Roy de Kleijn: 'Een glas water halen is voor een robot ontzettend moeilijk'

Een robot trainen in de praktijk: het is eigenlijk niet te doen. Computerwetenschapper en psycholoog Roy de Kleijn stapte over op training in een gesimuleerde, virtuele omgeving. 'Dan heb je wel een reality gap, maar hoe nauwkeuriger je traint, hoe beter het gaat in de praktijk.' Zijn inspiratiebron: het menselijk brein.

Wat nou toch het probleem is bij zoiets eenvoudigs als een glas water halen voor een robot in een willekeurige keuken... Het lukt in elk geval nog niet. Roy de Kleijn: 'Het lastige is dat je zo'n handeling niet los kunt zien van de omgeving.' Glazen zijn verschillend, kranen zijn verschillend: de robot moet ze allemaal herkennen en hanteren.

Tijdens zijn promotieonderzoek probeerde hij bloot te leggen hoe dit soort praktische handelingen mogelijk kunnen worden voor een robot. Daarna, in 2017, gooide hij het over een andere boeg. 'Ik begon te werken met een gesimuleerde robot in een gesimuleerde omgeving. De besturingsmodellen die eruit komen, zijn wel degelijk toepasbaar op de praktijk.' Dan heb je wel te maken met een reality gap, erkent De Kleijn, maar dat gat wordt kleiner naarmate je nauwkeuriger traint. 'Neem de zelfrijdende auto: als je maar lang genoeg en met heel veel robots traint, krijg je een stabiel model dat betrouwbaar is in het verkeer.' 

Hij stopt verschillende AI-systemen in zijn virtuele omgeving en laat ze zichzelf trainen

De Kleijn onderzoekt wat er nodig is in het 'brein' van een robot om hem te leren een complexe handeling uit te voeren, zoals een bepaalde doos in een magazijn verplaatsen. Hij stopt verschillende AI-systemen in zijn virtuele omgeving en laat ze zichzelf trainen door interactie aan te gaan met de omgeving. 'Welke architectuur moet het neurale netwerk van de robot hebben om te slagen, en hoe kunnen we het beste netwerk nog beter maken?'

Loopings in ons brein

Stel dat een robot alleen de rode deur kan openen als hij eerst een groen blokje heeft gepakt. Dat lukt alleen als er een soort looping in het neurale netwerk zit. De Kleijn: 'Recurrence noemen we dat. Dat mensen dit soort dingen heel gemakkelijk kunnen, bevestigt dat wij ook zulke loopings in het neurale netwerk van onze hersenen hebben.'

Wat heeft De Kleijn nodig om een doorbraak te bereiken en robots net zo handig te maken als mensen? Wist hij het maar. 'Misschien weten we niet wat de beste manier van training is. Misschien kiezen we niet het beste neurale netwerk. We weten wat een menselijk brein is: driehonderd miljard zenuwcellen en onderlinge verbindingen. Maar wat is het geheim van de menselijke intelligentie?'
 

Mens als inspiratiebron, of toch niet?

Een belangrijke stroming binnen de wereld van kunstmatige intelligentie ziet de hersenen als inspiratiebron. Roy de Kleijn: 'Niet iedereen in de AI-wereld gelooft hierin. Ik weet het niet, maar de deep-learning-systemen van nu, waarin een machine met data wordt getraind honden en katten te onderscheiden, of bijvoorbeeld een tumor te detecteren, zijn gebaseerd op dit principe. Het is het werk van cognitief psychologen in de jaren tachtig van de vorige eeuw.'

Tekst: Rianne Lindhout
Foto: Patricia Nauta