© 2022 Kris Merckx | uitgeverij Sterck & De Vreese
Omslagontwerp Mijke Wondergem
Boekverzorging Elgraphic
ISBN 978 90 5615 XXX X
NUR 680 | 984
Alle rechten voorbehouden. Niets uit deze uitgave mag worden vermenigvuldigd, opgeslagen in een geautomatiseerd gegevensbestand, of openbaar gemaakt in enige vorm of op enige wijze, hetzij elektronisch, mechanisch, door fotokopieën, opnamen of op enige andere manier, zonder voorafgaande schriftelijke toestemming van uitgeverij Sterck & De Vreese, postbus 234, 8400 AE Gorredijk, Nederland âinfo@sterckendevreese.nl.
De uitgeverij heeft ernaar gestreefd alle copyrights van de in deze uitgave opgenomen illustraties te achterhalen. Aan hen die desondanks menen alsnog rechten te kunnen doen gelden, wordt verzocht contact op te nemen met Sterck & De Vreese.
Sterck & De Vreese is onderdeel van
20 leafdesdichten en in liet fan wanhoop bv
www.sterckendevreese.nl
Waar gaat dit boek over?
Dit boek gaat op zoek naar wat menselijke intelligentie nu precies is en welke andere vormen van intelligentie nog voorkomen in de natuur. Wat dacht je van planten die kunnen tellen of honden die een paar honderd woorden kunnen onderscheiden? Intelligentie is nauw verbonden met interactie met de leefomgeving. Mensen beschikken niet enkel over een zesde, maar over enkele tientallen zintuigen die de waarneming van onze omgeving vergemakkelijken.
De mens ziet zich nog veel te vaak als het toppunt van de evolutie. Geen enkel levend wezen lijkt de inventiviteit en innovatiedrang van de mens te evenaren. Is alleen de mens in staat tot intelligent gedrag, tot innovatie en cultuur? Ook dieren en zelfs planten lijken vaak in staat tot verrassend slim gedrag en vormen van communicatie die we tot voor kort niet voor mogelijk achtten.
Daarnaast koestert de mens de eeuwenoude droom om zichzelf opnieuw uit te vinden. De werktuigen en technieken die de mens sinds de prehistorie bedacht, dienden niet enkel om het werk te verlichten, maar ook om onze hersenarbeid te verminderen. Het schrift ontlastte de belastingcontroleurs in het Oude Egypte van heel wat geheugenwerk. In het oude Babylon bedacht men indexeringstechnieken om in de massa kleitabletten informatie snel terug te kunnen vinden. Slimme en verrassende algoritmes voor automatisering en automatische gegevensverwerking vinden we reeds terug in de klassieke oudheid. Al vanaf de prehistorie halen we letterlijk de data en het denkwerk uit het hoofd.
Welk voordeel biedt het ons evolutionair gezien om informatie te kunnen onthouden? Hoe onthouden we informatie zowel in als buiten het hoofd? Welke technieken hebben we gedurende de geschiedenis bedacht om voor lange tijd data âbuiten de hersenenâ te bewaren en waarom doen we dit? Waarom verzamelen grote techbedrijven, zoals Google en Facebook, massaâs data? Hoe komt het dat negentig procent van alle data die de mens in de geschiedenis produceerde, stamt uit het laatste decennium?
We verzamelen zodanig veel gegevens dat er te weinig hersenen zijn om al die informatie te verwerken. De mens zet in op kunstmatige intelligentie, waarbij machines in staat zijn om zelf te leren uit data, razendsnel patronen te herkennen en zelfs voorspellingen te doen. Zal âartificial intelligenceâ, AI, ooit de menselijke intelligentie kunnen benaderen of zelfs voorbijstreven? Waarom geloven sommige computerwetenschappers dat dit punt in de tijd, de singulariteit, binnen zeer korte tijd zal plaatsvinden en menen neurowetenschappers of sommige fysici dat dit misschien wel nooit zal gebeuren?
Wat is kunstmatige intelligentie? Hoe kunnen machines zelfstandig leren, net zoals mensen en sommige dieren dat doen?
Intelligentie kan je niet zonder meer meten in IQ. Intelligentie heeft de maken met informatieverwerking, met waarneming, maar ook met groepsgedrag. Op bepaalde momenten in de menselijke geschiedenis is de herseninhoud niet toe-, maar juist afgenomen. Hoe komt dit? Klopt het dat de groei van de hersenen in de evolutie gradueel verloopt, zoals de bioloog Dunbar meent? Kan de menselijke intelligentie nog toenemen? Bepaalt de grootte van de hersenen de intelligentie? Vind je vormen van groepsintelligentie en zwermintelligentie, zoals bij onder meer mierenkolonies, ook bij de mens?
De auteur
Op de vierkantshoeve van mijn ouders was de zolder een van mijn favoriete plekken om even aan de dagelijkse werkelijkheid te ontsnappen. Het stof op de vermolmde vloer dwarrelde slechts één keer per jaar omhoog als mijn moeder haar jaarlijkse grote schoonmaak begon. Ik voelde me meer aangetrokken tot de geheimen die het stof als een afgedragen mantel bedekte. Op een van die zoektochten vond ik daar, aangetast door de spreekwoordelijke tand des tijds, een zwart houten doosje met daarin iets wat op een blaasbalg leek en een reeks geponste platen, vermoedelijk van tin of messing. De platen hielden qua afmeting het midden tussen een gewone vinyl-lp en -single. Rond de opening in het midden stonden namen als âmazurkaâ en âwalsâ.
Het toestel bleek een oude muziekdoos en zorgde ervoor dat ik mijn studie hervatte. Ik startte een opleiding tot master in de geschiedenis met als doel de geschiedenis van de ponsplaat, meer bepaald van het coderen van informatie, te achterhalen. Waar kwam deze techniek vandaan? Wie had hem bedacht?
Toen ik een paar jaar later aan mijn masterscriptie begon, bleek het echter bijzonder moeilijk om iemand bereid te vinden om mijn onderzoek te begeleiden. Het bleek te ruim en te breed. Mijn promotor vroeg me om mijn onderzoeksobject af te bakenen in de tijd. Noodgedwongen beperkte ik me tot de lancering en verspreiding van het Jacquardweefgetouw in België tijdens de late achttiende en de negentiende eeuw. Niet zozeer de technologische achtergronden, maar vooral de cultuurhistorische insteek moest centraal staan. Niettemin zette ik mijn eigen persoonlijke onderzoek voort en kon ik de historische bronnen van ponssystemen en programmeerbare automaten terugvinden. Het leidde me naar het Alexandrië van de derde eeuw voor het begin van onze jaartelling. Ik bouwde een van die vroege robots na en hij âvergezeldeâ me op een aantal lezingen over mijn boek
Niet van gisteren.
Voor mijn boek
Augmented realityuit 2011 ontwikkelde ik een stuk programmeercode waardoor je de Emotiv Epoc, een âbrain computer interfaceâ, kon inzetten om een computercursor aan te sturen. Die oefening was een zoveelste ingrediënt dat mijn interesse voor het menselijke brein en menselijke intelligentie voedde.
Als lector webonwikkeling en multimedia aan de University Colleges Leuven-Limburg kreeg ik de opdracht om studenten te onderwijzen in de concepten van data en analytics. Dat kon natuurlijk niet losstaan van de wereld van big data en kunstmatige intelligentie. Data en data structureren voor computersystemen waren me niet vreemd. Als webontwikkelaar werk ik dagelijks met databanken, gestructureerde bestanden als JSON en markeertalen als XML en HTML. Kunstmatige intelligentie was een nog nieuw en onontgonnen gebied voor me. Ik voelde me een ontdekkingsreiziger door dit voor mij nog grotendeels onbekende gebied. Ik verslond boeken en artikelen, waaronder
How to create a mindvan Ray Kurzweil. Hij is er heilig van overtuigd dat AI de menselijke intelligentie binnen zeer korte tijd zal overschaduwen. De wat meer bezonnen Britse computerwetenschapper Nick Bostrom vreest eveneens dat AI ons binnen relatief korte tijd zal overvleugelen.
Ik ging zelf aan de slag met AI-algoritmes en slimme technieken van dataverwerking. Dit boek schreef ik grotendeels met mijn Crowl-tekstverwerker, die me in staat stelt om sneller te werken dankzij allerlei AI-technieken. Maar al snel viel me op dat veel algoritmes die het stempel âAIâ krijgen, vaak niet meer zijn dan slimme wiskundige constructies. Andere technieken, gebaseerd op neurale netwerken en âdeep learningâ, gaan veel verder. Maar zal dit werkelijk kunnen leiden tot een kunstmatige intelligentie op menselijk niveau? Kunnen het menselijke brein en intelligentie worden gezien als biologische computers en kan je omgekeerd de werking van het brein nabouwen in een computersysteem?
In ons onderzoekslab aan de UCLL werken we ook met robots die we programmeren om mensen in zorginstellingen te amuseren, maar kan je zulke automaten echt intelligent noemen? Een AI-algoritme kan dan wel slim zijn, maar als ik het gedrag van onze kat bekijk, dan lijkt die nog steeds een stuk intelligenter dan een robotstofzuiger of een semi-zelfrijdende auto. Bowie, onze kat, zal zich niet laten misleiden als je een sticker van kattenvoeding in plaats van echte voeding in haar voederbakje legt. Een âslimmeâ auto daarentegen kan je eenvoudig misleiden door een âadversarial patchâ op een verkeersbord te plakken.
De afgelopen jaren verscheen een grote hoeveelheid boeken over AI, geschreven door mensen die heel bedreven en enthousiast zijn over hun eigen vakgebied. Aan de andere kant verschenen een hoop ontnuchterende boeken van de hand van hersenwetenschappers, neurobiologen⦠kortom mensen voor wie de studie van de werking van het brein hun dagelijkse bezigheid is. Sommige boeken focussen op de zintuiglijke waarneming, andere op het menselijk bewustzijn. Weer andere behandelen het verschil tussen menselijke en kunstmatige intelligentie, een paar beschrijven de geschiedenis van hersenstudie en hersenonderzoek.
Zoals gezegd wil ik de focus vooral leggen op wat menselijke intelligentie nu precies onderscheidt van andere vormen van intelligentie. Kan je intelligentie kunstmatig nabootsen als je zelfs het begrip ânatuurlijke intelligentieâ nog maar moeilijk kan definiëren of afbakenen? Waar komt de drang vandaan om hersenwerk te vergemakkelijken en te automatiseren? Waarom heeft de mens zich altijd zoveel moeite getroost, zij het bewust of onbewust, om het hersenwerk uit het hoofd te halen en te vergemakkelijken? Kan de mens ooit komen tot een extern brein dat het zijne kan vervangen?
Hoofdstuk 1: Vormen van intelligentie
Wat is intelligentie?
âMensen die opscheppen over hun IQ zijn losers.â
â Stephen Hawking
âDe maatstaf voor intelligentie is het vermogen om te veranderen.â
â Albert Einstein
âIn werkelijkheid is âintelligentieâ een louter vocale klank geworden, een woord met zoveel betekenissen dat het er uiteindelijk geen heeft.â
â Spearman, 1927
Welke menselijke intellectuele eigenschappen zal een computer of AI nooit kunnen hebben? Die vraag stel ik steevast aan mijn studenten aan het begin van een nieuw semester. Meestal voeren dan twee begrippen de boventoon: âemotiesâ en âcreativiteitâ. Dat zijn echter niet meteen de begrippen die we tijdens ons leven koppelen aan intelligentie. We prijzen Albert Einstein en Stephen Hawking niet omdat ze emotionele liedjesteksten schreven. Einstein zou eveneens hebben gezegd dat âalle grote prestaties van de wetenschap moeten beginnen met intuïtieve kennis.â Staan intuïtie en creativiteit dan nog een trapje hoger dan intelligentie? Anderzijds, ervaren dieren niet ook emoties, ook al schatten we de menselijke intelligentie toch een stap hoger in dan die van je, hoe lief je ze ook vindt, hond of kat?
Wat is intelligentie? Het lijkt bijzonder moeilijk, ook voor wetenschappers, om hiervoor een eensluidende definitie op te stellen. Intelligentie heeft te maken met kunnen leren en plannen, probleemoplossend denken, creatieve oplossingen bedenken, kennis kunnen representeren⦠Ook bij het grote publiek bestaat er geen eenduidige kijk op intelligentie. Over een docent hoor je wel eens: âHij kan het niet uitleggen, maar hij is wel heel intelligent.â Anderzijds hoor je: âEen moeilijk probleem eenvoudig kunnen uitleggen, getuigt van intelligentie.â
Vaak onderscheidt men diverse soorten intelligentie, waardoor de ene mens bekwamer is in de ene vaardigheid dan in de andere. Algemene intelligentie beschouwen we eerder als het vermogen om te leren of om te leren hoe je problemen moet oplossen (= vloeiende intelligentie), dan het vermogen om eerder geleerde kennis te reproduceren (= gekristalliseerde intelligentie).
In het boek
The Abilities of Man(1927) stelde de Britse psycholoog Spearman dat er twee soorten intelligentie bestaan: algemene en specifieke intelligentie, bijvoorbeeld wiskundig redeneren. Ook David Hebb onderscheidde twee vormen van intelligentie. Aangeboren intelligentie, die beïnvloed is door genetische facturen, is verantwoordelijk voor de verschillen in intelligentie tussen mensen. Op dat fundament ontwikkelt zich een tweede laag van intelligentie door interactie met de leefomgeving.
Groot probleem bij deze stelling is dat je moeilijk kan bepalen waaraan de intellectuele verschillen tussen mensen dan precies te wijten zijn. De Amerikaanse psycholoog Louis L. Thurstone (1938) was het oneens met Spearman. Volgens hem bestond intelligentie uit zeven bouwstenen: verbaal begrip, verbale vlotheid, getal (rekenen en problemen oplossen), geheugen, perceptuele snelheid, inductief redeneren en ruimtelijke visualisatie. Horn en Cattell onderscheidden dan weer negen vermogens, maar de bekendste zijn gekristalliseerd vermogen en vloeiend vermogen. Flexibel denken en abstract redeneren zijn vloeiend, maar het aanleren van feitenkennis en vaardigheden zagen ze als gekristalliseerd. Carrolls (1993) hiërarchische theorie of drielagenstelling plaatst helemaal bovenaan de algemene intelligentie. Daaronder zit de tweede laag, waarin onder meer vloeiend vermogen, leren en geheugen en perceptuele snelheid thuishoren. De derde laag bevat meer specifieke vermogens, zoals wiskundig redeneren.
Louis Guttman (1954) legde de basis voor het vernieuwende radexmodel. Daarin rangschikte hij vaardigheden langs een gelaagde cirkel. Algemene intelligentie (âgâ) vind je in het centrum van de cirkel. Hoe dichter een vaardigheid bij âgâ ligt, hoe complexer ze is en hoe meer energie ze vergt. Hoe dichter een geteste vaardigheid bij de rand van de cirkel ligt, hoe eenvoudiger en hoe minder energie ze vraagt. Vaardigheden die op elkaar lijken (bijvoorbeeld woordenschat en begrijpend lezen), liggen dichter bij elkaar. Laat duidelijk zijn dat dit vooral een bruikbaar model is bij intelligentietests, maar relatief weinig vertelt over de werking van de hersenen zelf.
Intelligentie meten
Intelligentie is geen batterij waarvan je de lading kan meten. Het is een functionele kwaliteit van een biologisch systeem: onze hersenen. Omdat ieder mens over een stel hersenen beschikt, kan je er dus ook van uitgaan dat iedereen intelligent is. Maar waarom de ene persoon nu eerder dom is en de andere een genie, dat is lang niet duidelijk.
Vroeger bevatten intelligentietests vaak een groot aantal vragen gebaseerd op feitenkennis (gekristalliseerde intelligentie). Moderne tests zijn gebaseerd op verbaal redeneren, ruimtelijke manipulatie en wiskunde. Om het IQ te bepalen berekent men het gemiddelde en de standaardafwijking van de testresultaten van een steekproef van een onderzoeksgroep. De gemiddelde score stelt men gelijk aan honderd. Een standaardafwijking komt overeen met vijftien IQ-punten. Intelligentietests en de daaraan gekoppelde scores zijn vaak controversieel en subjectief . Anderzijds bleken ze een waardevol hulpmiddel bij wetenschappelijk onderzoek naar intelligentie en bij het selecteren van sollicitanten door bedrijven.
Wil je echter controleren in welke mate dieren of computersystemen intelligent zijn, dan kom je met een IQ-test niet ver. Je kan je kat bijvoorbeeld moeilijk een intelligentietest met vragen op papier voorleggen. We moeten dus op zoek gaan naar universele maatstaven om intelligentie te kunnen meten bij zowel mensen en dieren, als kunstmatige systemen.
Beeld je in dat een duif een intelligentietest zou samenstellen, dan zou niet wiskunde of verbaal redeneren centraal staan, maar ruimtelijk navigeren. Ongetwijfeld zouden de meeste duiven beter scoren op dit soort test dan mensen. Willen we dus een test die zowel valabel is voor mensen als voor pakweg vogels en bijen, dan kan je zowel wiskundige vaardigheden als ruimtelijk redeneren testen. Maar nemen we ook een smartphone op in ons testpubliek, dan zal dat toestel buitensporig goed scoren zowel wat rekenen betreft als navigeren.
Onszelf als maatstaf nemen is niet noodzakelijk een foutief uitgangspunt. We kunnen dieren en machines rangschikken naargelang die vaardigheden waarin ze de menselijke intelligentie evenaren of overtreffen, beduidend minder scoren of compleet âde mist ingaanâ. In die zin zou een allesomvattende intelligentietest voor dieren, machines een soort Turing-test worden.
Mensen onderscheiden zich van andere organismen door een sterke mate van tijdsbesef. We kijken terug op een verleden van (goede en slechte) ervaringen, waarvan we in het beste geval heel wat geleerd hebben. Die kennis en ervaringen gebruiken we om, vaak onbewust, voorspellingen te doen over te nemen beslissingen. Een ezel stoot zich geen twee keer aan dezelfde steen, zegt het spreekwoord. Zoals je in hoofdstuk 6 zal zien, heeft het huidige succes van kunstmatige intelligentie veel te maken met voorspellende analyse.
De hersenen als zetel van intelligentie
Intelligentietests en bijhorende modellen zeggen weinig over het orgaan waar alle intelligente vermogens tot stand komen: de hersenen. De hersenen bevatten naar schatting 86 miljard neuronen (een soort zenuwcellen). Ze zijn onderling met elkaar verbonden in netwerken. In totaal zouden er tussen die neuronen ongeveer honderd biljoen verbindingen bestaan. Dat is natuurlijk een schatting, want niemand heeft ze echt geteld. Neurowetenschappers zijn steeds beter in staat om vast te stellen welke delen van hersenen actief zijn bij een bepaalde taak. Zo hebben ze een vrij duidelijk beeld van waar intelligentie zich in de hersenen bevindt (of zou kunnen bevinden).
Begin twintigste eeuw ontdekte de reeds eerder vermelde Charles Spearman een verbazingwekkend verband. Studenten die goed presteerden in één vak, hadden de neiging om ook goed te presteren in andere, totaal andere vakken. Een leerling die goed kon lezen, was bijvoorbeeld ook goed in wiskunde. Die ontdekking suggereerde een verborgen verband. Hij noemde dit de âg-factorâ of âalgemene intelligentieâ. De g-factor staat voor een soort âall roundâ-vermogen om informatie te begrijpen en verwerken en toe te passen in nieuwe probleemsituaties. Iemand die begaafd is in wiskunde, zal waarschijnlijk ook goed presteren in patroonherkenning en begrijpend lezen.
Veel neurowetenschappers probeerden de locatie van die âalgemene intelligentieâ terug te vinden in de hersenen. Angst huist bijvoorbeeld in de amygdala en het coderen van herinneringen lijkt zich hoofdzakelijk in de hippocampus af te spelen. Het schakelen tussen taken en zelfbeheersing lijken plaats te vinden in de prefrontale cortex. Maar daarmee is nog lang niet duidelijk waar taken als patroonherkenning, een kritische houding of gewoonweg ânadenkenâ thuishoren.
Anders dan vaak is gesteld, lijkt het weinig waarschijnlijk dat specifieke hersengebieden verantwoordelijk of gespecialiseerd zijn in één bepaald soort intelligentie. Dankzij neuro-imaging-technieken geloven veel neurowetenschappers dat een netwerk van meerdere hersengebieden verantwoordelijk is voor intelligentie. Volgens de pariëtofrontale integratietheorie, of P-FIT, bevinden die netwerken zich voornamelijk in de frontale en pariëtale kwabben. De efficiëntie van communicatie en variaties in dat netwerk zouden bepalen hoe intelligent iemand is. Intelligentie zou dus gerelateerd zijn aan hoe goed informatie door de hersenen reist.
P-FIT steunt echter hoofdzakelijk op fMRI-scans. Daarin controleert men welke zones in de hersenen oplichten bij het uitvoeren van een bepaalde taak, maar dat wil natuurlijk nog niet zeggen dat dat gebied dan ook daadwerkelijk verantwoordelijk is voor het uitvoeren van een specifieke taak. Een fMRI volgt de bloedstroom door de hersenen, maar kijkt niet naar de activiteit van specifieke neuronen.
Ook het bestuderen van hersenletsels helpt bij het lokaliseren van bepaalde hersenfuncties die een rol spelen bij intelligentie. Beschadigingen in het gebied van Wernicke leiden tot problemen met het begrijpen van taal, ook al kan de persoon nog gewoon spreken. De productie van taal huist immers in het gebied van Broca. P-FIT lijkt deze taakverdeling te bevestigen.
P-FIT is niet het enige model over de oorsprong van intelligentie. Sommigen beweren dat hersengolven het meest invloedrijke onderdeel van intelligentie zijn, omdat ze de activiteit van neuronen coördineren. Weer anderen menen dat intelligentie een gevolg is van de reorganisatie van hersennetwerken: hoe flexibeler je hersenen zijn, des te slimmer je bent.
Het brein als computer
Computationele stellingen over intelligentie gebruiken de computer als metafoor voor de menselijke intelligentie. Het brein vormt dan de informatieverwerkende hardware, de aangeboren en aangeleerde vaardigheden een aantal softwarefuncties. De ontwikkeling van de computer, en later kunstmatige intelligentie in de twintigste eeuw, ging hand in hand met het gebruik van de computationele metafoor. Klopt het dat het brein een computer is? In hoofdstuk 6 komen we hier nog uitgebreid op terug.
Intelligentie en bewustzijn
âNatuurlijk heb ik geen van de termen âintelligentieâ, âbegripâ of âbesefâ gedefinieerd. Ik denk dat het zeer onverstandig zou zijn om te proberen hier volledige definities te geven. We zullen tot op zekere hoogte moeten afgaan op onze intuïtieve perceptie van wat deze woorden eigenlijk betekenen. Als ons intuïtief begrip van âbegripâ is dat het iets is dat nodig is voor âintelligentieâ, dan zal een argument dat de niet-computationele aard van âbegrip" vaststelt, ook de niet-computationele aard van âintelligentieâ vaststellen. (â¦) Intelligentie vereist begrip. Begrip vereist besef (= âawarenessâ). Besef beschouw ik als één aspect â het passieve aspect â van het verschijnsel bewustzijn. Bewustzijn heeft ook een actief aspect, namelijk het gevoel van vrije wil.â
â Roger Penrose,
Shadows of the Mind, 1994
Intelligentie en bewustzijn zijn overlappende functies of ze zijn naar alle waarschijnlijkheid met elkaar verbonden. Maar betekent dit dat kunstmatige intelligentie dan eveneens over een bewustzijn kan beschikken? Volgens Gamez vormt ieder van ons het centrum van zijn eigen ervaringsbubbel. Die bubbel bestaat uit onze directe omgeving, inclusief alle objecten, maar ook niet-fysische eigenschappen, zoals kleuren en geuren. Als ik kook, dan is die bubbel de keuken, met de geuren van de kokende groenten en de kruiden, de geur en kleur van de spaghettisaus, de warmte van het fornuis⦠Maar ik ben me er ook van bewust dat mijn dochter op haar kamer zit te studeren (dat hoop ik in ieder geval), dat mijn vrouw ook ergens in huis aan het werk is en dat de kat, die ik even niet zie, wellicht ergens op een stoel aan het slapen is. Ook heel veel dieren zijn bewust, maar dat kan ik niet zeggen van de laurier- en de korianderplant op de vensterbank. Dat hoop ik althans, want als ik een paar blaadjes neem voor mijn saus, dan schreeuwt die plant het niet uit van de pijn. Ook in onze dromen zitten we in een ervaringsbubbel, maar daarin lopen bestaande omgevingen wel eens vaag of geheel in elkaar over.
Maar het blijft natuurlijk moeilijk om bewustzijn exact te definiëren. Veel mensen hebben het nog steeds moeilijk met het idee dat bewustzijn kan worden herleid tot een fysisch fenomeen dat enkel en alleen maar tot stand komt dankzij een biologisch orgaan, de hersenen. Immers, dan moet je bewustzijn kunnen zien in de vorm van een patroon van oplichtende hersenzones, heen en weer schietende neuronen of elektromagnetische golven. Volgens Hameroff en Penrose is bewustzijn eerder een kwantumfenomeen⦠een tijdelijk en ruimtelijk patroon in fysisch materiaal, zoals een bewegend elektron een magnetisch veld produceert, maar een bewegend neutron dan weer niet.
