078-2034021 algemeen@3bplus.nl

Vier onderzoeksvelden van Artificial Intelligence

In deze serie artikelen wordt gekeken naar AI (Artificial Intelligence; of Kunstmatige Intelligentie, KI). In een van de vorige artikelen gingen we in op de huidige staat van AI. In dit artikel besteden we voor de derde maal aandacht aan (deel)gebieden waarop AI research zich op dit moment voornamelijk richt. Namelijk: crowdsourcing en menselijke rekenkracht, algoritmische speltheorie en computationele sociale keuze, Internet of Things (IoT) en neuromorfische computing.

Artificial Intelligence: crowdsourcing en menselijke rekenkracht

Onderzoek rondom crowdsourcing en menselijke rekenkracht onderzoekt methoden om computersystemen te vergroten door het doen van geautomatiseerde beroepen op de menselijke kennis om problemen op te lossen die computers alleen niet goed kunnen oplossen. De werkzaamheden op dit gebied hebben vooruitgang in andere deelgebieden van de AI. Met inbegrip van computervisie en natuurlijke taalverwerking, gefaciliteerd, doordat grote hoeveelheden gelabelde trainingsgegevens en/of menselijke interactiegegevens in korte tijd konden worden verzameld. Lopend onderzoek verkent de ideale taakverdeling tussen mens en machines op basis van hun uiteenlopende capaciteiten en kosten.

Slechts vijftien jaar geleden geïntroduceerd, heeft dit onderzoek nu al een gevestigde aanwezigheid in AI. Het bekendste voorbeeld van crowdsourcing is Wikipedia, een kennisbank. Deze wordt onderhouden en bijgewerkt door netizens. Wikipedia is veel groter dan traditioneel gecompileerde informatiebronnen, zoals encyclopedieën en woordenboeken, in omvang en diepte. Crowdsourcing richt zich op het bedenken van innovatieve manieren om de menselijke intelligentie te benutten. Citizen science platforms richten zich op vrijwilligers om wetenschappelijke problemen op te lossen. Terwijl de betaalde crowdsourcing platformen zoals Amazon Mechanical Turk op aanvraag geautomatiseerde toegang tot de menselijke intelligentie bieden.

Tekst gaat verder onder de afbeelding.

Artificial Intelligence research

Artificial Intelligence: algoritmische speltheorie en computationele sociale keuze

Nieuwe aandacht in AI research wordt gevestigd op de economische en sociale computing dimensies van AI. Een eis is dat systemen potentieel niet goed uitgelijnde incentives kunnen afhandelen. Hieronder eigenbelang van proefpersonen of bedrijven. Onderwerpen van aandacht zijn onder meer computationeel mechanisme design (een economische theorie van incentive-ontwerp, op zoek naar incentive-compatibele systemen waar input naar waarheid worden gemeld), computationele sociale keuze (een theorie voor hoe je rangorders op alternatieven aggregeert), op incentive gerichte informatie-uitlokking (voorspellingsmarkten, scoorregels, peer-voorspelling) en algoritmische speltheorie (de evenwichten van de markten, netwerkgames, en gezelschapsspelletjes, zoals Poker).

Artificial Intelligence: Internet of Things (IoT)

AI research op het gebied van IoT is gewijd aan het idee dat een breed scala apparaten kan worden verbonden voor het verzamelen en delen van hun sensorische informatie. Dergelijke apparaten kunnen toestellen, auto’s, gebouwen, camera’s en andere dingen omvatten. Hoewel het een kwestie is van technologie en draadloze netwerken om de apparaten aan te sluiten, kan AI de daaruit voortvloeiende grote hoeveelheden data voor intelligente en nuttige doeleinden verwerken en gebruiken. Op dit moment maken deze apparaten gebruik van een verbijsterende reeks van onverenigbare communicatieprotocollen. In de toekomst kan AI helpen deze te temmen.

Artificial Intelligence: neuromorfische computing

Neuromorfische computing is een reeks technologieën die trachten neurale netwerken na te bootsen om de hardware-efficiëntie en betrouwbaarheid van computersystemen te verbeteren. Hierbij wordt een oudere nadruk op afzonderlijke modules voor input/output, instructieverwerking en geheugen vervangen.

Traditionele computers implementeren het von Neumann-model van de computer. Deze scheidt modules voor input/output, instructie-processing en geheugen. Met het succes van diepe neurale netwerken op een breed scala van taken, zijn de fabrikanten actief op zoek naar alternatieve informaticamodellen om hardware-efficiëntie en robuustheid van computersystemen te verbeteren. Op dit moment hebben zulke neuromorfische computers nog geen duidelijke grote overwinningen aangetoond. En zijn ze nog maar net commercieel levensvatbaar. Maar het is mogelijk dat ze gemeengoed zullen worden. Diepe neurale netwerken hebben al een golf veroorzaakt in het applicatielandschap. Een grotere golf kan gemaakt worden wanneer deze netwerken worden opgeleid en uitgevoerd op dedicated neuromorfische hardware, in tegenstelling tot gesimuleerd op standaard von Neumann-architecturen zoals dat nu gebeurt.

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 4 – Onderzoek AI: computervisie, natuurlijke taalverwerking, robotica en collaboratieve systemen
Infographic – Een eerste kennismaking met Artificial Intelligence (AI)
Bronnen – Bronnen 3Bplus artikelen AI

nl_NLNederlands