De digitale butler

Kunstmatige intelligentie interesseert me al sinds mijn jonge jaren. Maar ik had nooit gedacht dat er een moment zou komen dat ik er als ondernemer trendsetter in zou kunnen worden. Toch lijkt dat een onafwendbaar resultaat van wat tijdens het Chessity Event 2017, op 19 november, staat te gebeuren.

Vanmorgen op de fiets startte ik mijn favoriete podcast De technoloog van BNR Nieuwsradio, een podcast waarin Herbert Blankesteijn en Ben van der Burg wekelijks in gesprek gaan met spraakmakende experts over technologische ontwikkelingen en de impact op onze samenleving. 

Ik viel met mijn neus in de boter. Een geweldig uur met de visie over kunstmatige intelligence met trendwatcher Jarno Duursma. Hij geeft een mooie bloemlezing van wat je kunt verwachten in zijn prachtige boek De digitale butler, een boek over het groeiende belang van kunstmatige intelligentie en machine learning voor ons dagelijks leven en voor de industrie.

Ben van der Burg is in deze aflevering zoals altijd een geweldige host. Hij blijft mij verbazen met zijn supergoede vragen en diepe inzichten in de wereld van techniek. Wat ik bij hem zo knap vind is dat het hem lukt om heel moeilijke vragen zo in te kleden dat hij ze kan stellen zonder luisteraars weg te jagen en dat hij de antwoorden vervolgens vereenvoudigd weet samen te vatten. Het resultaat is een podcast voor het grote publiek. Prachtig!

Gebruik jij Chessity voor je schaaklessen en wil je naast naast Chessity gebruiken ook begrijpen hoe Chessity kunstmatige intelligente gebruikt voor nieuwe ontwikkelingen, dan is deze podcast een mooie opstap!

In de basis hoop ik naturlijk dat je gewoon geniet van wat we allemaal voor je maken. Toch vertel ik je maar al te graag hoe ik aankijk tegen kunstmatige intelligentie.

Kunstmatige intelligentie is een groot begrip. Mijns inziens gaat het vooral bij 'algemene kunstmatige intelligentie' om een 'overpromised en underdelivered verhaal', zoals de mannen in de podcast het noemen: er wordt veel beloofd, maar nog niet zo veel echt waargemaakt. Ik zie morgen niet zo maar een 'engine' ontstaan die onze menselijke intelligentie overstijgt.

Schaken is ideaal voor kunstmatige intellingentie

Heel anders ligt het bij gespecialiseerde kunstmatige intelligentie. Na het beluisteren van deze podcast begrijp je waarom Chessity met schaken een perfect klein domein heeft om kunstmatige intelligentie te implementeren. Schaken is namelijk een mooi door regels afgebakend spel.

Deze afbakening maakt het voor ons mogelijk deep learning toe te passen met een model van rule-based learning en supervised learning. Bij deep learning kan een algoritme zelfstandig nieuwe vaardigheden leren. De werking ervan is geïnspireerd op de werking van het menselijk brein. Hoe meer ‘computation’-tijd je het geeft, hoe beter het algoritme wordt.

Normaal gesproken schrijf je een programma om op basis van input een bepaalde output (rule-based learning) te realiseren. De klassieke schaakengine is hiervan een voorbeeld. Bij superviced learing (gecontroleerde deep learning) krijgt het algoritme voorbeelden van invoer en bijbehorende uitvoer. Het leert op basis van deze voorbeelden hoe de eigenschappen van de invoer bepalend zijn voor de uitvoer. Na de leerfase kan het algoritme ook voor nieuwe invoer zelfstandig de juiste uitvoer produceren.

Je zult als eindgebruiker vooral een prachtige symbiose gaan ervaren tussen de leerling en techniek. 

In ons geval houdt dit in dat het Chessity-systeem leert van de leerlingen en de input die de leerlingen geven. Dit biedt voor ons de kans om transfer learning toe te passen. Bij transfer learning wordt informatie die is verkregen om het ene probleem op te lossen toegepast om een ander probleem op te lossen. Een computer die bijvoorbeeld heeft geleerd om auto's te herkennen, gebruikt de informatie uit dat leerproces vervolgens ook als hij probeert vrachtwagens te herkennen. 

Hiervoor hebben we onze modellen getraind met data van bestaande leerlingen. Bij nieuwe leerlingen kunnen we nu versneld weten wat ze moeten leren en wanneer ze dat moeten leren: just-in-time learning. Bovendien weten we ook vast te stellen wanneer het geleerde wordt toegepast in de schaakpartij. Je zult als eindgebruiker vooral een prachtige symbiose gaan ervaren tussen de leerling en techniek. 

De grote vraag blijft nu: hoe ziet deze kunstmatige intelligentie er dan uit bij Chessity uit? Dat onthullen we op het Chessity Event 2017.  Hopelijk zien we je op 19 november! 

Ook interessant

Jeremy Howard, data-wetenschapper en entrepreneur, geeft in zijn Ted-talk een demonstratie van deep learning, waarin hij onder andere ingaat op het gebruik van deep learning als wapen tegen kanker.