Verdieping

Mens vs. machine: waarom de machine (bijna) altijd wint

0

Duizenden jaren regeerde menselijke intelligentie over onze aardbol. We hebben onszelf buiten de voedselketen verheven en langzaam maar zeker gebouwd aan de complexe civilisatie die we nu kennen. Met die voortdurende, snelle ontwikkeling lijken we onszelf nu in onze achilleshiel te raken. Artificial intelligence verslaat tegenwoordig de allerbeste menselijke spelers in schaken (Deep Blue), de tv-quiz Jeopardy! (Watson) en Go (AlphaGo) en statistische modellen maken betere keuzes dan menselijke experts. Hoe kan een machine winnen van het grootste wonder der natuur – het menselijk brein?

Het is een treurig beeld: je spendeert zowat één vierde van je leven aan school, studie en specialisatie. Je ambieert wellicht een verantwoordelijke functie waarin je veel belangrijke keuzes moeten maken. Je hebt daar in feite ook recht op: na al die jaren aan de universiteit of hogeschool heb je kennis van zaken en een goede gut feeling voor de taken die op je wachten. En dan blijkt opeens uit onderzoek (pdf) van onder anderen professor Chris Snijders (TU Eindhoven), dat jouw vermeende expertise een fabeltje is. Althans, een computermodel kan, met beschikking over de juiste data, in praktisch alle gevallen een betere keuze maken dan jij.

Waren al die jaren van bloed, zweet en tranen dan helemaal voor niets? Dat is misschien wat kort door de bocht. Het is eigenlijk wel logisch dat wij hier de verliezende partij zijn. Er zijn tientallen psychologische redenen waarom menselijk denken het aflegt tegen een machine. We nemen zeven van die ‘mentale schoonheidsfoutjes’ eens onder de loep.

1. Onze denkpatronen zijn vastgeroest

9 stippen 4 lijnen

Zie het plaatje met de negen stippen hierboven. Probeer eens alle punten met elkaar te verbinden zonder je vinger van het scherm te halen en met behulp van niet meer dan vier rechte lijnen. Als je de oplossing nog niet kende, begin je wellicht inmiddels een beetje te zweten. Vooruit dan, hier vind je de oplossing.

Het feit dat we in dit geval letterlijk niet out of the box denken, maakt het voor ons lastig om de relatief simpele oplossing te vinden. Het toont aan dat het menselijk denken vaak gekenmerkt wordt door vaste patronen en zienswijzen. Een computer kijkt met een frisse blik tegen elk nieuw probleem aan en beschikt over de capaciteit om snel meerdere alternatieven te zoeken.

2. Ons geheugen is onbetrouwbaar

twin towers 9_11

Weet jij nog waar je was toen je hoorde dat vlucht MH17 was neergestort? Of toen de Twin Towers instortten op 11 september 2001? Grote kans dat dat vrij nauwkeurige herinneringen bij je oproept, maar het nog maar de vraag of die memoires ook echt beschrijven wat er toen gebeurde. Vlak nadat de Challenger Space Shuttle in 1986 crashte bij de lancering, ondervroegen onderzoekers van Cambridge University honderden Amerikanen over waar hun locaties en activiteiten op die dag. Drie jaar later bleek nog maar weinig van hun herinneringen te kloppen.

Onze herinneringen veranderen voortdurend. Elke keer als we er iets uit ons geheugen ophalen, verandert het een klein beetje. De waarheid vermengt zich langzaam met fantasieën en meningen. Iets waar een computer uiteraard geen last van heeft.

3. We vallen voor de beschikbaarheidsheuristiek

Als je bij het maken van een keuze vertrouwt op je geheugen, gebruik je vooral herinneringen die makkelijk beschikbaar zijn. Misschien ligt er iets recht voor je neus wat je aan een bepaalde gebeurtenis doet denken, of is die herinnering simpelweg het eerste wat je te binnen schiet. Soms leidt dat tot oneerlijke vergelijkingen. Een heuristiek is als het ware een afkorting voor het brein. Bij de beschikbaarheidsheuristiek neemt je denkproces dus een afkorting door voornamelijk te vertrouwen op de herinneringen die het makkelijkst voor handen zijn.

Als je onlangs betrokken bent geweest bij een auto -ongeluk, zul je de kans op een volgend ongeluk veel hoger inschatten dan nodig. Die recente confrontatie doet het lijken alsof auto ongelukken over het algemeen vaak voorkomen, terwijl het daadwerkelijke aantal vrij laag is. Een machine neemt geen afkortingen, maar gaat alleen uit van keiharde cijfers.

4. We kunnen slecht omgaan met kansberekeningen

gele taxi's

Neem even de tijd voor het volgende geldachtenexperiment: stel je voor dat je in New York woont en regelmatig een taxi moet nemen. Het is een regelrechte ramp: in totaal zijn slechts 5 procent van alle taxi’s die er rondrijden leeg. Het probleem is dat alle taxi’s geblindeerde ramen hebben en je dus niet kunt zien of er iemand achterin zit. Over de jaren heen heb je een onderbuikgevoel ontwikkeld voor lege taxi’s. Als de volgende taxi die aan komt rijden leeg is, begint je navel in 90 procent van de gevallen te jeuken. Toch krijg je ook jeuk bij 10 procent van alle bezette taxi’s. Op dit moment jeukt je navel en je houdt de volgende taxi aan. Wat is dan de kans dat die daadwerkelijk leeg is?

