En dat valt vervolgens dan ineens erg tegen: sommige wegen zijn toch wel erg smal en druk, de boordcomputer kan niet zien of er sneeuw op de weg ligt en soms gebeuren er ook nog serieuze ongelukken. Dan wordt het een tijdje stil – of er is weer iets nieuws dat de aandacht afleidt – maar nog wat later blijk je dan toch ineens iets nuttigs te kunnen met zo’n uitvinding, ook al is het misschien minder spectaculair.
ICTers en toekomstvoorspellers kennen dit patroon als de Hype Cycle. Gartner, het onderzoeksbureau dat die term bedacht heeft, maakt elk jaar leuke staatjes waarin je kunt zien hoe het met nieuwe uitvindingen gaat. In 2015 waren autonome auto’s nog helemaal je van het, maar augmented reality was ver weggezakt in de belangstelling. Nu we Pokémon Go hebben, weten we dat er in ieder geval één toepassing van augmented reality is die niet meer weg gaat.
Artificial Intelligence / AI / kunstmatige intelligentie is ook zo’n uitvinding, maar dan net iets anders. Voor AI begint de hype cycle namelijk telkens weer van voor af aan. In plaats van een slope of enlightenment, als er langzaam toch echt bruikbare toepassingen worden gevonden, glijdt AI altijd weer terug naar het nulpunt. Lange, donkere perioden van vergetelheid. Dat is al zo vaak gebeurd dat er een aparte naam voor is: AI-winters.
Een mooi overzicht daarvan vind je in een animatie van ene Frank Chen, die 45 minuten duurt. Inclusief een happy end, want nu is alles anders! We hebben deep learning, dus vanaf nu wordt AI alleen nog maar beter.
Het is denk ik goed om te weten dat Frank Chen voor Andreessen Horowitz werkt. Dat zijn van die investeerders, venture capitalists. Die Horowitz ken ik niet, maar Marc Andreessen heeft de eerste fatsoenlijke Internet-browser gemaakt en daar een smak geld mee verdiend. Dat soort mensen vindt het vaak leuk om te kijken of ze nog eens binnen kunnen lopen, maar dan met een leuke start-up van iemand anders.
Het lijkt me leuk werk: je krijgt de hele dag mensen langs met spannende nieuwe ideeën en jij kunt over hun lot (of in ieder geval dat van hun ideeën) beslissen als een Romeinse keizer over het leven van een gladiator. Duim omhoog: we gaan in je investeren, duim omlaag: fijne dag nog, volgende pitch a.u.b. Iedereen is aardig voor je en wil komen praten, je hoeft nooit meer zelf koffie te halen en je kunt in een t-shirtje naar je werk.
En als je op de goede startup gokt, kun je lekker verdienen door hem naar de beurs te brengen of door te verkopen. Aangezien je dan toekomstige waarde verkoopt – geen enkele investeerder wacht met verkopen tot er een keer winst wordt gemaakt - is het wel handig een mooi rooskleurig verhaal klaar te hebben voor geïnteresseerde kopers. Hou dat even in de gaten als je de animatie gaat bekijken.
Katten
In 2012 zijn ze er bij Google en Stanford University zo in geslaagd met 16.000 aan elkaar gekoppelde computers 10 miljoen YouTube video’s te sorteren op onderwerp. YouTube staat vol met video’s van katten en die werden gelukkig ook als apart onderwerp herkend. Dat was een doorbraak.
Het herkennen van gesproken taal is een ander succesnummer van de nieuwe AI. Siri en Google Now kunnen losse woordjes uitstekend herkennen. Ik heb een Italiaanse woordenboekje van Van Dale op mijn telefoon en als ik een woord wil opzoeken door het in te spreken, verstaat het me bijna altijd goed. Heel handig.
Maar ook weer niet perfect. Als je wilt dat Siri en Google Now hele zinnen herkennen, moet je helpen door de woorden los van elkaar uit te spreken. Normaal doe je dat natuurlijk niet. Sterker nog, als je gewoon praat, spreek je de helft van de letters in een woord nìet of anders uit. Als mijn dochter “aanmaaklimonade” zegt, klinkt het als “ameklimenade””. Niemand spreekt de “o” in “limonade” uit als een mooie ronde “o”. Niemand spreekt de “n” voor de “m” ook als een “n” uit. En dat valt niemand op, kennelijk is het niet nodig om begrepen te worden. Behalve dan voor Google en Siri.
Automatisch vertalen wordt vaak in één adem met de andere succesnummers van automatisch leren genoemd. Daar begrijp ik helemaal niks van. Toen ik Word net even opstartte, kreeg ik een enthousiast berichtje over nieuwe mogelijkheden om samen met anderen aan een tekst te werken. Er was meer informatie over, maar die was wel automatisch vertaald, het stond er netjes bij. Toen ik doorklikte kreeg ik dit op mijn scherm:
"Als u wilt onderzoeken en schrijven over een onderwerp voor uw paper universiteit of school project, gebruikt u onderzoeker in Word 2016 zodat u een aan de slag met in het schrijven van uw paper."
Blij dat ik het weet. Mag ik toch nog even het Engels zien?
Hoe loopt dit af?
Voor sommige mensen is het moment dat computers intelligenter zijn dan wijzelf al bijna aangebroken. Kijk maar eens naar de plaatjes bij dit stuk van Tim Urban. Zwaar overdreven, maar erg onderhoudend. (Net als zijn TED Talk over uitstellen trouwens, Inside the mind of a master procrastinator.) Toch zijn er veel mensen die dit serieus nemen en al zitten te zenuwen over hun baantjes.Maar er zijn er ook die vinden dat de AI-wetenschappers en de Googles en de Apples zichzelf zwaar overschatten. Als je de maatschappelijke impact van de iPhone bijvoorbeeld vergelijkt met die van de auto of van stromend water dan is die, afgezien van de entertainment-waarde, miniem. Elektrisch licht, wasmachines en auto’s hebben mensen ongelofelijk veel productiever gemaakt, en dus rijker. Dat geldt ook nog een beetje voor tekstverwerkers en spreadsheets, maar smartphones of tablets? Leuk: ja, productief: nou nee, niet echt.
Toen Robert Gordon, een top-econoom waar ik nog nooit van had gehoord, dat zei, werd het niet echt gewaardeerd. In Amerika moet je technologie-optimist zijn, maar hij verpest het feestje door te verwachten dat we weer teruggaan naar een economische groei van 0,2 procent per jaar, net als tussen 1300 en 1700. Daar is ook een leuke TED Talk over trouwens, vooral het stukje waarin hij voorrekent hoeveel vervuiling de voorgangers van de auto, paarden, veroorzaakten.
Zelf zie ik niet zo goed waar die superieure automatische intelligentie vandaan moet komen. Wat de AI-wereld nu presteert is nieuw en indrukwekkend, maar tegelijk ook beperkt: met brute computerkracht patronen (katten of woorden) herkennen in tienduizenden afbeeldingen of opnames. Dat heeft weinig met begrip of intelligentie te maken. Een kind heeft geen 300 voorbeelden nodig om te leren wat een kat is.
Waar ik wel van opkeek is een Amerikaans onderzoek, waaruit bleek dat een computerprogramma rapporten van een patholoog die weefsel heeft onderzocht op kwaadaardige cellen even goed of beter kan interpreteren dan de behandelende arts. En sneller en goedkoper. Bij een steekproef van 7.000 rapporten. In Nederland gebeurt trouwens vergelijkbaar onderzoek.
Met dit soort dingen komt AI wèl verder in de hype cycle. Gaat het nu dan toch een keer anders?
