VUB AI Lab, waar tech leert fietsen

©Karoly Effenberger

De Vrije Universiteit Brussel is al 35 jaar toonaangevend in de zoektocht naar artificiële intelligentie. In haar AI Lab sleutelen briljante geesten uit heel Europa aan de toekomstige slimme technologie.

Of ik zin heb in een spelletje ‘Super Mario’? Het is een vraag die je niet verwacht van een wetenschapper in een ernstig labo aan een gerespecteerde universiteit. Maar kijk, even later manoeuvreren we de besnorde Italiaanse loodgieter door een kleurrijke wereld, op zoek naar zo veel mogelijk virtuele muntjes.

New Insights

Tien werelddenkers blikken vooruit op de toekomst. In ons extra magazine 'Tien nieuwe inzichten' leest u de inzichten van onder meer ex-gouverneur van de Indiase Centrale Bank Raghuram Rajan, auteur Yuval Noah Harari en professor internationale politiek Ian Bremmer. Ontdek hier het dossier online.

Het is een spelletje, maar geen spielerei. Deze versie van het klassieke Nintendo-game is aangepast door Denis Steckelmacher. De doctoraatsstudent aan het AI Lab van de Vrije Universiteit Brussel (VUB) heeft variatie gestopt in de kleuren van de munten die je moet verzamelen en daar waardes aan verbonden. Sommige munten leveren veel punten op, andere minder, sommige zijn neutraal, nog andere leiden tot puntenverlies. De speler moet in de demo van twee minuten achterhalen hoe de vork in de steel zit en zo goed mogelijk scoren.

We spelen niet alleen. Op de computer naast de onze wacht een onverschrokken tegenstander. Steckelmacher heeft een algoritme gecreëerd dat het tegen ons opneemt. Die software vertrekt ook zonder voorkennis, maar is geprogrammeerd om de informatie die ze verzamelt toe te passen op de rest van het spelverloop. De demo is een uitstekende etalage van het soort onderzoek waar Steckelmacher in Brussel mee bezig is. Hij bekijkt hoe algoritmes zichzelf slimmer kunnen maken, via wat in het labjargon ‘reinforcement learning’ heet.

Ik kraak wat nerveus de vingers. Ik mag dan al veel over artificiële intelligentie (AI) hebben gelezen en geschreven, het is de eerste keer dat ik er rechtstreeks mee in duel ga. Ik voel een soort eerzucht opkomen: dit spel speel ik voor de mensheid! Maar na twee minuten vloeken en op het keyboard hameren blijft van dat eergevoel weinig over. Op de schermen prijkt de ontnuchterende einduitslag: Human: 416. AI: 470. Als het ooit echt tot een strijd tussen mens en machine komt, ben ik een vogel voor de kat.

Binnenkijken in het artificiële intelligentielab van de VUB

 

Prominente rol

Professor Ann Nowé grinnikt om zoveel melodrama. Samen met haar collega’s stuurt ze in het AI Lab een team van zo’n veertig onderzoekers en studenten aan, die elk op hun manier nagaan hoe AI een rol kan spelen in ons leven in de toekomst.

©Karoly Effenberger

Toen professor Luc Steels, een taalkundige en computerwetenschapper, het AI Lab in 1983 uit de grond stampte, was het het eerste in zijn soort op het Europese vasteland. Daarmee was de VUB een pionier in de computerwetenschap nog voor ze een zelfstandig departement informatica had. Er volgden AI laboratoria over heel Europa, maar Brussel bleef een prominente rol spelen. Tot vandaag.

‘Zonder te willen uitpakken, we doen het best aardig qua onderzoek’, zegt Nowé. ‘We vloeken nog wel eens als we geen financiering vinden voor wat wij een goed idee vinden, maar we halen toch aardig wat projecten binnen, nationale én Europese.’

In de 35 jaar waarin het lab bestaat, is AI enorm geëvolueerd. ‘We hebben alle golven meegemaakt. Dat is het voordeel van er vroeg bij te zijn’, zegt Nowé. Aanvankelijk werkte de VUB vooral aan expertsystemen, die het denkproces van een expert in een bepaald vakgebied proberen te vatten in een model en het automatiseren. Nowé: ‘Zulke systemen worden nog volop gebruikt, maar hebben hun beperkingen. De volgende golf AI wilde dat oplossen door meer te kijken naar natuurlijke besluitvormingsprocessen. Het modelleren van biologische evolutie, om maar iets te noemen. Of de organisatie van mieren. Er zijn destijds veel discussies geweest tussen die twee stromingen over welke weg de beste AI zou opleveren.’ (lacht)

Je leert niet fietsen door de theorie te begrijpen, je leert het door het te doen. Voor AI geldt hetzelfde.

