Kunstmatige intelligentie (KI) is bovenmenselijk goed in sommige taken, maar hoe zit het met het algemene bevattingsvermogen? Is KI zo slim als een een bij? Als een labrador? Of als een chimpansee? Bij de competitie met de toepasselijke naam Animal-AI Olympics mag KI z’n geluk beproeven bij tests die normaal gebruikt worden om intelligentie bij dieren te onderzoeken.
In een virtueel speelveld strijdt kunstmatige intelligentie vanaf deze maand voor 10.000 dollar aan prijzengeld. Alle taken hebben iets te maken met het vinden van voedsel, maar de vaardigheden die nodig zijn om daarin te slagen, variëren in complexiteit. De taken zijn gebaseerd op experimenten die in de echte wereld gebruikt worden om de intelligentie van dieren te meten. De deelnemers krijgen taken die ze nog niet eerder gezien hebben om te voorkomen dat ze van tevoren kunnen oefenen, zegt Matthew Crosby van het Leverhulme Centre for the Future of Intelligence, in het Verenigd Koninkrijk.
Bij de Animal-AI Olympics wordt een scala aan cognitieve vaardigheden getest, zoals het vermogen om te redeneren, te navigeren en te leren van ervaringen uit het verleden. ‘Een van de belangrijkste concepten is ‘objectpermanentie’, het begrip dat objecten ook als ze niet meer in het zich zijn, blijven bestaan’, zegt Crosby.
Een taak die een beroep doet op deze vaardigheid (maar niet in deze competitie opgenomen is) is de A-niet-B-taak. Hierbij krijgt een dier telkens twee bekers gepresenteerd, A en B. De eerste paar keer zit er iets eetbaars in beker A. Zodra de dier dit eenmaal begrijpt, verplaatst de experimentator zichtbaar voor het dier het voedsel naar beker B. Sommige dieren, zoals honden, blijven zich richten op beker A, maar andere, zoals makaken, schakelen meteen over naar beker B.
Grenzen opzoeken
Het feit dat de taken zo gevarieerd zijn, betekent een fikse uitdaging voor de KI. Die kent immers één belangrijke beperking: het kan wel iets leren, maar de verworven kennis toepassen in een andere situatie, dat blijft erg moeilijk. Kunstmatige intelligentie kan bijvoorbeeld mensen verslaan bij de game Starcraft of het bordspel Go, maar zonder omscholing blijft elke andere taak voor dezelfde kunstmatige intelligentie een onmogelijke opgave.
De grootste horde zal zijn om KI’s te bouwen met algemene intelligentie: systemen met gezond verstand en het vermogen om een breed scala aan taken uit te voeren op basis van een beperkte hoeveelheid data, zegt Chris Summerfield van de universiteit van Oxford. Veel algoritmen in de kunstmatige intelligentie imiteren bepaalde functies van dierenhersenen, zegt Summerfield, zoals het visuele systeem van primaten. Dankzij dit trucje is de gezichtsherkenningssoftware van de reverse image search van Google zo succesvol.
KI heeft veel andere hersenfuncties die bijdragen aan cognitieve vaardigheden nog niet onder de knie, zoals een kortetermijngeheugen of planningsvaardigheden. Dat verklaart mogelijk waarom KI goed is in bepaalde taken, maar hopeloos worstelt met andere.
Door KI-systemen te testen in onbekende omgevingen kunnen we een belangrijkste stap zetten op weg naar KI die uiteenlopende problemen kan oplossen, zegt Crosby. ‘We verwachten dat dit een lastige uitdaging wordt’, zegt hij. ‘Als we echt een topscore willen halen moeten we echt een doorbraak in de KI bereiken. Maar ook met kleinere succesjes kunnen we laten zien dat het mogelijk is om niet alleen handige patronen in data te vinden, maar ook door daaruit te extrapoleren en leren begrijpen hoe de wereld werkt.’
Op de website van de Animal-AI Olympics staat een scorebord van de competitie, die tot november loopt.