Elektrische hersenen IV (slot)

NEURALE NETWERKEN zijn bedacht naar analogie van onze hersenen. Elektronische neuronen vormen een simpele afspiegeling van echte neuronen. Maar werkt een neuraal netwerk daarmee ook net als echte hersenen? Vormen ze de sleutel tot potente elektronische intelligentie? Om dat te bekijken moeten we even terug naar MENACE, de boter, kaas en eieren lerende hoop van 288 met kralen gevulde luciferdoosjes, die precies laat zien hoe neurale netwerken leren.

In MENACE stond elk doosje voor een van de mogelijke bordstanden bij boter, kaas en eieren. Elk van de negen speelvakjes had een eigen kleur, en van elke kleur waren er kraaltjes, aanvankelijk willekeurig verspreid over de doosjes. MENACE gaf zijn volgende zet doordat de menselijke tegenstander uit het doosje dat de bestaande stand weergaf, blind een kraal trok, en een kruisje zette in het vakje van die kleur. Won MENACE, dan ging er in elk gebruikt doosje een extra kraaltje van de daaruit getrokken kleur, verloor MENACE, dan werd bij elk gebruikt doosje de getrokken kraal weggehaald. Zo werd de kans om uit elk doosje een winnende voortzetting te trekken langzaamaan steeds groter. Uiteindelijk wint MENACE altijd. De doosjes, vergelijkbaar met de neuronen in een neuraal netwerk, leren dus als collectief iets ingewikkelds te doen.

MENACE leert door schade en schande, door straf en beloning. Deed MENACE het fout, dan werden er kraaltjes afgepakt, had MENACE succes, dan kreeg het extra kraaltjes, en zo werd MENACE verstandig. In de vroege jaren '60, toen MENACE werd bedacht, meende de gangbare psychologie dat mensen ook zo werkten. Het was de nazomer van het rond 1910 door de Amerikaan J.B. Watson ontwikkelde behaviorisme. Behaviorisme was aanvankelijk meer een methode dan een theorie. Watson gruwde van het in de toenmalige psychologie gebruikelijke geleuter over ongrijpbare vermogens en onduidelijke aandriften, en stelde in de beste wetenschappelijke traditie voor om zich bij het onderzoek naar de menselijke psyche te beperken tot datgene wat objectief observeerbaar, meetbaar was: invloeden op mensen en daaruit voortkomend gedrag. Prikkels dus, en de reacties daarop. Jammer genoeg ging die gedachte met hem op de loop, en verhieven hij en zijn volgelingen de methode al snel tot theoretisch dogma: wat je niet rechtstreeks kon observeren, mocht eenvoudigweg niet bestaan.

Behaviorisme heeft decennialang vooral de Amerikaanse psychologie in een wurgende greep gehouden en drukt ook vandaag nog zijn stempel. De hegemonie ervan begon pas af te brokkelen in 1957, na een vernietigende bespreking door Noam Chomsky van het boek 'Verbal Behavior' van de toenmalige paus van de Amerikaanse psychologie, B.F. Skinner. Kort samengevat was Chomsky's argument: mensen zijn geen pedaaldrukkende ratten. En evenmin, kunnen we daaraan toevoegen, zijn lucifersdoosjes of computerneuronen mensenhersens.

Het leervermogen van MENACE berust op vier pijlers: 1) MENACE leert stapje voor stapje, door heel veel oefenen; 2) Er is een duidelijk onderscheid tussen succes en falen, het probleem is overzichtelijk en beoordeelbaar; 3) Aanvankelijk is de verdeling van de kraaltjes over de doosjes willekeurig. Met andere woorden, MENACE weet aanvankelijk niets. Het is een 'tabula rasa', een onbeschreven blad; 4) Het oordeel over de geleverde prestatie komt van buiten. De tegenstander kijkt wie gewonnen heeft, en deelt straf of beloning uit.

Dat lijkt niet of nauwelijks op spontaan menselijk leren, zoals kinderen doen - en juist voor dat soort vaardigheden wil men neurale netwerken inzetten. Elk kind weet na één keer zijn fikken branden dat je van pannen en kachels af moet blijven. Wie één keer een berg of een kuil ziet, weet wat dat is, zonder uitleg. Kinderen leren op zeker moment wel zo'n vijftig woorden per dag, grotendeels zonder uitleg en na één keer horen. Een baby kan eerst heel lang niet, en dan ineens wel op zijn benen staan. Zelfs de dingen die wel langzaam door oefening groeien, zoals pianospelen, gaan met horten en stoten. Begrippen als 'goed' en 'fout' zijn meestal niet relevant. Wat is er 'goed' of 'fout' aan het leren maken van een visuele representatie in de hersenen van een beker of rammelaar? Verder gaat het juist vaak om vaardigheden en problemen die hoogst ingewikkeld en onoverzichtelijk zijn. Bovendien komen mensen niet 'rasa' ter wereld. Dat zie je aan het in één keer 'herkennen' van dingen, maar bijvoorbeeld ook aan het verschijnsel dat baby's die nog nooit gevallen zijn, het op een glasplaat hoog boven de grond vaak spontaan Spaans benauwd krijgen. Ze kennen Newtons wet van de zwaartekracht!

Tenslotte is er bij mensen nauwelijks sprake van directe sturing van buitenaf. Niemand zegt een kind voor hoe het moet lopen, niemand vertelt het hoe zijn visuele cortex een beeld op zijn netvlies moet verwerken. Mensen interpreteren en concluderen van alles op eigen houtje. Dat is het grootste verschil met neurale netwerken: die moeten door training al hun kennis expliciet voorgekauwd krijgen. Daardoor kan een netwerk, net als een gewoon programma, niets meer dan er is ingestopt. De meeropbrengst is niet de vrucht van intelligentie, maar van het feit dat een neuraal netwerk geen absolute, maar slechts waarschijnlijke resultaten oplevert. Waar een gewoon programma vastloopt, komt er nog wel wat uit een netwerk. Maar daar staat een verminderde betrouwbaarheid van 'alle' uitkomsten tegenover.

Zijn neurale netwerken dan nutteloze speeltjes voor fantasten? Allerminst. Ze hebben een aantal heel nuttige eigenschappen. Je kunt er binnen zekere grenzen dingen mee programmeren die lastig expliciet te formuleren zijn. Ze zijn bovendien, doordat geen enkel van de duizenden neuroontjes een sleutelfunctie heeft, veel beter bestand tegen beschadiging dan een gewoon computerprogramma. Dat kan van levensbelang zijn. Maar echt intelligent gedrag valt er niet van te verwachten, laat staan creativiteit. Voor echte hersenen is toch meer nodig dan een ongestructureerde hoop neuronen. Wat dat 'meer' is, kunnen we helaas niet van neurale netwerken leren, omdat we ze wel kunnen laten werken, maar dan, net als bij echte hersenen, niet meer kunnen zien hoe ze dat doen.

    • Rik Smits