Geschreven door: Marvin Uhlmann
Vertaald door: Geertje van Bergen

Berekeningen door neurale netwerken – hebben we het brein ontcijferd?

Neurale netwerken krijgen de laatste tijd veel aandacht in de media en veel grote IT bedrijven investeren in deze techniek. Neurale netwerken zijn slimme algoritmen met vele knooppunten (‘neuronen’) en verbindingen daartussen. Ze worden bijvoorbeeld gebruikt door computerapplicaties die met het herkennen van spraak of handschriften te maken hebben. Het idee is dat ieder knooppunt gespecialiseerd is in een klein deel van een grote, overkoepelende taak. Het netwerk als geheel is dan in staat om oplossingen te vinden voor complexe taken zoals het herkennen van een woord. Het zou heel goed kunnen dat je vandaag al gebruik hebt gemaakt van een neuraal netwerk, bijvoorbeeld toen je aan het googelen was naar plaatjes van katten, je vakantiefoto’s geüpload hebt of met behulp van spraakherkenning met je mobiel aan het praten was.
Veel huidige en ook toekomstige technische innovaties zijn alleen maar mogelijk dankzij neurale netwerktechnologieën. Een recent voorbeeld is het DeepMind computeralgoritme van Google dat de beste ‘Go’ speler ter wereld verslagen heeft. Een ander voorbeeld zijn de interactieve chatbot plannen van Facebook. Het idee is om via Facebook tegen een computerprogramma te kunnen praten om bijvoorbeld een pizza te bestellen. Al deze dingen zijn mogelijk met behulp van zogenaamde neurale netwerken!

 

processorAndBrain
Powered by the brain? In hoeverre hebben neurale netwerken te maken met het brein?


Wat hebben deze neurale netwerken te maken met het brein?

Het is belangrijk te weten dat neurale netwerken eigenlijk niet erg veel van doen hebben met het brein. De theoretische achtergrond van deze techniek komt uit halverwege de vorige eeuw, toen we nog maar weinig wisten over de werking van neuronen en biologische neurale netwerken. Bovendien hebben recente neurale netwerksuccessen meer te maken met de vooruitgang van nieuwe hardware en betere computers, dan met een goed begrip over de werking van ons brein. Daarnaast is wat we nu al van het brein weten veel te ingewikkeld om zomaar een technische applicatie van te maken.

Dus, wat doen neurale netwerken nou eigenlijk?

In principe zijn neurale netwerken vooral goed in één ding: het herkennen van patronen en structuur.  Bijvoorbeeld een object of een persoon op een plaatje, of een woord gebaseerd op geluidsgolven. Dit wordt gerealiseerd door het vergelijken van een bepaalde input met patronen die al in het geheugen zitten.
Al deze dingen zijn al een grote technische vooruitgang, want in het verleden waren computers heel slecht met dit soort taken. Het is nog niet zo lang geleden dat we dachten dat het onmogelijk zou zijn voor computers om bijvoorbeeld gezichten te herkennen. Tegenwoordig is dit een standaardfunctie van Facebook, en van moderne camera’s.

 

boyDogBall
Een goed getraind neuraal netwerk zou dit plaatje kunnen omschrijven als: “Het kind speelt met de hond in de tuin met een oranje bal.”. Foto door: Kurt Sebastian


Wat zijn de mogelijkheden van neurale netwerken in de toekomst?

Naast al deze technologische vooruitgang moeten we ons afvragen of wij als mensen op dezelfde manier werken, en dus alleen maar proberen patronen te herkennen. Met andere woorden: zijn de neurale netwerktechnologieën wel gebaseerd op hoe het brein werkt? Hierover bestaat heel wat verschil van mening, terwijl sommige neurale netwerken al verbluffende dingen kunnen doen naast simpele patroonherkenning, zoals het spelen van computerspelletjes of het omschrijven van plaatjes. Een goed getraind neuraal netwerk zou bovenstaand plaatje bijvoorbeeld kunnen omschrijven als: “Het kind speelt met de hond in de tuin met een oranje bal”. Toch zijn we er op dit moment van overtuigd dat taken zoals redeneren of vooral semantisch taalbegrip niet op deze manier werken. Een goede illustratie daarvan is het vertalingsprogramma van Google, dat toegang heeft tot meer teksten dan een mens ooit zou kunnen lezen, en bovendien bestuurd wordt door onvoorstelbaar krachtige computers die allemaal opgestapeld zijn in grote fabrieken. Deze datafabrieken hebben enorm veel energie nodig, terwijl het voor mensen mogelijk is om binnen een jaar beter te leren vertalen dan al deze machines.

Dit alles leert ons dat, ondanks alle technologische vooruitgang en al het menselijk gedrag dat in de toekomst wellicht geautomatiseerd kan worden, ons brein nog wel wat trucjes in petto heeft waardoor het nu nog beter en efficiënter werkt dan die computers. En vreemd genoeg heeft ons brein daarniet meer voor nodig dan de energie van een kleine lamp.