Andere wetenschappers, zoals Dehaene en Tononi, hebben weer andere hypothesen over de oorsprong van het bewustzijn gedefinieerd. GWT (global workspace theory) is daar één van. Vaak gebruikt men het theater als analogie. In het theater van het bewustzijn is een spot gericht op een bepaalde plak op het podium. De kijker (de persoon in kwestie) focust zich op wat zich afspeelt binnen de lichtkring. Maar ook achter de schermen speelt zich heel wat af. Er zijn muzikanten, een regisseur, andere acteurs, licht- en geluidstechnici, enzovoort. Al die mensen en activiteiten bepalen mede wat er gebeurt op het podium, maar ze bevinden zich onzichtbaar op de achtergrond. Dehaene veronderstelt het bestaan van een soort geheugenbuffer die externe stimuli enkele honderden milliseconden vasthoudt.
Het laatste woord is hier nog lang niet over gezegd. Ook al is er bijzonder veel onderzoek verricht, dan nog kan er weinig met zekerheid worden gezegd over het verband tussen bewustzijn en intelligentie. Stellen dat kunstmatig bewustzijn spontaan kan ontstaan in kunstmatige systemen, is daarom nogal kort door de bocht op dit moment. Naar alle waarschijnlijkheid hebben functies waarvan we veronderstellen dat ze aan bewustzijn zijn gekoppeld, ook te maken met intelligentie. Denk maar aan voorstellingsvermogen, verbeelding, aandacht, planning, emotieâ¦
Intelligentie en leven
Tenzij je gelooft in âintelligent designâ, kunnen we stellen dat levenloze zaken, zoals water, rotsen, de grond van je tuin of je woning en alle meubels daarin, geen intelligentie bezitten. En zelfs al geloof je in âintelligent designâ, dan nog staat die intelligentie los van de waarneembare omgeving en de objecten zelf. Immers, indien een god dit alles zou hebben gebouwd, dan zou die intelligentie bij die god of goden liggen en zouden levenloze objecten hooguit sporen kunnen bevatten van die goddelijke intelligentie. Vergelijk het met een huis: dat vertoont duidelijk nog sporen van het plan van de architect. âIntelligent designâ veronderstelt dat je dat plan ook nog kan zien in de natuur en het leven om ons heen. Maar het is natuurlijk verre van wetenschappelijk om daarin te geloven. Maar het is uiteraard je goed recht om dat wel te doen. Ik doe dat niet.
Daarmee hebben we natuurlijk nog niet de vraag beantwoord wat intelligentie nu precies is, maar het licht al wel een tipje van de sluier op. We gaan uit van de aanname dat levenloze zaken geen intelligentie bezitten of in ieder geval geen intelligent gedrag vertonen. Maar ook dat klopt natuurlijk niet helemaal. Een robotstofzuiger leeft niet, al beweegt hij heen en weer over de vloer van de woonkamer. Hij lijkt echter intelligent genoeg om niet tegen meubels of de muur aan te botsen. Als we levenloze dingen, zoals de robotstofzuiger, een vorm van intelligent gedrag geven, dan spreken we van âkunstmatige intelligentieâ.
Dit brengt ons echter bij een tweede vraag: wat is leven? Zelfs de meest eenvoudige vormen van leven vertonen een complexiteit die veel groter is dan die van de meest geavanceerde computers of kunstmatige systemen uit onze tijd. Levende systemen bestaan uit cellen. Elk van die cellen bevat ongeveer tien miljard op elkaar inwerkende moleculen. Veel moleculen zijn op hun beurt opgebouwd uit duizenden tot honderdduizenden atomen. De interactie tussen al die moleculen maakt van elke cel een soort natuurlijke supercomputer. Elke cel vormt een informatieverwerkend en zelf replicerend systeem. De werking van een cel en de inherente dynamica daarvan nabootsen of simuleren, lijkt ver buiten de mogelijkheden van de huidige wetenschap te liggen. Een van de belangrijkste redenen hiervoor is dat de chemische verbindingen in de cel de âregelsâ van de quantummechanica volgen. Nauwkeurige quantumberekeningen zijn op dit moment alleen mogelijk binnen een kleine verzameling op elkaar inwerkende deeltjes.
Bovendien functioneren cellen niet in hun eentje. Levende systemen organiseren zich in verschillende organisatieniveaus, van de eenvoudigste naar de meest complexe vormen: organellen, cellen, weefsels, organen, orgaansystemen, organismen, populaties, gemeenschappen, ecosystemen en biosfeer.
Het atoom is, zoals algemeen bekend, de kleinste en meest fundamentele eenheid van materie. Het bestaat uit een kern omgeven door elektronen. Atomen vormen op hun beurt moleculen, chemische structuren bestaande uit ten minste twee atomen die door een of meer chemische bindingen bij elkaar worden gehouden. Grote moleculen, zogenoemde macromoleculen, zijn biologisch belangrijk. Een voorbeeld van een macromolecuul is desoxyribonucleïnezuur of DNA, dat de instructies bevat voor de structuur en werking van alle levende organismen.
Leven is een erg complex proces. Een (levend) organisme bestaat uit samenlevingen van individuele cellen die hun interne omgeving reguleren, een proces dat bekendstaat als âhomeostaseâ. Dit houdt in dat ze hun inwendige milieu van biochemische processen in evenwicht proberen houden ondanks veranderingen in de omgeving. Een organisme haalt energie uit de externe omgeving: zonne-energie, plantaardig of dierlijk weefsel⦠Organismen bezitten het vermogen om zich aan te passen aan een veranderende externe omgeving. Ze groeien doorgaans in omvang, reageren op externe prikkels en planten zich voort.
In de levende natuur onderscheiden we diverse vormen van leven. Plantaardig leven lijkt op meerdere manieren te verschillen van dierlijk en menselijk leven. Planten bewegen zich niet voort in de omgeving. Een wandelende tak is immers geen echte tak. Een zonnebloem beweegt wel haar kop, maar wandelt al evenmin rond door je tuin. Planten beschikken in tegenstelling tot bewegend leven niet over een brein.
Bewustzijnsniveaus
In tabel 1.1 onderscheiden we diverse bewustzijnsniveaus. De tabel is verre van volledig, want vogels en vissen komen bijvoorbeeld niet voor in het overzicht. De genoemde bewustzijnsniveaus behandelen de ruwe verschillen die we tussen levende organismen aantreffen. Planten reageren op weersomstandigheden en verschillen in lichtintensiteit. Een slang beweegt zich door haar habitat om voedsel te vinden en reageert op bedreigingen. Zoogdieren zijn in staat tot sociaal gedrag met soortgenoten. Dat levert tal van evolutionaire voordelen op: bescherming tegen roofdieren, het vinden van een partner⦠Alleen de mens lijkt zichzelf bewust te zijn van zijn relatie met het heden, het eigen verleden en de toekomst en kan plannen maken. Volgens Paul L. Nunez is dit bewustzijnsniveau een natuurlijke en evolutionaire extensie van de eerste niveaus.
[Begin tabel]
Tabel 1.1
Bewustzijnsniveau Organisme Karakteristiek gedrag Breinstructuur
0 Plantaardig leven Reactie op weer en licht Geen
I Reptielen Bewegen door de ruimte Hersenstam
II Zoogdieren Sociale interactie Limbisch systeem
III Mensen Tijdsbesef Cerebrale cortex
IV Grootschalige Geavanceerde kennis Interactieve breinen
intelligentie
Bron: Paul L. Nunez
[Einde tabel]
Omdat wij in onze habitat rondlopen, kunnen wij in gevaarlijke situaties terechtkomen. Wij moeten in staat zijn gevaren waar te nemen en op passende wijze te reageren. We moeten voortdurend beslissingen nemen, omdat we âvooruit moeten denkenâ. We proberen tenslotte te âoverlevenâ. Intelligentie lijkt in die zin op het vermogen van een organisme om zich snel te kunnen aanpassen aan veranderende externe omgevingen. Een prehistorische jager-verzamelaar moest zich bewust zijn van de trektochten van de dieren waarop hij jaagde en van de seizoenen. Hij moest vooruitdenken en plannen maken. Hoe moeilijker voedsel was te vinden in de omgeving waarin hij verbleef, hoe meer hij moest nadenken en plannen om aan het nodige voedsel (plantaardig of dierlijk weefsel) te komen. Intelligentie is het vermogen om te leren van nieuwe situaties, om die geleerde kennis te onthouden en de vaardigheid om die kennis te gebruiken en zelfs aan te passen bij het oplossen van nieuwe of soortgelijke problemen. Nunez voorziet in elk bewustzijnsniveau nog gradaties. Het laatste niveau van âinteractieveâ breinen komt uitgebreid aan bod in het hoofdstuk 6.
Vormen van menselijke intelligentie
Na meer dan twintig jaar lesgeven leerde mijn vrouw via een aantal opleidingen handtassen en schoenen maken. Niet âmakenâ in de zin van herstellen, want dat doet en kan ze ook, maar in de zin van een model ontwerpen en tekenen tot het eigenhandig stikken, lijmen, enzovoort, van de handtas. In minder dan geen tijd bereikte ze een hoogstaand niveau (ik hoor je al denken dat ik niet ontdaan ben van enige subjectiviteit) en bezorgt ze haar klanten meermaals een wow-gevoel. Ze ontving een paar jaar geleden de officiële status van âerkend ambachtâ. Mensen noemen haar âcreatiefâ en âkunstzinnigâ, alsof er ergens een drempel bestaat tussen vakmanschap en kunst.
Het is niet het enige waarin ze uitblinkt. Ze heeft ook een luisterend oor voor haar leerlingen en kan goed lesgeven. Terwijl ik overal de weg kwijtraak, lijkt zij te beschikken over een bijna onaards oriëntatiegevoel. Anderen zien haar als iemand met vakkennis, als kunstzinnig en empathisch, maar niet snel zal iemand haar het stempel âgeniaalâ of âzeer intelligentâ toekennen. Waar ligt de grens tussen vaardigheid, intelligentie, creativiteit of genialiteit?
John Anthony Gillis, beter bekend onder de artiestennaam Jack White, is de zanger-gitarist van de White Stripes. Ook hij is iemand die op tal van gebieden uitblinkt. Hij begon als restaurateur van stoelen en dat doet hij, naast zijn muzikale bezigheden, nog steeds. Als grote fan van De Stijl, gaat zijn voorkeur uit naar de kleuren rood, groen, blauw en geel bij het kiezen van textiel voor zijn stoelen. In elke stoel die uit zijn atelier komt, verstopt hij op al even eigenzinnige manier iets dat met muziek te maken heeft: een versterker, gesmolten 78-toerenplaten of zelfgeschreven poëzie⦠In de in 2009 verschenen documentaire
It Might Get Louddemonstreert hij zijn eigenzinnige gitaarspeelstijl, die een stempel drukte op zijn werk bij de White Stripes en later The Raconteurs. Andere gitaristen van dienst in de documentaire zijn Jimmy Page, van de legendarische rockband Led Zeppelin, en The Edge, gitarist van het Ierse U2. Elk van hen is meer dan zomaar een goed gitarist. Ze ontwikkelden een heel eigen speelstijl die uit duizenden te herkennen is. Ze zijn uniek, creatief en ieder op hun manier artiest pur sang. Fans noemen hun gitaarspel âgeniaalâ. Maar niemand zal hen naast pakweg Albert Einstein plaatsen, ook al noemt iedereen Einstein âgeniaalâ.
Mijn moeder zei vaak: âIk ben misschien maar een dom mens, maar ik heb toch vaak gelijk.â Ze vond het jammer dat ze nooit de kans had gehad om te studeren. Niettemin leidde ze als jonge vrouw, na de dood van mijn grootvader, gedurende een aantal jaren alleen de boerderij. Ze wist van aanpakken, kon verhalen vertellen als geen ander en niemand zou haar ooit, buiten zij zelf dan, hebben bestempeld als âdomâ. Ze was praktisch ingesteld, kon planmatig denken en schreef en vertelde verhalen zoals je die alleen vindt bij mensen die in een mondelinge cultuur opgroeien.
Bij het restaureren van mijn ouderlijke hoeve ben ik vaak verrast door de slimme, maar vaak heel eenvoudige oplossingen van de negentiende-eeuwse bouwvakkers. Het doet me aan het befaamde âscheermesâ van de middeleeuwse Engelse filosoof Willem Ockham denken: âentia non sunt multiplicanda praeter necessitatemâ (= âje moet het aantal zijden niet groter maken dan nodigâ). Of om het eenvoudig uit te drukken: als er twee oplossingen mogelijk zijn voor eenzelfde probleem, kies dan de eenvoudigste oplossing.
Ze werkten vermoedelijk zonder de tussenkomst van een architect, maar niettemin waren ze meerdere bouwtechnieken meester. De bakstenen werden ter plaatse gebakken en gesorteerd: de harde stenen voor de fundamenten, de zachtste voor de binnenmuren, de beste stenen voor de buitenmuren. Met katrollen trokken ze hele boomstammen twaalf meter naar boven om als nokbalk te dienen van de schuur. De meesten van deze bouwvakkers gingen vermoedelijk nooit naar school. Ze leerden die technieken van âvader op zoonâ, zoals de volksmond het zegt. Ook al kregen ze geen wiskundeles, toch waren ze bekend met de stelling van Pythagoras en wisten ze in welke hoek een zijgevel moest worden opgetrokken. Aan zulke grote bouwwerken werkten ze als team, waarbij ieder wellicht zijn eigen specialisatie had. Toch plaatst onze cultuur deze bouwvakkers niet even hoog op de intellectuele ladder als architecten.
Het stempel van âintelligentieâ lijkt in de westerse cultuur bijna exclusief te zijn voorbehouden aan mensen met een academische titel. Een wetenschappelijke houding, zoals je die bij de meeste universitaire opleidingen krijgt aangeleerd, houdt in dat je de werkelijkheid probeert te vatten in een aantal categorieën en daarin wetmatigheden en regels probeert te ontdekken en vast te leggen.
Academische intelligentie kan je ruwweg opsplitsen in vier principes:
[begin opsomming]
- Ieder mens beschikt over dezelfde cognitieve basisprocessen. Elon Musk, Alfred Einstein, Jack White, een bouwvakker of een prehistorische jager-verzamelaar⦠beschikt over dezelfde cognitieve technieken voor waarneming, geheugen, oorzaak-gevolganalyse, categorisatieâ¦
- Als mensen uit andere culturen of sociale groepen een andere mening zijn toegedaan, is dit niet omdat hun cognitieve processen anders zijn, maar omdat ze in een andere omgeving of context zijn opgegroeid of omdat hen andere dingen zijn aangeleerd.
- âHogereâ redeneerprocessen berusten op de formele regels van de logica. Bijvoorbeeld: een stelling kan niet zowel waar als onwaar zijn.
- Redeneren staat los van datgene waarover wordt geredeneerd.
[einde opsomming]
Maar ook al beschikt ieder mens over deze mogelijkheden, toch lijkt het gemeengoed dat die niet bij iedereen even sterk aanwezig of ontwikkeld zijn. Sterker nog, in de loop der tijd zijn intelligentietests ontwikkeld waarmee men de mate van âintelligentieâ op een schaal probeert vast te leggen. Maar kan je intelligentie wel echt goed meten? Gelden die vier principes ook echt voor âiedereenâ, wereldwijd?
In het boek
The Geography of Thoughtstelt Richard Nisbett, verbonden aan het Culture and Cognition Program aan de Universiteit van Michigan, dat Aziatische en westerse culturen een geheel andere visie hebben over wat intelligentie nu precies is.
Nisbett beschrijft hoe een Chinese student ooit tegen hem zei:
[begin inspringing]
âWeet je, het verschil tussen jou en mij is dat ik denk dat de wereld een cirkel is, en jij denkt dat het een lijn is (â¦) De Chinezen geloven in voortdurende verandering, maar met dingen die altijd teruggaan naar een eerdere toestand. Ze besteden aandacht aan een breed scala van gebeurtenissen; ze zoeken naar relaties tussen dingen; en ze kunnen het deel niet begrijpen zonder het geheel te begrijpen. Westerlingen leven in een eenvoudiger, meer deterministische wereld. Zij richten zich op in het oog springende objecten of mensen in plaats van op het grotere geheel. Zij denken dat zij gebeurtenissen kunnen beheersen, omdat zij de regels kennen die het gedrag van objecten bepalen.â
[einde inspringing]
Elena Grigorenko en Robert J. Sternberg, beiden professor aan de universiteit van Yale, onderzochten hoe inwoners van Afrika aankijken tegenover intelligentie. De Luo, op het platteland van Kenia, onderscheiden vier vormen van intelligentie: âriekoâ, âluoroâ, âparoâ en âwinjoâ. âLuoroâ omvat sociale kwaliteiten, zoals respect en verantwoordelijkheid. âParoâ komt overeen met praktisch denken, âwinjoâ met begrip. âRiekoâ komt in grote lijnen overeen met het westerse idee van academische intelligentie, maar omvat eveneens specifieke vaardigheden.
Sternberg ontdekte dat kinderen die goed scoren op het gebied van paro of praktische intelligentie, bijvoorbeeld bij een test op de kennis over geneeskrachtige kruiden, zwak scoren op een test van academische intelligentie. De resultaten van het onderzoek wijzen erop dat praktische en academische intelligentie zich onafhankelijk of zelfs in conflict met elkaar kunnen ontwikkelen. De waarden van de cultuur bepalen de richting waarin het kind zich ontwikkelt. Andere studies, die zowel in geïndustrialiseerde als niet-geïndustrialiseerde landen zijn uitgevoerd, lijken aan te tonen dat mensen die niet in staat zijn om complexe problemen abstract op te lossen, dit vaak wel kunnen als ze in een vertrouwde context worden gepresenteerd.
Het onderzoek naar de perceptie van en de ideeën over intelligentie in andere culturen daagt de conventionele westerse ideeën over intelligentie uit. Is het mogelijk om cultuurvrije of cultuurvriendelijke intelligentietests te ontwikkelen? Of wordt elk soort test onvermijdelijk beïnvloed door de culturele achtergrond van diegenen die de test ontwikkelen? Kunnen bestaande intelligentietests worden aangepast aan niet-westerse culturen of moeten volledig nieuwe tests worden ontworpen?
Veel psychologen delen de mening dat een test die volledig vrij is van culturele vooroordelen, nagenoeg onmogelijk is. Immers, leerprocessen zijn niet enkel cultuurgebonden. Kinderen die opgroeien in een formele onderwijsstructuur (= georganiseerd en gestructureerd onderwijs) raken bijvoorbeeld al snel vertrouwd met het ordenen van gegevens in rijen en kolommen. Dit verschaft hen een âvoordeelâ in vergelijking met kinderen die opgroeien in een omgeving waar formeel onderwijs eerder zeldzaam is.
In culturen of sociale groepen waar media, zoals televisie, film en videogames, sterk zijn doorgedrongen, zullen testpersonen beter scoren op visuele tests, dan testpersonen die opgroeien in op taal gebaseerde culturen. Patricia Greenfield van de Universiteit van Californië stelt het als volgt:
[inspringen]
âIk denk dat het belangrijk is om erop te wijzen dat non-verbale tests of visuele tests het meest cultuurgebonden zijn. (â¦) Ze zijn niet âcultuurvrijâ en ze zijn niet âcultureel eerlijkâ; in feite zijn ze minder eerlijk dan verbale tests.â
[einde inspringen]
Greenfield is niet van mening dat het uitvoeren van een test onmogelijk is in andere culturen, maar dat je bij het ontwerpen en uitvoeren van een test goed bekend moet zijn met de waarden en praktijken van die cultuur. Het volstaat niet om een test te vertalen in de lokale taal, maar elke test dient afgestemd te zijn op de lokale behoeften en waarden van de desbetreffende cultuur. Om die reden gebruikte Ashley Maynard, hoogleraar psychologie aan de Universiteit van Hawaï, bij een onderzoek naar de cognitieve ontwikkeling bij kinderen van een Zinacantec Maya-dorp in Mexico, speelgoedweefgetouwen en ander materiaal uit de omgeving.
Slim gedrag bij dieren
Zijn dieren intelligent? Als je dat aan katten- of hondeneigenaars vraagt, zullen ze instemmend âjaâ knikken. Maar hoe meet je intelligentie bij dieren? Hoe slim ze ook lijken, een kat of hond doet nooit een wetenschappelijke ontdekking. Vogels zijn slim, maar ze maken geen schilderijen die onze museummuren vullen. Volgens Dan Engber bestuderen we dierlijke intelligentie op de foute manier, omdat we dan meestal enkel hun vermogen meten om dingen te doen die wij kunnen. We bekijken dierlijke intelligentie te vaak door een menselijke bril. Vaak beperkt het onderzoek van dierlijke intelligentie zich tot vergelijkingen met onze eigen vaardigheden: taal, het maken en gebruiken van gereedschappen, gevoelens en empathieâ¦
Zoals ik reeds aanhaalde: duiven zullen heel veel beter scoren op het vlak van navigeren dan wij mensen. Maar als je hen beoordeelt op basis van hun vermogen tot het begrijpen van gesproken commandoâs, dan zullen de meeste duivenmelkers moeten toegeven dat hun hond daar beter in scoort.
In zijn boek
How We Learnbeschrijft Stanislas Dehaene een ethologisch onderzoek bij honden. Rico, een herdershond, bleek meer dan tweehonderd woorden te kunnen onderscheiden. Als je hem beval âRico, haal de dinoâ, dan kwam hij even later met de correcte knuffel aangewandeld. Dehaene zegt dat duidelijk werd dat Rico net zoals mensenkinderen gebruikmaakt van wat hij noemt de âveronderstelling van wederzijdse exclusiviteitâ. Die regel stelt dat de kans erg klein is dat er twee woorden bestaan om hetzelfde concept aan te duiden. Immers, als je Rico beval om een object te brengen waarvan hij de benaming nog nooit had gehoord, dan kwam hij ook daadwerkelijk met de knuffel aandragen die hij nog niet eerder had gezien. Maar Rico werd hoofdzakelijk getest op zijn vaardigheid in het begrijpen van menselijke taal. Als je hem zou testen op zijn vaardigheid om dingen te herkennen op basis van geur, zou hij veel hoger scoren dan een mens. Maar herkennen van geuren bestempelen we niet als een vorm van intelligentie, tenzij we een robot zouden bouwen die hetzelfde kan, dan zouden we spreken van âkunstmatige intelligentieâ.
Bij de spiegeltest gaan onderzoekers de intelligentie na op basis van het vermogen tot zelfherkenning. Maar zoân onderzoek ziet over het hoofd dat dieren in de vrije natuur nooit met een spiegel in aanraking komen. Ook leden van de Pirahastam in het Amazonegebied zouden behoorlijk laag scoren. Immers, als er geen spiegels zijn, heb je geen enkele manier om jezelf te herkennen (buiten water misschien).
Kraaien gebruiken gereedschappen. Vogels, maar ook belugawalvissen, beschikken over het vermogen om menselijke taal na te bootsen. Van apen, bijen, dolfijnen en prairiehonden vermoeden een aantal onderzoekers dat ze een taalvermogen hebben.
De Amerikaanse ecoloog Carl Safina schreef meerdere boeken over dierlijk gedrag en intelligentie. Hij beweert dat we uit de observatie van dieren (neem je eigen hond of kat) kunnen concluderen dat heel wat dieren wel degelijk over een geheugen en emoties beschikken. Mogelijk beschikken sommige zelfs over fantasie.
In zijn boek
Other Minds: The Octopus and the Evolution of Intelligent Lifeonderzoekt filosoof, wetenschapshistoricus en fervent duiker Peter Godfrey-Smith de vraag of intelligent leven op aarde niet één, maar twee keer is geëvolueerd. Hij beschrijft de evolutionaire ontwikkeling van geest en bewustzijn van de eerste cellen tot ontwikkelde zenuwstelsels in voorouders van kwallen en koppotigen, zoals de inktvis, zeekat en vooral octopus. De octopus, zo stelt Godfrey-Smith, is een bijzonder slim dier. De tentakels van de octopus zitten vol met neuronen, waardoor die bijna zelfstandig âdenkenâ. Octopussen in gevangenschap identificeren individuele verzorgers, plunderen naburige tanks voor voedsel, doven gloeilampen uit door waterstralen te spuiten, draaien afvoerbuizen dicht en ondernemen gewaagde ontsnappingspogingen.
Potvissen vertonen erg krachtige sociale banden en zouden blijk geven van een groepsgevoel. Ze communiceren via complexe technieken van echolocatie. Dat groepsgevoel zou een verklaring kunnen vormen van het feit dat groepen dolfijnen en walvissen zwemmers beschermen tegen aanvallen van haaien of mensen van de verdrinkingsdood redden. Er is zelfs een geval bekend waarbij een groep potvissen een misvormde en achtergelaten dolfijn adopteerde. De besluitvorming lijkt geen individuele beslissing, maar een beslissing van de groep. Onderzoek naar zwermintelligentie wijst in die richting.