Je bent nu wellicht geneigd om te denken dat het antwoord 90 procent is, maar dat is helaas niet juist. Onthoud dat er van de 1000 taxi’s slechts 50 leeg zijn. In 90 procent van die 50 keer krijg je een onderbuik gevoel, dus 45 keer. Je navel jeukt ook in 10 procent van de 950 andere gevallen, dus 95 keer. In totaal jeukt je navel dus 140 keer, maar in slechts (45/140 =) 32 procent van die gevallen is de taxi leeg. Gegeven dat een computer kan rekenen met een juiste formule, zijn dit soort fouten dus in 100 procent van de gevallen menselijk.

5. We overschatten ons eigen kunnen

Als je iemand vraagt om in te schatten hoe zeker hij is van zijn antwoord, dan wordt die zekerheid bijna altijd overschat. Een studie van de Amerikaanse psychologen Libby en Rennekamp wijst uit dat proefpersonen het aantal goed beantwoorde Triviant-vragen systematisch overschatten. Dit effect is nog groter voor deelnemers die van zichzelf denken dat ze over enige mate van expertise beschikken. Een mens maakt een inschatting over de betrouwbaarheid van een antwoord op basis van intuïtie en gevoelens. Een uitspraak als “Ik ben voor 80 procent zeker” is in dat opzicht ook zelden echt ergens op gebaseerd. Een machine berekent die betrouwbaarheidsinterval op een wiskundige manier en tot op de komma nauwkeurig. Die zekerheid kan vervolgens worden gebruikt om verder te rekenen.

6. We vinden patronen die niet bestaan

roulette casino

Dit is misschien wel de reden waarom casino’s nog altijd zoveel geld omzetten. We denken een patroon te zien in de nummertjes die uit de roulettetafel rollen, terwijl het in feite berust op pure willekeur. De drang om overal patronen in te zien komt voort uit onze evolutie. Als we het hoge gras op de savanne zien bewegen kan dat grofweg twee dingen betekenen. Het kan een betekenisloos signaal zijn (het is niets meer dan de wind die de dorre halmen met zich meevoert), of juist een levensbedreigend alarm (het is een tijger die zich klaarmaakt voor de aanval). Evolutionair gezien is het natuurlijk logischer om wél de link te leggen tussen de beweging van het gras en het gevaar dat op de loer ligt, ook als is die kans in werkelijkheid vrij klein.

In het dagelijks leven is het echter alleen maar onpraktisch om niet-bestaande patronen mee te nemen in je overwegingen – dat heeft natuurlijk weinig zin. Een statistisch computermodel kan aan de hand van de data vrij eenvoudig bepalen of het aannemelijk is dat er een relatie bestaat tussen twee (of meerdere) variabelen. Is er geen patroon? Dan wordt die verhouding ook niet meegenomen in de rest van de berekeningen.

7. We kunnen niet altijd leren van de feedback die we krijgen

autorijden

Normaal gesproken leren we van de directe gevolgen die onze acties hebben. Denk bijvoorbeeld aan autorijden: als we het stuur naar rechts draaien, zal de auto onherroepelijk volgen. Als we dat niet is wat we willen, dan moeten we corrigeren. De actie heeft een direct gevolg en op basis van dat gevolg bepaal je of je moet bijsturen. In een complexere situatie is het vaak helemaal niet duidelijk wat oorzaak en gevolg is. Een beslissing heeft niet meteen resultaat, maar kan stiekem toch behoorlijk wat impact hebben op de toekomst. Een machine kan die verschillende factoren veel beter van elkaar onderscheiden en kan ook leren van ingewikkelde patronen en verhoudingen.

Is er dan écht geen hoop meer voor de mensheid?

Het lijkt erop alsof de mens op alle facetten een draai om zijn oren krijgt van haar eigen technologie. Toch betekent dat niet dat we hopeloos verloren zijn. We hebben immers nooit gezegd dat het per se een wedstrijd moest zijn. Het is juist de combinatie tussen mens en machine die onoverwinnelijk is.

De mens stipt de problemen aan, de machine vindt de oplossing. Een AI-entiteit is (tot op heden) extreem goed in één of enkele specifieke taken. Als je beschikt over verschillende van die losstaande AI-programma’s, bouw je dus in feite aan een AI-gereedschapskist. De mens is degene die vervolgens bepaalt in welke situatie hij welke tool gebruikt. Meer geavanceerd gereedschap leidt uiteindelijk tot geavanceerdere oplossingen. Kortom, wij zijn zo krachtig als de tools waar we mee werken. Laat het vuile werk maar aan die algoritmes over.