Artificiële oftewel kunstmatige intelligentie kent een lange historie. In toenemende mate wordt AI toegepast in ons dagelijks leven. Dankzij ‘technologische’ ontwikkelingen als big data, cloud computing, slimmere robotica en krachtige sensor-technologie ontstaan op tal van terreinen digitale assistenten die sterk op mensen lijken. Leren, opleiden en onderwijs zullen hier vermoedelijk ook niet aan ontsnappen.
Irving Wladawsky-Berger heeft een blogpost geschreven naar aanleiding van een expertpanel van het Wereld Economisch Forum en een studie van de Stanford Universiteit over AI. De toon is optimistisch, ook al durven experts weinig voorspellingen te doen over de gevolgen die AI zal hebben voor banen, bedrijven en bedrijfstakken. We hoeven ons echter geen zorgen te maken dat machines zelf lange termijn doelen en intenties zullen formuleren, om daar naar te handelen. De toepassingen die ontwikkeld zullen worden, zullen vermoedelijk vooral een positieve impact hebben op de samenleving. Tegelijkertijd zullen deze toepassingen grote gevolgen hebben voor menselijke arbeid die versterkt of vervangen zal worden door AI.
Irving Wladawsky-Berger beschrijft de achtergrond en ontwikkeling van AI (van teleurstellende schaaktoepassingen via IBM’s Deep Blue en Watson tot Google’s AlphaGo). Daaruit blijkt dat de toepassing ervan met ups en downs steeds complexer en geavanceerder wordt. Hij hanteert de definitie van Nilsson die AI omschrijft als de activiteit die machines intelligent maakt. Intelligentie is dan de kwaliteit die een entiteit is staat stelt passend te functioneren binnen zijn omgeving, met een vooruitziende blik.
Wladawsky-Berger signaleert de volgende trends op het gebied van AI, die ook invloed zullen hebben op leren, onderwijs en opleiden:
- Grootschalige machine learning. Computers worden niet meer expliciet geprogrammeerd, maar ‘leren’ op basis van grote hoeveelheden data die we genereren en kunnen analyseren via algoritmes.
- Deep learning. Dit is in feite de overtreffende trap van machine learning. Hierbij wordt bijvoorbeeld gebruik gemaakt van objectherkenning en video labelling, audio, spraak en taalverwerking.
- Reinforcement learning. Hierbij gaat het niet langer om het genereren van patronen, maar om het gebruik van AI voor nemen van beslissingen en het uitvoeren van acties in de echte wereld.
- Robotica. Robots worden ‘getraind’ om steeds slimmer te interacteren met hun omgeving (generaliseren en voorspellen). Ze gaan waarnemen, voelen en kracht uitoefenen.
- Computer vision. Computers kunnen visuele classificatietaken beter uitvoeren dan mensen (herkennen van afbeeldingen en video’s).
- Natural Language Processing. Computers worden steeds beter in het verwerken van taal, en zelfs in het voeren van dialogen.
Machines worden dan “human-aware”: zij zijn speciaal ontworpen om te handelen naar de eigenschappen van mensen met wie zij van plan zijn te interacteren.
Als deze ontwikkelingen zich doorzetten, dan kunnen computers beter worden in het instrueren en begeleiden van lerenden, en zich zelfs bezig houden met de persoonlijke ontwikkeling van lerenden (en niet alleen met kwalificatie). Nu kunnen computers nog vooral reageren op routinematige vragen (en dat is al heel wat). Dat wordt echter anders als computers in staat zijn complexe vragen te doorgronden en beantwoorden, en als zij daadwerkelijk empathie kunnen tonen.
Wellicht is de stelling van het komende Online Educa Debat
This House believes artificial intelligence (AI) could, should and will replace teachers
toch niet zo heel boud als op het eerste oog lijkt. Over de termijn waarop dit mogelijk is, valt nog niets te zeggen. De geschiedenis van AI toont immers ook de nodige pieken en dalen.
This content is published under the Attribution 3.0 Unported license.
Geef een reactie