De jongste golf die over AI rolt, is die van de systemen die leren uit grote hoeveelheden data. ‘Door de opkomst van het internet en de digitalisering van de maatschappij zijn enorme hoeveelheden data beschikbaar. Daarmee zijn systemen ontwikkeld die putten uit die schat aan data. Vertaalsystemen à la Google Translate, bijvoorbeeld. Die teren op een uit de kluiten gewassen databank van woorden en zinnen die ze kunnen vergelijken. Maar aan zo’n vertaalsysteem merk je ook ineens de beperkingen. Op een bepaald moment maakt het niet meer uit of je nu nog eens dubbel zoveel data erin pompt, beter zal de vertaling er niet van worden. Om dan nog het verschil te maken moet je uit andere vaatjes tappen. Dan moet een systeem taal kunnen ‘begrijpen’. Modellering van natuurlijke processen kan dan het verschil maken.’

Het AI Lab onderzoekt gretig hoe die volgende stap wordt gezet. Oprichter Luc Steels’ passie is altijd het fundamenteel onderzoek naar taal geweest - de taalkundige ziet daarin dé sleutel tot betere artificiële intelligentie. Taal staat ons toe in concepten te denken en daarover te communiceren, in tegenstelling tot machines die alles letterlijk nemen en niet kunnen contextualiseren. Het is dus zaak om machines eerst zelf de mogelijkheid te geven om een taal te leren, luidt de redenering.

Hoe dat ongeveer werkt, kunnen we in het AI Lab zien. Nowé neemt ons mee naar doctoraatsstudent Jens Nevens, een van de onderzoekers die - in een notendop - robots taal proberen aanleren. Of beter: die robots zichzelf een taal proberen laten aanleren.

©Karoly Effenberger

Nevens heeft een robotje van het model Nao, een creatie van het Japanse bedrijf Softbank, op zijn bureau staan. Het ding kijkt naar een scherm waarop blauwe en rode bollen staan afgebeeld. De bedoeling is dat de robot termen plakt op zowel de kleuren als op de positie op het scherm: boven of onder en links of rechts. Nevens duidt telkens een bol aan, waarna de robot er een term aan verbindt en vraagt of hij goed of fout was. Door dat experiment vaak genoeg te herhalen krijgt de robot een beeld van wat rood en blauw en links, rechts, boven en onder zijn. En dit is maar een minimale demo.

Het onderzoek van Nevens en zijn collega’s spitst zich toe op grotere ‘gemeenschappen’ van ‘agents’, die via onderlinge communicatie een vocabularium samenstellen en een grammatica ontwikkelen rond kleuren, vormen, positie en meer.

Dat soort onderzoek kan ons meer leren over hoe taal ontstaat, wat kan bijdragen aan het modelleren van het leerproces. Nowé: ‘Het kan nuttig zijn om vertalingen beter te maken. Maar ook om haatberichten en radicalisme te identificeren op sociale media. Bij een voetbalmatch zou een computerprogramma op sociale media berichten kunnen screenen om het risico op rellen in te schatten.’

Groene stroom

Nowé is een expert in een ander domein van AI: reinforcement learning. Dat is een vorm van machine learning waar algoritmes bijleren op basis van hun eigen ervaringen. Denk aan de computer die heel snel heel goed werd in ‘Super Mario’. Het bekendste voorbeeld is AlphaGo, het door Googles AI-dochterbedrijf DeepMind gemaakte algoritme dat erin slaagde het ingewikkelde bordspel Go onder de knie te krijgen en er beter in te worden dan de wereldkampioen.

Nowé illustreert reinforcement learning met het voorbeeld van een kind dat leert fietsen. ‘Je kan dat niet perfect in regeltjes gieten, het valt niet exact te modelleren. Je kan wel zeggen: je moet trappen, voor je kijken, genoeg snelheid maken, enzovoort. Maar daarmee kan je kind nog niet fietsen. Een kind leert uit proberen, mislukken en opnieuw proberen. De feedback van dat mislukken zet het op de goede weg. Zo is het met veel nieuwe dingen die we leren. Als je een nieuwe tv in huis haalt en je bent te lui om de handleiding te lezen, ga je door te proberen uiteindelijk doorhebben hoe het werkt. Hetzefde kan je bereiken met computersystemen.’

