Commentaar

Zélfrijdend? Nog niet

Een klassiek verhaal uit de Artificiële Intelligentie is dat in de jaren zestig aan het MIT een zomerproject visuele cognitie werd gestart. Een zomer hard werken moest genoeg zijn. In de herfst zou dan verder gegaan worden met de modellering van de andere menselijke kennissystemen. Maar 50 jaar later is die visuele herkenning van de wereld, gewoon kijken, nog steeds een enorme drempel in de knappe ontwikkelingen met de zelfrijdende auto. In deze bijlage beschrijft Marc Hijink hoe op strakke rechte wegen de driverless car het best goed doet. Maar de binnenstad van Delft is een hel, met zijn aarzelende voetgangers, brutale fietsers en overwaaiende plastic zakjes. Een zelfrijdende auto trekt daar de handrem stevig aan en wacht op zijn chauffeur. Als de auto al alles kan zien, ontgaat de betekenis hem vaak. De kloof tussen model en werkelijkheid is nog steeds te groot.

Maar dat het op makkelijke wegen al wél lukt is een revolutie. In zijn invloedrijke boek The Master Algorithm: How the Quest for the Ultimate Learning Machine Will Remake Our World (2015) beschrijft computerwetenschapper Pedro Domingos de voortgang sinds dat hopeloze optimisme van de jaren zestig, toen ze dachten dat precieze omschrijvingen van ‘menselijke kennis’ en nauwkeurige voorschriften voor handelingen het zaakje wel zouden klaren. Het leidde tot veel teleurstelling. Pas met zelflerende netwerken in de jaren tachtig, die patronen konden leren die niet van te voren waren ingeprogrammeerd, ontstond weer hoop. Nu woedt een grote strijd tussen de verschillende scholen van zelflerende algoritmes. De ene kan beter omgaan met ruis, de ander met onzekere informatie, de volgende ziet beter welke info ontbreekt en weer een ander ziet vooral wat op elkaar lijkt. De kwestie is hoe al de sterke punten van de verschillende scholen te combineren zijn tot één masteralgoritme. Dat moet de ultieme en perfecte zelflerende machine worden. Ooit.