01

Robots gebruiken KI, maar niet alle KI is een robot. Een robot is een apparaat dat doet waartoe het geprogrammeerd is, KI “denkt” over zichzelf na?

KI is gereedschap, niet iets dat autonoom zal worden. De focus van KI is nauwer, maar wat als die focus ruimer wordt? Op basis niveau houdt Coert zich bezig met hoe een computer een afbeelding kan beschrijven.

— Elisabeth Bik : leest papers en zoekt gefraudeerde beelden. Welke afbeeldingen zijn gemanipuleerd? Manipulaties zijn samengesteld uit delen van bestaande beelden. Er zijn anders gezegd geplagieerde stukken afbeeldingen in nieuwe afbeeldingen samegevoegd en die afbeeldingen zijn dan dus niet authentiek.

Neural network: invoer, uitvoer en heel veel tussenliggende verbindingen.

Hormonen ontbreken in een kunstmatig systeem, deze versnellen het leerproces en een vervanger daarvoor is er nog niet in de AI. Herkennen van koe of hond hangt samen met deze biologische / scheikundige factor. Concept = hond = samenvallen indrukken + emotie? Is er een concept van concept?

Een betekenisvolle afbeelding voor een mens is voor een computer een verzameling gekleurde blokjes, en is op nog kleiner niveau een variabele samenstelling van 3 parameters: rood, groen, blauw op een as van 0 tot en met 254. AI Neuraal netwerk moet getallen hebben, kan anders niet waarnemen.

Stappen om een opgeschreven getal te herkennen: elke pixel en omgeving mappen en zien dat er een verticale lijn bestaat, dus kan een 1 zijn, afhankelijk van nog meer omgevingsdata, maar geen 8, tenzij de schrijver moeilijk schrijft,.. Of in Romeinse cijfers.

Het pandemonium-systeem kijkt naar deeleigenschappen van een invoer (per getalseigenschap), pas bij effectieve samenwerking ontstaat een specifieke waarde: dit is een 3. = interdisciplinair? Alle mogelijke vormen op een afbeelding vergelijken met de input leidt tot een zeer traag herkennen, als brute force. in plaats daarvan moet je betekenisvol redeneren en in samenhangend verband tot een conclusie komen.

“Leren is gestructureerd snoeien.” Babys hebben veel meer verbindingen dan volwassenen.  Alles met alles verbinding is niet praktisch. Alleen in de juiste verbindingen kunnen we van intelligentie spreken. De verbindingen worden betekenisvoller, zoals een groot raster een leeg canvas is.

02

Onze waarneming is niet altijd wat er te zien is: de rode tram is grijs. Hier is sprake van lateraal kleur zien, de kleur is afhankelijk van de omgeving. De computer heeft hier geen last van, maar in sommige omstandigheden is dat juist de bedoeling. Lateraal zien (inhibitie) maakt dat we in verschillende omstandigheden betekenis kunnen ontlenen aan een afbeelding. Zo maken we ook geel uit een verzameling andere kleuren (RGB).

Verschil tussen het computerscherm en een diaprojector is dat die laatste puur geel kan laten zien, waar dat bij het scherm een samenvoeging is van andere kleuren: dit vanwege het beperken van de nodes en het optimaliseren van verbindingen.

De ogen missen ook continu heel veel en vullen de tussenliggende ruimtes in met bijgedacht beeld: we interpoleren.

Visuele aandacht en hersenscans zijn verschillende methoden van onderzoek. Dit onderzoekt aandacht, en die aandacht wil je nabootsen in een algoritme om betekenis aan digitale afbeeldingen te ontlenen. Nabootsen kan leiden tot begrip kan leiden tot voorspelling.

Fixaties: oog saccade: springen van de aandacht naar verschillende kleinere delen van een afbeelding. Leidt dit tot betekenis? Stellen we de onderdelen van de afbeelding in ons hoofd samen op basis van aangeleerde patronen? Is dit sterk recursief? Hoe ontlenen dieren betekenis aan wat ze zien? is dit getest op dieren?

Delen met veel aandacht hebben high saliency.

Saliency is een begrip uit biologie en psychologie, op een heatmap van high saliency wordt aangegeven welke delen van een waarneming hogere prioriteit krijgen. De voorspelling wat aandacht krijgt is een doel van AI, wat vooral voor marketing goed is om te weten. —> verklaart dit het succes van AI? Hoe is de verdeling van aandacht binnen AI op commercieel of academisch onderzoek? Wie financiert AI?

Bij bepaalde autisten filteren minder goed op waarneming, waardoor functioneren moeilijker wordt voor ze. Deze autisten begrijpen dan ook minder goed wat belangrijk is en wat niet. Dus geen focus.

“Wat je niet begrijpt zie je niet.” Aandacht wordt misschien wel kwantitatief waargenomen maar indien niet ontvangen in een kwalitatief concept (reeds bestaand malletje) valt het niet op en krijgt het geen betekenis en ook geen rol in de samenhangende waarneming of begrip van een waarneming. Kennis bepaalt waarneming. Disciplinaire verfijining maakt je ontvankelijker voor het begrijpen van de waarneming. Dit kan je “repertoire” noemen, of maakt je intellectuele Higgsveld denser.

03

Adversarial cost: meting van aantal fouten die gemaakt zijn in het proces van trainen, herkennen en oefenen.

Wie betaalt er voor AI-onderzoek? Welke partijen hebben er het meest baat bij? Als het gaat over aandacht - en dat merkte je al op - lijkt me het iets voor commerciële partijen. Het trainen van een medisch algoritme is een heel ander onderzoek dan voor marketingdoeleinden.

— Google, Facebook, Microsoft; besteden heel veel privaat geld aan AI voor auto’s en telefoons. Op universiteiten zijn onderzoekers afhankelijk van NWO met breder maatschappelijk belang. Er is een ethische afweging, maar uiteindelijk zijn dat commerciële belangen. Maar als het bedrijfleven hiermee weer nieuwe uitvindingen doen wordt erover gepubliceerd. Er is dus een sterkere commerciële incentive, maar als die commerciële partijen geengageerd en open willen zijn publiceren ze daarover.

— Publiceren in de computerwetenschappen leidt niet tot een product, de ideeën achter software worden wel gepubliceerd, maar niet hun software. Wetenschap is dus bijna net zo competitief als commercie.

Q: Google is open source, welk standpunt neemt Google zelf in bij innovatie?.

Bram: Dus het ANN (artificial neural network) voorspelt eigenlijk meer de som van al het kijkgedrag van de deelnemers aan de trial waarbij kijkgedrag is gemeten? (de voorspelling op basis van gemiddelden) Is het dan nog wel echt een voorspelling? Statistische analyse dus.

Alpha One is bezig het neurale netwerk online beschikbaar te maken, via de browser. Je kunt je eigen filmpje van aandachtsvoorspelling voorzien. — Een van de oprichters is een neurowetenschapper.

Is Alpha One ethisch? AI is niet goed of slecht maar dat is afhankelijk hoe je het gebruikt. Guns don’t kill people; people do.