Robots die zich inleven in de mens
Om intelligentere en liefst ook sociale robots en computersystemen te bouwen, moet er eerst meer kennis komen over de manier waarop mensen informatie interpreteren. Max van Duijn en Tessa Verhoef doen onderzoek op het snijvlak tussen sociale wetenschap en AI.
Zoeken naar de heilige graal van AI
Een van de grote uitdagingen voor kunstmatige intelligentie is AI-systemen te voorzien van een theory of mind, een manier om zich in mensen in te leven. Max van Duijn, universitair docent Cognitiewetenschap en AI: 'Er bestaan al AI-systemen die gesproken taal verwerken. Neem Siri, de personal assistant van Apple. Dat systeem werkt in zekere zin al goed, maar de manier van verwerken verschilt enorm van hoe mensen dat doen. Wij plaatsen wat een ander zegt in het perspectief van de ander: wat bedoelt hij of zij? Het is de heilige graal van AI om zoiets in te bouwen in een systeem.'
Van Duijn is ervan overtuigd dat we ook nog niet goed genoeg begrijpen hoe mensen aan hun theory of mind komen. Daarom gaat hij dit onderzoeken bij kinderen in de leeftijd van vier tot elf jaar. Volgens hem speelt taalverwerving een cruciale rol, met name het vermogen om verhalen te vertellen met personages en perspectiefwisselingen erin. Dit komt namelijk zelfs in de meest simpele verhaaltjes voor ('Gisteren kreeg ik van mama een aardbeienijsje, maar dat liet ik per ongeluk vallen en toen werd mama heel boos op mij.’) Van Duijn: 'Ik wil beter begrijpen hoe kinderen leren om personages te creëren, die eigenlijk modelletjes van echte personen zijn. Ik hoop dat dit op langere termijn bijdraagt aan het implementeren van theory of mind in een AI-systeem.' Een pilot-project op dit gebied werd in 2019 afgerond.
Zelfs heel simpele robotjes kunnen elkaar een soort taal leren
Als je aan de andere kant begint, maak je een multi-agent-systeem: een groep agents, virtuele robotjes in je computer, die interacties met elkaar aan kunnen gaan. Die robotjes kunnen heel simpel zijn, en de interactie hoeft niet meer te zijn dan het uitwisselen van rijtjes letters, onderhevig aan een paar simpele communicatieregels. Geleidelijk, na iedere interactie, passen de agents hun taalregels aan en zo ontstaat steeds meer overeenstemming tussen de agents. Jonge agents leren hun taal van de vorige generatie en bouwen hier weer op voort. Zo wordt de taal steeds succesvoller en makkelijker te leren, vergelijkbaar met natuurlijke evolutie.
Dit is het onderzoeksterrein van Tessa Verhoef, eveneens universitair docent Cognitiewetenschap en AI: 'Al na een aantal generaties ontstaat een stabiele taal. Dit is met computer-agents aangetoond, maar ook via simulaties waarin mensen bijvoorbeeld een taal moeten leren die geproduceerd wordt met een trekfluitje.' In deze simulaties is goed te zien hoe taal evolueert onder invloed van interactie en transmissie naar de volgende generatie. Het wordt snel een zichzelf organiserend systeem.
Verhoef: 'Dat was destijds een heel nieuwe, opwindende bevinding. Tot dan toe was men er in de taalwetenschap vanuit gegaan, dat wij mensen een heel speciaal onderdeel in ons brein hebben om taal te leren en produceren.' Deze simpele modellen kunnen nu steeds complexer gemaakt worden, en gecombineerd met de nieuwste bevindingen in Machine Learning en Natural Language Processing. In de toekomst zou dit zelfs de basis kunnen vormen voor natuurlijke mens-machine-interactie.
Robots moeten gaan leren van mensen
Volgens Verhoef en Van Duijn proberen wetenschappers nog te veel om in één robot menselijkheid in te bouwen. Mensen leren hun vaardigheden ook alleen maar in interactie met andere mensen. Wat dat betreft zijn alle robots nu nog te vergelijken met wolfskinderen. Verhoef: 'Een robot zou zijn gedrag ook in interactie met mensen moeten leren.'
Net zoals taal van generatie op generatie wordt doorgegeven, worden verhalen ook steeds opnieuw verteld, iedere keer in een net iets andere versie. Door te bestuderen hoe die verhalen in dat proces veranderen, analoog aan de manier waarop dat gebeurt in het veld van de taalevolutie, hoopt Van Duijn te begrijpen hoe het menselijk brein verhaallijnen en relaties tussen personages representeert. Zo kan bijvoorbeeld duidelijk worden waarom sommige plots makkelijker blijven hangen dan andere, of hoe complexe verhaalstructuren ontstaan. Verhoef: 'In de taalevolutie is het gebruik van computermodellen al wijdverbreid, maar wij willen dit ook toepassen op het gebied van verhalen en theory of mind.'