Hoofdstuk 1: artificiële intelligentie
1.1 wat is AI?
1.1.1 twee misverstanden
AI: reeks methoden en softwaretechnieken waarmee informatiesystemen worden gebouwd die
mentale taken aankunnen (problemen oplossen, plannen maken, taal begrijpen en produceren,…)
°kan niet op zichzelf bestaand à andere technologieën nodig: telecommunicatie,
computertechnologie, software, sensoren, actuatoren, computerhardware
1.1.2 twee voorbeelden
1.1.2.1 voorbeeld 1: navigatie
°AI om beste pad te vinden via algoritme: -zo snel mogelijk een oplossing vinden
-rekening houden met omstandigheden, wensen,…
°kan intelligenter worden door: -meer kennis vb: evenementen vermijden (file)
-werking via spraak en het geven van instructies
-leeralgoritme: gewoonten van de bestuurder, te vermijden wegen,…
1.1.2.2 voorbeeld 2: medische diagnose
°invoeren van symptomen om diagnose te maken, interpretatie van metingen (vb: scanners)
°in teksten zoeken naar gelijkaardige gevallen en bijbehorende beste behandeling vinden
1.2 hoe werkt AI?
Representatie van Verzameling van opgeloste gevallen
informatie over probleem
Implemetatie in machine Representatie van kennis Leer algortime
°schaakcomputer: -probleemrepresentatie: stukken op het bord
-representatie van kennis: spelregels en strategieën
-kennisprocessor: kennis toepassen op configuratie van stukken
-feedback over afloop van een zet om kennis uit te breiden
°schaalvergroting is een probleem: -technisch: opslagcapaciteit en toegang
-methodologisch: gigantische systemen bouwen en beheren
Emergent behavior: gedrag software dat ontstaat door kennis van het gebruik (vb: waze)
1.2.1 de kennisgebaseerde benadering
°onderscheid tussen kennisgebaseerde en datagebaseerde benadering
°kennisgebaseerde benadering geïnspireerd op hoe mensen problemen oplossen
ð Voordeel: inhoud en gedrag is herkenbaar voor expert en gebruiker
ð Nadeel: kennis expert niet makkelijk te analyseren en tijdrovend
°3 richtingen van het onderzoek en de toepassingen:
1) automatisch informatie halen uit tekst en informatie
2) collectieve crowdsourcing zoals wikipedia à participanten voegen kennis toe
à vb: oplijsten van webpagina’s bij invoeren van zoekterm
3) autonome agents: kunnen zelf dingen opzoeken op het web à geeft echte antwoorden
à vb: SIRI
1.2.2 de datagebaseerde benadering (machine learning)
°vertrekt van data over gedrag mens (genomen beslissingen of waargenomen verschijnselen)
ð in die data patronen herkennen om nieuwe problemen op te lossen
°artificiële neurale netwerken (ANN) spelen belangrijke rol
ANN: wiskundige modellen in computers met software of in chips met hardware
ð voor classificatie, diagnose, predictie en patroonherkenning
ð netwerk van enkele lagen artificieel neuronen
artificieel neuron: lineaire combinatie van ingangen, vermenigvuligd met gewichten en drempel
, waarop niet-lineaire functie wordt uitgevoerd
°gewichten neuronen aangepast tot ANN verband ingangen en uitgangen goed weergeeft
Vb: duizende foto’s van honden en katten gebruiken om ze te kunnen onderscheiden
Generalisatie: het herkennen van iets ongezien door het leerproces van gekende dingen
°deep learning: ANN met meerdere lagen door leertechnieken, hoge rekenkracht en veel data
°toekomst deep learning: 1) generatieve aanpak: van superviseerd naar ongesuperviseerd leren
2) reinforcement learning: leren zonder voorbeelden
1.2.3 toekomst
°combinatie van technieken: -kennisgebaseerde voor rationeel beredeneren
-datagebaseerde voor grote hoeveelheden data of patroonherkenning
°menselijke expertise is van groot belang
°AI kan nieuwe aspecten vinden die de mens niet inziet en nieuwe verbanden leggen
IA (intelligence amplification): versterking van de (menselijke) intelligentie
Augmented intelligence: uitbreiding van menselijke intelligentie
1.3 opportuniteiten
1.3.1 vervoer
°autonomie van vervoer aangestuurd door intelligentie auto en transportsystemen
°navigatiesystemen, onderhoud en reparatie verbeteren door diagnosesystemen
°drones die op korte afstand leveringen doen
°smart city: verkeer meten en beter cöordineren
°efficiënt transport van materialen (vb amazon)
°delen van transportmiddelen ondersteuenen door patronen in vraag en aanbod
1.3.2 gezondheidszorg
°herkennen van patronen in tesdata (vb: scanners), medische diagnoses, thuis patiënten volgen,…
°probleem door privacy en betrouwbaarheid van leeralgoritmen
1.3.3 onderwijs
°intelligente tutors maken model van kennis leerling voor gepersonaliseerde feedback
°grootste probleem is de systemen bij de mogelijke gebruikers brengen
°data over leerpatronen om cursussen te verbeteren
1.3.4 veiligheid
°gezichtsherkenning, automatische vertaling, patroonherkenning, automatisch leren om
voorspellingen te doen waar problemen kunnen ontstaan
°defensie: AI voor oorlogsvoering (robots, automatische wapens, logistei,..)
