beter in het herkennen van spraak, et cetera. Voor elke denkbare toepassing moet er weer een nieuw programma worden ontwikkeld. Het liefst zouden we één netwerk inrichten, dat alles leren kan, zoals in ons brein het geval. Het brein is ook ons grote voorbeeld wat energieverbruik betreft. Onze programma’s slurpen relatief veel meer energie. Een reden daarvoor is dat onze software vaak nog miljoenen voorbeelden nodig heeft, voordat het in staat is om een ingewikkelde taak uit te voeren. Je brein is daar veel beter in.
‘Er valt dus nog een hoop te leren van onze eigen hersenen. Door te onderzoeken wat er precies met informatie gebeurt in elke stap van een neuraal netwerk, hopen we die software te kunnen ontwikkelen die net zo snel, groen én slim is, als onze hersenen zijn.’
Altijd op de hoogte blijven van het laatste wetenschapsnieuws? Meld je nu aan voor de New Scientist nieuwsbrief.
Lees verder: