LEERKERN

14.1 Hoofdlijnen van toekomstige ontwikkelingen

Introductie

In deze paragraaf wordt een beeld geschetst van enkele aspecten van toekomstige ontwikkelingen van de kennistechnologie en artificiële intelligentie aan de hand van het artikel ‘The future world of AI’ van prof. H.J. van den Herik.

14.1.1 The future world of AI

Lees het artikel ‘The future world of AI’ van prof. H.J. van den Herik, als bijlage toegevoegd aan deze paragraaf.

In dit artikel roert Van den Herik een groot aantal thema’s aan die een belangrijke rol kunnen gaan spelen in de toekomstige ontwikkelingen van kennistechnologie en artificiële intelligentie. Hij illustreert die thema’s met voorbeelden, voornamelijk uit de schaakwereld, de rechtspraak en de schilderkunst.

Alleen al de diversiteit aan voorbeelden die Van den Herik aandraagt, illustreert het enorm brede toepassingsgebied van de kennistechnologie en artificiële intelligentie. Met de snel voortschrijdende ontwikkelingen op het gebied van de informatie- en communicatietechnologie is in steeds meer situaties te verwachten dat gebruik zal worden gemaakt van onderzoeksresultaten op deze terreinen.

14.1.2 Intuïtie

In fundamentele discussies over artificiële intelligentie is het altijd een thema geweest in hoeverre menselijke intuïtie in geautomatiseerde systemen is onder te brengen en in hoeverre dat van belang is voor het functioneren van intelligente systemen.

In de introductie formuleert van den Herik twee conclusies met betrekking tot intuïtie:
1 – intuïtie is voor een deel te programmeren
2 – intuïtie is niet altijd zo belangrijk als gedacht.

De overwinning in 1996 van het schaakprogramma Deep Blue op schaakwereldkampioen Kasparov ondersteunt deze conclusies. Tegelijkertijd moet men zich daarbij echter realiseren dat Deep Blue op een heel andere manier tewerkging als Kasparov. Deep Blue kon gigantische hoeveelheden zetten snel analyseren en enorme databanken raadplegen, terwijl Kasparov juist zijn intuïtie, inzicht en ervaring kon gebruiken.

> Opgave 14.1.1

14.1.3 Ontwikkelingen in AI

In de derde alinea in paragraaf 2 ‘Credits of computer-chess research’ stipt Van den Herik kort een aantal karakteristieke perioden aan in de ontwikkeling van het computerschaak die relevant waren voor de ontwikkelingen van kennistechnologie en artificiële intelligentie in bredere zin:
– in de jaren ’50 werden efficiënte zoektechnieken ontwikkeld die konden worden geïmplementeerd in de computers van die tijd; hiermee kon als het ware veel informatie worden opgeslagen en snel gevonden
– in de jaren ’60 werd het mogelijk om met complexere datastucturen te werken en op die te gebruiken als kennisrepresentaties; hiermee werd als het ware het kennisniveau toegevoegd
– in de jaren ’70 konden volledige bestanden worden opgebouwd en geïmplementeerd met de beste acties in gegeven situaties; deze ontwikkeling maakte het mogelijk om op veel grotere schaal informatie op te slaan en snel te verkrijgen
– in de jaren ’80 en ’90 konden op een hoger niveau strategieën voor optimale beslissingen worden ontwikkeld en toegepast.

Op wetenschappelijk gebied liggen in vele domeinen soortgelijke vragen als in computerschaak: op welke wijze kunnen de elementaire informatie- en kennisfeiten worden verkregen, gerepresenteerd (en geïmplementeerd) en gebruikt; op welke wijze kunnen op kennisniveau heuristieken worden ontwikkeld die de prestaties van de systemen verbeteren.

Daarnaast noemt Van den Herik nog enkele ontwikkelingen: machinaal leren en tekstinterpretatie. Op beide terreinen is reeds lange tijd onderzoek gaande en worden steeds meer resultaten geboekt. Aan machinaal leren wordt elders in deze cursus enige aandacht besteed, terwijl ook een van de vervolgcursussen daar geheel aan gewijd is; tekstinterpretatie is een onderwerp van een van de vervolgcursussen.

14.1.4 Opponent modelling

Een thema dat Van den Herik al in de introductie introduceert en in paragraaf 2 als belangrijke ontwikkeling aanstipt, is opponentmodelling: het modelleren van de tegenstander om daarop de eigen strategie aan te passen. In het vervolg van het artikel wordt opponentmodelling uitgewerkt aan de hand van drie voorbeelden: een juridische kwestie, het spel boter-kaas-en-eieren (TicTacToe) en een ‘strategieboom’.

> Opgave 14.1.2

> Opgave 14.1.3

14.1.5 Agenttechnologie

In paragraaf 10 van ‘The future world of AI’ koppelt Van den Herik opponent-modelling aan agenttechnologie. Agenttechnologie is een jonge loot aan de boom van onderzoek en toepassingen in de kennistechnologie en artificiële intelligentie. Op vele terreinen worden toepassingen van agenttechnologie voorzien. Door agenten het vermogen te geven zich een beeld te vormen van hun opponenten, of misschien nog wel breder: van hun hele omgeving waar de opponenten een onderdeel van zijn, kunnen waarschijnlijker betere agenten worden ontwikkeld.

Eén van de technieken die zou kunnen worden gebruikt om agenten een leervermogen te geven, zijn neurale netwerken, het laatste thema dat van den Herik aanroert in paragraaf 11. De ambitie waar in die paragraaf van wordt gerept, namelijk echte van vervalste schilderijen van topschilders onderscheiden, is hoog, maar fundamenteel zijn daar in principe geen belemmeringen voor.