Deep neural networks van Google gaan je vragen beantwoorden in plaats van je zoekresultaten te geven. Wanneer je aan de Google search app vraagt “Wat is de snelste vogel op aarde?,” dan zal je een antwoord krijgen.

“Slechtvalk,” zal je smartphone of de virtual assistant in je smart home dan zeggen. “Volgens YouTube haalt de slechtvalk een maximale snelheid van 389 kilometer per uur.” Dat is het juiste antwoord, maar dat komt niet van een of andere superdatabase bij Google.

Wanneer je de vraag stelt pakt de zoekmachine er een YouTube video bij die de vijf snelste vogels op aarde beschrijft. Om vervolgens precies die informatie daar uit te halen die je zoekt. Zonder de vier andere vogels te noemen.

Deep neural networks

Google beantwoordt deze vragen met de hulp van deep neural networks, een vorm van artificial intelligence (AI) die – niet alleen de zoekmachine van Google – maar eigenlijk het hele bedrijf opnieuw uit zal vinden. En dat geldt niet alleen voor Google maar ook voor de andere internetgiganten Facebook en Microsoft. Deep neural nets zijn patroon herkennende systemen die kunnen leren om specifieke taken uit te voeren door grote hoeveelheden data te analyseren.

In het bovenstaande geval hebben ze geleerd om een lange zin of paragraaf van een relevante internetpagina te pakken en precies die informatie daar uit te halen die je zoekt.

Taalbegrip

Deze “zin compressie algoritmen” gingen onlangs live op de desktop versie van de zoekmachine. Ze doen iets wat vrij simpel is voor de mens maar traditioneel erg lastig voor een machine. Ze laten namelijk zien hoe deep learning taalbegrip onder de knie aan het krijgen is. Het vermogen om normale spraak te begrijpen en hier op te reageren.

Pygmalion

Google traint deze neurale netwerken met data die wordt aangeleverd door een enorm team van PhD linguïsten in een project wat het bedrijf Pygmalion noemt. In feite leren de machines van Google hoe ze relevante antwoorden kunnen halen uit lange reeksen tekst door telkens opnieuw te kijken hoe mensen dat doen. Deze tijdrovende manier van werken laat zowel de kracht als de tekortkoming van deep learning zien. Om dit soort kunstmatige intelligentie te trainen heb je enorm veel data nodig die al gesorteerd is door menselijke intelligentie.

Leren onder toezicht

Dit soort AI die door mensen wordt ondersteund wordt “leren onder toezicht” genoemd. Bedrijven kunnen dit werk crowdsourcen. Of het gebeurt al automatisch. Zo hebben mensen op het internet bijvoorbeeld al miljoenen foto’s van katten getagged. Hiermee leren ze het neural net om katten te herkennen. Juist omdat dit werk zo arbeidsintensief is wordt gehoopt dat Google op een gegeven moment een manier vindt voor “leren Zonder toezicht”.

OpenAI van Elon Musk

Op dat moment kunnen machines zelf leren van enorme hoeveelheden data die ze op internet en in andere bronnen vinden. Bedrijven als Google en Facebook zijn op dit moment ook al bezig met systemen voor “leren zonder toezicht”. Net als het bedrijf OpenAI, een machine learning startup die is opgericht door Elon Musk. Maar het duurt nog even eer we zo ver zijn. Voorlopig hebben we nog steeds de mensen van Pygmalion hier voor nodig.

Bron: wired