De Cooking Assistant is een soort digitaal receptenboek. „Maar dan veel rijker”, belooft Hindriks. „Het apparaat vertelt mensen wat ze moeten doen om een recept te bereiden. Mensen die niet vaak koken, moeten binnen dertig minuten een lekkere maaltijd op tafel kunnen zetten.”

Alleen met spraak kan de kookhulp het niet af, er is ook beeld nodig. „Op een schermpje legt hij uit hoe je een knoflook pelt; dat is met alleen spraak niet te doen. Maar je kunt wel via spraak instructies krijgen waar je om vraagt.”

Het team van Hindriks aan de Vrije Universiteit maakt gebruik van de spraakgestuurde technologie van de Google Assistant. Dat werkt al best aardig, vindt de hoogleraar. „De slimme luidspreker Google Nest kan momenteel op commando vertellen of het gaat regenen en waar de files staan. Veel verder komt die nu nog niet.” De grote uitdaging voor de programmeurs is om met de Cooking Assistant effectieve communicatie tussen mens en machine mogelijk te maken.

Om sociale interactie te realiseren, maakt Hindriks’ team gebruik van cloud computing en het Internet of Things (IoT). De cloud bestaat uit krachtige servers die razendsnel grote hoeveelheden gegevens kunnen verwerken. Via het IoT kunnen slimme apparaten op afstand worden aangestuurd en uitgelezen met een smartphone of tablet. Het gaat om apparaten zoals speakers, smarttelevisie, slimme thermostaten, koelkasten, alarm- en camerasystemen.

Ook werken de Amsterdamse onderzoekers aan kunstmatig intelligente aansturing van sociale robots via microfoons, camera’s en andere sensoren. Hindriks laat in zijn lab twee Pepperrobots en een Naorobot zien. „Een robot kan waarnemen, gegevens binnenhalen en daar iets mee doen. Als een mens iets tegen zo’n machine zegt, gebeurt er wat. Maar menselijke communicatie is erg complex. Het is nog erg moeilijk voor zo’n robot om met gebaren, emoties en andere non-verbale communicatie om te gaan; hij begrijpt ook lang niet alles.”

Juist dat maakt de sociale interactie nog vrij beperkt, beaamt de hoogleraar. „Op den duur willen wij mensen een rijke sociale interactie laten ervaren.” Maar daarvoor moeten de robots en slimme speakers nog heel wat bijleren.

„Machines leren totaal anders dan mensen. Als mensen één keer iets zien, weten ze het. Mensen leren ook dingen door verbanden te leggen. Kunstmatige intelligentie kan dat nu nog niet”, legt Hindriks uit.

„Typerend voor machine learning is: leren door data. Hoe meer gegevens je erin stopt, hoe groter de kwaliteit van de uitkomst. Maar een machine snapt gaandeweg niet steeds meer van de gegevens die je erin stopt. Hij kan slechts doen waarvoor hij is gemaakt, en gebruikt alleen de data die hij krijgt toegediend. Een zelfrijdende auto kun je niet leren koken.”

Gezichtsherkenning

Data met veel variaties leveren weer nieuwe moeilijkheden op. In dat geval zal kunstmatige intelligentie bijleren door zogeheten ”pattern learning”, leren door patronen te herkennen. „Bijvoorbeeld door gezichten te herkennen als gezicht en door daaraan namen te koppelen om mensen te identificeren.”

Hoewel kunstmatige intelligente systemen kunnen worden getraind op het herkennen van patronen, is de uitkomst niet altijd naar wens, vindt Hindriks. „Neem Netflix. Dat systeem snapt nog niet dat ik specifiek van sciencefictionfilms houd. In plaats daarvan word ik generiek ingedeeld in een groep mensen die dezelfde soort films leuk vindt.”

Nog een stap verder gaan sociale robots die direct communiceren met mensen, die mensen aankijken en op hen reageren. „Dat is veel ingewikkelder, en dit verloopt nu nog vrij stroef. Een robot snapt nog niet dat hij met mensen praat. Als mensen weglopen, praat de robot gewoon verder. We moeten robots dus leren zich aan te passen aan menselijk gedrag. Dat staat nu nog in de kinderschoenen.”

Hindriks wil de interactie met machines door kunstmatige intelligentie natuurlijker maken. „Mensen kunnen tegelijk zien en horen; die processen versterken elkaar. Ik denk niet dat we een machine dat precies zo kunnen laten doen als een mens, maar het is wel het doel van ons onderzoek om een robot ook direct te laten reageren op wat hij waarneemt via zijn camera en hoort via zijn microfoons.”

Introvert

Het is ook een grote uitdaging om machines te leren om te gaan met individuele verschillen tussen mensen. „Ziet hij of iemand introvert of extravert is?” Maar hoe zijn team bijvoorbeeld robot Pepper moet programmeren om een introvert karakter te imiteren, blijkt erg lastig. „Het is erg moeilijk om de inzichten van de psychologie en de sociale wetenschappen te vertalen naar een robot.”