1.3.5 robots
°problemen in mechanica, batterijen, veiligheid en productie zijn groot
°vooral in industriële productie eenheden voor aanbrengen componenten en kwaliteitscontrole
1.3.6 cultuur
°distribueren van muziek à enorm muziek aanbod en hulp in het ontdekken van nieuwe dingen
°moeilijkheden in verloning, piraterij
1.3.7 achtergestelde groepen
°mensen in kansarmoede kansen geven die ze anders nooit zouden krijgen
ð onderwijs, medische zorg, expertise (vb in landbouw, bosbeheer, urbanisme,..)
°AI-programma’s achter sociale media geven groepen een stem die anders geen kans krijgen
1.4 risico’s
°oneigenlijk gebruik, onbetrouwbaarheid, gebrek aan transparantie en verantwoordelijkheid,
schendig van rechten en verlies van menselijke kennis
°EU regelt datagebruik en burgerrechten i.v.m. geautomatiseerde individuele besluitvorming
1.4.1 oneigenlijk gebruik
°bewust zijn van de limieten van AI, nog veel problemen rond AI niet opgelost
°toepassingen AI moeten op randvoorwaarden berusten, anders resultaten teleurstellend/gevaarlijk
1.1 wat is AI?
1.1.1 twee misverstanden
AI: reeks methoden en softwaretechnieken waarmee informatiesystemen worden gebouwd die
mentale taken aankunnen (problemen oplossen, plannen maken, taal begrijpen en produceren,…)
°kan niet op zichzelf bestaand à andere technologieën nodig: telecommunicatie,
computertechnologie, software, sensoren, actuatoren, computerhardware
1.1.2 twee voorbeelden
1.1.2.1 voorbeeld 1: navigatie
°AI om beste pad te vinden via algoritme: -zo snel mogelijk een oplossing vinden
-rekening houden met omstandigheden, wensen,…
°kan intelligenter worden door: -meer kennis vb: evenementen vermijden (file)
-werking via spraak en het geven van instructies
-leeralgoritme: gewoonten van de bestuurder, te vermijden wegen,…
1.1.2.2 voorbeeld 2: medische diagnose
°invoeren van symptomen om diagnose te maken, interpretatie van metingen (vb: scanners)
°in teksten zoeken naar gelijkaardige gevallen en bijbehorende beste behandeling vinden
1.2 hoe werkt AI?