Reinforcement learning vindt vandaag al zijn weg naar concrete toepassingen, zoals in slimme thermostaten. ‘Ze leren uit de feedback die je ze geeft door de temperatuur te veranderen of uit de data die ze uit je energieverbruik halen.’

©Karoly Effenberger

Voor een ander voorbeeld leidt Nowé ons naar postdoctoraal onderzoeker Mihail ‘Mike’ Mihaylov. Die gebruikt onder meer de techniek van reinforcement learning om een slim energienetwerk voor groene stroom te ontwikkelen. ‘Het grote probleem van groene stroom is dat hij maar op bepaalde momenten wordt geproduceerd, en dat het systeem de consument niet aanspoort om energie te consumeren op die momenten’, zegt Nowé. ‘Concreet: zonnepanelen produceren overdag stroom, maar omdat veel mensen een dag-nachtmeter hebben, verschuiven ze hun consumptie naar ’s nachts. We zitten dus met een systeem waarmee we overdag te veel stroom produceren die we op piekmomenten tegen betaling naar het buitenland vervoeren. Er moet een mechanisme worden gevonden dat vraag en aanbod beter op elkaar afstemt. Dat is waar Mike mee bezig is.’

Mihaylov bedacht een ingewikkeld systeem dat reinforcement learning koppelt aan blockchaintechnologie en het minen en verhandelen van een nieuwe cryptomunt, de NRGCoin. Het hele systeem uitleggen zou ons te ver leiden, maar het komt erop neer dat consumenten en producenten financieel worden aangemoedigd om groene stroom te produceren en die op de juiste momenten te consumeren. Een slim algoritme helpt in het afstemmen van vraag en aanbod. ‘Dit is zo’n complex web aan interacties dat je het nooit helemaal kan modelleren. Daarin bewijst reinforcement learning zijn waarde’, zegt Nowé.

NRGCoin?

 

Computerdenken

Het onderwijs levert jongeren af die een fundamenteel deel van hun leefwereld niet begrijpen. Dat is zorgwekkend.

Voor een leek is het best overweldigend, zo veel genialiteit in zo’n kleine ruimte. ‘We mogen best trots zijn op wat allemaal in Vlaanderen gebeurt’, zegt Nowé glimlachend. Meteen waarschuwt ze ook: ‘Mijn grote bezorgdheid is dat we beleidsmakers maar niet duidelijk kunnen maken hoe belangrijk het is onze jeugd computationeel te leren denken. We moeten niet van iedereen een computerwetenschapper maken. Maar nu geven we onze jeugd zelfs geen basisbegrip mee van hoe een computer een taak kan uitvoeren of een probleem kan oplossen, van hoe algoritmes tot stand komen. In de digitale wereld van vandaag is dat onbegrijpelijk.’

‘We leren studenten hoe ze Word en Excel moeten gebruiken, en noemen dat informatica. Het zijn nuttige skills, maar ze hebben evenveel met computerwetenschap te maken als een les dactylo met Nederlands of Frans. In de lessen fysica, chemie, biologie of geschiedenis vergaren we inzichten over hoe de wereld in elkaar zit. Waarom doen we dat niet voor computerwetenschappen? We leveren nu een generatie jongeren af die een fundamenteel deel van hun leefwereld niet begrijpen. Dat is zorgwekkend.’

Of Nowé nog ergens anders schrik voor heeft als het over AI gaat? ‘Ik ben niet bang voor killer robots die ons van de kaart vegen’, grinnikt ze. ‘Maar we moeten ons wel bewust zijn van de verantwoordelijkheden die gepaard gaan met AI. Als straks systemen autonoom kunnen draaien, moet je die verdomd goed beschermen tegen hacks. En ja, we moeten ons bewust zijn van de ethische vraagstukken die met AI gepaard gaan. Wie is straks verantwoordelijk voor beslissingen die machines hebben genomen? Daarover moeten niet alleen AI-experts nadenken. Ook ethici, filosofen, juristen en noem maar op.’

Nowé kijkt toch vooral positief naar haar wetenschap. ‘AI heeft het potentieel om ons leven beter te maken. Ecologie, gezondheid, levenscomfort, in al die gebieden kan ze snel een verschil maken. Ik denk dat AI er binnenkort in zal slagen context te begrijpen en als een echte partner op te treden. Ik neem elke dag de trein vanuit Gent, vaak op een verschillend tijdstip. Zou het niet fantastisch zijn als zo’n systeem me spontaan meldt dat ik het rustig aan kan doen omdat mijn trein een kwartier vertraagd is? Technologie als een echte buddy, ver staan we daar niet meer van af.’

Gesponsorde inhoud

Partner content