Zwermintelligentie
Mieren, bijen, termieten, wespen⦠vertonen dan misschien wel geen grote intelligentie in hun eentje, maar als groep lijken ze in staat tot probleemoplossend âdenkenâ. Een zwerm van deze insecten vertoont een complexe vorm van collectieve intelligentie. Die intelligentie ligt niet in neurale netwerken, maar in de interactie tussen de individuele leden van de zwerm (âagentsâ) en tussen de hele groep en haar leefomgeving. Ze vinden voedsel en kunnen de locatie daarvan aan elkaar âvertellenâ. Net zoals in een bedrijf bestaat er een verregaande taakverdeling. Ze bouwen als groep hun nest zonder dat de individuele leden hiervoor een plan âin het hoofdâ hebben. Bijen ketenen zich aan elkaar vast om warmte op te wekken om de was om een honingraat âzachterâ te maken en makkelijker bewerkbaar. In de wetenschap bestempelt men deze interactieve collectieve intelligentie als âzwermintelligentieâ. Een groep of zwerm lijkt over een inherente vorm van âzelforganisatieâ te beschikken.
Zwermintelligentie vormt een bron van inspiratie voor kunstmatige intelligentie en speelt een grote rol op het gebied van het Internet of Things (IoT). Computerwetenschappers ontwikkelen algoritmes gebaseerd op het sociale gedrag van deze insecten. De namen van de algoritmes liegen er niet om:
âant colony optimizationâ, âartificial bee colonyâ, en âsocial spider optimizationâ. Een zwerm drones (vliegende robots) die samen een grote afbeelding projecteren in de lucht, wordt aangestuurd door software op basis van zwermintelligentiemodellen.
De samenlevingsvorm van deze sociale insecten noemt men âeusocialiteitâ. Zoân samenleving voldoet aan de volgende drie eisen:
[opsomming]
- Arbeidsverdeling voor de voortplanting. Bepaalde individuen, meestal de koninginnen leggen de eieren. De werksters leggen geen eieren, maar hebben andere taken, zoals broedzorg, nestonderhoud, verdediging van de kolonie, voedsel verzamelenâ¦
- Volwassen insecten werken samen om voor de âjongenâ te zorgen.
- Minstens twee overlappende generaties werken samen.
[einde opsomming]
Een solitair organisme is een manusje-van-alles. Een wilde kat bijvoorbeeld moet zowel zorgen voor de voortplanting als voor voedsel. Maar bij eusociale insectensamenlevingen zijn die taken tijdens de evolutie geïntegreerd geraakt in het geheel. Er treedt een vorm van arbeidsspecialisatie op die je bij âsolitaireâ dieren niet ziet. Vanuit evolutionair perspectief kan je een mierenkolonie dan ook beschouwen als een âsuperorganismeâ. Geleidelijk zijn er grote morfologische verschillen in de vrouwelijke âkastenâ ontstaan. Als solitair insect zou een Eciton-koningin of -soldaat ten dode opgeschreven zijn. Maar als deel van de kolonie zijn hun respectievelijke prestaties op het gebied van voortplanting en verdediging echter ongeëvenaard. Dat betekent niet dat solitaire dieren goed zijn in multitasking. Ze voeren de verschillende taken achter elkaar uit. Maar in een mieren- of bijenkolonie is elk lid gespecialiseerd in een bepaalde taak. In het volgende hoofdstuk lees je over de gelijkenis tussen mierenkolonies en menselijke samenlevingen.
Periodiek systeem van dierlijke intelligentie
Is een kip dom? Volgens vergelijkend psycholoog Daniel Hanus kunnen de meeste debatten over dierlijke intelligentie worden herleid tot de bewering van Descartes dat niet-menselijke wezens complexe automaten zijn. Dierlijk gedrag zou volledig worden aangestuurd door externe of interne prikkels. Charles Darwin stelde het anders: "Het verschil in verstand tussen de mens en de hogere dieren ... is er één van graad en niet van soort".
Volgens die traditionele visie zouden kippen of kuikens zich gedragen volgens een âvoorgeprogrammeerdâ systeem dat netjes zit ingebakken in de zenuwbanen van hun relatief kleine brein. Onderzoek spreekt die visie tegen. Kuikens kunnen van bij hun geboorte inderdaad in hoge mate zelfstandig handelen en hebben volgroeide sensorisch-motorische systemen. Maar ze blijken net zoals de mens in staat tot adaptief gedrag. Al heel snel hebben kuikens begrip van occlusie en soliditeit (een vast voorwerp kan niet door een ander vast voorwerp gaan), de ordinale waarde van getallen, inzicht in geometrische basisverhoudingen, numerositeit. Dit betekent echter geenszins dat al die vaardigheden het resultaat zijn van aangeboren gedragsprogrammaâs. Kuikens zijn geboren met mechanismen die, net zoals bij de mens, het leren sturen, op zoân manier dat er ruimte is voor omgevingsvariatie. Een kuiken beschikt over het vermogen om de moederkip te herkennen. Vermits er heel wat variatie is in het uitzicht van de moederkip, mag het herkennen van die kip niet te specifiek zijn. Ze herkennen hun mama in zijaanzicht, maar ook in voor- of achteraanzicht, al rennend of al zittendâ¦. De herkenningsmechanismen zijn gebaseerd op eigenschappen zoals biologische beweging en gezichtsherkenning. Kuikens herkennen hun mama vanuit vele gezichtspunten en tegen vaak erg verschillende achtergronden. Ze herkennen hun broers en zussen ondanks dat deze broers en zussen aardig transformeren tijdens hun groei.
Toch zullen we nog al snel een kip als dom bestempelen, ook al beschikt ze over herkennings- en inprentingsmechanismen die we in het geval van een zelf rijdende auto als âkunstmatige intelligentieâ zouden bestempelen. Immers, zoân auto leert dank zij AI verkeersborden en -lichten, personen, straten enz. herkennen vanuit verschillende gezichtspunten en tegenover zeer diverse achtergronden. Talrijke onderzoeken tonen aan dat diverse organismen in staat zijn tot adaptief gedrag en tot leren. Wespen herkennen menselijke gezichten, krabben gebruiken de stekels van anemonen om zich tegen roofdieren te verdedigen. Alligators plaatsen stokken op hun snuit om zilverreigers te vangen. Muggen leren om pesticiden te vermijden...
Volgens wetenschapsfilosofe Marta Halina (Department of History and Philosophy of Science, University of Cambridge) kijken we veel te bevooroordeeld naar dierlijke intelligentie. Immers, ook al hebben we een groot brein met een enorm aantal neurale verbindingen, dan betekent dit geenszins dat het menselijke brein het enige is waarin adaptief leren tot stand kan komen. Volgens Halina moeten we ons bij het onderzoek van intelligentie bij menselijke en niet-menselijke dieren, niet afvragen welk dier het intelligentst is. De aandacht moet gaan naar de overeenkomsten en verschillen. Enkel op die manier verkrijgen we een duidelijker beeld van de talrijke wijzen waarop cognitieve mechanismen samenwerken en tot adaptief gedrag leiden, en van de rol van omgevingsfactoren. Niet alle levende organismen beschikken bijvoorbeeld over een gecentraliseerd brein. Bij kwallen functioneert het brein als een gedecentraliseerd netwerk van neuronen. Door het bestuderen van de overeenkomsten en verschillen, probeert Halina te komen tot een soort periodiek systeem van dierlijke intelligentie.
Hoofdstuk 2: Brein en cultuur
Het grote brein
âHet moet nog bewezen worden dat intelligentie enige overlevingswaarde heeft.â
â Arthur C. Clarke
âIntelligentie is belangrijker dan kracht, dat is de reden waarom de aarde wordt geregeerd door mensen en niet door dieren.â
â Amit Kalantri,
Wealth of Words
Rechtop lopen, het gebruik van taal en gereedschap, grotere hersenen⦠Welke van deze eigenschappen kwam het eerst? Wat was de kip en wat was het ei, of omgekeerd. In zijn boek
The Descent of Man(1871) ging Charles Darwin ervan uit dat een groter brein had geleid tot alle andere kenmerken. Maar hij had het mis. In 1876 publiceerde Friedrich Engels een verhandeling met als titel
The Part Played by Labour in the Transition from Ape to Man. Engels stelde dat alles was begonnen met rechtop lopen. Hierdoor kreeg de mens de handen (letterlijk) vrij om gereedschappen te ontwikkelen. Het vervaardigen van gereedschappen was een sociale activiteit die aanleiding gaf tot het ontstaan van taal en arbeidsverdeling. Al die elementen vormden een positieve bekrachtiging voor âbeter kunnen denkenâ en de ontwikkeling van grotere hersenen. Ook al bleef deze bijdrage van Engels relatief onopgemerkt in zijn tijd, niettemin bleek ze behoorlijk profetisch. Deze evolutionaire volgorde wordt nu vrijwel algemeen aanvaard.
Het getal van Dunbar
Het overkwam me enkele tientallen keren in mijn leven: een gevoel van overweldiging bij het lezen van een boek. Een van die eyeopeners was
Thinking Big, How the Evolution Shapes the Human Mindvan de Britse antropoloog Robin Dunbar. Hij ontdekte een verband tussen de grootte van de hersenen van primaten (dus ook de mens) en de gemiddelde grootte van sociale netwerken. Primaten leven in sociale groepen. Die fungeren als een vorm van bescherming en binnen dat kleine sociale netwerk dragen de groepsleden zorg voor elkaar. De grootte van zoân groep lijkt beperkt door het volume van de neocortex. Volgens Dunbar bepaalt de gemiddelde grootte van de neocortex de grootte van de sociale relaties die primaten kunnen aangaan. Hij drukt die correlatie uit in het naar hem genoemde getal van Dunbar. Mensen zouden ongeveer honderdvijftig stabiele sociale contacten kunnen aangaan. Het getal van Dunbar staat echter niet voor dat ene getal, maar eveneens voor een soort regel van drie. Deel je honderdvijftig door drie, dan kom je op een vijftig vrienden. Deel je het nogmaals door drie, dan eindig je op ongeveer vijftien echt âgoedeâ vrienden. Herhaal je die deling nogmaals, dan eindig je met een groepje van ongeveer vijf zeer hechte vrienden en/of familieleden, voor wie je letterlijk door het vuur zou gaan. Die regel van drie werkt ook in de omgekeerde richting. Zo zou ieder mens tussen de vierhonderdvijftig en vijfhonderd âbekendenâ hebben, en een maximum van vijftienhonderd mensen van wie je het gezicht meteen aan een naam kan koppelen.
Dunbar baseerde zich niet op nattevingerwerk, maar vergeleek zijn voorspeling met waarneembare groepsgroottes. Omdat de menselijke neocortex zich gedurende de laatste tweehonderdvijftigduizend jaar heeft ontwikkeld, ging hij in antropologische en etnografische studies op zoek naar informatie over groepsgroottes bij samenlevingen van jager-verzamelaars. Dat onderzoek leek zijn hypothese te bevestigen. Een inwonertal van honderdvijftig leek de standaard in neolitische boerendorpen en zelfs in het middeleeuwse Europa, maar ook de basiseenheid van het Romeinse beroepsleger. Volgens Dunbar was een groepsgrootte van honderdvijftig typisch voor gemeenschappen waar een grote stimulans bestaat om samen te blijven: dorpen met zelfvoorziening, legereenheden, nomadische stammen. Ook zijn onderzoek van sociale netwerken, zoals onder meer Facebook en MySpace, leek zijn âgetalâ te bevestigen. In zijn boek
Grooming, Gossip and the Evolution of Languagestelt hij dat taal mogelijk is ontstaan als een efficiënt middel om de samenhang binnen zoân groep te versterken.
Toch wordt het getal van Dunbar niet zomaar kritiekloos aanvaard in de wetenschappelijke wereld. Een belangrijk tegenargument is dat correlatie niet noodzakelijk wijst op causaliteit. Immers, de hersenen van niet-menselijke primaten gaan niet op dezelfde manier om met informatie als die van de mens. Volgens anderen volgt de verdeling van sociale netwerken geen klokvorm (of Bell-curve), maar een andere statistische verdeling. Sommigen menen dat sociale relaties zich exponentieel ontwikkelen: meer contacten leiden tot nog meer contacten. Als je een bepaalde âkritische massaâ bereikt, dan groeit je aantal contacten vanzelf. Bekende personen bijvoorbeeld hebben vaak heel grote netwerken. Bovendien vormen ook andere diersoorten en organismen, denk aan mieren en bijen, sociale gemeenschappen die geen enkel verband (lijken te) houden met de grootte van hun hersenen. Maar daarover later nog meerâ¦
Het verband tussen groeps- en hersengrootte bij primaten kan te maken hebben met de voedingsgewoonte van de soort. Primaten die afhankelijk zijn van âschaars voedselâ, hebben kleinere hersenen en leven in kleinere groepen of zelfs helemaal alleen. Primatensoorten die in grote groepen leven, maar toch kleine hersenen hebben, beschikken dan weer over een overvloedig, maar weinig voedzaam dieet.
Het nut van een groot brein
Stel je het volgende denkbeeldige televisieprogramma voor. Je wordt samen met een kleine groep mensen in het regenwoud gedropt. Je mag alleen je kleren aanhouden, maar voor de rest moet je een jaar lang proberen te overleven op basis van wat het oerwoud je biedt. Wat zouden jouw overleveringskansen zijn? Hoe zou je aan voedsel komen en hoe weet je welk voedsel geschikt is? Zou je er in slagen om het een jaar lang vol te houden, zonder hulp van buitenaf? Welk verschil maakt jouw menselijke intelligentie dan als je je overlevingskansen vergelijkt met die van een troep gorillaâs die probleemloos voedsel weet te vinden in diezelfde omgeving?
Die vraag stelt ook Joseph Henrich zich in het boek
The Secret of Our Success.Enerzijds hebben we moeite om te overleven in âhet wildâ of zelfs de meeste eenvoudige uitdagingen, zoals het vinden van geschikt voedsel (en daarmee bedoel ik niet in de winkel), te overleven. Anderzijds bedenken we hoogtechnologische toepassingen en lanceren we satellieten in een baan om de aarde. Sterker nog, ondanks al die beperkingen domineert de mens de wereld.
In vergelijking met andere dieren heeft een mens een groot en gecondenseerd brein. Ook al beschikken olifanten en walvissen over nog grotere hersenen, de menselijke hersenen bevatten de meeste corticale verbindingen en de hoogste mate van gyrificatie (vouwen). De neuronen in onze buitenste hersenlaag beschikken daardoor over een veel grotere oppervlakte dan het hersenvolume doet vermoeden. Terwijl een chimpanseebrein een volume heeft van ongeveer 35 cm
3, zijn de menselijke hersenen de laatste paar miljoen jaar toegenomen tot ongeveer 1350 cm
3.
De schedel van een pasgeboren mensenbaby is in vergelijking met andere diersoorten nog niet dichtgegroeid, maar samendrukbaar, anders zou het hoofd niet door het geboortekanaal kunnen. Ook de hoge mate van gyrificatie en de onvoltooide myelinisatie lijken evolutionaire trucs om het probleem van onze grote schedel op te vangen. In het eerste levensjaar verdrievoudigt het volume van de hersenen. Bij andere primaten is die toename veel minder groot.
In de daaropvolgende twintig tot dertig jaar blijft het aantal verbindingen voor het verwerken van informatie in onze hersenen toenemen. Ook neemt de âwitte stofâ toe, een proces dat bekendstaat als myelinisatie. Dit betekent dat er een soort isolatielaag ontstaat rond de zenuwbanen, zoân beetje als het plastic rond een elektriciteitskabel. Hierdoor kunnen prikkels en elektrische signalen zich sneller verspreiden. Vaak noemt men die laag ook, denk aan het zwaard en de schede van een ridder, een myelineschede. Lagere dieren, zoals slakken, hebben geen myelineschede rond de zenuwbanen (misschien dat ze daarom zo traag zijn).
Bij een pasgeboren chimpansee is de myelinisatie al voor vijftien procent voltooid, bij mensen slechts voor 1,6 procent! Bij jongvolwassen mensen is dit proces nog steeds slechts voor 65 procent voltooid. In vergelijking met andere diersoorten duurt het bij mensen bijzonder lang voordat ze volgroeid zijn. Tijdens de kindertijd leert een mensenkind heel veel en daar hoort ook spelen en kopiëren van volwassenengedrag bij. De puberteit lijkt eveneens een typisch menselijk fenomeen. In die periode leren we meer complexe vaardigheden, vergaren kennis en zoeken we steeds meer vrienden en een partner.
Als je in het regenwoud wordt gedropt, dan kan je veel leren van een chimpansee. Op vijfjarige leeftijd slaagt zoân dier erin om in zijn eentje voldoende voedsel te vinden om te overleven. Mensen daarentegen bereiken het hoogtepunt van hun productiviteit pas wanneer ze de leeftijd van veertig jaar naderen (sorry, jongvolwassenen). Als boerenzoon heb ik het vaak gemerkt: een kalf van een koe kan in het eerste levensuur op zijn eigen poten staan. Een baby daarentegen komt zwak, relatief dik en ongespierd op de wereld en kan zich niet gecoördineerd bewegen. Integendeel, een (mensen)kind moet âlerenâ lopen. Kinderen doen er jaren over voordat ze âvolleerdâ zijn en, zeker in de huidige samenleving, als volwassen worden beschouwd en voor zichzelf kunnen zorgen.
Over grote hersenen beschikken lijkt onze overlevingskansen dus niet meteen te verhogen. Maar de leercapaciteit van onze hersenen voorziet ons dan weer van een ongelooflijk mechanisme dat ons in staat heeft gesteld de wereld te domineren.
Culturele evolutie
De Pirahã in het Amazonegebied slagen er zonder probleem in om te overleven in het regenwoud. Ze hebben een diepgaande kennis van de planten en dieren in hun omgeving en begrijpen niet hoe westerlingen er in slagen te verdwalen in het woud. Indien we een IQ-test zouden afnemen, dan zouden ze echter niet hoog scoren, laat staan dat ze zouden weten hoe ze eraan moesten beginnen. Nochtans is hun herseninhoud gemiddeld niet anders dan die van een westerling. Het verschil ligt niet bij individuele intelligentie, maar bij culturele adaptatie. De menselijke hersenen beschikken over de mogelijkheid om te leren op basis van kennis van hun omgeving en sociale groep.
Volgens Henrich vormt cultureel leren de drijvende kracht achter de evolutie van de menselijke soort en intelligentie. Individuen wier hersenen op de meest efficiënte manier culturele informatie verwerven, bewaren en verwerken, hebben de grootste overlevingskansen. Hun nageslacht beschikt over iets grotere hersenen en zal nog een beetje beter zijn in het aanleren van culturele kennis. De plasticiteit van onze hersenen, namelijk het feit dat ze nog niet volgroeid zijn bij de geboorte, zorgt ervoor dat we ons beter dan welke diersoort ook kunnen aanpassen aan steeds nieuwe omgevingen.
Maar dit vraagt natuurlijk telkens heel wat leertijd. Omdat de vaardigheden en kennis die nodig zijn om te overleven in een bepaalde omgeving of groep, geleerd moeten worden, zal de overlevingskans van een westerling die plots wordt gedropt in het Amazonewoud kleiner zijn dan die van een lid van Pirahã-stam. De biologische evolutie van onze hersenen gaat dus steeds hand in hand met de culturele evolutie. Er bestaat een nauwe interactie tussen genen en cultuur. Onze hersenen cumuleren informatie die belangrijk is om te overleven binnen de eigen cultuur. Er zal, zo stelt Henrich, ook steeds meer culturele informatie aanwezig zijn in de wereld, dan één enkel individu tijdens zijn leven kan leren.
Wereldwijde expansie
Mensen vind je werkelijk overal, van de poolgebieden tot in het regenwoud. De laatste zestigduizend jaar heeft de mens zich over de hele wereld verspreid. In vergelijking tot veel andere diersoorten beschikken we over het vermogen om ons met succes aan te passen aan zeer diverse habitats. We kunnen dit toeschrijven aan intelligentie en leervermogen. Toch is, zoals reeds aangetoond, geen enkel individu in staat om zich aan elk gebied aan te passen. Zelfs in op het eerste zicht heel eenvoudige leefgemeenschappen (jager-verzamelaars) zijn de leden van de groep om te overleven afhankelijk van een reeks gereedschappen, gedetailleerde kennis van hun eigen omgeving (planten, dierenâ¦), sociale conventies⦠De meeste leden van de groep kunnen niet verklaren waarom bepaalde gebruiken of overtuigingen zijn zoals ze zijn. Een individu leeft ook te kort om dit allemaal in zijn eentje te ontdekken. Ons schijnbaar unieke leervermogen stelt ons echter in staat om ons via culturele adaptatie aan te passen aan de culturele niche van de eigen sociale groep.
De wereldwijde verspreiding van de mens leidde tot de ontwikkeling van diverse culturele niches. De mensen die uit Afrika wegtrokken, kwamen uit tropische gebieden. Het noorden van Eurazië bestond uit een uitgestrekte boomloze steppe, met onbekende planten en dieren. De temperaturen konden er ver onder het nulpunt zakken en er waaiden vaak krachtige winden. Om in zoân omgeving te kunnen overleven, was een enorm scala aan culturele aanpassingen nodig: andere kleding, schuilplaatsen, methodes om voor licht en warmte te zorgen, kennis van planten en dieren.
Vanaf de achttiende eeuw verzamelden etnografen verslagen over de leefgewoontes en aanpassingen van volkeren over de hele wereld. De meeste culturele aanpassingen in die talloze habitats waren functioneel en complex van aard. Toch ging het in grote lijnen telkens om culturele en niet om genetische aanpassingen. Plaatselijke genetische aanpassingen blijken slechts een kleine rol te hebben gespeeld. Culturele aanpassingen zijn met andere woorden omvangrijker en belangrijker dan bijvoorbeeld wijzigingen in huidskleur.
Waarom leren mensen âbeterâ?
Onderzoekers als Cosmides, Pinker en Tooby stellen dat dieren beschikken over âdomeinspecifieke intelligentieâ. Mensen zouden daarentegen beschikken over âimprovisatie-intelligentieâ, waardoor we kunnen improviseren in nieuwe leefomgevingen. Ons vermogen tot leren en taal zijn daarbij versterkende factoren. Die hypothese gaat uit van de veronderstelling dat brede algemene problemen moeilijker zijn op te lossen dan specifieke problemen. Om een wat dom voorbeeld te geven: het is moeilijker om een oorlog op te lossen dan een konijn te vangen. Cosmides en Tooby stellen het als volgt:
[inspringen]
ââ¦op het eerste gezicht lijken er slechts twee biologisch mogelijke keuzes te zijn voor geëvolueerde geesten: ofwel algemene onbekwaamheid, ofwel smalle bekwaamheden.â
[einde inspringen]
Volgens deze onderzoekers zou alleen de mens in staat zijn tot het maken van oorzaak-gevolgredeneringen om besluiten te nemen en oplossingen te bedenken. Het zou de mens in staat hebben gesteld om specifieke wapens te bedenken (een val, speer, boog, boomerangâ¦). De oplossingen en/of uitvindingen worden in het hoofd bedacht en vervolgens getest en verfijnd door feedback. Feedback kan je aan jezelf geven, als het werktuig of wapen niet helemaal doet wat het beoogt te doen. Ook anderen kunnen aanpassingen of verfijningen aanbrengen. Je zal verderop lezen dat leren niet exclusief menselijk is. Zelfs een simpele worm als C. elegans is in staat tot het leggen van associatieve verbanden. Naar alle waarschijnlijkheid is de mens inderdaad beter in plannen, causaal redeneren en mentaal denken dan de meeste andere diersoorten. De vraag of deze hypothese voldoet om ons schijnbare unieke leervermogen te verklaren, is niet echt zeker. De stelling onderschat eveneens het belang van de culturele niche.
De levenswijze van de Inuit vormt een sterk bewijs dat menselijke aanpassing zonder cultuur niet mogelijk zou zijn. Niemand, ook Einstein niet, zou er in slagen om het een jaar lang uit te houden in de extreme leefomgeving waar de Inuit hun dagen slijten (of sleten). Hun kleding vormt een prachtig voorbeeld van overgeërfde culturele kennis. De klokvorm van de parkaâs die ze dragen, houdt de warmte vast, maar laat tegelijkertijd vocht verdampen. De strook bont langs de rand van de kap maakt het een stuk makkelijker om rijp te verwijderen. Omdat er geen bomen voorhanden zijn, hakten de Arctische volkeren lampen uit zeepsteen en ze vulden die met gesmolten zeehondenvet. De lamp had een lange lont van mos die geen roet produceerde in hun igloâs. Ze bedachten eveneens kajaks, hondensleeën en zonnebrillen. Dergelijke inventiviteit bedenk je niet in je eentje, telkens weer opnieuw. Zelfs Elon Musk of Edison waren meesters in het leentjebuur spelen.
