Zes onderzoekteams van Nederlandse universiteiten en onderzoeksinstellingen krijgen gezamenlijk 1,5 miljoen euro voor onderzoek naar kunstmatige intelligentie. Het geld wordt door NWO Exacte Wetenschappen verdeeld over groepen die onder andere onderzoek doen naar zelflerende robots, beeldherkenning, drones, e-learning, taal- en video-analyse. Uit zestien voorstellen zijn zes onderzoeken geselecteerd.
Het gaat om de volgende onderzoeken:
Diepe neurale netwerken voor zelflerende robots
Momenteel is het gebruikelijk om robots handmatig te programmeren om specifieke taken uit te laten voeren. Dit werkt goed indien de taak en de omgeving van de robot op voorhand voldoende gekend zijn en de taak niet al te complex is. Om deze beperkingen aan te pakken worden er in dit project effectieve leermethoden ontwikkeld, zodat een robot zelfstandig kan leren uit ervaring en kan omgaan met de aanwezige onzekerheden en complexiteit. Deze nieuwe aanpak maakt robots beter inzetbaar voor toepassing in de dagelijkse praktijk. Het onderzoek wordt uitgevoerd door prof. dr. R. Babuska, (TU Delft) en prof. dr. K. Tuyls (TU Delft).
Beeldherkenning met diepe spiking neurale netwerken: sneller, beter, goedkoper
Geavanceerde Artificiële Intelligentie (AI) is gebaseerd op modellen van de hersenen: zogenaamde diepe neurale netwerken. Deze vorm van AI wordt al veel gebruikt door bedrijven als Google, Apple en Facebook in spraak- en beeldherkenning. Toch zijn dergelijke neurale netwerken slechts een grof model van hoe hersenen werken. In dit project worden krachtigere en efficiëntere neurale netwerken ontwikkeld op basis van moderne modellen van de bouwstenen van hersenen: spiking neuronen. Met spiking neuronen kunnen in de toekomst krachtigere neurale netwerken worden toegepast in bijvoorbeeld smartphones, voor het herkennen van mensen of objecten in foto’s, of om direct spraak te vertalen. Het onderzoek wordt uitgevoerd door dr. S.M. Bohté (CWI), dr. S. Ghebreab (UvA) en dr. H.S. Scholte (UvA).
Natuurlijke intelligentie voor groepen kleine drones
Groepen kleine drones kunnen helpen gebouwen te verkennen, bijvoorbeeld om te zoeken naar overlevenden na een aardbeving. De drones zijn zo klein (rond de 10 centimeter diameter) dat ze weinig sensoren en rekenkracht aan boord kunnen hebben. Geïnspireerd door de intelligentie van kleine insecten wordt in dit project onderzoek gedaan naar het ontwijken van obstakels, navigeren door nauwe ruimtes, en verdelen van werk tussen de drones. De drones zullen hun omgeving waarnemen met kleine camera’s en efficiënte algoritmen die alleen delen van de beelden bewerken. Voor navigatie gebruiken ze topologische kaarten en een stochastisch optimale besturing. Het onderzoek wordt uitgevoerd door dr. G.C.H.E. de Croon (TU Delft) en prof. dr. H.J. Kappen (RUN).
Hoe neurale netwerken deeltaken kunnen leren onder invloed van beloning en straf
Onze intelligentie stelt ons in staat om flexibel in te spelen op onze omgeving. We leren door fouten te maken of wanneer we het juist onverwacht goed doen. In dit voorstel wordt met computersimulaties onderzocht hoe modellen van hersenen – neurale netwerken – nieuwe taken kunnen leren die uit deeltaken bestaan. Kan een netwerk dat een deeltaak geleerd heeft (bijvoorbeeld een deur opendoen) voor een bepaalde taak (naar de koelkast lopen) deze deeltaak vervolgens ook gebruiken bij andere taken (naar de garage lopen)? Het aanleren van overdraagbare deeltaken zou neurale netwerken veel krachtiger maken, en geschikter voor bijvoorbeeld robots. Het onderzoek wordt uitgevoerd door prof. dr. P.R. Roelfsema, Nederlands Herseninstituut en dr. S.M. Bohté (CWI).
Leren te communiceren door sociale en talige interacties
In dit project worden intelligente systemen ontwikkeld die leren met elkaar te communiceren, middels een revolutionaire methode waarbij de machines vergelijkbare ervaringen krijgen als jonge kinderen. Deze ervaringen zijn gebaseerd op observaties van natuurlijke interacties tussen kinderen en hun familieleden. Door middel van kunstmatige intelligentie worden deze interacties nagebootst en leert het systeem op een menselijke manier te communiceren. De resultaten van dit project kunnen belangrijke toepassingen vinden in de ontwikkeling van, onder andere, intelligente robots die zo natuurlijk mogelijk met mensen moeten kunnen communiceren (bijvoorbeeld in de ouderenzorg). Daarnaast biedt het project nieuwe methodes om het leergedrag van kinderen te onderzoeken. Het onderzoek wordt uitgevoerd door dr. P.A. Vogt, (UvT), en dr. A. Alishahi (UvT).
Een video bestaat uit vele miljoenen gekleurde pixels. Hoe kunnen computers in deze brei aan informatie objecten zoals ‘hardloper’ en hun beweging (‘rennen’) herkennen? Een wiskundige theorie over symmetrieën stelt ons in staat om intrinsieke eigenschappen van objecten (zoals de vorm) te onderscheiden van de niet-intrinsieke eigenschappen (zoals de beweging en belichting). Deze theorie bleek eerder al essentieel in de natuurkunde en vormt de basis van het standaardmodel en de algemene relativiteitstheorie. In dit project wordt dezelfde theorie gebruikt als de basis voor technologie die computers in staat stelt bewegende beelden te interpreteren. Het onderzoek wordt uitgevoerd door prof. dr. M. Welling (UvA) en dr. L.P.J. van der Maaten (TU Delft)
Fantastische besteding. Niet geweten dat spiking neurale netwerken nu zo praktisch nuttig zijn. Ik mis alleen nog het element “evolving AI” : AI verbeterd door kunstmatige evolutie, zoals een “evolving neural network”.
Voorbeeld: http://www.natural-selection.com/people_dfogel.html