Door Paul Ostendorf, futuroloog
Van Analytics naar superintelligentie
Onze samenleving is volledig afhankelijk van informatieverwerking. Als computers morgen en masse van het toneel zouden verdwijnen, is de chaos compleet. We zitten dan in één klap in het stenen tijdperk. Om vervolgens een decennium later of zo weer op te krabbelen tot ergens in de eerste helft van de vorige eeuw. Toen we alles nog zonder computer deden. Diep verlangend naar de tijd die eens was. De impact voor onze levensverwachting en welvaart zou niet te overschatten zijn. Ik durf dan ook met volle overtuiging te beweren dat computers en informatie van levensbelang zijn voor mens en samenleving.
Wat voor de maatschappij geldt, gaat ook op voor de onderneming. Bedrijven koesteren dan ook zowel de computer als de software en de data. Maar ondanks het besef van dit belang voel je instinctief ook dat er nog veel meer inzit. Informatieverwerking biedt weliswaar onbegrensde mogelijkheden maar in de beschikbare data zit de meest zinvolle informatie misschien wel heel diep verstopt. De vraag is: hoe krijg je dat boven water?
Analytics
Tijd voor een nieuwe aanpak. Analytics is het vakgebied dat tracht verborgen patronen in data te ontdekken. Daar komt nog heel wat bij kijken. Een hoop wiskunde - met name statistiek - geavanceerde analysemethoden en speciale software kunnen samen met specialisten waardevolle informatie vinden in data van de onderneming. De data van een bedrijf is grofweg op te splitsen in recorded data en calculated data. Met name die eerste verzameling biedt de meeste mogelijkheden voor Analytics. In de totale verzameling recorded data zit informatie die je zinvolle dingen kan vertellen over de economie, markt, klanten, processen, risico's, portfolio, marketing et cetera. Een voorbeeld dat mij deed verbazen was dat de verandering in het BBP van een land kon worden bepaald via de analyse van infrarood opnamen door satellieten. Hoe dat mogelijk is? Economische voorspoed gaat hand in hand met meer warmteontwikkeling. Bijvoorbeeld door meer transport of industriële activiteit. Door vele IR satellietfoto’s over langere tijd met elkaar te vergelijken, kon een reële indicatie van de verandering in het BBP worden vastgesteld. Leuk toch, dat je een foto van de economie kunt maken?
Machine Learning
Met de groei van recorded data en de ontwikkelingen rond Big Data in het achterhoofd ligt het voor de hand dat Analytics steeds complexer wordt. Met als gevolg dat we lang niet alles ontdekken wat er te ontdekken valt. Computers kunnen met speciale software zoals neurale netwerken ook zelf op zoek gaan naar verbanden en diepere inzichten. Zonder dat wij de queeste vooraf programmeren. Die software ontdekt dan zelf algoritmen om data uit te pluizen. Bevrijd van het voorgeprogrammeerde keurslijf zijn de mogelijkheden eindeloos. Deze techniek heet Machine Learning en wordt met de dag indrukwekkender. De overgang van Analytics naar Machine Learning is een grijs gebied. Je kunt niet aangeven waar het een ophoudt en het ander begint. Het wordt alleen steeds wonderbaarlijker. Door Machine Learning zijn computers sinds kort bijvoorbeeld net zo goed in spraakherkenning als mensen. Geen van beiden doen dat overigens perfect maar ze doen niet langer voor elkaar onder.
Deep Learning
Het logische vervolg van Machine Learning heet Deep Learning. Ook hier is wederom geen sprake van een duidelijke overgang. De software gebruikt wel steeds meer hiërarchische niveaus om correlaties, combinaties en permutaties te onderzoeken. En bewandelt paden die wij mensen niet eens zien. Als je deze software honderden foto’s van je familie of vrienden geeft, moet je in het begin aangeven wie wie is. Maar na verloop van tijd herkent de software bepaalde individuen. En wordt daar vanzelf steeds slimmer in. Hoe de software dat precies doet weten we niet. We weten alleen dat het er in onze hersenen net zo aan toe gaat. Maar waar wij misschien een paar honderd mensen bij naam kennen, zou een Deep Learning machine dit op den duur met alle mensen op aarde kunnen en dat met een snelheid die nooit door een mens kan worden geëvenaard.