De Brit John Franklin, een ervaren poolreiziger, vertrok op expeditie in 1845 om de noordkust van Noord-Amerika te verkennen. Hij selecteerde een uitgekiende bemanning en was voorzien van een voedselvoorraad voor drie jaar. De expeditieleden brachten de daaropvolgende winter door op King William Island, maar kwamen vast te zitten in het ijs. Ze probeerden te voet te ontsnappen toen het voedsel opraakte, maar vreselijk genoeg kwam iedereen om het leven. De Netsilik-Inuit, die op het eiland leefden, overleefden er echter zonder al te veel problemen, al bijna een millennium.
Een ander sterk bewijs voor culturele overdracht vormt het âverlies van kennisâ. In 1861 en 1863 overwinterden de ontdekkingsreizigers Elisha Kane en Isaac Hayes bij een groep Inuit. Vreemd genoeg gebruiken die geen kajaks. Hun igloâs waren niet voorzien van de typische lange ingangen, die de warmte binnenhouden. Omdat ze geen pijl en boog hadden, konden ze niet op kariboes jagen en ze leken ook niet te weten hoe ze efficiënt forel konden vangen. Blijkbaar was de bevolking veertig jaar eerder getroffen door een epidemie waardoor veel oudere, âwijzeâ groepsleden waren overleden. Zoals het de gewoonte was, waren hun bezittingen samen met hen begraven. De resterende leden herinnerden zich wel het gebruik van pijl, boog en kajak, maar wisten niet hoe ze die moesten maken.
Improviserende intelligentie en cultureel leren sluiten elkaar niet uit. Zodra iemand een innovatie ontwikkelt, kunnen anderen door imitatie of onderricht die kennis en vaardigheden snel en makkelijk verwerven. Innovaties stapelen zich op en dit leidt tot accumulatie van kennis. Leren gaat echter verder dan alleen maar imiteren (lees: spieken). Leerlingen vergelijken leraren en leren selectief van leraren die het meest succesvol lijken. Door informatie te verwerven van meerdere (gespecialiseerde) leraren, kunnen leerlingen de informatie opnieuw combineren. Hierdoor ontstaan weer nieuwe innovaties en stapelen complexe culturele aanpassingen zich op.
Innovatie verloopt stapsgewijs. Het is makkelijker om kleine verbeteringen aan te brengen dan grote. Het is dus veel moeilijker om in één keer een perfecte boog te ontwikkelen, dan kleine verbeteringen aan te brengen. Verbeteringen hangen vaak ook af van omgevingsfactoren: in sommige situaties kan een lange boog effectiever zijn dan een korte brede boog. Culturele soorten daarentegen kunnen van anderen leren hoe zij bogen moeten maken, nadat die door ervaring zijn verbeterd. âGrote inzichtenâ zijn vaak het resultaat van gelukkige toevalligheden of het opnieuw combineren van elementen uit verschillende technologische tradities. Zelden zijn ze het resultaat van het denkwerk van het eenzame, creatieve genie. Dat geldt bijvoorbeeld ook voor mensen als Edison en Elon Musk.
Je cultuur leren
Henrich onderscheidt meerdere domeinen van âcultureel lerenâ:
[opsomming]
- voedselvoorkeuren en benodigde hoeveelheden;
- partnerkeuze (wie kiezen we en waarom?);
- economische strategieën (waarin investeren we om te overleven);
- functies en gebruik van gereedschappen;
- zelfmoord (beslissing en methode);
- technologie;
- betekenis van woorden en taal;
- categorieën (âgevaarlijke dierenâ, âgiftige plantenâ);
- overtuigingen (goden, ziektekiemen, enzovoort);
- sociale normen (taboes, rituelen, fooien);
- normen voor beloning en straf;
- sociale motivaties (altruïsme, eerlijkheidâ¦);
- zelfregulering;
- het vormen van oordelen.
[einde opsomming]
Wie zijn onze leraren? Als je naar school gaat, dan heb je meestal niet de keuze om die zelf te kiezen. Toch zal een leerling of student snel een onderscheid maken tussen wie hij ziet als een goede of slechte leraar. Bovendien kunnen er ook individuele verschillen opduiken. Wat de ene persoon ziet als een goede leraar, geldt niet automatisch voor de andere. Uiteraard blijft leren niet beperkt tot de schoolbanken. Leren doen we voortdurend, ons leven lang. Ook in samenlevingen waar geen uitgewerkt schoolsysteem bestond (het grootste deel van de menselijke geschiedenis), leerden mensen van elkaar. Daar draait het in de culturele evolutie trouwens allemaal om. Laat ons het begrip âleraarâ daarom niet te eng betrekken op een strikte schoolcontext. Ook popartiesten, kunstenaars, modeontwerpers, YouTube-influencers⦠gelden als leraren. Maar ook vrienden die bijzonder goed zijn in allerlei skatetechnieken, sporters, een tv-kok. Ieder van ons kiest eigen rolmodellen om leergedrag aan te spiegelen. Bij de selectie van onze rolmodellen letten we (bewust of onbewust) op een aantal signalen: betrouwbaarheid, competenties, geluk, gezondheid, leeftijd, prestige, succes, trots, vaardigheden, vertrouwenâ¦, maar ook op gelijkenissen met onszelf, zoals geslacht, ras, subcultuur, taal, temperamentâ¦
[inspringen]
âDergelijke signalen stellen hen in staat zich te richten op die mensen die waarschijnlijk over informatie beschikken die de overlevings- en voortplantingskansen van de lerende zal vergroten.â
â Henrich,
The Secret of Our Success
[einde inspringen]
Bij jager-verzamelaars gelden de jagers die het efficiëntst en snelst de meeste prooidieren kunnen uitschakelen, als het succesvolst. Uiteraard letten âleerlingenâ daarbij vooral op de specifieke vaardigheden die nodig zijn om succesvol te zijn, zoals boogschieten of speerwerpen. Leerlingen imiteren automatisch en vaak onbewust de personen van wie ze denken heel wat vaardigheden of kennis te kunnen leren.
Volgens veel antropologen is de verdeling van taken tussen mannen en vrouwen (jagen is bijvoorbeeld een typische mannenaangelegenheid) honderdduizenden jaren oud. Het is dan ook niet ongewoon (ik spreek voor alle duidelijkheid geen oordeel of vooroordeel uit) dat âleerlingenâ gedrag en vaardigheden willen kopiëren van mensen van hetzelfde biologische geslacht. Er is voldoende bewijs uit psychologisch onderzoek dat zowel jongeren als volwassenen, onbewust de voorkeur geven aan rolmodellen van hetzelfde biologische geslacht. Recent fMRI-onderzoek van de hersenwetenschapper Elisabeth Reynolds Losin kon dit overtuigend aantonen in experimentele situaties.
Bij het afwegen van vaardigheden en leeftijd lijken kinderen competenties voorrang te geven op leeftijd. Als ze het onbewuste gevoel hebben dat jongeren over meer vaardigheden beschikken op bepaalde terreinen, dan geven zij de voorkeur aan het leren van leeftijdsgenoten in plaats van hun oudere leraren.
De neiging om de succesvollen te imiteren leidt tot de verspreiding van eigenschappen die verband houden met succes. Als je ziet dat de boog van je buur verder schiet dan die van jou, dan kijk je wat er anders is aan die boog. De boog kan bijvoorbeeld iets dikker zijn en een andere vlecht gebruiken om de pees vast te maken. Je probeert dan al die aanpassingen over te nemen, al maakt in werkelijkheid alleen die vlecht het verschil. Uit onderzoek blijkt dat zelfs zuigelingen in nieuwe situaties vaak het gedrag van volwassenen met kennis imiteren in plaats van het gedrag van hun moeder. Dit suggereert dat individuen en gemeenschappen vaak gedrag overnemen, terwijl ander gedrag efficiënter of beter zou zijn. Kinderen oefenen gedrag van volwassenen. Ze spelen met autootjes, poppen of zelfs⦠oorlog met speelgoedwapens.
Onderzoek heeft aangetoond dat mensen vaak niet weten waarom ze bepaald gedrag vertonen of bepaalde technieken gebruiken. Henrich verwijst naar het gebruik van chilipepers in traditionele vleesgerechten in Zuid-Amerika. Zulke pepers bevatten capsaïcine, een chemische afweerstof die moet voorkomen dat knaagdieren de vruchten opeten. Maar de pepers hebben ook antimicrobiële eigenschappen. Indianenvolkeren leerden op de juiste manier chilipepers te integreren in hun gerechten zonder de precieze âbeschermendeâ functie ervan te begrijpen. In het dieet van de Fiji-eilanden komen veel zeedieren voor die giftige stoffen bevatten. Vooral voor zwangere vrouwen zijn die stoffen gevaarlijk. Taboes verbieden de vrouwen om die gerechten te eten tijdens en na de zwangerschap. Zelf weten ze echter niet waarom ze die gerechten niet mogen eten op dat moment. De voedseltaboes worden geleerd, maar niet de verklaring ervoor.
Boyer stelt dat vooroordelen op die manier gedurende vele generaties in stand worden gehouden. Dit kan de verspreiding van bovennatuurlijke ideeën verklaren en het voorkomen van volksverhalen over geesten, weerwolven, zombiesâ¦
Hersenen worden kleiner
Als je veel zuchtende leraren mag geloven, worden jongeren âdommerâ. Klopt daar iets van? De afgelopen zes miljoen jaar zijn onze hersenen verviervoudigd. De hersenomvang bleef relatief stabiel gedurende het late Mioceen en Plioceen, en nam slechts licht toe bij de Australopithecus vergeleken met eerdere hominidae. Twee miljoen jaar geleden nam de groeisnelheid toe, zo blijkt uit fossiele vondsten. Anderhalf miljoen jaar geleden vond er een tweede kentering plaats. De toename van het hersenvolume bleef constant gedurende het Pleistoceen en de evolutie van Homo sapiens.
Maar sinds de laatste drieduizend jaar lijken de hersenen in volume te zijn afgenomen met een snelheid die groter was dan de eerdere toename in het Pleistoceen. Waarom dit gebeurde was tot voor kort niet duidelijk. Omdat de oorzaken moeilijk te achterhalen zijn uit enkel en alleen maar de studie van fossiele schedels, onderzochten wetenschappers mierenpopulaties. Hoewel erg verschillende diersoorten, komt berekening en besluitvorming zowel bij mensen als mieren tot stand door én âfysieke neuroarchitectuurâ (= âsolid brainsâ) én âliquid brainsâ. Onder vloeiende breinen verstaan onderzoekers interacties tussen de leden van de groep waardoor een soort âcollectieve intelligentieâ of zwermintelligentie ontstaat. Immers, gedecentraliseerde netwerken van âhersenenâ zijn karakteristiek voor zowel mieren als mensen. Hoewel mieren- en mensenmaatschappijen heel verschillende evolutionaire routes hebben afgelegd, zijn er niettemin heel veel gelijkenissen, zoals op het gebied van besluitvorming in groepsverband, arbeidsverdeling en âlandbouwâ (productie van het eigen voedsel). De onderzoekers gingen ervan uit dat die overeenkomsten ons informatie konden verschaffen over veranderingen in hersengrootte. Het analyseren van patronen van de grootte, structuur en energiegebruik van de hersenen van werkmieren toonde aan dat kennis op groepsniveau en arbeidsverdeling inderdaad zorgen voor een âaanpassingâ van het hersenvolume. In sociale groepen waar kennis wordt gedeeld en arbeidsspecialisatie optreedt, kunnen hersenen zich aanpassen. Door de externalisering van kennis en specialisatie worden hersenen kleiner. Immers, omdat de hersenen minder informatie hoeven op te slaan, verbruiken ze minder energie en kunnen ze dus verkleinen. Waarom zou je nog iets uit je hoofd leren als je het kan opzoeken op internet, weet je wel? We leven immers in een gemeenschap van collectieve kennis. Alles wat we doen hangt af van kennis in ons hoofd, maar ook van de kennis âuit ons hoofdâ en in de hoofden van andere mensen.
Lerende wormen
Onze hersenen leggen voortdurend verbanden in de omgeving. Als je een rood licht ziet, dan weet je dat je moet stoppen. Als een leeuw op je afstormt, kan je het beste wegrennen en in een boom klauteren. We leren uit associatie. Ook dieren doen dat, denk aan de hond van Pavlov. Reclamebedrijven maken er eveneens gebruik van: koppel je product aan een bekend figuur en de verkoop stijgt. Uit onderzoek van de onderzoeksgroep Functionele Genomics and Proteomics (KU Leuven) blijkt dat ook de C. elegansworm leert uit associatie. Deze worm is een meercellig organisme met amper 302 zenuwcellen die, in tegenstelling tot de neuronen in onze hersenen, volledig in kaart zijn gebracht.
Wormen voelen zich aangetrokken tot zout, omdat het doorgaans wijst op de aanwezigheid van voedsel. Door te bestuderen wat er zich op zoân moment in het zenuwstelsel van deze worm afspeelt, kon de onderzoekgroep vaststellen dat het omgevingsprikkels wel degelijk associeert met de aanwezigheid van voedsel. Wanneer dit gebeurt, wordt het eiwit nematocine aangemaakt. Andere zenuwcellen ontvangen deze boodschappermoleculen. De processen die zich afspelen in dit minibrein, lijken op wat er gebeurt in de menselijke hersenen, waar in vergelijkbare situaties het vergelijkbare oxytocine dienstdoet als âboodschapperâ. Dit molecuul is betrokken bij sociale leerprocessen. In de volksmond bestempelt men oxytocine daarom weleens als het âknuffelhormoonâ. Er doken nog meer overeenkomsten op. Bij C. elegans werkt nematocine samen met de neurotransmitters dopamine en serotonine. Dopamine hoort bij het beloningssysteem van onze hersenen. Het zorgt ervoor dat we ons tevreden en beloond voelen. Nematocine en oxytocine zijn nauw verwant, wat doet vermoeden dat ze zijn ontstaan uit een zelfde vooroudermolecuul. Vanaf het moment dat primitieve dieren, zoals deze worm, begonnen te bewegen, moesten ze steeds complexere keuzes maken in hun leefomgeving. Ze moesten voedsel zoeken en gevaar ontwijken. Associatief leren biedt dan een sterk evolutionair voordeel. Deze ontdekking doet vermoeden dat de basis van onze leermechanismen minstens zevenhonderd miljoen jaar oud is.
Zelfdomesticatie
âHet is niettemin een vergissing om over de mens te spreken, zelfs als we alleen kijken naar de omstandigheden waaraan hij is blootgesteld, als âveel meer gedomesticeerdâ (â¦) de mens verschilt sterk van elk strikt gedomesticeerd dier; want zijn voortplanting is nooit lang gecontroleerd geweest, noch door methodische noch door onbewuste selectie.â
â Charles Darwin, 1871
Heel vaak bestempelen we onszelf als beschaafd. Alsof iemand met een houtschaaf onze primitieve driften en agressie heeft zitten schaven om er een mooi en glad afgewerkt product van de maken. We leven niet meer als âwildenâ, zei men weleens toen ik nog een kind was. Het woord âbeschavingâ duikt nog maar zelden op in de wetenschappelijk literatuur. Het lijkt vervangen door de hypothese van âzelfdomesticatieâ. Net zoals we wilde dieren hebben gedomesticeerd (bijvoorbeeld de voorouder van de hond was een wolf), zo zou de mens zichzelf hebben gedomesticeerd. Dit idee ligt wel gevoelig, want in het verleden heeft het vaak geleid tot pseudowetenschap, racisme en eugenetische politieke bewegingen.
Als er zich bij mensen zoân proces heeft afgespeeld, merk je dat dan ook aan morfologische veranderingen, zoals die tussen wolven en honden (een Pekinees lijkt niet bepaald op een wolf), een langere voortplantingscycli en het behoud van jeugdige gedragskenmerken? Darwin geloofde niet in zelfdomesticatie. Boas meende in 1938 dat dit wel het geval was en je dit bijvoorbeeld kon zien aan het kortere gezicht van de moderne mens. Hij stelde dat sociale regels, zoals huwelijksreglementering en het verbod op kindermoord, selectieve invloeden hadden gehad. Hij liep met zijn ideeën zijn tijd vooruit. In 1979 definieerde Belyaev tamheid en domesticatie als volgt:
[inspringen}
âHet vermogen van dieren om direct contact te hebben met de mens, niet bang te zijn voor de mens, hem te gehoorzamen en zich voort te planten onder de door hem gecreëerde omstandigheden.â
[einde inspringen]
Bij tamheid merk je eveneens hormonale veranderingen, zoals hogere serotonineniveaus en een hogere activiteit van belangrijke enzymen die verband houden met de synthese en afbraak van serotonine. Belangrijk om te weten: Belyaev deed zijn onderzoek niet bij mensen, maar bij vossen. Wanneer men het over zelfdomesticatie bij mensen heeft, ligt de nadruk vooral op een verminderde
agressie. Bij de meeste gedomesticeerde dieren merk je de volgende kenmerken op: verkleining van de hersenen, veranderingen aan de schedel, grotere variatie in vachtkleur. Volgens Coppinger (2001) waren het echter vooral de dieren die reeds ârustigerâ waren, die zelf de neiging vertoonden om dichter bij de mens te gaan wonen. Hare suggereerde dat ook bij bonoboâs een vorm van zelfdomesticatie is voorgekomen. Vrouwelijke samenwerkingsverbanden zouden mannelijke agressie en mannelijke allianties hebben tegengewerkt. Vraag blijft natuurlijk of zoân vorm van zelfdomesticatie zich ook bij de mens heeft voorgedaan. Sánchez-Villagra en Van Schaik (2019) omschrijven HSD (âhuman self domesticationâ) als volgt:
[inspringen]
âDe huidige versie van de HSD-hypothese postuleert dat selectie voor verminderde agressiviteit in de menselijke evolutie leidde tot fysiologische, psychologische en gedragsmatige veranderingen, specifiek tot sociale tolerantie.â
[einde inspringen]
Hare ziet een toegenomen zelfbeheersing als een kenmerk van de menselijke sociale en cognitieve evolutie. Vraag is natuurlijk of we onszelf niet minder agressief voorstellen dan we eigenlijk zijn. De Holocaust en recente oorlogen zijn niet meteen sterke bewijzen voor een verminderde agressie. De recente evolutie van de mens lijkt eerder het resultaat van een culturele evolutie gedreven door taal, muziek en andere vormen van cultuur dan een toonbeeld van verminderde agressie.
Het niveau van hormonen die het gedrag beïnvloeden, zoals serotonine en oxytocine, is duidelijk verhoogd bij zowel mensen, als bonoboâs en vossen. Andere overeenkomsten zijn onder meer de verlengde speelperiode bij mensen en tamme vossen. Maar of die overeenkomsten een bevestiging vormen voor de HSD-hypothese is nog lang niet duidelijk. Er bestaan immers ook opmerkelijke verschillen tussen de (tamme) mens en tamme dieren. De hersenomvang is bijvoorbeeld niet afgenomen (of toch niet zo opmerkelijk). Het langer behouden van jeugdige kenmerken heeft eerder te maken met een verlengde neurale groei van de hersenen. Misschien is er wel, toen de mens eenmaal een sedentaire levenswijze had aangenomen, een selectie voor verminderde waakzaamheid opgetreden. Ook bij dieren die migreren naar plaatsen waar geen roofdieren voorkomen, treedt een afname van hersenomvang op. Mogelijk kan dit verklaren waarom het menselijke hersenvolume drieduizend jaar geleden is afgenomen.
Daarnaast bestaat er een wezenlijk verschil tussen dierlijke en menselijke agressie. Mensen kunnen in bepaalde omstandigheden extreem gewelddadig zijn. Denk nogmaals aan de Holocaust. Wrangham (2018) onderscheidt dit als reactieve en proactieve agressie. Binnen groepen mensapen komt er meer geweld voor dan bij mensen. Maar mogelijk ligt de oorzaak bij de grote sociale controle onder mensen.
Net als wolven waren mensen gedurende een groot deel van hun evolutie voor de voedselvoorziening afhankelijk van het jagen in een groep. Tot aan het ontstaan van de landbouw was er weinig vertrouwen in andere groepen mensen. Daarna ontstond al snel een uitwisseling van goederen. Cumulatief cultureel leren, wat zo typisch is voor de mens, is afhankelijk van een verhoogde aandacht voor andere mensen. De depigmentatie van oogwit bij de mens is hier volgens Tomasello een gevolg van: het vergemakkelijkte het volgen van blikken van anderen.
Coöperatief gedrag
Zoals eerder vermeld nam het hersenvolume toe tijdens het grootste deel van de menselijke evolutie. Was een toename van emotionele controle (of afname van agressie) daarbij een doorslaggevende factor? Verschillende hersengebieden zijn betrokken bij emotionele controle. Die gebieden zijn groter bij de mens dan bij andere primaten. Zaken die typisch menselijk zijn, zoals de consumptie van vlees, het vervaardigen van werktuigen, de opkomst van âalloparentingâ (= zorgdragen voor de jongen van anderen)⦠allemaal houden ze op de een of andere manier verband met emotionele controle en communicatie. Bij de vervaardiging van een stenen werktuig is heel veel geduld en controle nodig. Ook al lijken die prehistorische werktuigen eenvoudig, bij de productie ervan kwamen heel wat stappen en fasen kijken. Hiervoor is niet alleen âuitvoerende controleâ (lees: intelligentie) nodig, maar ook âemotionele controleâ (lees: rust, focus en geduld).
Om de kennis voor de vervaardiging van een werktuig door te geven aan anderen kwam gebarentaal goed van pas. Ook bij het jagen en voedsel verzamelen waren sociale en emotionele controle en communicatie uiterst belangrijk. Coöperatie veronderstelt immers dat je kan en wil delen. Op een groot prooidier moest niet alleen als groep worden gejaagd, de prooi eveneens worden verplaatst en bewaakt. Het voedsel diende voor de groep, niet voor een enkel individu. Elk groepslid moest kunnen eten zonder al te veel ruzies.
Alloparenting (
allo= Grieks voor âanderâ), waarbij je andere moeders (of vaders) toestaat om voor je jongen te zorgen, is vrij vroeg in de menselijke evolutie ontstaan en eveneens een voorbeeld van coöperatief gedrag. Chimpanseemoeders zijn zeer beschermend voor hun jongen. Als je je jongen onder het toezicht van een ander plaatst, moet je een sterke vertrouwensband hebben opgebouwd. In vergelijking met andere mensapen zijn mensen op een bijzondere manier afhankelijk van elkaar en houden ze rekening met elkaar (enfin, niet altijd natuurlijk).
Muziek en communicatie
Donald plaatste alle vormen van menselijke communicatie onder de noemer âmimesisâ: handgebaren, lichaamstaal, gezichtsuitdrukkingen, mimiek, pantomime, muziek⦠Communicatie maakt samenwerking mogelijk tijdens de jacht, maar ook tijdens het leren vervaardigen van werktuigen. Een betere âuitvoerendeâ controle van het vocale systeem en de handgebaren maakte een steeds betere communicatie mogelijk. Darwin suggereerde dat muzikaal gedrag, dat bij uitstek een expressie van gevoelens is en vaak voorkomt in een context van paring en seksuele selectie, een voorloper was van taal. In tegenstelling tot taal, kunnen mensen zich bij muziek als groep uitdrukken. Muziek kan een uiting zijn van opwinding en emotie, zelfs van het totaal âloslatenâ van controle. Muziek zet de ontvanger aan om ritme en tonaliteit na te bootsen. Als je een drumslag (âbeatâ) hoort, dan kunnen onze hersenen de volgende âbeatâ voorspellen. Dat geldt ook voor een melodielijn. Iedereen die van muziek houdt, weet dat de relaties tussen tempo, toonhoogte en timbre verband houden met emoties.
Beeld je een klassiek bal in waar een dansorkest speelt. Als het orkest een slow inzet, zoekt iedereen een partner om rustig te dansen. Een hardrocknummer zal een aantal mensen aanzetten om te headbangen. Muziek synchroniseert op die manier het gedrag en de emoties van de leden van de groep. In onze tijd geeft muziek op die manier zelfs mede vorm aan allerlei subculturen (culturele niches) bij jongeren. Op basis van de etnografie van hedendaagse jager-verzamelaars in Afrika stelt Lewis dat muziek aanvankelijk was bedoeld om nachtelijke roofdieren af te schrikken. Maar na verloop van tijd begon muziek een rol te spelen in andere aspecten van het sociale leven. Muziek stelt mensen in staat om zich als groep uit te drukken. Muziek draagt op die manier bij tot sociale binding en het vormen van een groepsidentiteit.
