Shyam Sankar: De opkomst van mens-computersamenwerking

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)