Deep Learning kan ook worden gebruikt in machines. Mechanische defecten kunnen door het analyseren van geluiden tot ver voorbij de menselijke gehoorgrens worden gedetecteerd voordat ze zich manifesteren. Handig toch als de software in je auto vertelt dat het kogellager in je rechter voorwiel het binnenkort zal begeven? Vooral handig voor de autonome taxi’s waar we ons in de toekomst in gaan verplaatsen. Die hebben geen chauffeur die de wagen kent en problemen signaleert. Die voertuigen krijgen iets dat zelfs veel beter is.
AGI
Hoe indrukwekkend de prestaties ook zijn, software is nog altijd niet intelligent te noemen. Deep Learning software heeft de wereldkampioen Go verslagen. En Go schijnt nog veel moeilijker te zijn dan schaken. Maar als je de software die daarvoor verantwoordelijk was de ingrediënten voor erwtensoep geeft en vertelt dat je die vanavond bereid en wel op je bord wil zien, wordt het honger lijden. Natuurlijk kunnen we een programma ontwikkelen die alle bekende recepten uit de hele wereld klaarmaakt maar dat kan dan weer geen Go spelen. Het wachten is op software die echt intelligent te noemen is. Intelligent heeft niets te maken met een programma dat damt, schaakt, Go speelt of kampioen Jeopardy is. Die programma’s zijn hooguit slim te noemen omdat ze een trucje kennen dat wij mensen niet beheersen. Een computer is pas intelligent te noemen als het met succes iedere opdracht kan uitvoeren die een mens ook kan. We noemen dat Artificial General Intelligence (AGI) En mocht je denken dat AGI onmogelijk is, ga er dan maar vanuit dat je binnen 20 jaar zult ontdekken dat je er helemaal naast zat.
ASI
AGI is zo’n beetje de laatste serieuze uitvinding die de mens zal doen. Want als we eenmaal over een AGI beschikken, kan die alles voor ons doen wat gedaan moet worden. Zoals bijvoorbeeld een Artificial Super Intelligence (ASI) creëren. Iets dat zo adembenemend intelligent is dat de mens erbij in het niet valt.
We zitten op een cruciaal punt in de geschiedenis van de mensheid. Want hoe voorkom je dat AGI en ASI desastreus kunnen zijn voor het voortbestaan van die mensheid? Wat als die computers in de toekomst echt zo krachtig worden? Is er dan voor ons mensen nog iets te doen? Tot nu toe konden we wat betreft werk en inkomen altijd ‘vluchten’ naar werk dat niet door machines of computers kon worden uitgevoerd. Maar dat houdt dus een keer op! Met z’n allen achter de geraniums. En daar hoor je dan weer niemand over!
Van Analytics naar superintelligentie
Wat voor de maatschappij geldt, gaat ook op voor de onderneming. Bedrijven koesteren dan ook zowel de computer als de software en de data. Maar ondanks het besef van dit belang voel je instinctief ook dat er nog veel meer inzit. Informatieverwerking biedt weliswaar onbegrensde mogelijkheden maar in de beschikbare data zit de meest zinvolle informatie misschien wel heel diep verstopt. De vraag is: hoe krijg je dat boven water?
Analytics
Tijd voor een nieuwe aanpak. Analytics is het vakgebied dat tracht verborgen patronen in data te ontdekken. Daar komt nog heel wat bij kijken. Een hoop wiskunde - met name statistiek - geavanceerde analysemethoden en speciale software kunnen samen met specialisten waardevolle informatie vinden in data van de onderneming. De data van een bedrijf is grofweg op te splitsen in recorded data en calculated data. Met name die eerste verzameling biedt de meeste mogelijkheden voor Analytics. In de totale verzameling recorded data zit informatie die je zinvolle dingen kan vertellen over de economie, markt, klanten, processen, risico's, portfolio, marketing et cetera. Een voorbeeld dat mij deed verbazen was dat de verandering in het BBP van een land kon worden bepaald via de analyse van infrarood opnamen door satellieten. Hoe dat mogelijk is? Economische voorspoed gaat hand in hand met meer warmteontwikkeling. Bijvoorbeeld door meer transport of industriële activiteit. Door vele IR satellietfoto’s over langere tijd met elkaar te vergelijken, kon een reële indicatie van de verandering in het BBP worden vastgesteld. Leuk toch, dat je een foto van de economie kunt maken?