Neurochemisch onderzoek heeft uitgewezen dat muziek stress vermindert en sociale binding versterkt. Luisteren naar rustige muziek verhoogt de oxytocinespiegels. Het plezier bij het beluisteren van muziek lijkt in onze hersenen te worden geregeld door dopaminerge beloningssystemen. De inspanning tijdens het dansen of musiceren zorgt voor de afgifte van endorfine, wat sociale binding bevordert. Muzikale interactie bevordert de synchronisatie binnen een groep. Muziek dompelt een hele groep onder in één sociaal opgelegde stemming van woede, kalmte, vreugde, verdriet of extase. Muzikaal engagement komt voor bij diverse, maar gelijksoortige sociale praktijken: dans, rituelen, religieuze ceremonies, processies, rouw, genezing, zorg voor zuigelingen, begrafenissenâ¦
Keehn onderscheidt vijf eigenschappen die noodzakelijk zijn om je te laten âmeesleurenâ (= entrainment) door muziek:
[begin opsomming]
- complex vocaal leren;
- vermogen om te imiteren;
- vermogen om complexe opeenvolgingen te leren;
- neiging om sociale banden te vormen;
- oplettendheid voor communicatieve bewegingen.
[einde opsomming]
Net zoals papegaaien, moeten we bij muziek bereid zijn om sociale banden te vormen en ons te focussen op communicatieve bewegingen. Papegaaien die net zoals wij bewegen op muziek en imiteren, maken echter niet zelf muziek. Hiervoor zijn twee andere vaardigheden noodzakelijk:
[begin opsomming]
- vaardigheid om mimetisch te communiceren;
- een cumulatieve cultuur.
[einde opsomming]
We kunnen met andere woorden stellen dat de ontwikkeling van emotionele controle, uitvoerende controle, intelligentie, communicatie en cumulatieve cultuur hand in hand gingen tijdens de menselijke evolutie. Er was geen kip of ei, al die eigenschappen versterkten elkaar.
Hoe taal ontstond
Naargelang de onderlinge afhankelijkheid van de leden van de groep toenam, groeide steeds meer de behoefte aan een communicatiesysteem dat de grenzen van het hier en nu kon doorbreken. Immers, wij gebruiken taal om verhalen te vertellen, om te praten over ons geloof en overtuigingen, over onze plannen. Volgens Dediu en Levinson verschenen de eerste âprototypesâ van taal een half miljoen jaar geleden. Taal bleef zich vervolgens ontwikkelen in een genetisch-culturele co-evolutie. Taal stelt mensen in staat om rechtstreeks over hun verbeelding te communiceren. Je hoeft dingen niet meer te laten zien. Taal stelt ons in te staat te communiceren zonder met onze ogen bewegingen te hoeven volgen. Je kan praten over dingen uit het verleden of over andere plaatsen die je hebt gezien. Zowel de spreker als de luisteraar kan zich verplaatsen in ruimte en tijd. De gesprekspartners analyseren de taalcodes en halen uit hun geheugen door associatie verwante ervaringen uit hun eigen leven op. Al die informatie combineren ze tot hun eigen verbeelde ervaringen. Dankzij taal konden mensen rekening gaan houden met zaken die ze nooit zelf hadden meegemaakt, maar alleen over hadden gehoord. Verhalen werden de manier om informatie over te dragen. Dankzij taal kon men de identiteit van de groepsleden synchroniseren, onderhandelen over sociale normen. Maar ook klachten en kritiek werden mogelijk. Groepsleden konden herinneringen aan elkaar toetsen of elkaar aanvullen of corrigeren. Taal zorgde voor een revolutie in het uniek menselijke gedrag van liegen en bedriegen.
De opkomst van taal voegde taalspecifieke communicatienormen toe aan cultuur. Tenejapa Maya's gebruiken bijvoorbeeld opvallende beleefdheid om instemming, empathie op anderen over te brengen. De Tzotzil Maya's verhuisden fysieke agressie (mishandeling en moord) naar het linguïstische niveau. Ze geloofden dat kwaadspreken een magische kracht heeft, een beetje zoals spelden prikken in een voodoopop resulteert (zo gelooft men toch) in pijn of dood bij het âslachtofferâ.
Denken en taal
âNiets vult een snelle geest beter aan dan een langzame tong. En niets verergert een langzame geest beter dan een snelle tong.â
â Mokokoma Mokhonoana
Taal is uniek voor de mens. Dieren gebruiken taal niet op een manier zoals mensen dat doen. Daarom kunnen we stellen dat menselijke taal in al haar verschijningsvormen een uiting is van typisch menselijke intelligentie. Taal ontstond uit de behoefte van de mens om met elkaar te communiceren, om beter afspraken te kunnen maken, om te plannen. Talige communicatie verhoogde de overlevingskansen van de mens.
Paul L. Nunez, professor biomedical engineering aan Tulane University, stelt dat taal het bewustzijnsniveau van de mens aanzienlijk heeft verhoogd door de interactie en communicatie met andere mensen te vergemakkelijken:
[begin inspringing]
âEvolutionair gezien kan de ontwikkeling van taal het bewustzijnsniveau van de mens aanzienlijk hebben verhoogd. Ik suggereer dat taal het bewustzijnsniveau verhoogt, zowel door interactie met andere mensen als door het vergemakkelijken van communicatie tussen de semi-geïsoleerde subsystemen van individuele hersenen.â
[einde inspringing]
Taal zit diep verankerd in de manier waarop we met de wereld omgaan. Je kan je moeilijk voorstellen hoe het zou zijn als we geen taal zouden hebben. Zijn we in staat om te denken zonder taal? Hoe zouden onze gedachten âaanvoelenâ als we geen namen hadden om objecten en ervaringen te benoemen of geen woorden waarmee we âvragenâ konden stellen? Uiteraard kan je ook zonder taal ervaringen, indrukken en gevoelens hebben. Maar er is natuurlijk een wezenlijk verschil tussen pijn voelen en pijn benoemen.
Mensen die doof zijn geboren, beschikken wel degelijk over verfijnde manieren om te denken. Gebruiken ze hoofdzakelijk gebarentaal om te communiceren, dan is het bijzonder waarschijnlijk dat ze ook in gebarentaal denken. Doven die ook hebben leren spreken via stemtraining, denken soms niet alleen in gebarentaal, maar ook in gesproken taal. Horende mensen denken in hun eigen stem, weliswaar in stilte. Psychologen spreken hier van de âinterne monoloogâ. Op gelijksoortige wijze denken dove mensen in beelden, gebarentaal, het âzienâ van bewegende lippen (zoals bij liplezen) of soms gedrukte woorden.
Zoals we hiervoor reeds hebben aangehaald, zou taal zijn geëvolueerd uit andere vormen van mimesis of gebarentaal. Uiteraard bestaan er grote verschillen tussen de gebaren van apen en menselijke taal, maar het zou kunnen verklaren hoe taal niet plots âuit het niets verscheenâ. Gesproken en hoorbare taal kon op die manier een bestaand biologisch kader in de hersenen gebruiken. Taal kan op die manier zijn geëvolueerd door dezelfde neurale circuits te gebruiken die ook voor gebaren worden gebruikt. Spiegelneuronen zijn neuronen die actief worden als iemand iets doet, op precies dezelfde plek in de hersenen als bij de persoon die de actie uitvoert. Bij apen worden ze onder meer geactiveerd bij het horen van geluiden. Dit maakt de stelling dat gesproken taal kan zijn geëvolueerd uit gebarentaal nog aannemelijker.
Onderzoek wijst erop dat taal niet kan worden verbonden aan één enkel gen of een specifieke zone in de hersenen, zoals lange tijd werd gedacht. Een belangrijk kenmerk van evolutie is dat het werkt via âtrial and errorâ, niet volgens een welomlijnd plan. Evolutie vertoont de neiging bestaande processen en structuren over te nemen in plaats van volledig nieuwe te genereren. Naar alle waarschijnlijkheid is dat ook zo gegaan bij de evolutie van menselijke taal.
[BEGIN KADERTEKST]
Gebarentaal
Vóór de jaren zeventig kende Nicaragua geen gebarentaal voor doven. Doven communiceerden met eenvoudige gebaren met hun familieleden en huisgenoten. Buitenshuis hadden ze moeite om met anderen te communiceren. Tegen het eind van de jaren zeventig werd in San Judas een nieuwe school voor dove kinderen geopend. De eerste groep bestond uit vijftig kinderen tussen vier en veertien jaar oud. Ze brachten een groot deel van hun tijd op school door en hadden een manier nodig om met elkaar te communiceren. De eenvoudige gebaren die elk van hen in hun thuisomgeving hadden gebruikt, begonnen te evolueren. Hun woordenschat groeide snel, net zoals bij peuters die leren praten. Er kwam meer systematiek en regelmaat in de gebarentaal en de zinsstructuur werd complexer. De eerste generatie kinderen gaf zijn taal door aan de volgende generatie op de school. Kinderen die aan het begin van de jaren negentig op de school arriveerden, kwamen meteen in contact met een geavanceerde en rijke taal.
[EINDE KADERTEKST]
Hoewel we kunnen denken zonder taal, verschaft taal ons anderzijds de symbolen om ideeën vast te leggen en om abstract te denken. Volgens filosoof Peter Carruthers biedt taal de mens de mogelijkheid om elkaar te laten weten dat we denken.
-
-
- Waarneming, cultuur en taal
âEn jaloers nu op mij, gij goden, omdat ik bevriend ben met een man die ik redde toen hij alleen op de kiel stond, toen Zeus zijn snelle schip met een felle bliksemstraal had opgeblazen en verbrijzeld, op de wijndonkere zee.â
â Homeros,
Odyssee, Boek V
âWijndonkere zeeâ is de vertaling van het Oudgriekse âoînops póntosâ. Een letterlijke vertaling is âwijngezichtszeeâ (wijngezicht, wijnoog). Homeros gebruikt deze term tot vijf keer in de
Iliasen twaalf keer in de
Odysseeom de ruwe stormachtige zee te beschrijven. Die woordkeuze om de kleur van de zee te beschrijven gaf aanleiding tot de wildste speculaties. Waren de oude Grieken kleurenblind, zoals de Engelse auteur William Gladstone meende in zijn boek
Studies on Homer and the Homeric Age(1858)? Homeros gebruikte de kleur âoînopsâ ook om de vacht van ossen te beschrijven. Kleurde de Egeïsche Zee in Homerosâ tijd dan rood?
Natuurlijk kunnen we de woordkeuze beschouwen als een allegorie of dichterlijke vrijheid. Maar één eigenaardig feit plaatst die woordkeuze in een totaal ander licht: het Oudgrieks kent geen woord voor de kleur âblauwâ. Als je de teksten van Homeros leest, lijken ze te zijn geschreven onder invloed van LSD: schapen waren wijnkleurig, honing was groen en de lucht bronskleurig. Empedocles onderscheidde vier kleuren: wit of licht, donker of zwart, rood en geel. Volgens Xenophanes kan je in een regenboog drie kleuren onderscheiden: âporphyraâ (donkerpaars), âkhlorosâ en âerythrosâ (rood).
Het Oudgrieks was niet de enige taal waarin het woord âblauwâ ontbrak. In
Het Nieuwe Testamentkomt de kleur âblauwâ niet één keer voor. Het oude Japans gebruikte hetzelfde woord om âblauwâ en âgroenâ (é Ao) te beschrijven en zelfs het moderne Japans kleurt bloeiende bomen in als âzeer blauwâ.
Het bedenken van woorden voor kleuren lijkt in alle culturen in dezelfde volgorde te gebeuren, overeenkomstig de frequentie waarmee die kleuren voorkomen in de natuur: rood, oker, groen, paars, geel en uiteindelijk blauw. Immers, groen en bruin zijn in de natuur alomtegenwoordig, rood komt vrij vaak voor, maar blauw en paars zijn eerder zeldzaam.
[BEGIN KADERTEKST]
Kleuren
Nam de prehistorische mens de wereld dan waar in zwart-wit alsof je door een fotoalbum met zwart-witfotoâs zou bladeren? Jason Antic is een onderzoeker naar âdeep learningâ-technieken uit San Diego. Hij ontwikkelde het DeOldify-algoritme, waarin hij met behulp van kunstmatige intelligentie zwart-witbeelden (zowel films als fotoâs) kan inkleuren. Het algoritme bekijkt elke pixel in de afbeelding en probeert in te schatten of te âvoorspellenâ wat de originele kleur was. Ook hij ging er bij de ontwikkeling van zijn algoritme vanuit dat bruin de meest gemiddelde kleur is:
[begin inspringen]
âDe meest voor de hand liggende (en verkeerde!) manier om te evalueren of het neurale netwerk een goed beeld creëert is door pixels direct te vergelijken (â¦) naargelang hoe verschillend ze zijn. Dit moedigt het neurale netwerk alleen maar aan om heel conservatief te zijn in zijn voorspellingen: Groen voor gras/bomen (dat is makkelijk!), blauw voor luchten (makkelijk!), huid voor⦠huid (makkelijk!)â¦
en dan bruin voor al het andere dat het gewoon niet zeker weet.Bruin is numeriek een zeer gemiddelde kleur, dus het is een goede gok als je netwerk wordt aangemoedigd om afwijkingen van verwachte pixelwaarden te minimaliseren.â
[einde inspringen]
[EINDE KADERTEKST]
Dit betekent echter geenszins dat de mensen in deze vroege culturen de golflengte van groen in het elektromagnetisch spectrum niet konden waarnemen. Het begrip âgroenâ komt overeen met de golflengtes tussen 520 en 570 nanometer in het elektromagnetisch spectrum, blauw-groen zit in het bereik 450-530 en groen-geel ligt tussen 530 en 590 nanometer. De kleuren vormen met andere woorden een overgangsgebied in het elektromagnetisch spectrum en geen strikt gescheiden of ver uit elkaar gelegen zones. In veel talen zijn de woorden voor âblauwâ en âgroenâ dan ook gecolexificeerd, uitgedrukt met één porte-manteauwoord of omslagterm.
Homeros gebruikte geen afzonderlijke kleur, omdat het woord eenvoudigweg nog niet bestond. Als we ergens echter geen woord voor hebben, dan kan je ook stellen dat het in onze constructie van het âuniversumâ eveneens niet bestaat.
Bovendien halen de fotoreceptoren in onze ogen heel wat âtrucjesâ uit met onze perceptie van de kleuren in onze omgeving. Als je een tijdlang naar een rode cirkel kijkt en vervolgens naar een witte achtergrond, zie je een groene cirkel of nabeeld (en omgekeerd). De lichtgevoelige kegelvormige cellen in onze ogen stoppen met vuren als ze lang genoeg worden gebombardeerd met eenzelfde stimulus. Wanneer het netvlies vervolgens wordt blootgesteld aan wit licht (witte achtergrond in dit voorbeeld) kunnen de rode kegeltjes gedurende korte tijd geen signalen meer sturen naar de hersenen. De groene kegeltjes zijn op dat moment nog niet vermoeid, zodat de ganglioncellen, die groen licht ontvangen, boodschappen sturen via het rood-groene kanaal. De hersenen ontvangen nu alleen een groen signaal. Om het rood-groene kanaal een âwitâ signaal te geven, moet het signalen ontvangen van zowel rood als groen, die elkaar dan âopheffenâ. De test toont aan hoe makkelijk het menselijk gezichtsvermogen kan worden âverschovenâ (of bedrogen zoals je wil).
Onze hersenen zijn motoren voor patroonherkenning, gericht op het identificeren van dingen die nuttig voor ons zijn. Ze filteren de rest van de waarneming weg als betekenisloze ruis. Mensen zijn zich vaak niet bewust van bepaalde visuele prikkels wanneer ze zich concentreren op specifieke onderdelen in hun waarneming. Ze kunnen bepaalde ongewone gebeurtenissen zelfs missen wanneer ze zich op een bepaalde taak concentreren. De beroemde selectieve aandachttest van dr. Daniel Simons maakt dit duidelijk. Een testpersoon kijkt naar een video met zes mensen die basketballen. De testpersoon krijgt de opdracht het aantal passes van de in het wit geklede mensen te tellen. Na het bekijken van de film blijkt de testpersoon niet te hebben âgezienâ dat er eveneens een persoon verkleed als gorilla door het beeld liep.
Dit alles wijst erop dat Homeros en zijn tijdgenoten de hemel daadwerkelijk waarnamen als bronskleurig en de zee als rood. Omdat het begrip âblauwâ niet voorkwam in zijn taal, was het voor hen ook onbestaand.
Onze cognitieve perceptie van de wereld kan dus worden beperkt door onze taal. Dit linguïstisch relativisme zou verklaren waarom verschillende culturen moeite hebben om informatie te onthouden over voorwerpen of concepten waarvoor ze geen woorden hebben. Ze beschikken simpelweg niet over begrippen om die te identificeren. Samengevat: als we er geen woord voor hebben, dan vertonen we de neiging om het niet waar te nemen en te vergeten.
-
-
- Taal bepaalt wat we denken
âDat taal een instrument is van de menselijke rede, en niet slechts een medium voor de uitdrukking van gedachten, is een algemeen erkende waarheid.â
â George Boole,
Laws of Thought
âDoor de hersenen te ontlasten van al het overbodige werk, maakt een goede notatie ze vrij om zich te concentreren op meer geavanceerde problemen en verhoogt deze in feite de mentale kracht van het ras.â
â A. N. Whitehead
In de Amerikaanse sciencefictionfilm
Arrival, gebaseerd op het boek
Story of Your Lifevan Ted Chiang, verschijnen op twaalf verschillende plaatsen op aarde buitenaardse ruimteschepen. Aan boord huizen een soort octopusachtige wezens die op een glazen wand met de inkt uit hun tentakels boodschappen spuiten. De hulp van een taalkundige wordt ingeroepen om de taal van de aliens te ontcijferen. Wanneer de taalkundige Louis de taal bestudeert, merkt ze dat haar perceptie van tijd verandert. Ze krijgt flash forwards en ziet scènes die zich in haar eigen toekomst zullen afspelen.
De film baseert zich op de Sapir-Whorfhypothese, die stelt dat de taal die we spreken, ook onze gedachten bepaalt. De hypothese kent twee varianten. Het linguïstisch determinisme stelt dat alle menselijke gedachten worden bepaald door de taal. Dat idee wordt weerspiegeld in de flash forwards van Louis. Moderne taalkundigen verwerpen over het algemeen het linguïstisch determinisme.
Het linguïstisch relativisme daarentegen stelt dat taal de gedachten van mensen mede vormgeeft. Deze stelling duikt eveneens op in de film. Ian, de wiskundige, denkt dat de beste manier om de buitenaardse wezens te begrijpen, ligt in het gebruik van wiskunde en logica. De taalkundige Louis meent dat je hun taal alleen kan leren begrijpen door een sociale relatie met hen op te bouwen. Weber ziet dit als tijdverspilling. De beste manier is volgens hen om te begrijpen waarom ze op aarde zijn. Die discussie illustreert hoe andere visies kunnen bestaan tussen mensen die weliswaar dezelfde taal spreken maar een verschillende achtergrond hebben.
De Sapir-Whorfhypothese stelt dat de taalstructuur het wereldbeeld en de cognitie van de sprekers beïnvloedt. De menselijke perceptie is dus relatief ten opzichte van de gesproken taal. Het linguïstisch relativisme heeft veel aandacht gekregen in zowel filosofie als psychologie en antropologie.
[BEGIN KADERSTUK]
Tijdloos
De Pirahã-stam in het Amazonegebied leeft in een wereld zonder kalendersysteem of getallenkennis. Hun taal bevat al evenmin begrippen voor het concept âtijdâ en lijkt eerder op brommen en fluiten dan op echte spraak. Mannelijke sprekers gebruiken acht medeklinkers en drie klinkers, vrouwen doen het met zeven medeklinkers en drie klinkers. Professor Everett leerde hun taal woord voor woord begrijpen en spreekt deze nu zelfs vloeiend. Al luisterend naar hun gesprekken en puzzelend met de âwoordenâ kwam hij op een avond tot de onthutsende vaststelling dat de krijgers van plan waren om hem de vermoorden. Hij vluchtte halsoverkop naar zijn hut en sloot zichzelf en zijn vrouw en kinderen op. In zijn vlucht nam hij al hun wapens die hij maar kon vinden met zich mee. Dit wekte het respect van de stam en ze lieten hem en zijn gezin voortaan met rust.
Everett, die lang bij de stam verbleef, ondernam vruchteloze pogingen om hen te leren tellen. De taal kent slechts één woord (âhoiâ = één, een beetje, weinigâ¦) dat in de buurt komt van wat wij een âcijferâ zouden noemen. Peter Gordon, psycholinguïst aan de Columbia University van New York, kwam eveneens tot de bevinding dat de Pirahã geen enkel besef hebben van cijfers en getallen. Everett zegt geen enkele structuur terug te vinden waarvan hij dacht dat deze in alle talen aanwezig was. Hun collectieve geheugen lijkt niet verder terug te gaan dan twee generaties en in veel gevallen slagen ze er niet in om zich de namen van hun vier grootouders te herinneren. Ook ontbreken woorden voor de verschillende kleuren en elke vorm van decoratieve kunst is hen onbekend. De Pirahã blijken ook de enige bekende cultuur die geen scheppingsverhaal heeft. De voltooide tijd zoals in âik heb gedronkenâ, kennen ze niet.
Peter Gordon en tal van andere onderzoekers zagen in de onmogelijkheid van deze mensen om getallen te leren een bewijs voor de hypothese van Benjamin Whorf. Volgens Everett is echter niet de taal zelf verantwoordelijk voor het ontbreken van een getalsysteem, maar de unieke cultuur en leefgewoonten van de Pirahã. Deze mensen leven in zeer kleine dorpjes en beleven enkel onmiddellijke persoonlijke ervaringen. Ze hebben geen woorden voor abstracte begrippen, zoals kleur, geheugen, tijd, getallen⦠Voor hen bestaat alles in het heden en hun taal kent dan ook geen verleden tijd. Deze taalkundige beperkingen maken het onmogelijk voor hen om verhalen te vertellen of hun geschiedenis te onthouden in woorden. Volgens Everett is zijn onderzoek de nagel aan de doodskist van Noam Chomskyâs grammaticatheorie. De taal van de Pirahã beschikt niet over de universele grammatica, waarvan Chomsky meende dat die in elke taal aanwezig was. De taal komt voort uit hun eigen cultuur en sociale relaties, maar niet uit een mentaal sjabloon, aldus Everett.
Sommige antropologen menen dat de oorzaak gezocht moet worden bij een inferieur intellect. Volgens Everett is dit onzin, omdat de Pirahã juist heel veel kennis hebben over het leven in de jungle. Ze hebben namen voor alle levende wezens in het regenwoud en zijn goed op de hoogte van het gedrag van de diersoorten. Ze begrijpen niet hoe westerlingen erin slagen te verdwalen in het woud.
Vera da Silva Sinha en Chris Sinha (University of Portsmouth) bezochten de Piraha in 2006. Hun onderzoek bracht aan het licht dat heel veel karakteristieken van deze taal ook in andere talen van het Amazongebied voorkomen. Ook in de taal van de Amondawa, een Tupi Kawahib-taal die niet verwant is aan het Pirahã, ontbreekt elk concept van tijd. De Spaanse jezuïet José de Anchieta (1534-1597) wees als eerste op het ontbreken van werkwoordstijden in de Tupi-talen van Zuid-Amerika. De taal van de Amondawa kent geen woord voor âtijdâ, âmaandâ of âjaarâ. De Amondawa verwijzen nooit naar hun leeftijd, maar krijgen een andere naam naargelang hun status of positie. Het meest verrassende resultaat van het onderzoek is het totaal ontbreken van een verband tussen âtijdâ en âbeweging in de ruimteâ. Ze hebben geen begrippen voor âvolgende weekâ of âvorig jaarâ, wel voor dag en nacht, het droge seizoen en het regenseizoen. Hun taal weerspiegelt hun leefgewoontes en hun ervaringswereld. Ze hebben geen kalendersysteem gebaseerd op landbouw en seizoenen.
Professor Sinha zegt hierover:
[begin inspringen]
âWe beschikken over heel wat metaforen voor tijd en het voorbijgaan ervan. Wij zien tijd als een ding. Wij zeggen âHet weekend is bijna voorbijâ of âIk heb geen tijdâ en zien zulke uitspraken als objectief, maar dat zijn ze niet. We hebben zulke metaforen bedacht en ze zijn de manier geworden waarop wij denken. De Amondawa spreken niet op die manier en ze denken ook niet op die manier, tenzij ze een andere taal leren.â
[einde inspringen]
De Amondawa kunnen wel spreken over gebeurtenissen en vertellen ook verhalen over hun geschiedenis, maar ze zien tijd niet als een afzonderlijk begrip. Ze plaatsen de gebeurtenissen niet op een denkbeeldige tijdbalk. Volgens Pierre Pica, van het Franse Centre national de la recherche scientifique (CNRS), betekent dit echter nog niet dat het de Amondawa dan ook aan elk besef van tijd ontbreekt.
[EINDE KADERSTUK]
De Canadese computerpionier Kenneth E. Iverson geloofde dat de Sapir-Whorfhypothese van toepassing was op programmeertalen. In zijn lezing âNotation as a Tool of Thoughtâ zei hij:
[begin inspringen]
âHet belang van nomenclatuur, notatie en taal als hulpmiddelen in het denken wordt al lang erkend. In de scheikunde en in de plantkunde bijvoorbeeld heeft het opstellen van nomenclatuursystemen door Lavoisier en Linnaeus veel bijgedragen aan het stimuleren en kanaliseren van later onderzoek.â
[einde inspringen]
In de sciencefictionroman
Babel-17beschrijft auteur Samuel R. Delany een geavanceerde taal die als wapen kan worden ingezet. Iemand die de taal leert, verandert in een verrader, omdat de taal niet alleen zijn waarneming van de wereld, maar ook zijn denken wijzigt. Yukihiro Matsumoto, bedenker van de programmeertaal Ruby, vermeldt als één van zijn belangrijkste inspiratiebronnen
Babel-17, gebaseerd op de Sapir-Whorfhypothese.
