Teake Zuidema
Drie experts op het gebied van kunstmatige intelligentie en een econoom geven hun mening over wat kunstmatige intelligentie (ki) betekent voor de werkgelegenheid van ingenieurs.
2016 was het jaar waarin de eeuwige belofte van kunstmatige intelligentie plotseling gebombardeerd werd tot de Next Big Thing. Het was een leuke opsteker dat AlphaGo de beste Go-speler van de wereld versloeg. Ook speelde ki een belangrijke rol bij de grote verbetering van Google Translate, een programma dat tot voor kort voor meer hilariteit dan voor goede vertalingen zorgde. En 2017 begon met het nieuws dat het computerprogramma DeepStack professionele pokerspelers had verslagen in No-Limit Texas Hold’em, een spel waarin iedere hand uitzicht biedt op 10.160 mogelijke afwikkelingen.
Beleeft ki echt een revolutionaire doorbraak? Robert Babuska, expert Machine Learning aan de TU Delft, denkt van niet: ‘De vooruitgang van ki gaat geleidelijk. Het lijkt voor de buitenwereld alsof er plotseling enorme vooruitgang is gemaakt, maar achter de schermen verloopt de ontwikkeling evolutionair. Er zijn in de laatste jaren geen fundamentele doorbraken geweest. Het is wel zo dat principes en methoden die al dertig tot veertig jaar oud zijn plotseling toepassingen vinden en daardoor in de belangstelling staan.’
Waarom zijn er meer toepassingen? Babuska: ‘Toepassingen voor ki in de echte wereld ontstaan nu dankzij de combinatie met enorm veel rekenkracht. Er zijn nu Graphical Processing Units, grafische rekenkaarten, die $ 200 tot $ 500 kosten en waarmee je allerlei taken twintig tot dertig keer zo snel kunt uitvoeren als een paar jaar geleden. Verder is het aantal onderzoekers dat aan ki werkt in de laatste vijf jaar drastisch toegenomen. Bedrijven als IBM, Google en Facebook zien grote commerciële mogelijkheden. Ze nemen veel slimme mensen in dienst en dat betekent dat het aantal publicaties en toepassingen exponentieel toeneemt.’
Babuska wijst erop dat de recente verbetering van Google Translate gebaseerd is op principes waaraan Jef Hinton, een Britse pionier op het gebied van diepe neurale netwerken, al zo’n dertig jaar werkt. Hinton geeft dan ook leiding aan het team dat Google Translate overhevelde van een conventioneel vertaalprogramma naar een programma gebaseerd op machine learning. Googles Neural Machine Translation kan nu, in een stuk of tien talen, complete zinnen in een keer vertalen zonder deze eerst in kleine segmenten te breken. Het programma vertaalt nu vlekkeloos zinnen van Hemmingway van het Engels naar het Turks.
Professionele vertalers zullen met achterdocht kijken naar Google Translate. De BBC heeft een website waarop je je beroep kunt invullen. De site laat je dan weten hoe groot de kans is dat dit beroep in de komende twintig jaar weggeautomatiseerd wordt door een slimme computer. Voor vertalers is die kans 33 %, voor werktuigbouwkundigen 13 %. Voor bankbedienden is het schrikken: 97 %. Althans, volgens deze website. De data zijn afkomstig van Carl Frey en Michael Osborne, economen van Oxford University die in 2013 onderzochten wat de gevolgen van automatisering zijn voor de werkgelegenheid in Groot-Brittannië.
Patrick van der Duin, econoom, directeur van Stichting Toekomstbeeld der Techniek en docent aan de TU Delft, is optimistisch over de opmars van ki en de betekenis hiervan voor ingenieurs: ‘Het is duidelijk dat in de maakindustrie en in de data-intensieve dienstverlening, zoals de financiële dienstverlening, veel banen zullen verdwijnen. Het netto-effect voor mensen in technische beroepen zal echter in eerste instantie zeker positief zijn. Er zullen immers veel experts nodig zijn om al deze nieuwe systemen te ontwikkelen. Daarnaast zullen slimme systemen mensen niet vervangen, maar opereren in combinatie met menselijke intelligentie.’
Hij vervolgt: ‘De opkomst van ki kan wel betekenen dat sommige taken niet langer gedaan worden door experts. Mensen zonder een opleiding zullen bepaalde taken kunnen doen in combinatie met ki.’ Van der Duin gelooft niet dat binnen afzienbare tijd een leek met behulp van ki een brug zal ontwerpen. ‘De leek zal per definitie nooit begrijpen wat de computer heeft gedaan terwijl hij dan wel verantwoordelijk is voor het eindproduct. Je hebt een ingenieur nodig om te snappen wat de computer heeft gedaan en welk ontwerp het beste is uit meerdere mogelijkheden. Een ingenieur zal ook veel beter dan een intelligent systeem in staat zijn een dialoog te voeren met de opdrachtgever.’
