Wat is een algoritme, wat doet een neuraal netwerk?

Het AI-jargon in zeven begrippen.

Dit artikel is onderdeel van een IT-special over kunstmatige intelligentie.

- Het AI-woordenboek: Wat is een algoritme, wat doet een neuraal netwerk?
- Reportage Google Research Lab: Wat gebeurt er in de machinekamer van Google?
- Machine learning expert Max Welling: ‘Europa moet zorgen voor morele balans’
- Doe de stoomcursus AI: Wordt data-expert in één dag
- Genoeg investeerders in AI, maar waar blijven de zinnige AI-toepassingen?
- Waarom deze special? Kunstmatige intelligentie is mensenwerk.

Kunstmatige intelligentie of AI (artificiële intelligentie) is een verzamelbegrip voor de wetenschap die probeert apparaten slim te maken. De computer heeft geen bewustzijn als een mens, maar AI krijgt een menselijk tintje door toepassingen als chatbots (software doet zich voor als mens), robots en ‘begrip’ van spraak, taal en muzieksmaak.

Machine learning is een onderzoeksveld van AI dat patronen haalt uit data. De ontwikkeling raakt in een stroomversnelling nu de cloud rekenkracht in overvloed biedt. Daardoor kan de computer gesproken woord verstaan, teksten vertalen en plaatjes begrijpen. Computer vision gebruikt machine learning en is de drijvende kracht achter de robotauto.

Een neuraal netwerk is een methode om patronen in data te ontdekken. De software bootst een structuur na die lijkt op de neuronen van het menselijke brein, opgebouwd in tientallen of honderden lagen (‘deep learning’). Het netwerk kan worden getraind met voorbeelden die door mensen zijn geclassificeerd, maar vindt ook patronen in ongelabelde data.

Algoritmes zijn een reeks instructies die je gebruikt om een berekening te doen. Zowel neurale netwerken als machine learning gebruiken algoritmes. Het trainen van een neuraal netwerk is een algoritme. Een algoritme dat machine learning gebruikt laat de computer data clusteren (bijvoorbeeld groepen maken van mensen die op elkaar lijken).

Correlaties geven de samenhang weer tussen variabelen. Correlaties hebben geen noodzakelijk causaal verband en geven daarom een te simplistisch beeld van de werkelijkheid. Er is een correlatie tussen het aantal Nobelprijs-winnaars en hoge chocoladeconsumptie, maar geen causaal verband (de reden: Zwitserland heeft veel universiteiten).

Stereotypen kunnen makkelijk in een algoritme sluipen. Bijvoorbeeld door de computer te voeren met verkeerde data. Zo werkte spraakherkenning lange tijd niet goed met vrouwenstemmen, omdat de software getraind werd met mannelijke voorbeelden. Software die emoties herkent, had het mis bij kinderen: hun foto’s ontbraken in de dataset.

Ongewenste effecten kunnen optreden als algoritmes op verkeerde factoren letten, gebaseerd op data uit het verleden. Dat risico schuilt in predictive policing: als agenten extra controleren in wijken met hogere criminaliteitscijfers, groeit de kans dat daar meer mensen worden gearresteerd en zo het criminaliteitscijfer nog verder stijgt.