Ook George Orwell bedient zich van de denkbeelden van het Sapir-Whorfhypothese. In zijn wereldberoemde boek
1984is het Engels vervangen door âNewspeakâ. Die taal is op zulke wijze geconstrueerd dat subversieve gedachten niet kunnen worden uitgesproken. Mensen die de taal hebben geleerd, zijn zelfs niet in staat om gedachten tegen het totalitaire regime te ontwikkelen.
Taal maakt het ons niet onmogelijk om bepaalde dingen te begrijpen, maar dirigeert ons wel in zekere zin. Zo kunnen we tegen onze partner zeggen dat we dat avondje met een buur hebben doorgebracht, maar een Duitser of Fransman wordt door zijn taal verplicht te zeggen of het een buurman of een buurvrouw was. De taal bepaalt dus welke informatie we prijsgeven.
Creativiteit als intelligent gedrag
Het concept âcultuurâ wordt vaak vernauwd tot kunst en creativiteit. Ook al leert ieder mens via culturele adaptatie, toch bestempelen we sommige mensen als specifiek creatief, als artiest of kunstenaar. Betekent dit dat anderen niet creatief zijn? Als we het hebben over cultuur met een grote âCâ, dan spreken we over dichters, schrijvers, schilders, beeldhouwers.
Het klassieke idee stelt dat creativiteit tot stand komt in de prefrontale cortex, maar recent onderzoek toont aan dat verbeelding en creativiteit eerder het resultaat zijn van verbindingen tussen meerdere hersengebieden. Onderzoek van Alex Schlegel van Dartmouth College heeft dit overtuigend aangetoond. Schlegel meent dat deze neurale netwerken ons voorzien van een âmentale werkruimteâ, waardoor we beelden, symbolen en ideeën kunnen herschikken en combineren tot nieuwe ideeën en oplossingen voor complexe problemen.
Doorgaans wordt gesteld dat de linkerhelft van het brein is gespecialiseerd in logisch denken, creativiteit zou een specialiteit zijn van de rechterkant. Het onderzoeksteam van Schlegel vond aanwijzingen dat beide breinhelften betrokken zijn bij creativiteit. Maar het meest intrigerende resultaat van het onderzoek lijkt dat het cerebellum hierbij nauw betrokken is. Het cerebellum neemt slechts twintig procent van het totale hersenvolume in, maar bevat zeventig procent van alle neuronen. In het verleden ging men ervan uit dat het cerebellum hoofdzakelijk verantwoordelijk was voor ons evenwicht en het gecoördineerd bewegen van ons lichaam. Het onderzoek wees echter uit dat het cerebellum de functionaliteit van de cortex op vier manieren verbetert:
[begin opsomming]
- Het verhoogt de snelheid en efficiëntie van de verwerkingsprocessen in de cortex.
- Het ontwikkelt neurale routines voor de voorbereiding van verwachte en onverwachte omstandigheden. Bijvoorbeeld gitaar spelen zonder partituur, het leren van de vermenigvuldigingstafels⦠worden vergemakkelijkt door het cerebellum.
- Het is van belang bij het coderen van seriegebeurtenissen (taken die uit meerdere stappen bestaan). Het cerebellum geeft een soort alarmsignaal door aan de cortex door de volgende stap te voorspellen. Hierdoor is de cortex letterlijk voorbereid.
- Het helpt bij foutcorrectie op basis van ervaring en praktijk.
[einde opsomming]
Het onderzoeksteam van Allan Reiss, verbonden aan Stanford University, vond eveneens bewijs voor de rol van het cerebellum in het creatieve proces. Mensen die beduidend beter zijn in het bedenken van creatieve oplossingen, vertonen een hogere activiteit in het cerebellum. Reiss meent dat het cerebellum een soort algemeen coördinatiecentrum voor breinactiviteit is. Volgens Larry Vandervert van American Nonlinear Systems vond de groei van het cerebellum in de menselijke evolutie plaats in wisselwerking met het verbeterde vervaardigen van werktuigen.
Als creativiteit en verbeelding een typische eigenschap zijn van de mens of van menselijke intelligentie, wanneer spreken we dan van een kunstenaar of genie? Volgens Einstein waren zijn ideeën het gevolg van intuïtie. Plots daagden ze voor hem op. De informatie of het idee kan inderdaad plotseling opduiken, maar is wel het resultaat van een onbewuste verwerking. Ook al stelde Einstein dat intuïtie zorgde voor zijn ideeën en de creatieve verwerking hoofdzakelijk âonbewustâ gebeurt, beschikt de mens eveneens over een werkgeheugen, zoals het RAM-geheugen van een computersysteem:
[inspringen]
âHet werkgeheugen stelt je in staat te kiezen waar je aandacht aan besteedt, te kiezen wat je in gedachten houdt en te kiezen wanneer je beslissingen neemt en actie onderneemt. Het gaat erom de controle over te dragen van de omgeving naar jezelf. Als je eenmaal zoiets als een werkgeheugen hebt, verander je van een eenvoudig wezen dat door de omgeving wordt beïnvloed, in een wezen dat de omgeving kan beheersen.â
â Earl Miller, Massachusetts Institute of Technology
[einde inspringing]
In hoofdstuk 6 gaan we dieper in op diverse leertechnieken die ook als voorbeeld dienen voor modellen van âmachine learningâ en kunstmatige intelligentie.
Hoofdstuk 3 â Sensorische waarneming
Intelligentie staat niet los van waarneming, of liever gezegd, van invoerdata. Onze hersenen verwerken binnenkomende signalen en vormen op die manier onze ervaringswereld en bewustzijn. Ze berekenen en voorspellen op basis van die signalen wat de meest geschikte uitvoer is. Zodra je een keer je vingers hebt gebrand, voorspellen je hersenen de volgende keer dat het niet slim is om zonder ovenwanten een schaal uit een hete oven te halen. Dat is ook precies hoe computerwetenschappers gebruikmaken van âkunstmatige intelligentieâ. De algoritmes voorspellen op basis van inkomende data en voorbeelden uit het verleden de meest geschikte uitvoer.
Op zoek naar het zesde zintuig
De mens beschikt over meer dan vijf zintuigen. Zien, horen, ruiken, voelen en proeven noemen we de âexteroceptieveâ zintuigen, omdat ze ons data verschaffen over de buitenwereld. Ze zorgen ervoor dat we onze âumweltâ kunnen waarnemen en er gepast op reageren. Een bloem wandelt niet rond en heeft dus ook geen ogen nodig. Een dier dan weer wel. Organismen die bewegen (en niet louter door de wind), beschikken over zintuigen en meestal ook hersenen om die binnenkomende signalen te verwerken.
Mensen beschikken eveneens over âinteroceptieveâ zintuigen of receptoren die gebeurtenissen in ons lichaam kunnen waarnemen. Het lichaam van bewegende organismen beschikt echter ook over andere receptoren die niet altijd het stempel âzintuigâ krijgen. Zo hoef je je hand niet in het vuur te houden om te voelen dat het warm is. De zintuigen fungeren bovendien niet los van elkaar, ze maken deel uit van je algemene beleving van de omgeving. Kijk maar eens naar een horrorfilm en schakel het geluid uit. Smaak ontstaat in de hersenen die uit smaak- en reukgegevens de belevenis genereren. Het gevoel van vochtigheid komt tot stand uit tastzin en temperatuurgevoel. Daarnaast beschikken we over een gevoel voor evenwicht, warmte, pijn en het vermogen om de positie van onze ledematen te voelen (proprioceptie).
De ruwe data die uit de externe en interne wereld komen, worden door de hersenen verwerkt en daar ontstaat de beleving van angst, opgewektheid, liefde⦠op basis van de verwerkte gegevens. Je hersenen doen voorspellingen op basis van vroegere ervaringen, je lichaamstoestand en je huidige situatie. Ervaringen beleef je in je hersenen, niet met je zintuigen. Als je in de savanne rondloopt en een leeuw stormt op je af, dan weet je op basis van vroegere informatie dat je je maar beter zo snel mogelijk uit de voeten kunt maken. Je hersenen zien âsnel wegrennenâ als de statistisch de beste voorspelling.
Onze ogen reageren relatief snel en kunnen flikkeringen waarnemen die slechts 25 milliseconden duren. Het zicht is om die reden een belangrijk zintuig om voorspellingen te doen. We bewegen ons immers door onze leefomgeving. Onze andere zintuigen reageren met verschillende snelheden. Het gehoor is behoorlijk snel, met een tijdsresolutie van amper drie milliseconden. Geur- en smaakzin zijn het traagst en hebben vaak meer dan een seconde nodig om tot een nieuwe ervaring te komen.
Het begrip âtastzinâ doet eigenlijk wat afbreuk aan wat tastreceptoren daadwerkelijk waarnemen. In een fractie van een seconde detecteren ze druk, warmte, textuur en pijn. De gevoeligheid van onze tastwaarneming hangt af van het aantal testreceptoren in een bepaald gebied. Bij de mens bevatten de vingertoppen en de lippen de grootste concentratie tastreceptoren.
Evolutie van waarneming
Evolutionair gezien is smaak met voorsprong het oudste zintuig. Immers, het gaat om het vermogen om chemische stoffen in je omgeving te detecteren. Bacteriën in de oeroceaan detecteerden een slordige twee miljard jaar geleden op die manier al voedingsstoffen in hun buurt en zwommen er naartoe. Denk aan de worm C. elegans. Dat eenvoudige dier associeert de waarneming van zout met voedsel. Ook het vermogen om licht te detecteren ontstond bij oerbacteriën. Echte beeldvormende ogen ontwikkelden zich iets meer dan een half miljard jaar geleden, bij het ontstaan van meercellige dieren. Geurzin moest nog wachten op het ontstaan van de eerste landdieren, omdat het gaat om het vermogen om chemische stoffen in de lucht te detecteren. Organismen die in de zee leven, hebben geen behoefte aan de waarneming van geuren in de lucht. Het gehoor kwam het laatst tot ontwikkeling, omdat geluidsgolven relatief zwak zijn als je ze vergelijkt met elektromagnetische golven, zoals licht. Bovendien zijn er bijzondere structuren nodig om signalen te kunnen versterken. De eerste volledig functionerende oren doken 275 miljoen jaar geleden op. Maar volgens Deense onderzoekers beschikten longvissen reeds honderd miljoen jaar eerder over een rudimentaire vorm van gehoor. Naar alle waarschijnlijkheid waren ze de eerste gewervelde dieren die van de ene ondiepe vijver naar de andere konden âwandelenâ. Mogelijk waren ze in staat om een lage geluidsfrequentie waar te nemen door trillingen van hun kop.
De zintuigen hebben zich bij heel wat diersoorten aangepast aan de eigen ecologische niche. Ratten bijvoorbeeld kunnen de geur uit elk neusgat isoleren en op die manier heel precies voedsel lokaliseren. De sterneusmol kan zelfs onder water ruiken. Ze doet dit door uit te ademen en de luchtbel even op het puntje van de neus te houden om de omgevingsgeuren in te ademen. Om te overleven is het van vitaal belang om eetbaar van oneetbaar te onderscheiden of om bepaalde stoffen als zout te vermijden. Het lichaam van meervallen is bijvoorbeeld bedekt met smaakreceptoren. Hierdoor overleven ze in troebel water, omdat die zintuigen hen letterlijk voedsel helpen zien.
Planten die kunnen tellen
De American Psychology Association definieert zintuiglijke waarneming als âhet proces waarbij stimulatie van een zintuiglijke receptor aanleiding geeft tot neurale impulsen die resulteren in een ervaring of bewustzijn van omstandigheden binnen of buiten het lichaam.â Planten hebben echter geen neuronen en beschikken al evenmin over hersenen of een bewustzijn. Niettemin beschikken ze over een aantal waarnemingsmechanismen.
Mensen en dieren kunnen slechts een klein deel van het elektromagnetisch spectrum zien, namelijk golflengtes tussen 400 en 700 nanometer. Planten gebruiken het licht uit het voor mensen zichtbare spectrum voor fotosynthese, maar zijn in staat om iets hogere golflengtes âwaar te nemenâ. Ongetwijfeld zag je (buiten de sprookjesboom dan) nog nooit een boom, kamerplant of bloem met ogen. Om te zien, als je dat zo mag noemen, beschikken ze over eiwitpigmenten die dienstdoen als fotoreceptoren. Die pigmenten zijn gevoelig voor de golflengtes van blauw, rood en ver-rood licht. Ver-rood is licht met een golflengte van 700 tot 800 nanometer dat buiten het voor mensen zichtbare spectrum valt. De opgedane informatie over de lichtkwaliteit in de omgeving zorgt voor aanpassingen in de groeiwijze. Planten nemen hun buren waar doordat nabije planten licht weerkaatsen met lagere verhoudingen tussen rood en ver-rood. Planten lijken zich ook te richten op blauwe lichtbronnen. De receptoren voor blauw licht zorgen er mede voor dat planten dag- en nachtcycli waarnemen.
Vaak hoor je verhalen als zouden planten beter groeien als je er tegen praat of zingt. Dat klopt, maar het zal niet helpen als je tijdens je afwezigheid de nieuwe plaat van de Foo Fighters op Spotify voor je favoriete kamerplant afspeelt. Als we in de nabijheid van planten praten of zingen, kunnen ze mogelijk sneller groeien. Maar dit betekent niet dat ze over oren beschikken en van je stemgeluid of zangtalent houden. De kooldioxide die we uitademen wordt door de plant gebruikt voor de vorming van suikers via fotosynthese. Bij sommige planten kan praten of zingen dus daadwerkelijk de groei bevorderen.
Planten hoeven niet leren lopen en hun evenwicht vinden, omdat hun wortels hen doorgaans stevig verankeren in de grond. Maar hoe weten wortels dat ze naar beneden moeten groeien? In het uiteinde van wortels zitten amyloplasten, die op hun beurt organellen bevatten. Die organellen synthetiseren zetmeel en houden dat vast. Door de zwaartekracht zakken die organellen naar beneden. Hormonale signalen gaan naar de groeipunten van de wortels. Die hormonen verdelen zich asymmetrisch en de groei resulteert in een neerwaartse kromming.
Planten hebben geen hersenen. Organismen die zich niet door hun leefomgeving bewegen, hebben zoals eerder gezegd geen brein. Niettemin lijken bepaalde planten dierlijke vaardigheden te bezitten. Bijzonder opmerkelijk was de ontdekking dat de venusvliegenvanger of venusvliegenval (Dionaea muscipula), een vleesetende plant uit de zonnedauwfamilie (Droseraceae), kan tellen. Niet dat het een mathematisch wonder is en de nobelprijs voor wiskunde zal ontvangen. Professor Rainer Hedrich van de universiteit van Würzburg ontdekte dat de plant kan tellen hoe vaak hij is aangeraakt door een insect. Tijdens het onderzoek raakten de onderzoekers de plant aan met een toestel dat elektrische pulsen uitzendt om de plant het âgevoelâ te geven dat een insect was geland. Planten beschikken niet over een zenuwstelsel om de elektrische impulsen door te geven, maar de elektrische pieken kunnen zich over het oppervlak van de cellen verplaatsen. Elke aanraking en bijhorende puls lokte bij de plant een specifieke reactie uit:
Puls 1 De plant âmerktâ de stimulus op.
Puls 2 De val begint zich te sluiten rond de bron van de puls.
Puls 3 De val sluit zich stevig.
Puls 4 De plant maakt een hormoon vrij voor het verorberen van de prooi.
Puls 5 Klieren aan de binnenkant van de val produceren verteringsenzymen en stoffen die de voedingsstoffen opnemen.
Het aantal actiepotentialen (elektrische pulsen) informeert de plant over de grootte van de prooi en of het de âmoeiteâ loont om de val te sluiten. Immers, het sluiten en opnieuw openen van de val kost eveneens energie en die wil de plant niet onnodig âverspillenâ aan te snel dichtklappen. Dr. David Clapham van Harvard ziet dit als een efficiënt mechanisme om aan extra energie te komen in een voedselarme omgeving. Uiteraard betekent dit niet dat de plant bewust aan het tellen gaat. Maar het betekent wel dat organismen niet over een brein hoeven te beschikken om rekenkundige vaardigheden te hebben.
Waarneming van beeld
Je netvlies bevat lichtgevoelige cellen of fotoreceptoren: staafjes en kegeltjes. De staafjes zijn betrokken bij het onderscheiden van licht en donker, de kegeltjes bij de waarneming van kleur. Elk type kegelcel detecteert een andere basiskleur:
[begin opsomming]
- 65 procent van die kegeltjes is gevoelig voor rood.
- 33 procent van die kegeltjes is gevoelig voor groen.
- Twee procent van die kegeltjes is gevoelig voor blauw.
[einde opsomming]
De kegeltjes liggen verspreid over het netvlies. De combinaties van alle signalen die door deze kegeltjes in de vorm van elektrische signalen naar je hersenen worden gestuurd, zorgen ervoor dat je miljoenen kleurcombinaties kan waarnemen. Het RGB-kleursysteem dat bij moderne computerschermen (van laptops tot smartphones) wordt gebruikt, is gebaseerd op diezelfde kleurtechniek. Het voor de mens zichtbare spectrum strekt zich uit van paars tot rood (de kleuren van de regenboog). Het zijn de hersenen die het uiteindelijke beeld samenstellen.
Dit betekent echter niet dat onze ogen en hersenen een waarheidsgetrouw beeld van onze omgeving tevoorschijn toveren. Het netvlies van een garnaal bijvoorbeeld bevat vijftien verschillende types kegelcellen en neemt met andere woorden heel wat meer kleuren van het spectrum waar. Bij sommige dieren is het zichtbare spectrum uitgebreid tot ultraviolet en/of infrarood. Bijen nemen ultraviolet licht waar, waardoor het stuifmeel sterker opvalt. Bij de kariboes is de overlevingskans vergroot sinds ze ultraviolet kunnen waarnemen en wolven makkelijker kunnen waarnemen. Rendieren passen de waarneming van licht aan afhankelijk van het seizoen. In de wintermaanden zien ze ultraviolet licht, waardoor ze makkelijker korstmossen ontdekken. De mossen lichten dan paars op in het witte sneeuwtapijt. Onder de ogen van bepaalde slangensoorten zitten gaten met daarin warmtereceptoren. Hierdoor kunnen ze warmte detecteren tot op een meter afstand. Die informatie wordt door hun hersenen omgezet in een visuele weergave van de omgeving, waardoor de slang haar prooi ook in het duister makkelijk kan lokaliseren. Katteneigenaars weten dit zonder enige twijfel. Net zoals een aantal andere nachtdieren weerkaatst bij katten het licht in hun ogen, waardoor de kans om lichtdeeltjes op te vangen behoorlijk wordt vergroot. Terwijl ik dit intik, spurt Bowie, onze Siberische boskat, achter een speelgoedmuis aan. Het is dag nu en haar pupillen zijn vernauwd. Vanavond groeien die weer tot ronde fonkelpupillen om ook dan haar speelgoedprooi te kunnen vinden en vangen.
Beelden in en uit ons hoofd
âAnd if they had the words I could tell to you
To help you on the way down the road
I couldnât quote you no Dickens, Shelley or Keats
âCause itâs all been said before
Make the best out of the bad, just laugh it off, ha
You didnât have to come here anyway
So remember, every picture tells a story, donât itâ
â R. Stewart, âEvery picture tells a storyâ
Maart 2016. Ik stond naast mijn vader toen hij zijn laatste woorden sprak. âIk ga toch nog niet dood,â zei hij wat bevreesd, en in zijn woorden klonk de zorg om alles en iedereen. Het klonk vreemd, de woorden gingen vluchtig en nu nog staat dat laatste beeld in mijn geheugen gegrift. Door mijn hoofd speelden de verhalen van mijn vader en mezelf. Zesenveertig jaar heb ik hem gekend, beleefd, gezien, heb ik de tijd gehad om verhalen te distilleren over hem en mij. We bouwden samen een verleden. Hij was er al toen ik er nog niet was, hij maakte deel uit van een verleden dat ik nooit heb gekend, waar ik alleen maar over heb gehoord of waarvan ik vergeelde fotoâs heb gezien. Bij het opruimen van zijn kamer vond ik een stapel oude fotoâs van familieleden die ik nooit heb gekend, maar wel herken. Elk beeld vertelt zijn eigen verhaal, soms maar wat flarden. Vergeten familieverhalen, soms nog onduidelijk of verwarrend. Het verleden ontsluit zich slechts fragmentarisch via deze beelden. Hoeveel beelden gingen verloren, hoeveel momenten zal ik nooit zien? Als historicus weet ik dat dit soort beelden geen geschiedenis maken, maar ze zijn niettemin een deel van mezelf, van mijn verleden, van wie ik ben en van wat mijn kind ooit zal zijn. Ik mis heel veel en ik heb heel veel gemist. Triljoenen beelden gingen verloren, elk mogelijk moment uit mijn en zijn verleden. Het verleden ging weg en als ik de verhalen niet vertel, dan betekenen de beelden niets meer, ijle beelden van een verdwenen tijd.
Een foto verhaalt één moment, één enkel frame, zoals een plak kaas uit een groot blok. Kate Morton omschreef fotografie in haar debuutroman
The House at Rivertonals een ietwat ironische manier om dode momenten, die eigenlijk alleen mogen verder leven in de herinnering, te laten overleven:
[begin inspringen]
âHet is een wrede, ironische kunst, fotografie. Het slepen van vastgelegde momenten naar de toekomst; momenten die in het verleden hadden mogen verdampen; zou alleen in herinneringen moeten bestaan, een glimp opgevangen door de mist van gebeurtenissen die daarna kwamenâ¦â
[einde inspringen]
Een foto vormt een momentopname, een dood moment, een fractie van tijd op beeld vastgelegd. Fotograaf en kunstenaar Fong Qi Wei omschrijft fotografie als een manier om de tijd te bevriezen. De fotograaf selecteert het moment, hij voelt aan en klikt.
[begin inspringen]
âFotografie is een medium dat beroemd is om het bevriezen van tijd. Het woord âsnapshotâ suggereert dat een klein stukje tijd wordt vastgelegd voor het nageslacht⦠Een fotografische afdruk is plat, en bestaat in wezen uit twee dimensies: lengte en breedte. Toch geven we door compositie en lensfocus een afdruk diepte⦠De beste beelden zijn die waarbij je het gevoel krijgt dat je direct in het kader kunt stappen in een wereld die zich aan de andere kant bevindt.â
Fong Qi Wei
[einde inspringen]
Leggen onze hersenen elk levensmoment vast zoals een fototoestel of een filmcamera dat doet? Hoe verbinden mijn herinneringen de fotoâs van mijn vader met de bijhorende verhalen? Bevat ons hoofd een soort âlife logâ, een gigantische databank met eindeloze reeksen beeldopnames? Of leggen onze hersenen alleen de magische of tragische momenten vast?
Gordon Bell van Microsoft Research trachtte met zijn MyLifeBits-project zijn volledige geschiedenis vast te leggen met audio-, beeld-, tekst- en videomateriaal. âLifeloggingâ is de exacte benaming die de onderzoekers van Microsoft ervoor in het leven geroepen hebben. Het is in hun ogen de enige manier om tot een âTotal Recallâ van je persoonlijke verleden te komen. De vraag is natuurlijk of we dit wel willen. De SenseCam is een soort webcam die je om je hals kan dragen. Het toestel maakt automatisch, met behulp van bewegingssensoren, warmtedetectoren, enzovoort, foto's van je hele dag. Oorspronkelijk werd het ontwikkeld voor het helpen van Alzheimerpatiënten. Het bezorgt deze mensen een soort valse vorm van herinnering, elk vergeten moment wordt bewaard in een digitale databank.
Hoe lang duurt een moment? De meeste mensen ervaren een moment als iets wat ze bewust kunnen zien. Het bewust waarnemen van een beeld duurt ongeveer honderd milliseconden. Nemen we de tijd dan waar in stukjes of frames zoals een filmcamera dat doet? Maken onze hersenen van elk moment een afzonderlijke âstillâ of foto die ze levenslang vastleggen in ons geheugen? Betekent dit dat onze hersenen de binnenkomende signalen van sensoren, zoals de ogen en de oren, bemonsteren (âsamplenâ) en de informatie discretiseren zoals bij digitalisering gebeurt?