Ook Manuela Veloso, directeur van de Machine Learning Department van Carnegie Mellon University en pionier op het gebied van robotvoetbal, denkt niet dat intelligente programma’s ingenieurs overbodig zullen maken. Veloso: ‘We kunnen de interactie tussen mensen en robots naar een veel hoger niveau tillen. Robots zullen daardoor meer initiatieven kunnen nemen, betere suggesties doen en menselijke experts beter ondersteunen bij het vinden van oplossingen. Maar ik geloof niet, zoals de media vaak suggereren, dat machines zo slim worden dat ze ons niet langer nodig hebben. Rekenmachines rekenen sneller dan mensen, maar ze hebben ons wel nodig om ze te vertellen wat ze moeten doen.’
‘Intelligente machines kunnen sneller en beter dan mensen omgaan met enorme hoeveelheden data’, zegt Veloso. ‘Maar ze hebben creatieve beperkingen. Machines leven niet in onze wereld. Ze hebben daarom moeite onze wereld en onze prioriteiten te begrijpen. Daarom zullen ze altijd begeleiding nodig hebben.’ Veloso werkt dan ook met het concept van symbiotic autonomy: intelligente robots die autonoom zijn, maar die zich ook bewust zijn van hun eigen fysieke, cognitieve en perceptuele beperkingen. Haar robots weten wanneer ze een menselijke begeleider om hulp moeten vragen.
Veloso voorziet veel progressie in de communicatie tussen mensen en intelligente robots. ‘Ik kan nu al tegen een van mijn robots zeggen, loop naar de lift en sla dan linksaf. Die robot heeft een programma dat mijn woorden automatisch vertaalt in uitvoerbare code.’ Dit alles betekent echter niet dat slimme robots ooit alles kunnen doen wat mensen kunnen. Veloso: ‘Bovendien moeten we keuzes maken. Er zijn zeven miljard mensen op aarde; waarom zouden we proberen die allemaal overbodig te maken?’
Veloso is onder de indruk van wat IBM’s computer Watson kan doen op het gebied van medische diagnoses. Ze zegt: ‘Wanneer een bedrijf als Microsoft of Google of Amazone nu besluit enorm veel geld te steken in een ki-systeem voor design en nieuwe producten, dan kunnen we heel snel ook een Watson hebben speciaal voor ingenieurs: een intelligente robot die zelf, maar onder toezicht van een deskundige, bruggen ontwerpt.’
Andrew Moore is decaan van de School of Computer Science van de Carnegie Mellon University. Deze Brit is niet goed in hardware – ‘wanneer ik naast een robot sta, gaat die geheid kapot’ – maar is wel een vooraanstaand expert op het gebied van machine learning en controle-algoritmen voor robots. Hij overziet bij Carnegie Mellon pogingen om het schrijven van software te automatiseren. ‘We hebben software ontwikkeld die bugs opzoekt in door mensen geschreven programma’s en deze dan corrigeert. Je leest vaak dat programmeurs vervangen zullen worden door computers, maar ik weet dat het nog heel lang gaat duren voor het zover is.’
Moore denkt dat er ook in de toekomst nog volop werk zal zijn voor ingenieurs. ‘Stel dat je vandaag tien softwareontwikkelaars en drie ontwerpers een jaar lang moet laten werken om een nieuw product te laten ontwikkelen’, zegt Moore. ‘Over tien jaar zullen we dan, dankzij ki en allerlei slimme tools, nog maar drie softwareontwikkelaars en een ontwerper gedurende drie maanden laten werken aan de ontwikkeling van een soortgelijk product dat dan waarschijnlijk beter is. Je zou dus denken dat er voor minder mensen werk zal zijn. Maar dat hoeft niet.’
‘Productontwikkeling zal in de toekomst veel sneller gaan’, vervolgt hij. ‘Dat betekent ook dat er veel meer productontwikkeling zal plaatsvinden. Neem nou animatiefilms. Het is gewoon schokkend hoeveel medewerkers je in de aftiteling van zo’n film ziet. Door automatisering zal je zo’n film over tien jaar met 75 % minder mensen maken. Daar staat dan tegenover dat er waarschijnlijk ook drie keer zoveel animatiefilms zullen worden gemaakt die dan gericht zijn op verschillende delen van het publiek.’
Moore denkt wel dat leken, eigenlijk doe-het-zelvers, steeds meer ingenieurswerk zullen doen. ‘Je moet eens kijken wat er nu al gebeurt in de wereld van de prothesen. Tot voor kort was het zo dat iemand met een geamputeerd ledemaat of met een ander gebrek maar moest zien of er een bedrijf was dat een prothese maakte dat precies aan zijn of haar behoefte voldoet. Er is inmiddels een hele virtuele gemeenschap van leken ontstaan die met behulp van ontwerpsoftware en 3d-printen zelf prothesen maken voor familieleden of vrienden met een probleem. Dit is een soort democratisering van het ontwerpproces waarbij de ontwerper en de ingenieur helemaal worden uitgeschakeld.’