Machine Learning
Met de groei van recorded data en de ontwikkelingen rond Big Data in het achterhoofd ligt het voor de hand dat Analytics steeds complexer wordt. Met als gevolg dat we lang niet alles ontdekken wat er te ontdekken valt. Computers kunnen met speciale software zoals neurale netwerken ook zelf op zoek gaan naar verbanden en diepere inzichten. Zonder dat wij de queeste vooraf programmeren. Die software ontdekt dan zelf algoritmen om data uit te pluizen. Bevrijd van het voorgeprogrammeerde keurslijf zijn de mogelijkheden eindeloos. Deze techniek heet Machine Learning en wordt met de dag indrukwekkender. De overgang van Analytics naar Machine Learning is een grijs gebied. Je kunt niet aangeven waar het een ophoudt en het ander begint. Het wordt alleen steeds wonderbaarlijker. Door Machine Learning zijn computers sinds kort bijvoorbeeld net zo goed in spraakherkenning als mensen. Geen van beiden doen dat overigens perfect maar ze doen niet langer voor elkaar onder.
Deep Learning
Het logische vervolg van Machine Learning heet Deep Learning. Ook hier is wederom geen sprake van een duidelijke overgang. De software gebruikt wel steeds meer hiërarchische niveaus om correlaties, combinaties en permutaties te onderzoeken. En bewandelt paden die wij mensen niet eens zien. Als je deze software honderden foto’s van je familie of vrienden geeft, moet je in het begin aangeven wie wie is. Maar na verloop van tijd herkent de software bepaalde individuen. En wordt daar vanzelf steeds slimmer in. Hoe de software dat precies doet weten we niet. We weten alleen dat het er in onze hersenen net zo aan toe gaat. Maar waar wij misschien een paar honderd mensen bij naam kennen, zou een Deep Learning machine dit op den duur met alle mensen op aarde kunnen en dat met een snelheid die nooit door een mens kan worden geëvenaard.
Deep Learning kan ook worden gebruikt in machines. Mechanische defecten kunnen door het analyseren van geluiden tot ver voorbij de menselijke gehoorgrens worden gedetecteerd voordat ze zich manifesteren. Handig toch als de software in je auto vertelt dat het kogellager in je rechter voorwiel het binnenkort zal begeven? Vooral handig voor de autonome taxi’s waar we ons in de toekomst in gaan verplaatsen. Die hebben geen chauffeur die de wagen kent en problemen signaleert. Die voertuigen krijgen iets dat zelfs veel beter is.
AGI
Hoe indrukwekkend de prestaties ook zijn, software is nog altijd niet intelligent te noemen. Deep Learning software heeft de wereldkampioen Go verslagen. En Go schijnt nog veel moeilijker te zijn dan schaken. Maar als je de software die daarvoor verantwoordelijk was de ingrediënten voor erwtensoep geeft en vertelt dat je die vanavond bereid en wel op je bord wil zien, wordt het honger lijden. Natuurlijk kunnen we een programma ontwikkelen die alle bekende recepten uit de hele wereld klaarmaakt maar dat kan dan weer geen Go spelen. Het wachten is op software die echt intelligent te noemen is. Intelligent heeft niets te maken met een programma dat damt, schaakt, Go speelt of kampioen Jeopardy is. Die programma’s zijn hooguit slim te noemen omdat ze een trucje kennen dat wij mensen niet beheersen. Een computer is pas intelligent te noemen als het met succes iedere opdracht kan uitvoeren die een mens ook kan. We noemen dat Artificial General Intelligence (AGI) En mocht je denken dat AGI onmogelijk is, ga er dan maar vanuit dat je binnen 20 jaar zult ontdekken dat je er helemaal naast zat.
ASI
AGI is zo’n beetje de laatste serieuze uitvinding die de mens zal doen. Want als we eenmaal over een AGI beschikken, kan die alles voor ons doen wat gedaan moet worden. Zoals bijvoorbeeld een Artificial Super Intelligence (ASI) creëren. Iets dat zo adembenemend intelligent is dat de mens erbij in het niet valt.
We zitten op een cruciaal punt in de geschiedenis van de mensheid. Want hoe voorkom je dat AGI en ASI desastreus kunnen zijn voor het voortbestaan van die mensheid? Wat als die computers in de toekomst echt zo krachtig worden? Is er dan voor ons mensen nog iets te doen? Tot nu toe konden we wat betreft werk en inkomen altijd ‘vluchten’ naar werk dat niet door machines of computers kon worden uitgevoerd. Maar dat houdt dus een keer op! Met z’n allen achter de geraniums. En daar hoor je dan weer niemand over!