Het sleutelwoord bij digitaal is âdiscretisatieâ in ruimte en tijd. Bij het digitaliseren van analoge beeldinformatie plaatst een digitaal fototoestel een denkbeeldig raster over de fysieke wereld en meet de binnenkomende signalen op het moment dat de fotograaf klikt. Een âsampleâ of een monster van een digitale foto bestaat uit een verzameling van âpicture elementsâ of pixels. De bemonstering gebeurt bij fotografie enkel geometrisch, in lengte en breedte, en niet in de tijd, zoals bij een audio- of filmopname. Een digitaal systeem meet eveneens de signaalniveaus (discretisatie van de signaalwaarden), zoals bijvoorbeeld de lichtintensiteit van een pixel. Het lijkt erop dat onze hersenen niet alleen momentopnames maken in een geometrisch perspectief, maar ze eveneens inhoudelijk verwerken. Ze koppelen beelden aan verhalen, geluiden en geuren. Het lijkt wat op de manier waarop sociale media gebruikers beelden laten âtaggenâ om er doorzoekbare informatie aan te koppelen. Wat Ingrid Hoelzl opmerkt over de evolutie van analoge naar digitale fotografie, kan dus in zekere mate ook gezegd worden over de manier waarop onze hersenen beelden verwerken:
[begin inspringing]
âHet algoritmische beeld wordt niet langer beheerst door geometrische projectie, maar door algoritmische verwerking.â
[einde inspringing]
Onderzoekers van de universiteit van Glasgow ontdekten dat ons brein de werkelijkheid niet ervaart als een continuüm. Net zoals bij digitalisering verdelen onze hersenen binnenkomende signalen in momentopnames. De resultaten verschenen in het vakblad
Current Biology.Professor Gregor Thut van de universiteit van Glasgow zegt hierover:
[Begin inspringing]
âRitmiek is inderdaad alomtegenwoordig, niet alleen in de hersenactiviteit maar ook in de hersenfunctie. Voor de waarneming betekent dit dat, ondanks het âfeitâ dat we de wereld ervaren als een continuüm, we niet constant âmonstersâ nemen van de wereld, maar in discrete momentopnames, bepaald door de cycli van hersenritmes.â
[einde inspringing]
De snelheid waarmee onze ogen de werkelijkheid bemonsteren, ligt veel hoger dan bij een fototoestel. Wat bepaalt de lengte van het kortst mogelijke moment? Meten we hoe snel een mens bewust of onbewust een moment kan ervaren (een ogenblik) of bestuderen we het kortst te registreren moment? Onderzoekers van de MIT Media Lab Camera Culture Group ontwikkelden onder leiding van Ramesh Raskar een camera die een biljoen beelden per seconde kan maken. Wanneer je de beelden in slow motion bekijkt, krijg je de werkelijkheid op een heel andere manier te zien. Hiermee zijn de MIT-wetenschappers er zelfs in geslaagd om de beweging van licht in slow motion vast te leggen. Ze brengen op die manier een nooit eerder waargenomen wereld tot leven met een fototoestel dat het kortst mogelijke moment vastlegt. Daarmee legt de camera echter nog niet de werkelijkheid vast. Volgens Geoffrey Batchen is het een illusie te denken dat een foto de objectieve werkelijkheid kan weergeven. Elke fotograaf manipuleert in min of meerdere mate de fotoâs die hij maakt. Immers, elke fotograaf selecteert doelbewust wat hij in beeld brengt. Hij kadreert en stelt in die zin zijn eigen scène op door bepaalde dingen wel en andere niet te laten zien. Op die manier manipuleert hij de werkelijkheid. Martha Rosler stelt dat manipulatie inherent is aan fotografie:
[begin inspringing]
âElke kennis van de geschiedenis van de fotografie toont aan dat manipulatie een integraal onderdeel is van fotografie. (â¦) er zijn de beperkingen van kadrering in de camera, lenzen, belichting en filtratie. Bij het afdrukken van een beeld beïnvloedt de keuze van papier en andere materialen de kleur of tonaliteit, textuur, enz. Verder kunnen elementen van het picturale beeld worden onderdrukt of benadrukt, en elementen uit andere âframesâ kunnen erop of ernaast worden gereproduceerd. En de context, ten slotte, is bepalend.â
â Martha Rosler
âElke dag genereert internet triljoenen beelden en video's (â¦). Het volume aan fotoâs en videoâs dat in de afgelopen dertig dagen is gegenereerd, is groter dan alle beelden die dateren van de dageraad van de beschaving. In de aanwezigheid van een enorm volume, een grote verscheidenheid en een hoge snelheid, lijkt het programmeren van machines om alle objecten in de geobserveerde beelden te herkennen een onmogelijke taak te zijn. De prestaties van computervisie kunnen echter aanzienlijk worden verbeterd door big data.â
â S. Liu, J. McGree, Z. Ge, Y. Xie
[einde inspringing]
Anders dan het algemeen heersende denkbeeld is beeldmanipulatie geen gevolg van digitalisering. Beeldbewerkingssoftware betekende enkel een krachtige stimulans. Ook onze ogen en hersenen selecteren beelden. We kadreren en lijken alleen te onthouden wat voor ons relevant is.
De opkomst van digitale beeldmanipulatie roept ons op om de eigenheid van fotografie als visueel medium opnieuw ter discussie te stellen, op dezelfde manier waarop de schilderkunst zichzelf ter discussie moest stellen bij het ontstaan van de fotografie. Zelfs de meest realistische portretschilderijen konden niet tippen aan het realisme van een foto. Fotografie stelde de mens echter in staat om de werkelijkheid en de bewuste ervaring vast te leggen voor de toekomst. Wat we vastleggen, selecteren we zelf. Schilderijen zijn gebaseerd op getekende lijnen en penseelstreken. Fotoâs bestaan uit een reeks microscopisch kleine belichte deeltjes of pixels waarvan de werking erg lijkt op die van de retina in een menselijk oog. Ingrid Hoelzl ziet in de overgang naar digitale fotografie twee belangrijke verschuivingen. In de eerste plaats maakt het klassieke geometrische aspect van het 2D-beeld plaats voor de algoritmische verwerking van beelddata. Daarnaast maakt een beeld slechts onderdeel uit van een reusachtige databank.
De menselijke retina reageert gevoeliger op helderheid dan op kleuren. Het menselijk brein heeft weinig oog voor tintverschillen. Wanneer een mens naar een blauwe lucht kijkt, merkt hij niet de duizenden tinten blauw die een beeldchip wel kan registreren. Het bekende JPG-algoritme laat daarom veel kleurnuances weg. Eenvoudig voorgesteld: een jpeg verdeelt een afbeelding in een raster waarbinnen gemiddelde waardes worden gemeten. Veel variatie in kleur wordt weggelaten. Je kan zelf instellen hoeveel verschillen je wil weglaten. In veel software kan je dit doen met behulp van een eenvoudige schuifregelaar. Hoe kleiner de cellen in het raster, hoe meer kleurverschillen het algoritme bewaart en hoe lager de compressie. Dit algoritme, dat in de meeste digitale toestellen de facto is ingebed, manipuleert op die manier reeds het beeld dat de beeldchip van het fototoestel registreert.
Een digitale afbeelding bestaat uit een eindig aantal rijen en kolommen. Elke cel van die matrix vormt een pixel en die pixel kan afhankelijk van de gebruikte hardware tussen de twee en ettelijke miljoenen kleurwaardes aannemen. Software maakt het mogelijk elke afzonderlijke pixel te bewerken, te verwijderen of te vervangen. Hiervoor hebben softwareontwikkelaars gebruiksvriendelijke bewerkingsinterfaces gebouwd. Naast het digitaal retoucheren van fotografische afbeeldingen kan de gebruiker afbeeldingen tot composities of collages samenvoegen. De eigenheid van digitale afbeeldingen maakt het anderzijds ook mogelijk om nieuwe afbeeldingen te genereren. In zoân geval spreekt men van CGI of âcomputer generated imagesâ.
Het gebruik van cameraâs in mobiele telefoons, tabletcomputers en laptops heeft ertoe geleid dat het maken van fotoâs niet alleen veel goedkoper is geworden, maar dat de stap om een foto te maken is geminimaliseerd. Dankzij sociale media is het delen van fotoâs een fluitje van een cent. Zoals Hoelzl stelt, maakt deze gigantische hoeveelheid beeldbestanden deel uit van een gigantische databank van genetwerkte gegevens: big data. De term âbig dataâ duidt niet op een computertechniek, maar slaat op de gigantische hoeveelheid digitale informatie die wereldwijd beschikbaar is. In 2016 namen datacenters (plaatsen waar internetservers staan opgesteld) wereldwijd zestienduizend hectare oppervlak in. De gezamenlijke datacapaciteit is dus enorm en naar schatting is op dit moment slechts een fractie daarvan geanalyseerd. Vooral het analyseren van afbeeldingsdata maakt op technologisch vlak een snelle ontwikkeling door. Robuuste, schaalbare en zelflerende algoritmes voor het ophalen, indexeren en organiseren van visuele informatie zijn voortdurend in ontwikkeling. Slimme algoritmes herkennen objecten in afbeeldingen en kunnen die koppelen aan zoekalgoritmes. Intelligente bewakingscameraâs herkennen mensen en hun respectievelijke interesses en eventueel verdachte gedragingen.
Japanse onderzoekers slaagden er in 2008 in om op basis van een functionele MRI-scan (fMRI) van de hersenen beeldmateriaal uit menselijke hersenen te reconstrueren. Het onderzoek naar âvisual image reconstruction from brain activityâ wordt nu gedaan door verscheidene onderzoekscentra en men bereikt op dit moment al onvoorstelbare resultaten. Bij sommige computerwetenschappers rijst het vermoeden dat de werkelijkheid slechts een virtuele simulatie is, een verzameling van gemanipuleerde visuele gegevens. De simulatiehypothese stelt dat de zichtbare realiteit niet echt is, maar dat we leven in een computersimulatie. De âgesimuleerdenâ (wij mensen) zijn zich er totaal niet van bewust. Dit idee vormt de basis achter sciencefictionfilms als
The Matrix.Volgens de Britse computerdeskundige Nick Bostrom zijn er argumenten om aan te nemen dat dit wel degelijk het geval is. De fotograaf, noch de softwaregebruiker gelden dan als de manipulator. Zij zijn zelf het slachtoffer van een volledig gemanipuleerde en virtuele omgeving. Sterker nog, misschien maken ze zelf wel deel uit van die visuele illusie.
In hoofdstuk 4 komt fotografie nog uitgebreid aan bod.
De illusie van beweging
Film is niet meer dan de illusie van beweging. Een film bevat, naast een geluidsspoor, een reeks fotoâs die snel achter elkaar worden getoond. Die illusie hangt niet noodzakelijk samen met de hoeveelheid beelden (frames) per seconde. Onze hersenen ervaren vervaging in het beeld als vloeiend. Hoe scherper de beelden, hoe schokkeriger het vaak aanvoelt. Wanneer je een zwaar bewolkte hemel filmt met vrijwel stil hangende wolken, zal dit zelfs bij een lage beeldsnelheid als vloeiend worden ervaren. Oorzaak is dat er vrijwel geen scherpe randen in voorkomen en de verschillen tussen de opeenvolgende frames minimaal zijn. Wanneer je een potlood snel heen en weer beweegt voor je ogen, zie je het niet meer scherp maar vaag. Onze hersenen ervaren het niettemin als een vloeiende beweging. Een film met vijftig scherpe progressieve beelden zou eerder als schokkerig ervaren worden dan een bioscoopfilm met 24 beelden of frames per seconde (fps) met wat âblurâ (vervaging) op de beelden!
Onze ogen nemen de werkelijkheid vloeiend waar en delen die niet echt op in frames per seconde. Dit verklaart meteen waarom een filmbeeld, en zeker een televisiebeeld, kan flikkeren. Wanneer het ene frame het andere vervangt, wordt het scherm gedurende een fractie van een seconde even zwart. Aan 24 fps lijkt de film dan wel vloeiend (âsmoothâ), maar de 24 âverversingenâ zorgen voor heel wat geflikker. De oplossing voor dit probleem lijkt op het eerste zicht nogal vreemd: de projector in de bioscoop toont/ververst elke frame drie keer. Hierdoor worden de zwarte overgangen iets korter en frequenter. Op die manier ziet je in de bioscoopzaal films aan 72 fps⦠ook al zijn er in werkelijkheid maar 24 progressieve afbeeldingen. Dezelfde techniek wordt toegepast bij een televisiescherm. Hoe hoger de Hz over verversingsgraad, hoe minder beeldflikker! Een tv van 100 Hz ververst zijn beeld honderd keer per seconde, waardoor het geflikker nog nauwelijks zichtbaar is. Bovendien blijft een helder beeld een paar seconden op ons netvlies staan (âafterimageâ). Kijk maar eens even in een lamp en je ervaart meteen wat we bedoelen! Door die nabeelden winnen heldere beelden het ook van de zwarte beelden tussen de frames.
Onderzoek heeft uitgewezen dat een lichtflits van 1/220ste van een seconde door onze ogen wordt geregistreerd. Wanneer je een tv-scherm van opzij bekijkt, valt het geflikker zelfs bij een hoge verversingsgraad nog op. Om een scherm volledig flikkervrij te maken moet het waarschijnlijk pulseren met een 500ste deel van een seconde.
Geluid
Geluid, en dus ook muziek, is in wezen niet meer dan het trillen van lucht (of vloeistoffen of andere materialen) door drukveranderingen. We kunnen geluid voorstellen als een golf of trilling met pieken en dalen. De hoogte van een golf of de amplitude bepaalt het volume. Wanneer een pianist een toets heel hard aanslaat, produceert de piano vervolgens een geluidsgolf met een hoge amplitude. Muziek bestaat uit verschillende tonen die in een patroon achter elkaar zijn geplaatst. Hoge tonen herkennen we in een geluidsgolf door een hogere frequentie, dit wil zeggen meer golfjes binnen een bepaalde tijd. Hoe lager de frequentie of het aantal trillingen, hoe lager de toon. In de natuurkunde wordt de frequentie weergegeven in het aantal trillingen of oscillaties per seconde, uitgedrukt in Hertz of Hz. De laagste toon op een piano laat de lucht ongeveer 27,5 keer per seconde trillen.
Wanneer een geluidsgolf ons oor bereikt, gaat het trommelvlies trillen. De frequentie bepaalt hoe snel het membraan of trommelvlies vibreert. De amplitude laat het vlies sterker of minder sterk vibreren. De vibratie van het trommelvlies brengt drie botjes in het middenoor in beweging (hamer, aambeeld en stijgbeugel). De stijgbeugel brengt de trilling van het trommelvlies op zijn beurt over op de cochlea of het slakkenhuis, dat gevuld is met een soort vloeistof. De trilling van die vloeistof wordt overgebracht op minuscule haarcellen die door het spanningsverschil elektrochemische signalen via de gehoorzenuw doorsturen naar de hersenen. Uiteindelijk zijn het de hersenen die zorgen voor het decoderen van het geluid en de geluidsperceptie.
Het menselijk oor herkent een zeer breed spectrum van frequenties, van ongeveer 20 Hz tot 20.000 Hz. Helemaal ongelooflijk is het bereik tussen de zachtste en de luidste geluidssterktes die het menselijk oor kan registreren. Dit is ongeëvenaard in de natuur en techniek! Het is bekend dat dieren vaak een ander frequentiebereik hebben. Sommige dieren produceren bijvoorbeeld geluiden die het menselijk oor niet kan waarnemen, omdat het te laag of te hoog is. Zo merkte ik als kind dat mijn hond begon te huilen als ik op een mondharmonica of bugel speelde. Zelf had ik het gevoel dat ik samen met mijn hond aan het musiceren was, maar het arme dier moet dit geheel anders ervaren hebben. Het moet dezelfde pijn hebben gevoeld als wij mensen bij een plotse schelle toon waarbij we onwillekeurig onze oren afdekken. Een van mijn oudste herinneringen heeft met oorpijn te maken. Het geluid van de trommels van de voorbijtrekkende fanfare raakte mijn prille trommelvliezen als mokerslagen, terwijl ik zoân geluid nu als eerder doffe klanken ervaar. Dit is niet ongewoon: bij het ouder worden verliezen veel mensen het vermogen om hoge frequenties waar te nemen.
Sommige dieren beheersen de uiterste toonhoogtes. Honden nemen ultrageluid waar (piepende hoge tonen), olifanten infrageluid (zeer lage tonen). Vleermuizen en tal van andere diersoorten (waaronder dolfijnen) gebruiken ultrageluid voor echolocatie. Ze stoten zelf zeer hoge tonen uit. Vervolgens vangen ze de weerkaatste geluidsgolven weer op. Op die manier visualiseren de hersenen van de vleermuis de omgeving en eventuele bewegende insecten daarin. Walvissen, olifanten, giraffen en alligators op hun beurt detecteren infrageluid. Lage tonen reizen veel verder. Geen wonder dat dieren die in uitgestrekte gebieden leven, zoals savannes, woestijnen of oceanen, er gebruik van maken voor hun onderlinge communicatie.
Kunstmatige zintuigen
De fysieke wereld waarin wij leven, gedraagt zich analoog. Natuurkundige fenomenen, zoals licht, geluid, temperatuur en zelfs het alcoholgehalte in je bloedâ¦, kunnen voortdurend wijzigen.
Een elektronisch apparaat zet signalen uit de omgeving (geluid, licht, warmte â¦) om in elektrische signalen (spanningen, stromen â¦). Om informatie uit de werkelijkheid âwaar te nemenâ beschikt een elektronisch toestel over sensoren of mechanische zintuigen.
Een foto-elektrische cel bijvoorbeeld zet licht om in een elektrisch signaal, een microfoon zet drukgolven in de lucht om in een veranderlijke elektrische spanning.
Zonder dat we het zelf goed en wel beseffen worden we omringd door sensoren. Je vindt ze in je mobiele telefoon (camera, microfoon, snelheidsmeter â¦), het toetsenbord en de muis van je computer, de thermostaat van de verwarming, in automatische lampen, het scherm van een tablet⦠Als je na een nachtje stappen aan de kant wordt gezet door de politie, vind je ze zelfs in de blaastest (een chemische sensor).
Omdat de opgewekte elektrische signalen vaak te zwak zijn, bevat veel elektronica ingebouwde of aangesloten versterkers. Analoog houdt in dat de informatie als een continue golf of âstroomâ wordt opgeslagen. Zoals je weet, bestaat geluid in werkelijkheid uit een reeks voortdurende trillingen in de lucht, een golf met andere woorden. Bij een microfoon brengen de trillingen van de lucht een membraan (een soort vliesje) in beweging. Deze beweging wordt omgezet in een veranderlijk elektrisch signaal, dat opgeslagen kan worden op magneetbanden. Analoog betekent dus ânaar analogie met de werkelijkheidâ. Analoge signalen zijn erg onderhevig aan storingen of interferenties van bijvoorbeeld andere apparaten.
Elektronisch is weer wat anders dan digitaal, ook al hoor je de termen weleens door elkaar gebruikt worden. Als een systeem een signaal (geluid, beeld, temperatuurâ¦) digitaliseert, gaat het de elektrische signalen omzetten in een reeks getallen. Als je elk uur de temperatuur meet met een temperatuursensor, kan je elk uur het elektrisch signaal meten en bewaren als een cijfer (= een âdigitâ). Zo krijg je een reeks cijfers/âdigitsâ die de wijzigende temperatuur gedurende de tijd opslaan.
Immers, een analoog signaal wijzigt voortdurend. De temperatuur bijvoorbeeld wijzigt gedurende de dag, maar normaal gezien niet elke de seconde.
Bij geluid daarentegen moet je meer metingen doen. Om iemands stem op te nemen, volstaat het niet om elk uur even de geluidsgolf te meten. Dat doe je liever meerdere keren per seconde, om zo nauwkeurig mogelijk de uitgesproken tekst te kunnen opnemen en eventueel later weer af te spelen. Wil je geluid registreren met audio-cd-kwaliteit, dan moet je het geluid 44100 44100 keer per seconde meten (44,100 Hz).
Bij een beeldsensor van een digitale camera is de tijd van minder belang, maar moeten er meerdere signalen tegelijkertijd worden gemeten. Een foto of beeld is immers ârechthoekigâ. Een beeldsensor verdeelt een rechthoekig kader in kleine vakjes (rijen en kolommen) en meet bij het fotograferen van elk van deze vakjes de kleurwaarde. Elk vakje noemen we in dit geval een âpicture elementâ (pixel). Elke meting, of het nu om geluid of beeld gaat, noemen we een âsampleâ. In het Nederlands noemen we dit proces âdiscretisatieâ.
Het volledige proces van het digitaliseren van data wordt uitvoerig beschreven in hoofdstuk 4.
Hoofdstuk 4 â Geheugenapparaten en verwerkingseenheden
âDenk aan een toekomstig apparaat⦠waarin een individu al zijn boeken, verslagen en mededelingen opslaat, en dat gemechaniseerd is, zodat het kan worden geraadpleegd met een buitengewone snelheid en flexibiliteit. Het vormt een vergrote intieme aanvulling op zijn geheugen.â
â Vannevar Bush,
As We May Think, 1945
Leren via culturele transmissie is veel meer dan alleen maar leren van groepsgenoten. Culturele uitingen deden zich al vanaf de prehistorie voor in de vorm van geschreven, geschilderde, gekerfde of gebeeldhouwde artefacten. Naast gereedschappen bedacht de mens sinds de prehistorie eveneens geheugenapparaten, of mnemotechnische gereedschappen. Het schrift geldt als een soort geheugenapparaat, maar ook de boekdrukkunst, het wereldwijde web en zelfs digitalisering. Al die geheugenapparaten stellen de mens in staat om kennis en ruwe data voor langere tijd âuit het hoofdâ te bewaren en uitwisseling en verspreiding van kennis en vaardigheden mogelijk te maken en te versnellen.
Net zoals bij het concept âintelligentieâ is het niet eenvoudig om een pasklare definitie voor het begrip âdataâ of âgegevensâ te geven. Gegevens vormen een (op de een of andere manier) waarneembare registratie van âfeitenâ of âabstracte conceptenâ op een ander medium. Het schilderij
La trahison des images(Het verraad van de voorstelling) van René Magritte is beter bekend onder de naam
Ceci n'est pas un pipe. Magritte gebruikte een woordspelletje dat een perfecte definitie biedt voor ons concept van âdataâ. Het gaat inderdaad niet om een pijp, maar om een voorstelling van een pijp. De pijp zelf is het levensechte object, maar een schilderij van een pijp is data. Natuurlijk moeten data geen voorstelling zijn van echte objecten. Je kan immers ook de temperatuur registreren in de vorm van een reeks getallen en die temperatuur kan je niet âvastpakkenâ, hooguit voelen.
De opslag van data gebeurt op zoân manier dat die in veel gevallen voor lange termijn kan worden bewaard en het verspreiding en uitwisseling ervan mogelijk maakt. Mijn studenten, en ze zijn daar lang niet de enigen in, raken weleens verward in het onderscheid tussen âruwe dataâ, âinformatieâ en âkennisâ. Op zich is dat niet vreemd, want in de dagelijkse omgang gebruiken we die begrippen heel vaak door elkaar. Data of gegevens in hun ruwe vorm vormen nog niet meteen bruikbare kennis. Kennis ontstaat pas wanneer we de data verwerken en in hun ruimere context zien. Een âwoordâ dat je intypt op het toetsenbord van je computer, een gebeurtenis die zich nu voordoet in een buitenlands conflict, de geur van spaghetti die uit de keuken komt⦠zijn allemaal vormen van ruwe data. Een foto van je grootvader uit de Tweede Wereldoorlog is dat eveneens. Maar al die gegevens leiden niet automatisch tot kennis. Een kind dat nog nooit heeft geleerd over de Tweede Wereldoorlog zal van die foto weinig âlerenâ, net zoals de geur van spaghetti weinig connotaties oproept voor een lid van de Pirahastam. Verkeersborden en de bijhorende kleuren en pictogrammen zijn ruwe data, maar krijgen pas betekenis in een levensechte verkeerssituatie.
Data kan voorkomen in diverse verschijningsvormen. Een foto vormt een afgesloten pakket data (discrete data), maar een geluidsopname of film een continue stroom aan gegevens. Een waardeoordeel (of vooroordeel) over iets vellen, is een kwalitatieve vorm van data. Als je een andere Facebookgebruiker de huid vol scheldt, dan vormt jouw getypte bericht eveneens een afgesloten pakketje gegevens. Je kan data ook indelen in categorieën of structuren. Een boomstructuur is hiervan een bekend voorbeeld.
Een volledig overzicht van alle door mensen bedachte geheugenapparaten zou al snel tot een encyclopedisch overzicht leiden. Daarom beperken we ons in dit hoofdstuk tot een reeks belangrijke ontwikkelingen en opvallende innovaties uit de menselijke geschiedenis. In de technologische geschiedenis bedacht de mens diverse technieken om data te
[begin opsomming]
- onthouden;
- registreren;
- bewaren voor langere termijn;
- structureren en organiseren;
- indexeren;
- verkleinen;
- verzenden over grotere afstanden;
- delen;
- â¦
[einde opsomming]
Natuurlijke replicatoren en âmemesâ
Paul S. Rosenbloom, computerwetenschapper en professor aan de universiteit van Southern California, verkent in zijn boek
On Computingalle beschikbare manieren van data- en informatieverwerking. Hij beperkt zich niet tot hardware en software, maar bekijkt ook hoe de natuur zelf informatie bewaart en verwerkt. De verwerkingsprocessen in de natuur bestempelt hij als âlife computingâ. Natuurlijke computers worden vaak niet als verwerkingseenheden beschouwd, maar zijn dat ruim genomen wel.
