Het ontwerpen van perfecte elektronische schakelingen
Begin 2017 zagen we de strijd oplaaien tussen twee soorten intelligentie. De ene oogt natuurlijk en werkt aanstekelijk, de andere, kunstmatige, neemt steeds meer toe, en dat laatste slaat helaas niet over naar mensen. Onlangs versloeg een bepaalde computer, met 10.000 keer zoveel rekenkracht als het exemplaar waarop u dit leest, met groot verschil de beste pokerspelers van de wereld.
En dan ook nog in een vorm van poker die niet menselijker kan zijn, namelijk een waarbij bluf een grote rol speelt.
Begin 2017 zagen we de strijd oplaaien tussen twee soorten intelligentie. De ene oogt natuurlijk en werkt aanstekelijk, de andere, kunstmatige, neemt steeds meer toe, en dat laatste slaat helaas niet over naar mensen. Onlangs versloeg een bepaalde computer, met 10.000 keer zoveel rekenkracht als het exemplaar waarop u dit leest, met groot verschil de beste pokerspelers van de wereld.
En dan ook nog in een vorm van poker die niet menselijker kan zijn, namelijk een waarbij bluf een grote rol speelt. Deze val van een van de laatste bastions van de slimme menselijke intelligentie maakt me enthousiast, maar ook bezorgd.
De overwinning is toe te schrijven aan een programma dat zichzelf tijdens het spelen verbetert, oftewel reinforcement learning toepast. Een prima prestatie! En weet u wat de prikkel is die het programma aanzet tot het verbeteren van zichzelf? Het vooruitzicht van winst.
Bij poker weten de spelers niet welke kaarten hun tegenstanders in hun hand hebben, men spreekt van een spel met incomplete informatie. Voor de programmeurs van kunstmatige intelligentie lijkt deze uitdaging op die van de echte wereld. Wat hen motiveert is dat deze vorm van intelligentie, die een robot-pokerspeler de winst bezorgt, ook kan worden gebruikt voor... cybersecurity en oorlog, twee andere ‘spellen’ met incomplete informatie.
Nee, u gelooft het niet? Denkt u dat er voor het creëren van fantastische nieuwe schema’s en software iets anders nodig is dan het analyseren en als voorbeeld nemen van bestaande dingen?
De illustratie hierboven is van de hand van Kurt Diedrich, een talentvolle ontwerper (en humorist) die vroeger bij het Elektor-lab werkte en deze schuivende rails bedacht om met universele functionele blokken totaal nieuwe schakelingen te creëren.
En dan ook nog in een vorm van poker die niet menselijker kan zijn, namelijk een waarbij bluf een grote rol speelt. Deze val van een van de laatste bastions van de slimme menselijke intelligentie maakt me enthousiast, maar ook bezorgd.
De overwinning is toe te schrijven aan een programma dat zichzelf tijdens het spelen verbetert, oftewel reinforcement learning toepast. Een prima prestatie! En weet u wat de prikkel is die het programma aanzet tot het verbeteren van zichzelf? Het vooruitzicht van winst.
Bij poker weten de spelers niet welke kaarten hun tegenstanders in hun hand hebben, men spreekt van een spel met incomplete informatie. Voor de programmeurs van kunstmatige intelligentie lijkt deze uitdaging op die van de echte wereld. Wat hen motiveert is dat deze vorm van intelligentie, die een robot-pokerspeler de winst bezorgt, ook kan worden gebruikt voor... cybersecurity en oorlog, twee andere ‘spellen’ met incomplete informatie.
Big data : Horowitz & Hill, Tietze & Schenk, Pease & Williams & Widlar
Wat betreft incomplete informatie, tijdens het lezen van sommige recente commentaren van onze lezers, met hun wensen en frustraties, stelde ik mij een gebied van kunstmatige inelligentie voor dat ik nog niet eerder voor mogelijk had gehouden: het ontwerpen van perfecte elektronische schakelingen. Gezien het huidige niveau van kunstmatige intelligentie zou het niet lang meer moeten duren tot een computer, na uw wensen te hebben geïnventariseerd en geanalyseerd, alle elektronische kennis verzamelt die als ‘big data’ is opgeslagen: ontelbare schema’s, datasheets, de wet van Ohm en alle andere natuurwetten, veiligheidsvoorschriften, standaarden, ‘best practices’, tips & trucs, en het complete oeuvre van Horowitz & Hill, Tietze & Schenk, Jim Williams, Bob Pease en Bob Widlar en consorten, en niet te vergeten alle edities van Elektor vanaf het eerste nummer. Vervolgens zal deze supercomputer perfecte schakelingen ontwerpen die volledig voldoen aan uw eisen, wedden?Nee, u gelooft het niet? Denkt u dat er voor het creëren van fantastische nieuwe schema’s en software iets anders nodig is dan het analyseren en als voorbeeld nemen van bestaande dingen?
De illustratie hierboven is van de hand van Kurt Diedrich, een talentvolle ontwerper (en humorist) die vroeger bij het Elektor-lab werkte en deze schuivende rails bedacht om met universele functionele blokken totaal nieuwe schakelingen te creëren.
