Ik zou je graag wat vertellen over twee schaakwedstrijden.
De eerste ging door in 1997.
Garry Kasparov, een mens,
verloor van Deep Blue, een machine.
Voor velen was dit het begin van een nieuw tijdperk
waarin de mens gedomineerd zou worden
door de machine.
Maar hier staan we, 20 jaar later,
en de grootste verandering
in hoe we ons verhouden tot computers
is de iPad, niet HAL.
De tweede wedstrijd
was een toernooi in vrije stijl in 2005,
waarbij mens en machine,
als ze dat wilden,
als partners mochten samenwerken
in plaats van als tegenstanders.
In het begin waren de resultaten voorspelbaar.
Zelfs een supercomputer werd verslagen
door een grootmeester
met een relatief zwakke laptop.
De verrassing kwam aan het einde.
Wie won?
Niet een schaker met een supercomputer
maar eigenlijk twee Amerikaanse amateurs
met behulp van drie relatief zwakke laptops.
Zij coachten en manipuleerden
hun computers
om specifieke posities
diepgaand te verkennen.
Dat overtrof de superieure schaakkennis
van de grootmeesters
en de superieure rekenkracht
van de andere tegenstanders.
Dit is een verbazingwekkend resultaat:
middelmatige mannen
met middelmatige machines
verslaan de beste man en de beste machine.
En ging het overigens niet om man tegen machine?
In plaats daarvan gaat het om samenwerking,
en het juiste type samenwerking.
We hebben in de afgelopen 50 jaar
wat teveel aandacht geschonken
aan de visie van Marvin Minsky
over kunstmatige intelligentie.
Een sexy visie, dat wel.
Velen vielen ervoor.
Het werd het dominante denkraam in de informatica.
Maar nu we het tijdperk van big data,
van netwerksystemen
van open platforms
en ingebedde technologie betreden,
vind ik dat we een alternatieve visie
opnieuw moeten gaan bekijken.
Die werd rond dezelfde tijd ontwikkeld.
Ik heb het over de mens-computersymbiose
van J.C.R. Licklider,
misschien beter ‘Intelligentie Augmentatie’
of I.A. genoemd.
Licklider was een reus van de computerwetenschap
met een diepgaande invloed
op de ontwikkeling van de technologie
en het internet.
Zijn visie bestond erin
om mens en machine te laten samenwerken
bij besluitvorming,
controle van complexe situaties
zonder de rigide afhankelijkheid
van vooraf bepaalde programma's.
Let op het woord ‘samenwerken’.
Licklider moedigt ons niet aan
om van een broodrooster
Data uit ‘Star Trek’ te maken,
maar om een mens capabeler te maken.
Wij mensen zijn zo geweldig in hoe wij denken,
onze niet-lineaire benaderingen, onze creativiteit
en iteratieve hypothesen.
Dat is allemaal zeer moeilijk
of zelfs onmogelijk voor computers.
Licklider besefte intuïtief dat de denkende mens
de doelstellingen uitzet,
hypothesen formuleert,
criteria bepaalt en de evaluatie uitvoert.
Op andere punten zijn mensen natuurlijk erg beperkt.
We zijn erg slecht wat grootte,
rekenen en massa werk aangaat.
Wij hebben een uitgebreid talentmanagement nodig
om de rockband te laten spelen.
Licklider voorzag dat computers
al het routinewerk zouden doen
als voorbereiding
op inzicht en besluitvorming.
Stil, zonder veel fanfare,
heeft deze aanpak overwinningen
op elkaar gestapeld, veel verdergaand dan schaken.
‘Eiwitvouwing’ is een onderwerp
met dezelfde ongelooflijke expansiviteit als schaken.
Er zijn meer manieren om een eiwit op te vouwen
dan dat er atomen zijn in het heelal.
Dit is een wereldveranderend probleem
met grote impact
op het begrijpen en behandelen van ziekten.
Maar voor deze taak
is brute supercomputerkracht alleen niet voldoende.
Foldit, een spel gemaakt door computerwetenschappers,
illustreert de waarde van deze aanpak.
