interview Max Welling

“Kunstmatige intelligentie gaat alles en iedereen overal beïnvloeden”

Tekst: Auke Klijnsma / leestijd 8 minuten

Max Welling schreef het boek ‘over leven met kunstmatige intelligentie’. De titel is mooi gekozen, hoe ziet het leven er straks uit als kunstmatige intelligentie nog dominanter wordt? En hoe overleven wij dat? De bedoeling van het boek is dat een breder publiek geïnformeerd wordt over het fenomeen kunstmatige intelligentie en dat het publiek beter weet wat het te wachten staat. En dat is gelukt.

Steun KIKA, koop het boek ‘over leven met kunstmatige intelligentie’, van Max Welling. Klik hier

Max Welling

Max Welling is hoogleraar aan de UvA, waar hij leiding geeft aan het AMLab (Amsterdam Machine Learning Lab). Ongeveer dertig promovendi doen daar onderzoek naar Machine learning. Daarnaast werkt hij drie dagen per week als VP bij Qualcomm Technologies. Daar werken nu ongeveer veertig mensen die R&D doen op het gebied van machine learning.

Wat doe jij voor werk?

“Ik houd me vooral bezig met onderzoek en allerlei zaken die daarbij horen, zoals het begeleiden van studenten en postdocs. Ik heb meetings met de studenten en begeleid en evalueer master scripties en PhD proefschriften. Bij Qualcomm heb ik ook meetings met groepen mensen die machine learning toepassen op verschillende gebieden, zoals het ontwerpen van chips of het verbeteren van wireless communicatie.  Al met al beslaat mijn werk een mooie combinatie van fundamenteel en toegepast onderzoek.”

Wat is machine learning?

“Om te begrijpen wat machine learning is, moet je eerst weten wat een algoritme is. Algoritmes staan namelijk aan de basis van machine learning. Een algoritme is een set van instructies waarmee je probeert iets te bereiken, bijvoorbeeld een set instructies om van A naar B te komen in de auto. In de basis is een algoritme niet slim, maar bij machine learning gaan die algoritmes zelf leren. Je tilt het algoritme naar een nieuw niveau. Dit doe je door algoritmes te creëren die beschrijven hoe je een ander algoritme beter kunt maken. Een voorbeeld: Stel je hebt een algoritme dat een bepaalde taak heeft, zoals spam uit je mailbox wissen. Die spam wordt steeds slimmer, dus het algoritme om spam te wissen moet ook slimmer worden. Wat er dan gebeurt, is dat de gebruiker aangeeft wanneer een mailtje spam is. Deze informatie van de gebruiker is feedback aan het algoritme. Het algoritme leert van die feedback en weet dan welk nieuw type mail spam is en gewist moet worden. Zo heb je dus een algoritme dat zichzelf continu verbetert. Dit lijkt op hoe mensen leren. Wij leren ook door onze omgeving te observeren en feedback te krijgen. Tegenwoordig zijn bijna alle toepassingen van algoritmes op één of andere manier zelflerend.”

Gaat machine learning de hersenen vervangen?

“Deze vraag wordt mij vaak gesteld. Het is belangrijk om te weten dat kunstmatige intelligentie heel breed is. Je moet het eigenlijk zien als het internet of elektriciteit. Het gaat alles en iedereen overal beïnvloeden. Nou heb je verschillende soorten intelligentie. Zo stuurt Google zoekresultaten terug als jij een zoekopdracht intypt. Die intelligentie is al vele malen slimmer dan een mens ooit kan zijn. De hoeveelheid informatie waar dat algoritme toegang toe heeft, kan een mens nooit absorberen. Dus er zijn nu al veel aspecten waarbij kunstmatige intelligentie veel slimmer is dan mensen. In bepaalde dimensies zal kunstmatige intelligentie dus onze hersenen vervangen. Dat is al lang bezig. Kijk maar naar de rekenmachine. Die bestaat al heel lang en is op het gebied van rekenen al slimmer dan mensen.”

“Een andere benadering is ‘Artificial General AI’, of AGI. Daarbij is de vraag of computers op dezelfde manier slim kunnen worden als mensen. Het antwoord is dat we daar nog lang niet zijn. Mensen hebben bepaalde kwaliteiten die we moeilijk kunnen reproduceren in machine learning. Wat bijvoorbeeld uniek is aan de menselijke intelligentie is het feit dat wij maar een paar voorbeelden nodig hebben om een heleboel conclusies te kunnen trekken. En wat bijzonder is, is dat we iets leren in een bepaalde context en dat gemakkelijk toepassen in een andere context. Ik kan bijvoorbeeld leren autorijden in een klein autootje in Nederland en vervolgens kan ik dat op de andere weghelft, in een grote auto in een drukke stad in Japan ook. Met heel weinig data, een ‘paar lessen’, heeft de mens dat geleerd. Dat soort dingen kan de huidige kunstmatige intelligentie niet.”

