De huidige staat van onderzoek AI – deel 2

In deze serie artikelen wordt gekeken naar AI (Artificial Intelligence; of Kunstmatige Intelligentie, KI). In het vorige artikel gingen we in op de huidige staat van AI. In dit artikel wordt voor de tweede maal specifiekere aandacht aan (deel)gebieden waarop onderzoek AI zich op dit moment voornamelijk richt. Namelijk: computervisie, natuurlijke taalverwerking, robotica en collaboratieve systemen.

Onderzoek AI: computervise

Computervisie is de meest prominente vorm van machinale waarneming. Het is het sub-gebied van AI dat het meest veranderd is door de opkomst van diep leren. De samenvloeiing van grootschalige computing (vooral op het gebied van GPU’s), de beschikbaarheid van grote datasets met name via het internet, en verfijningen van neurale netwerkalgoritmen heeft geleid tot grote verbeteringen in de prestaties. Voor de eerste keer zijn computers in staat om op een ​​aantal (eng gedefinieerde) visuele classificatietaken beter te presteren dan mensen. Veel van het huidige onderzoek richt zich op het automatisch ondertitelen van video.

Onderzoek AI: natuurlijke taalverwerking

Vaak in combinatie met automatische spraakherkenning, is natuurlijke taalverwerking een zeer actief gebied van machinale waarneming. Het is in snel tempo een commodity voor mainstream talen met grote datasets geworden. 20% van de huidige mobiele queries worden gedaan met stem. En recente demonstraties hebben de mogelijkheid van real-time vertaling bewezen. Onderzoek verschuift nu naar de ontwikkeling van verfijnde en capabele systemen die in staat zijn om te communiceren met mensen door middel van dialoog. En niet alleen reageren op gestileerde verzoeken. Grote stappen zijn ook gemaakt in automatische vertaling tussen verschillende talen, met meer real-time persoon tot persoon uitwisselingen aan de nabije horizon.

Onderzoek AI: robotica

Robotnavigatie is (in statische omgevingen, althans) grotendeels opgelost. Huidige inspanningen richten zich op het trainen van robots in hun interactie met de wereld om zich heen, op een generaliseerbare en voorspelbare manier. Een eis die ontstaat in interactieve omgevingen is manipulatie, een ander onderwerp van huidige interesse. De revolutie die diep leren veroorzaakt, begint robotica pas net te beïnvloeden. Grotendeels omdat het veel moeilijker is om de grote gelabelde datasets, die andere op leren gebaseerde gebieden van AI hebben voortgestuwd, te verwerven. Bekrachtigingsleren, dat de eis van gelabelde data overbodig maakt, kan helpen deze kloof te overbruggen. Maar dit vereist dat systemen een ruimte veilig kunnen verkennen zonder het begaan van fouten die het systeem zelf of anderen schaden. Vooruitgang in betrouwbare machinale waarneming, waarvan een groot deel zal worden voortgedreven door de machinaal leren, zal een belangrijke randvoorwaarde zijn voor het bevorderen van de mogelijkheden van robotica.

Onderzoek AI: collaboratieve systemen

Collaboratieve systemen onderzoeken modellen en algoritmen om te helpen bij de ontwikkeling van autonome systemen die samen kunnen werken met andere systemen en met de mens. Dit onderzoek is gebaseerd op het ontwikkelen van formele modellen van samenwerking. En het bestudeert de capaciteiten die nodig zijn voor systemen om effectieve partners te worden. Er is een groeiende belangstelling voor toepassingen die de complementaire sterke punten van mensen en machines kunnen gebruiken. Voor mensen om AI-systemen te helpen hun beperkingen te overwinnen, en voor agenten om menselijke vermogens en activiteiten te vergroten.

Dit artikel is onderdeel van een serie.

Lees meer:

Deel 1 – Wat is Artificial Intelligence (AI): een introductie
Deel 2 – De huidige staat van AI
Deel 3 – AI-onderzoek: machinaal leren, diep leren en bekrachtigingsleren
Deel 5 – AI research: crowdsourcing, algoritmische speltheorie, IoT en neuromorfische computing
Infographic – Een eerste kennismaking met Artificial Intelligence (AI)
Bronnen – Bronnen 3Bplus artikelen AI

Share This