Momenteel is het binnen de sociale kunstmatige intelligentie in om machines een sociaal geheugen te geven, vervolgt Hindriks. „Zoals een mens relevante dingen kan onthouden en reproduceren. Als een robot voor de zoveelste keer vraagt: „Wie ben jij?” wordt dat op den duur vervelend. Hij moet dus selectief relevante dingen leren onthouden. Voor ons is vervolgens de vraag: hoe brengen we zoiets terug naar werkbare statistische patronen?”

Kunstmatige intelligentie staat nu aan het begin van een evolutie. „Nu is het nog een uitdaging om de Cooking Assistent de juiste extra uitleg te laten geven aan gebruikers. Aan de andere kant voelen gebruikers vanwege de beperkingen van bekende spraakassistenten, zoals Google Home en Siri, ook nog niet aan dat ze om uitleg kunnen vragen. Daarom doen ze dat ook nog niet.”

Wereldkampioen

Hindriks vindt het „ontzettend moeilijk” om aan te geven waar de technologie in 2030 zal staan. „Tien jaar geleden hebben we geroepen dat de zelfrijdende auto er binnen vijf jaar zal zijn. Maar dat blijkt toch ingewikkelder dan we dachten. Aan de andere kant: de kunstmatig intelligente AlphaGo van Google versloeg in 2016 totaal onverwacht de wereldkampioen van het bordspel Go.” Hij neemt daarom de voorspellingen op het gebied van kunstmatige intelligentie vaak met een korreltje zout. „Maar ik verwacht wel dat in 2030 een apparaat als de Cooking Assistant realiteit zal zijn.”

Wat Hindriks betreft, blijft de belangrijkste vraag: Wat doet techniek met mensen? „Huisregels rond de smartphone werden pas bedacht toen het apparaat al lang en breed was geïntroduceerd. Wat mij betreft trappen we niet op de rem, maar proberen we beter te begrijpen wat de effecten van slimme interactieve technologie op mensen zijn. Dan kunnen we betere antwoorden vinden op de vraag: hoe gaan we er op de juiste manier mee om?”

Haken en ogen aan vierde industriële revolutie door Internet of Things

Rine le Comte van het Edese bedrijf Innius werkt al jaren aan industriële toepassingen van the Internet of Things (IoT). Door het continu verzamelen, analyseren en inzichtelijk maken van productiedata, is het mogelijk om in een fabriek op afstand het productieproces optimaal te laten verlopen, met een minimum aan verspilling en met de hoogste kwaliteit. Le Comte verwacht dat in 2030 alle nieuwe machines volledig geïntegreerd zullen zijn met internet. Ze zullen à la minuut data versturen naar servers in de cloud, waardoor onderhoud en productie kunnen worden geoptimaliseerd. „Het concept van ”digital twin”, waarbij een digitale kopie van de machine een-op-een verbonden is met de machine in de fabriek, zal het mogelijk maken om het gedrag van de machine te volgen, te bewaken en zo nodig aan te passen.”

Ook zal het concept van ”servitization” verder zijn doorgevoerd, vermoedt de IoT-expert. „Servitization houdt in dat de leverancier van de machine het beheer houdt over de machine en dat de klant betaalt voor het gebruik. Hiervoor is het IoT noodzakelijk, omdat de leverancier volledig inzicht moet hebben om de machines optimaal te laten werken.”

Beveiliging blijft een belangrijk aandachtspunt voor het IoT en de nieuwe ”industrie 4.0”. „Niet alleen militaire cyberacties, maar ook economische oorlogsvoering is niet uit te sluiten, net als industriële spionage door concurrenten. En hoe weet een klant of zijn machines beschikken over ingebouwde software die het productieproces kan bedreigen? Hoe kwetsbaar wordt een klant voor chantage door de machineleverancier als die de machine volledig kan controleren? Ook door onkunde van de gebruiker, ontoereikende wachtwoorden en veiligheidslekken kunnen geavanceerde aanvallen via internet succes hebben.”

De vierde industriële revolutie en het IoT zullen vooral gevolgen hebben voor mensen aan de onderkant van de arbeidsmarkt, verwacht Le Comte. „Er zal hoogstwaarschijnlijk samenwerking ontstaan tussen de mens en de kunstmatig intelligente machine, die in eerste instantie de taken van laagopgeleiden zal overnemen.”

De grootste bedreiging voor het IoT ligt op het gebied van veiligheid, betrouwbaarheid en privacy. „We moeten erop aankunnen dat de machines veilig en betrouwbaar hun taak uitvoeren. Een robot die jou in een verzorgingssituatie te eten geeft of persoonlijk verzorgt, moet niet op hol slaan. We moet erop kunnen vertrouwen dat persoonlijke data of vertrouwelijke bedrijfsdata niet in verkeerde handen terechtkomen. Ten slotte vormt een dreigend tekort aan hooggeschoold technisch personeel een belangrijk knelpunt”, constateert Le Comte.

„De zogeheten ”smart factory” komt steeds dichterbij. Wanneer steeds meer machines en apparaten participeren in het IoT zal de productie steeds meer datagedreven worden; de productie wordt continu aangepast op basis van metingen, analyses en kunstmatig intelligente voorspellingen.”

De toepassing van robots, kunstmatige intelligentie en the Internet of Things neemt de komende jaren een hoge vlucht. Wat staat ons te wachten? Deel 2: Kunstmatige intelligentie en Internet of Things