Voor de geïnteresseerde, wat is supervised en reïnforcement learning?

“Er zijn verschillende vakgebieden binnen machine learning, afhankelijk van wat voor soort problemen je wilt oplossen. Met supervised learning kun je veel voorkomende problemen oplossen. Stel dat je wilt voorspellen of een moedervlek kanker is. Dan heb je een database met duizenden plaatjes van moedervlekken. Dat is de input en daarmee probeer je te voorspellen bij welke moedervlekken kanker zich ontwikkelt. Ook is bekend bij welke vlekken de kanker is ontstaan. Supervised learning gaat dan op zoek naar patronen in het plaatje bij juist die moedervlekken waarbij kanker is ontstaan en kan daarmee voorspellen of een moedervlek zich zal ontwikkelen tot kanker.

Reïnforcement learning werkt anders. Dat werkt net zoals kinderen leren. Zij leren door te interacteren met de wereld om hen heen, door dingen te doen en te zien of iets werkt of een positief effect heeft. Bijvoorbeeld als ze met blokken een hoge toren willen bouwen. Als je de blokken netjes op elkaar zet, wordt die toren hoger. Die feedback kun je ook geven aan kunstmatige systemen, waardoor die steeds beter worden in het bouwen van torens. Zowel supervised als reïnforcement learning zijn zelflerende systemen.”

Wat is de belangrijkste boodschap van jouw boek?

“Kunstmatige intelligentie is de volgende stuwende kracht achter innovatie in onze maatschappij. Computers hebben een heleboel bewerkstelligd in het digitaal maken van dingen. Onze hele economie drijft nu al op computertechnologie. Kunstmatige intelligentie is het volgende hoofdstuk daarin. Het is geen ‘cool dingetje’, maar gaat alles veranderen. Dat is belangrijk om je te realiseren. Het is disruptief, het verandert van alles. Neem de banenmarkt, die zal veranderen. Mensen moeten zich omscholen, moeten zich voorbereiden op de nieuwe wereld. Neem de gezondheidszorg. De huidige zorg is gefragmenteerd en inefficiënt. Als je met een vage klacht bij de verkeerde specialist aankomt is de kans groot dat zij het probleem niet diagnosticeert. Of een arts in India kan een kuur vinden voor een ziekte die een arts in Nederland nooit zal kennen. Er kan zoveel meer. Ik denk dat als we over twintig jaar terugkijken dat we dan denken, oh jeetje, waarom hebben we dat niet eerder gedaan.”

“Tegelijkertijd levert die verandering ook allerlei uitdagingen op. Het heeft impact op onze maatschappij en die impact gaat zo snel, dat we moeten nadenken over wat wij eigenlijk voor maatschappij willen. Willen we een samenleving waarin technologie een belangrijke rol speelt?”

“Kunstmatige intelligentie kan helpen ons leven veiliger te maken. We zouden criminaliteit kunnen uitroeien. We zouden ook virussen kunnen uitroeien. We zouden een heleboel goede dingen kunnen doen. Maar dat gaat wel ten koste van bijvoorbeeld privacy. Leef je eens in. Als je lantaarnpalen vol met sensoren stopt, zal er minder worden ingebroken. Maar wil jij zo’n paal in je voortuin? Dat zijn afwegingen die we moeten maken. En hoe gaan we om met fake nieuws? Hoe kunnen we informatie nog vertrouwen? Wat is de impact als iedereen zijn eigen waarheden kan creëren? Wat is de impact daarvan op de democratie? De ontwikkelingen gaan zo snel, dat we moeten nadenken over wat we wel willen wat niet. Daarom heb ik dit boek ook geschreven. Ik wil delen wat er allemaal gebeurt in mijn vakgebied, omdat we moeten nadenken of dat is wat we willen.”

Wat zijn de kanttekeningen?