Amateurs die geen technici of biologen zijn,
spelen een videospel
waarin ze de structuur van het eiwit visueel herschikken
waarbij de computer de atomaire krachten
en de interacties beheert
en de structurele problemen identificeert.
Deze aanpak verslaat supercomputers
één keer op twee
en in 30 procent van de tijd.
Foldit deed onlangs een opmerkelijke
en grote wetenschappelijke ontdekking
door de structuur
van het Mason-Pfizer-aapvirus te ontcijferen.
Een protease dat in 10 jaar
niet kon worden ontcijferd,
werd door drie spelers in enkele dagen opgelost,
misschien de eerste
belangrijke wetenschappelijke vooruitgang
door een videogame te spelen.
Vorig jaar werd op de site van de Twin Towers
het 9/11-gedenkteken onthuld.
Dat toont de namen van de duizenden slachtoffers
door een mooi concept,
‘zinvolle nabijheid’ genaamd.
Het plaatst de namen naast elkaar op basis
van hun relatie tot elkaar:
vrienden, familie, collega's.
Dat is nogal een computationele uitdaging:
3.500 slachtoffers, 1.800 nabijheidsverzoeken,
het belang van de algemene fysische specificaties
en de uiteindelijke esthetiek.
Door de media werd het volledige krediet
voor deze prestatie
gegeven aan een algoritme
van het ontwerpbureau Lokale Projecten
van New York City.
De waarheid is een beetje genuanceerder.
Voor de ontwikkeling van het onderliggende
raamwerk werd een algoritme gebruikt .
Dat raamwerk gebruikten mensen
voor het ontwerpen van het eindresultaat.
In dit geval had een computer
miljoenen mogelijke indelingen geëvalueerd,
een complex relationeel systeem beheerd
en een zeer groot aantal metingen
en variabelen bijgehouden,
waardoor mensen zich konden concentreren
op ontwerp en compositorische keuzen.
Dus hoe meer je om je heen kijkt,
hoe meer je Lickliders visie overal tegenkomt.
Of het nu verhoogde realiteit is op je iPhone
of GPS in je auto
de mens-computersymbiose
vergroot onze mogelijkheden.
Als je de mens-computersymbiose wilt verbeteren,
wat kun je dan doen?
Je kunt beginnen met de mens
in het proces te betrekken.
In plaats van na te denken over wat een computer
zal doen om het probleem op te lossen,
ontwerp je de oplossing
rond wat de mens even goed kan doen.
Wanneer je dit doet,
zul je snel beseffen
dat je al je tijd steekt
in de interface tussen mens en machine,
specifiek erop gericht
om de 'wrijving' in de interactie ‘weg te ontwerpen’.
In feite is deze wrijving belangrijker dan de kracht
van de mens of de kracht van de machine
bij het bepalen van het gehele vermogen.
Daarom konden twee amateurs met een paar laptops
gemakkelijk een supercomputer
en een grootmeester verslaan bij het schaken.
Wat Kasparov een proces noemt,
is een bijproduct van die wrijving.
Hoe beter het proces,
hoe kleiner de wrijving.
Het minimaliseren van die wrijving
blijkt de beslissende variabele te zijn.
Of neem een ander voorbeeld: ‘big data’.
Steeds meer interacties in de wereld
worden geregistreerd
door een groeiend aantal sensoren:
je telefoon,
je creditcard, je computer.
Het resultaat is ‘big data’,
en biedt ons een mogelijkheid
een dieper inzicht te krijgen
in de menselijke conditie.
De belangrijkste nadruk
op de meeste benaderingen van big data ligt op:
"Hoe kan ik deze gegevens opslaan?
Hoe kan ik deze gegevens doorzoeken?
Hoe kan ik deze gegevens verwerken?"
Dat zijn nuttige vragen, maar ze volstaan niet.
Het gaat er niet om hoe te berekenen,
maar wat te berekenen.
Hoe combineer je menselijke intuïtie
met gegevens op deze schaal?
Nogmaals, we beginnen
met de mens in het proces te integreren.
Toen PayPal net begon,
was hun grootste uitdaging niet:
"Hoe kan ik geld online heen en weer verzenden?"