Representatie van Verzameling van opgeloste gevallen
informatie over probleem
Implemetatie in machine Representatie van kennis Leer algortime
°schaakcomputer: -probleemrepresentatie: stukken op het bord
-representatie van kennis: spelregels en strategieën
-kennisprocessor: kennis toepassen op configuratie van stukken
-feedback over afloop van een zet om kennis uit te breiden
°schaalvergroting is een probleem: -technisch: opslagcapaciteit en toegang
-methodologisch: gigantische systemen bouwen en beheren
Emergent behavior: gedrag software dat ontstaat door kennis van het gebruik (vb: waze)
1.2.1 de kennisgebaseerde benadering
°onderscheid tussen kennisgebaseerde en datagebaseerde benadering
°kennisgebaseerde benadering geïnspireerd op hoe mensen problemen oplossen
ð Voordeel: inhoud en gedrag is herkenbaar voor expert en gebruiker
ð Nadeel: kennis expert niet makkelijk te analyseren en tijdrovend
°3 richtingen van het onderzoek en de toepassingen:
1) automatisch informatie halen uit tekst en informatie
2) collectieve crowdsourcing zoals wikipedia à participanten voegen kennis toe
à vb: oplijsten van webpagina’s bij invoeren van zoekterm
3) autonome agents: kunnen zelf dingen opzoeken op het web à geeft echte antwoorden
à vb: SIRI
1.2.2 de datagebaseerde benadering (machine learning)
°vertrekt van data over gedrag mens (genomen beslissingen of waargenomen verschijnselen)
ð in die data patronen herkennen om nieuwe problemen op te lossen
°artificiële neurale netwerken (ANN) spelen belangrijke rol
ANN: wiskundige modellen in computers met software of in chips met hardware
ð voor classificatie, diagnose, predictie en patroonherkenning
ð netwerk van enkele lagen artificieel neuronen
artificieel neuron: lineaire combinatie van ingangen, vermenigvuligd met gewichten en drempel
, waarop niet-lineaire functie wordt uitgevoerd
°gewichten neuronen aangepast tot ANN verband ingangen en uitgangen goed weergeeft
Vb: duizende foto’s van honden en katten gebruiken om ze te kunnen onderscheiden
Generalisatie: het herkennen van iets ongezien door het leerproces van gekende dingen
°deep learning: ANN met meerdere lagen door leertechnieken, hoge rekenkracht en veel data
°toekomst deep learning: 1) generatieve aanpak: van superviseerd naar ongesuperviseerd leren
2) reinforcement learning: leren zonder voorbeelden
1.2.3 toekomst
°combinatie van technieken: -kennisgebaseerde voor rationeel beredeneren
-datagebaseerde voor grote hoeveelheden data of patroonherkenning
°menselijke expertise is van groot belang
°AI kan nieuwe aspecten vinden die de mens niet inziet en nieuwe verbanden leggen
IA (intelligence amplification): versterking van de (menselijke) intelligentie
Augmented intelligence: uitbreiding van menselijke intelligentie
1.3 opportuniteiten
1.3.1 vervoer
°autonomie van vervoer aangestuurd door intelligentie auto en transportsystemen
°navigatiesystemen, onderhoud en reparatie verbeteren door diagnosesystemen
°drones die op korte afstand leveringen doen
°smart city: verkeer meten en beter cöordineren
°efficiënt transport van materialen (vb amazon)
°delen van transportmiddelen ondersteuenen door patronen in vraag en aanbod
1.3.2 gezondheidszorg
°herkennen van patronen in tesdata (vb: scanners), medische diagnoses, thuis patiënten volgen,…
°probleem door privacy en betrouwbaarheid van leeralgoritmen
1.3.3 onderwijs
°intelligente tutors maken model van kennis leerling voor gepersonaliseerde feedback
°grootste probleem is de systemen bij de mogelijke gebruikers brengen
°data over leerpatronen om cursussen te verbeteren
1.3.4 veiligheid
°gezichtsherkenning, automatische vertaling, patroonherkenning, automatisch leren om
voorspellingen te doen waar problemen kunnen ontstaan
°defensie: AI voor oorlogsvoering (robots, automatische wapens, logistei,..)
1.3.5 robots
°problemen in mechanica, batterijen, veiligheid en productie zijn groot
°vooral in industriële productie eenheden voor aanbrengen componenten en kwaliteitscontrole
1.3.6 cultuur
°distribueren van muziek à enorm muziek aanbod en hulp in het ontdekken van nieuwe dingen
°moeilijkheden in verloning, piraterij
1.3.7 achtergestelde groepen
°mensen in kansarmoede kansen geven die ze anders nooit zouden krijgen
ð onderwijs, medische zorg, expertise (vb in landbouw, bosbeheer, urbanisme,..)
°AI-programma’s achter sociale media geven groepen een stem die anders geen kans krijgen
1.4 risico’s
°oneigenlijk gebruik, onbetrouwbaarheid, gebrek aan transparantie en verantwoordelijkheid,
schendig van rechten en verlies van menselijke kennis
°EU regelt datagebruik en burgerrechten i.v.m. geautomatiseerde individuele besluitvorming
1.4.1 oneigenlijk gebruik
°bewust zijn van de limieten van AI, nog veel problemen rond AI niet opgelost
°toepassingen AI moeten op randvoorwaarden berusten, anders resultaten teleurstellend/gevaarlijk