“De eerste is natuurlijk privacy. Wat gebeurt er als je overal sensoren in de publieke ruimte plaatst? De data kun je beveiligen, maar stel er is een slecht regime dat toegang krijgt tot die data. Wil je leven in een land waar alles wordt gemonitord door het (slechte) regiem? Een ander gevaar is gezichtsherkenning. Je kunt dan niet alleen iedereen volgen, maar ook meten hoe iemand zich voelt. Wat betekent dat? Ik heb het gevaar van waarheidsvinding al genoemd. Welke informatie kun je nog vertrouwen in een tijd van deep fakes? Een ander gevaar schuilt in ‘virtuale werelden’. Wat gebeurt er als de virtuele wereld zo aantrekkelijk wordt dat mensen geen verweer meer hebben, omdat ze misschien wel liever daar willen zijn dan in de echt wereld. We zien dat al een beetje bij jonge mensen en hun mobiele telefoon. Stel dat je de virtuele wereld op je lenzen geprojecteerd krijgt, de hele dag door, dan gaan de echte en de virtuele wereld door elkaar lopen. En die virtuele wereld kan steeds aantrekkelijker worden. Wij zijn niet geprogrammeerd om hier weerstand tegen te bieden. Je kunt het vergelijken met drugs. Dat is ook een vorm van iets waartegen we ons slecht kunnen verweren.”

Zijn ethische vragen onderwerp van discussie in jouw werk?

‘Dat is een moeilijke vraag omdat mijn onderzoeken heel fundamenteel zijn. Een wiskundige houdt zich niet bezig met de mogelijkheid dat zijn formule kan betekenen dat een atoombom wordt ontwikkeld. Omdat ons onderzoek fundamenteel is, voel ik me niet altijd genoodzaakt om na te denken of we iets nou wel of niet moeten ontwikkelen. Als je onderzoek doet naar de toepassingen van machine learning, dan maak je dat soort keuzes vaak juist wel. Ik werk niet aan militaire toepassingen, maar weer wel aan medische toepassingen. Maar dat is een heel persoonlijke keuze, niet een heel principiële keuze. En wat ik belangrijk vind, is dat ik meedoe aan discussies over dit onderwerp en de technologie probeer uit te leggen voor een groter publiek. Op die manier probeer ik impact te hebben en anderen te equiperen om regulering en wetgeving te formuleren.”

Wat hoop je dat het boek losmaakt?

“Niet veel meer dan dat ik anderen wil informeren over wat er gebeurt. Ik zie veel naïviteit, ook onder hoogopgeleiden en de politici die ons land besturen. Daarom heb ik ook meegewerkt aan die nationale AI cursus. Ik denk dat het belangrijk is dat mensen op de hoogte zijn van de ontwikkelingen van kunstmatige intelligentie, al is het maar op een simpel niveau. Ik vind het belangrijk om te delen wat het kan en wat niet, waar gevaren liggen, wat de mogelijkheden zijn, hoe het je baan mogelijk gaat veranderen, hoe je daarop kunt voorsorteren, dat je weet dat je wordt getrackt als je op je telefoon zit. Het is belangrijk dat je dat weet.”

Wat moeten onze kinderen studeren, welke banen zijn er nog over twintig jaar?

“Dat is een lastige vraag. We hebben naast technici ook psychologen nodig en sociologen en kunstenaars. Ik probeer daar weinig sturing in te geven. Ik kan wel zeggen dat machine learning waarschijnlijk een vak is waar je een goedbetaalde baan in kunt vinden.”

Welke banen lopen gevaar?

“Bijvoorbeeld vrachtwagenchauffeurs moeten zich zorgen maken. Maar ook notarissen. Van hun werk kun je misschien wel negentig procent weg organiseren met kunstmatige intelligentie. Het soort vakken met vrij simpele berekeningen zullen ook verdwijnen. Laat ik het zo zeggen, als je veel met Excel werkt, moet je oppassen.”

Kan ‘kunst’ ook ‘weg’ gealgoritmiseerd worden?

“Je kunt zeggen dat kunst interessanter is als er een menselijk verhaal achter zit, maar computers kunnen hele mooie kunst maken. In mijn lezingen laat ik het publiek vaak een testje doen. Ze moeten kiezen welke kunst door een mens en welke door een machine is gemaakt. Dat is echt niet te onderscheiden. Je kunt een museum net zo goed volhangen met kunst die is gemaakt door machines. Veel mensen zullen dat niet door hebben. Ik denk dat originaliteit en creativiteit een beetje overgewaardeerd zijn. Het is na te boosten in een systeem. Creativiteit heeft veel te maken met het combineren van verschillende informatie. Dat kan een computer hartstikke goed. Ik denk dat we fantastische kunst gaan krijgen uit kunstmatige intelligentie, maar dat kunst van mensenhanden niet zal verdwijnen. En dat is maar goed ook.