Maar: "Hoe doe ik dat zonder dat ik door de georganiseerde misdaad word bedrogen?"
Waarom is dat zo moeilijk?
Computers kunnen leren
fraude op te sporen en te identificeren
op basis van patronen,
zij kunnen dat niet doen op basis van patronen
die ze nooit eerder hebben gezien.
De georganiseerde misdaad
heeft veel gemeen met dit publiek:
briljante mensen,
meedogenloos vindingrijk,
ondernemingsgeest — (gelach) —
en één enorm en belangrijk verschil: doelstelling.
Omdat computers de meeste,
maar niet de slimste fraudeurs kunnen vangen,
betekent de slimste pakken
het verschil tussen succes en mislukking.
Er is een hele klasse van problemen
met adaptieve tegenstanders.
Ze presenteren zich zelden of nooit
met een herhaalbaar patroon
dat computers er kunnen uitvissen.
Ze komen steeds met nieuwe uitdagingen.
Steeds meer duiken deze problemen op bij big data.
Neem nu terrorisme.
Terroristen passen zich
op allerlei manieren aan
aan nieuwe omstandigheden en ondanks alles
wat je ziet op tv,
zijn deze aanpassingen
en het opsporen ervan
fundamenteel menselijk.
Computers detecteren geen nieuwe patronen
en nieuw gedrag,
maar mensen kunnen dit door machines laten doen
door middel van technologie,
hypothesen en inzichten.
Osama bin Laden werd niet gepakt
door kunstmatige intelligentie.
Hij werd gepakt door toegewijde,
vindingrijke, briljante mensen
in samenwerking met diverse technologieën.
Hoe aantrekkelijk het ook klinkt,
je kunt niet alleen algoritmisch
het antwoord uit de gegevens krijgen.
Er bestaat geen 'Vind de Terrorist'-knop.
Hoe meer gegevens
we uit een grote verscheidenheid
van bronnen verzamelen
over een breed scala van dataformaten heen
uit zeer verschillende systemen,
des te minder effectief wordt 'datamining'.
In plaats daarvan moeten mensen
de gegevens bekijken
en zoeken naar inzicht en,
zoals Licklider lang geleden al voorzag,
is de sleutel tot goede resultaten
het juiste type van samenwerking.
En Kasparov realiseerde zich
dat dat minimaliseren
van wrijving aan de interface betekende.
Deze aanpak maakt nu dingen mogelijk
zoals alle beschikbare gegevens
uit uiteenlopende bronnen uitziften
- belangrijke verbanden identificeren en ze op één plaats samenbrengen,
iets dat bijna onmogelijk op voorhand is te doen.
Voor sommigen heeft dit angstaanjagende implicaties
voor de privacy en burgerlijke vrijheden.
Anderen voorspelt dit juist een tijdperk
van meer privacy en bescherming
van burgerlijke vrijheden,
maar privacy en burgerlijke vrijheden
zijn van fundamenteel belang.
Dat moet worden erkend
en kan niet worden genegeerd,
zelfs niet met de beste bedoelingen.
Laten we eens aan de hand van een paar voorbeelden nagaan welke impact
technologieën van mens-computersymbiose
in de afgelopen tijd hebben gehad.
In oktober 2007 overvielen Amerikaanse
en coalitietroepen
een schuilplaats van al-Qaeda in de stad Sinjar
aan de Syrische grens met Irak.
Ze vonden een schat aan documenten:
700 biografische schetsen
van buitenlandse strijders.
Deze buitenlandse strijders
verlieten hun families in de Golf,
de Levant en Noord-Afrika
om aan te sluiten bij al Qaeda in Irak.
Dit waren formulieren van menselijke hulpbronnen.
De buitenlandse strijders vulden ze in
als ze zich aansloten bij de organisatie.
Blijkt dat ook al Qaeda
niet zonder bureaucratie kan. (Gelach)
Zij beantwoordden vragen als:
"Wie heeft je aangeworven?",
"Vanwaar ben je?",
"Wat wil je hier doen?"
Die laatste vraag onthulde een verrassend inzicht.
De overgrote meerderheid
van die buitenlandse strijders
wilden martelaars worden
met zelfmoordaanslagen -
enorm belangrijk,
omdat tussen 2003 en 2007 er in Irak
1.382 zelfmoordaanslagen plaatsvonden,
een belangrijke bron van instabiliteit.
Deze gegevens waren moeilijk te analyseren.
De originelen waren
documenten in het Arabisch
die gescand en vertaald moesten worden.
De wrijving in het proces gaf
in een operationeel tijdsbestek
geen zinvolle resultaten
met alleen maar mensen,
pdf's en inzet.
De onderzoekers moesten
het menselijke kunnen ondersteunen
met technologie om dieper te graven,
om niet voor de hand liggende hypothesen
te verkennen.
En ja, inzichten kwamen bovendrijven.
Twintig procent van de buitenlandse strijders
kwamen uit Libië,
en 50 procent daarvan
weer van één enkele stad in Libië.
Dat is enorm belangrijk
omdat voorafgaande statistieken
dat cijfer op drie procent hadden geschat.
Het hielp ook om te focussen op één figuur
van stijgend belang in al-Qaeda,
Abu Yahya al-Libi,
een hogere geestelijke
in de Libische islamitische gevechtsgroep.
In maart 2007 gaf hij een toespraak,
waarna de participatie
van Libische buitenlandse strijders toenam.
Misschien wel het slimst van alles,
en het minst voor de hand liggend,
was de gegevens op hun kop zetten.
Daardoor konden de onderzoekers
de coördinatienetwerken in Syrië verkennen
die uiteindelijk verantwoordelijk
waren voor de opvang en
het vervoer van buitenlandse strijders
naar de grens.
Dat waren netwerken van huurlingen,
geen ideologen,
die zich met de coördinatie bezighielden
voor het geld.
Ze lieten bijvoorbeeld
Saoedische buitenlandse strijders
aanzienlijk meer betalen dan de Libiërs,
geld dat anders
naar al Qaeda zou zijn gegaan.
Misschien zou de tegenstander
hun eigen netwerk verstoren
als ze wisten
dat ze would-be jihadisten bedrogen.
In januari 2010 trof
een verwoestende 7,0-aardbeving Haïti,
de derde dodelijkste aardbeving ooit.
Een miljoen mensen,
10 procent van de bevolking,
verloor zijn huis.
Een schijnbaar klein aspect
van de hele hulpverlening
werd steeds belangrijker
naarmate de levering
van voedsel en water op gang kwam.
Januari en februari zijn de droge maanden in Haïti,
maar in veel kampen
bleven plassen stilstaand water achter.
De enige instelling met gedetailleerde kennis
van Haïti's overstromingsgebieden
was bij de aardbeving ingestort,
met de directie erin.
Men wist niet welke kampen bedreigd werden,
hoeveel mensen er in die kampen waren,
wanneer er weer overstromingen konden komen,
en gezien de zeer beperkte middelen
en infrastructuur:
welke verplaatsingen moesten prioriteit krijgen?
De gegevens waren ongelooflijk divers.
Het Amerikaanse leger beschikte
voor slechts een klein deel van het land
over gedetailleerde kennis.
Er bestonden onlinegegevens
van de conferentie van 2006 over milieurisico's
en andere georuimtelijke gegevens,
maar niets van dat alles geïntegreerd.
Het humanitaire doel was
om kampen voor verplaatsing te identificeren,
gebaseerd op prioritaire noodzaak.
De computer moest een enorme hoeveelheid georuimtelijke informatie integreren
met gegevens van sociale media
en informatie over hulporganisatie
om deze vraag te beantwoorden.
Door de uitvoering van een superieur proces
werd een taak voor 40 personen
en drie maanden gecomprimeerd
tot een eenvoudige taak
voor drie mensen in 40 uur,
allemaal overwinningen
voor de mens-computersymbiose.
We zijn meer dan 50 jaar ver in Lickliders visie
voor de toekomst,
en de gegevens suggereren dat
we met veel enthousiasme de moeilijkste problemen van deze eeuw moeten aanpakken
door samenwerking van mens en machine.
Bedankt. (Applaus)
(Applaus)