Hij verwijst naar de evolutiebioloog Richard Dawkins, die stelt dat het verschil tussen leven en niet-leven een kwestie van informatie is. Levende wezens bevatten enorme hoeveelheden informatie. Die informatie is op vier manieren in natuurlijke en culturele geheugenapparaten vastgelegd. De opslag van âvoorouderlijke overlevingstechniekenâ gebeurt in het DNA. De registratie van ziektes ligt vast in de antilichamen van het immuunsysteem, de geschiedenis van âvroegere ervaringenâ op haar beurt in het zenuwstelsel en neuronen. Collectieve herinneringen worden niet-genetisch geërfd in de meest uiteenlopende vormen en in door mensen bedachte âgeheugenapparatenâ. Immers, zoals eerder reeds aangehaald, maakt culturele transmissie gebruik van diverse technieken. In zijn boek
The Selfish Geneverduidelijkt Dawkins dat culturele overdracht niet beperkt blijft tot mensen, maar dat bijvoorbeeld vogels hun zang, of dialecten daarvan, leren via systemen van culturele overdracht.
Volgens Dawkins bestaat er een grote gelijkenis tussen de wijze waarop genen informatie overdragen en hoe dit in de menselijke cultuur gebeurt. Stukjes informatie worden telkens opnieuw gerepliceerd. Naar analogie met het Engelse âgeneâ (gen), bedacht hij de term âmemeâ, etymologisch verwijzend naar het Griekse âmimemeâ (imitatie) en naar het Franse âmêmeâ (hetzelfde). Voorbeelden van âmemesâ zijn deuntjes, ideeën, slagzinnen, kledingmode, manieren om potten te bakken of bogen te bouwen, enzovoort.
[begin inspringen]
âZoals genen zich voortplanten in de genenpoel door via sperma of eicellen van lichaam naar lichaam te springen, zo planten âmemesâ zich voort in de âmemesâ-poel door van brein naar brein te springen via een proces dat, in ruime zin, âimitatieâ kan worden genoemd.â
â Richard Dawkins,
The Selfish Gene,1976
Misschien zijn kalenders wel de oudste geheugenapparaten. Het kolossale megalitische bouwwerk Stonehenge deed naar alle waarschijnlijkheid dienst als kalender. Als we de stelling van de Amerikaanse journalist A. Marshack mogen geloven, is het gebruik van mnemotechnische hulpmiddelen of geheugenapparaten om de maankalender bij te houden nog veel ouder. In 1972 verdedigde hij de stelling dat het Ishangobot, dat in de jaren vijftig werd opgegraven in Congo, een prehistorische maankalender is. Al in 1935 vond de bioloog Damas fossiele overblijfselen en fragmenten van menselijke onderkaken in Ishango, een plaats in het toenmalige Belgisch-Congo. In 1950 werd Jean de Heinzeling de Braucourt, geoloog van het Koninklijk Belgisch Instituut voor Natuurwetenschappen, belast met een expeditie met het doel de locatie te onderzoeken. De opmerkelijkste vondst was een 10,2 centimeter lange staaf met evenwijdige lijnen. Aan één uiteinde zit een klein stukje kwarts, waardoor het lijkt op schrijfgerei. Het staafje bevat drie kolommen met groepen van vrijwel evenwijdig aangebrachte inkervingen. Onderzoekers zijn het erover eens dat ze niet decoratief en ook niet puur willekeurig zijn aangebracht.
Zelfs de meest verstokte sceptici wijzen op een âvermoeden van rekenkundeâ. Toch wil dit nog lang niet zeggen dat iedereen de stelling van Marshack steunt. Niettemin bevat het Ishangobot duidelijk sporen van prehistorische rekenkunde en niet louter willekeurige inkepingen. De tekens zijn duizenden jaren ouder dan de oudste vormen van schrift. Omdat zich in dit gebied duizenden jaren geleden actieve vulkanen bevonden, die de normale verhoudingen van koolstofisotopen kunnen hebben verstoord is een precieze datering op basis van de koolstof 14-methode erg moeilijk. Toch zijn heel wat archeologen en onderzoekers er thans van overtuigd dat het Ishangobot ten minste 20000 jaar oud is.
-
-
- Van petroglief tot boekdrukkunst
Het schrift, in welke vorm dan ook, bood een manier om informatie buiten het geheugen te bewaren. Het Egyptische hiërogliefenschrift lijkt op een oervorm van de rebus waarbij elke tekening voor een woord of begrip staat. Ambtenaren in dienst van de farao maakten er dankbaar gebruik van om er boekhoudkundige informatie mee vast te leggen, zoals de oppervlaktes van honderden percelen grond, de hoeveelheid oogst en de (in natura) te betalen belastingen voor elke boer. Maar het schrift was zeker niet de enige manier om informatie in materiële vorm buiten het geheugen te bewaren. Het was niet voor alle vormen van informatie even zinvol als âgeheugenapparaatâ. Dat besefte de mens al veel langer, want millennia eerder begon hij al afbeeldingen te produceren in de vorm van beeldhouwwerken en schilderingen.
Traditioneel plaatst men het ontstaan van het schrift in het midden van het vierde millennium voor het begin van onze tijdrekening. Men zegt dat op dat moment de prehistorie eindigt omdat het schrift ontstaat. In de irrigatiesamenlevingen van Egypte en Mesopotamië was een schrift noodzakelijk om het administratieve werk van het opmeten van velden en het berekenen van belastingen te vereenvoudigen en te automatiseren. De laatste jaren rijzen er echter vragen over de oorsprong van het schrift. In 1993 werd bij opgravingen bij het Kastoriameer in Griekenland een tablet met schrifttekens opgegraven dat na C
14-koolstofdatering uit ongeveer 5260 v.Chr. bleek te stammen.
Sommige onderzoekers zijn bovendien van mening dat het schrift niet plotsklaps is ontstaan, maar geleidelijk evolueerde van symbolische tekeningen naar het âvertalenâ van woorden en zinnen in schrift. Van de eerder genoemde grotkunst zijn vooral de jachttaferelen bij het grote publiek bekend. Vaak duiken ook kleine symbolen op, zogenoemde petrogliefen, waarvan niemand het precieze doel kent. Toch blijken deze tekens, geometrische figuren, zigzaglijnen⦠wel degelijk een symbolische betekenis te hebben. Genevieve von Petzinger, studente aan de universiteit van Victoria in British Columbia (Canada), vond het vreemd dat niemand deze symbolen had vastgelegd en met elkaar vergeleken. Onder begeleiding van April Nowell, hoogleraar paleolithische archeologie, stelde ze een databank samen met alle grottekens van 146 Franse archeologische sites uit de periode tussen vijfendertigduizend en tienduizend jaar geleden. Ze kwam tot een verbazingwekkend resultaat. 26 in dezelfde stijl getekende symbolen keerden overal terug. Sommige symbolen waren heel eenvoudig, zoals lijnen, cirkels en driehoeken, maar andere deden haar vermoeden dat het mogelijk ging om een vorm van geschreven communicatie. Sommige eenvoudige symbolen hadden de kenmerken van een synecdoche: een tekening waarbij niet de volledige afbeelding wordt weergegeven, maar slechts een deel ervan, maar die toch het geheel representeert. Zo kan je de slagtand van een mammoet voorstellen als een gebogen lijn. Die lijn representeert dan de volledige mammoet. Dit deed het vermoeden rijzen dat de grotkunstenaars probeerden om bepaalde ideeën eerder symbolisch voor te stellen dan realistisch. Herhaaldelijk komen bepaalde symbolen ook in paren voor, en op één plaats (Les Trois-Frères) zelfs in groepen van vier. Wellicht gebeurde dat niet zonder reden en hadden deze groepen symbolen ook een daadwerkelijke betekenis. 75 procent van de meest voorkomende symbolen kwam al voor op de oudste vindplaatsen. Bij recente archeologische opgravingen in Zuid-Afrika vond men stukken hematiet waarop abstracte tekens zijn aangebracht. Ze waren minstens vijfenzeventigduizend jaar oud. Deze vondsten tonen aan dat symbolisch en abstract denken wellicht veel ouder is dan tot nog toe werd aangenomen.
De basis van het Mesopotamische spijkerschrift vormen tekens die in diverse vormen in klei werden gedrukt en dienstdeden als een soort telsysteem. Het (spijker)schrift ontstond dus uit een vroeger telsysteem dat ook dienstdeed als een oervorm van boekhouding. Het schrift werd tot in het derde millennium voor het begin van onze jaartelling exclusief voor boekhouding gebruikt. Vanaf toen begon men het schrift ook te gebruiken voor funeraire inscripties. Daarnaast zien we bij de evolutie van het vroege schrift een geleidelijke abstrahering van gegevens, van een-op-eencorrespondentie met driedimensionale tastbare voorwerpen, naar tweedimensionale afbeeldingen. Vervolgens ontstonden abstracte symbolen voor getallen en fonetische syllabische tekens. In het tweede millennium v.Chr. ontstonden door de abstractie van klank en betekenis de letters van het alfabet, met andere woorden symbolen voor de individuele fonemen.
Vooralsnog laten we de prehistorie ietwat kunstmatig eindigen bij het zogenoemde ontstaan van het schrift in 3500 v.Chr. Aanvankelijk werd het schrift hoofdzakelijk gebruikt voor administratie en wetgeving, maar al snel werden ook verhalen, historische gebeurtenissen en andere informatie op schrift gezet. Voor het eerst kon informatie buiten het geheugen van de mens worden bewaard. Het schrift is nog steeds de belangrijkste manier om informatie te verzamelen, te manipuleren, op te slaan, terug te vinden, te communiceren en te verspreiden. Zelfs in tijden van sociale media, waarbij mensen massaâs afbeeldingen online publiceren, blijft tekst nog steeds de hoofdmoot van big data.
Boek, bibliotheek en boekdrukkunst
Het zou ons te ver leiden als we alle vormen van opslagmedia van tekst, zoals kleitabletten, uitgebreid zouden bespreken. Het boek zoals wij het kennen bestond echter nog niet. In de klassieke oudheid (800 v.Chr. tot 500 n.Chr.) was de boekrol het voornaamste medium. De door Alexander de Grote gestichte Egyptische stad Alexandrië groeide in de oudheid uit tot het wetenschappelijke centrum. Geleerden uit alle delen van het Middellandse Zeegebied kwamen naar de bibliotheek en het Museion om er te studeren, te schrijven of te filosoferen⦠Demetrios Phalerios (350-283 v.Chr.), net zoals Alexander een leerling van Aristoteles, werd de eerste bibliothecaris. Schepen die de haven aandeden, moesten elk boek dat ze aan boord hadden afstaan om te laten âkopiërenâ. Vaak zagen ze hun boeken helemaal niet meer terug of kregen ze een kopie, terwijl het origineel in de bibliotheek achterbleef. Men stuurde opkopers naar alle mogelijke uithoeken van de wereld (zelfs naar India) om zo veel mogelijk boeken te verzamelen. Volgens Perzische bronnen was het Alexander de Grote zelf die de opdracht gaf tot het verzamelen en vertalen van boeken. Mogelijk brachten de fantastische bibliotheken die hij aantrof in de paleizen van Nineveh, Persepolis, Babylon, enzovoort, hem op het idee om de teksten te laten vertalen en te verzamelen in een grote universele bibliotheek.
De bibliotheek werd de grootste van de toenmalige wereld met tussen de vierhonderd- en zevenhonderdduizend boekrollen. Aangezien één boekrol gemiddeld twintig à veertig hedendaagse paginaâs tekst bevat, komt de hele collectie overeen met ongeveer vijftigduizend boeken uit onze tijd. Dat lijkt niet veel, maar we mogen niet vergeten dat alle boeken toen met de hand geschreven werden⦠en dus uiterst zeldzaam waren.
De bibliotheek was een ultieme poging om de kennis van de mensheid te verzamelen en toegankelijk te maken. Toch bleef de verspreiding beperkt tot de groep mensen die kon lezen en over de mogelijkheid beschikte om de bibliotheek te bezoeken. De bibliotheek van Alexandrië was niet de enige van zijn tijd en zeker ook niet de eerste. Een volledige geschiedenis van het bibliotheekwezen zou een boek of boekenreeks op zich vragen. Konstantinos Staikos schreef een allesomvattende geschiedenis van de bibliotheek in meerdere delen onder de naam
The History of the Library in Western Civilization.
Het is bekend dat de boekdrukkunst begon met Gutenberg (Johannes Gensfleisch zur Laden zum Gutenberg, 1397-1468). Voor het eerst kon informatie op grote schaal worden verspreid en een groot publiek bereiken. Vaak wordt gezegd dat de oorsprong van het drukken in Azië ligt. Dat is zonder twijfel ook zo, maar toch bestaan er essentiële verschillen. Gutenberg drukte met losse letters, in China en andere Aziatische landen bestond het blokdrukken. Ook in China experimenteerde men met losse letters, maar het ontbreken van een eenvoudig alfabet maakte het werk niet makkelijker. Daniel Boorstin verwoordt het als volgt:
[begin inspringen]
âIn China en Aziatische landen die door de Chinese cultuur beïnvloed waren, was blokdruk de essentiële uitvinding en verliep de opkomst van de drukkunst via de xylografie: het drukken met houtblokken. (â¦) De vroegste aanleiding voor het drukken in China was niet de verspreiding van kennis, maar het zekerstellen van religieuze of magische krachten door de precieze reproductie van een heilige afbeelding of een heilige tekst. Het maken van herhaalde afbeeldingen op stoffen met behulp van een snijwerk in hout was een oude volkskunst. Al in de derde eeuw hadden de Chinezen een inkt ontwikkeld die een duidelijke en blijvende afdruk van houtblokken gaf. Zij verzamelden het roet van brandende olie of hout en persten het tot een staaf, die dan werd opgelost tot de zwarte vloeistof die wij kennen als Oost-Indische inkt.â
[einde inspringen]
De keizerlijke bibliotheek telde in de zevende eeuw dankzij de drukkunst al meer dan veertigduizend boekrollen. Het oudst bewaarde gedrukte boek is de
Diamantsoetrauit 868. Marco Polo (1253-1324) schreef in zijn verslag over zijn reizen in het Oosten dat Koeblai Khan niet betaalde met munten van een of ander edelmetaal, maar met door alchemie bedrukt papier. Papiergeld was echter vaak onderhevig aan inflatie en kreeg daardoor een slechte naam, ook bij Europese reizigers.
Niet het papiergeld, maar de speelkaart zou de gedrukte tekst in Europa introduceren. Gedrukte speelkaarten waren in China en Mongolië wijd verspreid. Terwijl de rijke Europeanen hun speelkaarten lieten schilderen, speelde het gewone volk in Duitse en Spaanse kroegen al in de veertiende eeuw met gedrukte kaarten! Voor Gutenberg boeken begon te drukken, werden er in Augsburg, Neurenberg en Venetië al kaarten gedrukt. In 1441 zorgde een Venetiaanse wet zelfs voor een bescherming van de eigen kaartendrukkers tegen import. Ook het blokdrukken was in Europa al lang bekend. In een graf van de bisschop van Arles werden bedrukte weefsels uit de zesde eeuw gevonden! Toen Gutenberg met het drukken begon en het Westen zich ongewild klaarmaakte voor een volgende informatierevolutie, was de drukkunst dus in wezen al eeuwen oud. Enkel de techniek werd verfijnd, waardoor hij beter inzetbaar was. Niettemin was het dankzij drukkers als Gutenberg dat een ware informatierevolutie op gang kwam.
-
-
- Toetsenbord en kopieermachine
Een bedrijf kon echter nog niet de administratie in gedrukte vorm archiveren. Daarvoor ontbrak een kleine handzame manier om snel gegevens te kunnen drukken. De administratie gebeurde met de hand en met pen op papier. In 1714 vroeg de Engelsman Henry Mill (1683-1771) een patent aan op de schrijfmachine. Maar veel verder is hij niet gekomen, net zoals zovele andere âbedenkersâ in de achttiende eeuw. Pas in 1860 zou Christopher Latham Sholes (1819-1890) uit Milwaukee, actief als uitgever, politicus en journalist, zijn âType-writerâ voorstellen. Om financiers voor het project te vinden, typte hij brieven op zijn machine en stuurde ze op naar potentiële sponsors. James Densmore zag meteen de mogelijkheden van de schrijfmachine en in ruil voor 25 procent van de aandelen financierde hij de productie. Het prototype deed door zijn toetsenbord eerder denken aan een piano en was zeker nog niet rijp voor de markt. In 1870 kwamen ze met een eerste bruikbare model op de proppen en wisten ze fabrikant Remington ervoor te interesseren. Met dit model konden allen maar hoofdletters worden getypt. Pas later werd de âshiftâ-knop geïntroduceerd. De eerste modellen werden op een naaimachinetafel gemonteerd, zodat je het voetpedaal kon gebruiken om de wagen te verschuiven.
Om te voorkomen dat de armen die de letters op het blad drukken in elkaar bleven haken, werden de letters niet alfabetisch geplaatst maar in een volgorde die ervoor zorgde dat de meest voorkomende woorden konden worden getypt zonder dat er zich problemen voordeden. Dat resulteerde in de bekende QWERTY- en AZERTY-indelingen van het hedendaagse toetsenbord.
Om op een tentoonstelling tussen de spectaculaire uitvindingen op te vallen met hun schrijfmachine, gebruikte Remington knappe jonge vrouwen die de machine moesten demonstreren. Wellicht was de fabrikant de eerste die vrouwen inzette in de reclame. Omdat er steeds meer behoefte was aan typisten, werden vooral vrouwen in dienst genomen, ook omdat het loon van een vrouw een stuk lager was. Sholes was er niet ontevreden over:
[begin inspringen]
âIk voel dat ik iets gedaan heb voor de vrouwen, die altijd zo hard hebben moeten werken. Dit stelt hen in staat op een eenvoudiger manier in hun levensonderhoud te voorzien. (â¦) Ik bouwde wijzer dan ik wist en de wereld heeft er baat bij.â
[einde inspringen]
Een andere belangrijke uitvinding voor de administratie was de kopieermachine. Niemand minder dan James Watt (1736-1819), de legendarische âuitvinderâ van de stoommachine, bedacht een eerste versie. Zijn succes met de verkoop van waterpompen die werden aangedreven door een stoommachine, leidde tot stapels papierwerk. Een kopie moest door een kantoorklerk met de hand worden gemaakt. Watt ergerde zich kapot aan de fouten die in zoân kopie konden sluipen en ook aan de tijd die het maken ervan in beslag nam. Daarom bedacht hij een procedé om teksten mechanisch te kopiëren. De originele tekst moest met een speciaal soort inkt worden geschreven. Vervolgens werd hij door een drukpers gehaald waardoor de inkt doordrukte op het kopieerpapier (weliswaar omgekeerd). Via zijn netwerk en de club The Lunar Society, waar hij deel van uitmaakte, zocht hij gelijkgezinden om hem te helpen bij de verbetering van zijn kopieerapparaat.
Hij kreeg in 1780 octrooi op zijn uitvinding en het toestel werd een groot succes. Naast een vast toestel ontwikkelde hij ook een draagbare versie. Ook andere firmaâs zouden met gelijksoortige toestellen op de markt komen. De opkomst van de typemachine en de uitvinding van het carbonpapier maakten de machine van Watt geleidelijk aan overbodig. In de twintigste eeuw zagen nieuwe kopieertechnieken het levenslicht, zoals de Kodak Photostat en âblueprintingâ, maar de echte doorbraak van het moderne kopieerapparaat kwam in 1938 toen Chester Carlton (1906-1968) een kopieerapparaat bouwde dat gebruikmaakte van elektrofotografie.
Beelden vastleggen
In het vorige hoofdstuk bekeken we al hoe onze ogen beelden uit de werkelijkheid waarnemen en hoe fotografie geen exacte manier is om de werkelijkheid vast te leggen. Toch vormen foto- en filmcameraâs een van de meest revolutionaire geheugenapparaten die ooit zijn bedacht. Ze laten ons toe om beelden te bevriezen en te bewaren.
De basis voor de fotografie vormt de âcamera obscuraâ (letterlijk: de verduisterde kamer), een term die de grote astronoom Johannes Kepler (1571-1630) in 1604 als eerste gebruikte. De camera obscura is een verduisterde ruimte, doos of bak die je eenvoudig zelf kan bouwen met bijvoorbeeld een schoenendoos. Aan één kant zit een klein gaatje in de wand. Door dit gaatje projecteert het binnenkomende licht een beeld van de omgeving op de tegenoverliggende wand. Wie zich in de ruimte bevindt of door een kijkgat naar binnen kijkt, zal het beeld van de omgeving ondersteboven geprojecteerd zien. De eerste geschreven vermelding over de camera obscura stamt van de Chinese filosoof Mo-zi (470-390 v.Chr.). Het basisprincipe werd al beschreven door Aristoteles in zijn
Problemata:
[begin inspringing]
âHet beeld van de zon op het moment van een eclips, tenzij het om een volledige (verduistering) gaat, zal, als het door een klein rond gat gaat en op de tegenoverliggende muur valt, de vorm aannemen van een maansikkel. Het beeld van de zon zal deze eigenaardigheid enkel vertonen als het gaatje zeer klein is. Als we de opening groter maken, verdwijnt het beeldâ¦â
(eigen vertaling)
[einde inspringing]
Theon van Alexandrië (335-405) vermeldt eveneens het principe van de camera obscura:
[inspringing]
âKaarslicht dat door een opening valt, zal een lichtvlek produceren op een tegenoverliggend scherm die direct in lijn is met de opening en het centrum van de kaars.â
[einde inspringing]
De Chinees Duan Chengshi beschreef in de negende eeuw dat het beeld van de camera obscura ondersteboven verschijnt. Van de Chinese wetenschapper Shen Kuo (1031-1095) is bekend dat hij experimenteerde met de camera obscura. In Europa was het Roger Bacon (1214-1294), die schreef dat de camera obscura de enige veilige methode was om een zonsverduistering te bekijken. Talloze renaissanceschrijvers, onder wie Leonardo da Vinci, Johann Zahn en Athanasius Kircher, bespreken of schetsen de camera obscura. Misschien heeft de techniek ook de integratie van het perspectief in de kunst bevorderd. Schilders gebruiken de camera obscura al lang om het beeld van de omgeving perfect te kunnen overnemen op hun doeken. Om het beeld weer recht te krijgen gebruikten ze spiegels.
Schilders en tekenaars konden dankzij de camera obscura realistische beelden van de omgeving vastleggen, maar het zou natuurlijk veel tijd en moeite besparen als het zonlicht rechtstreeks gefixeerd kon worden op het doek. Joseph-Nicéphore Niépce (1765-1833) experimenteerde in 1816 met wat hij âheliografieâ (tekenen met de zon) noemde. Hij plaatste een stuk papier dat hij had bedekt met een lichtgevoelige laag zilverchloride in een camera obscura, maar het beeld fixeerde niet blijvend. Hij gaf de moed niet op en begon met andere materialen te experimenteren. In 1826 slaagde hij er voor het eerst in om een kopie te maken van een ets. Daarvoor goot hij een laag Syrisch asfalt op een koperen of tinnen plaat, die hij vervolgens in het zonlicht liet liggen. De witte gedeelten van de ets verhardden en de andere kon hij met lavendelolie wegwassen. Zo verkreeg hij zijn eerste âheliogravureâ. In datzelfde jaar zou het hem ook lukken om een eerste echte âfotoâ te maken op een lichtgevoelige tinnen plaat. Doordat de belichtingstijd zeer lang was, veranderden de positie van de zon en de belichting voortdurend, waardoor het contrast en de helderheid van de afbeelding allesbehalve goed waren. Hij slaagde er echter niet in om de techniek wezenlijk te verbeteren. Bovendien hield hij uit angst voor plagiaat zijn procedés angstvallig geheim.
In 1829 wist de Parijse schilder Louis-Jacques Mandé Daguerre (1789-1851) hem over te halen tot een samenwerking. De grootste uitdaging bestond uit het verkorten van de belichtingstijd. Als ze daarin zouden slagen, konden duidelijkere en scherpere fotoâs worden gemaakt. Jammer genoeg zou Niépce die droom niet waarmaken. Daguerre ging na de dood van Niépce verder met experimenteren. Hij bedekte een koperen plaat met een zilverzoutoplossing. Hij stelde die kant bloot aan jodiumpoeder, waardoor een zeer lichtgevoelige laag ontstond, maar ook dat leverde geen bruikbaar resultaat. Toen hij een kast met oude probeersels opende, merkte hij tot zijn verbazing dat er wel beelden tevoorschijn waren gekomen op platen waar toevallig kwikzilver op gevallen was. In 1837 kreeg hij door verdere verbeteringen van zijn methode al zeer duidelijke afdrukken. Het nadeel van dit soort foto, een daguerrotype genaamd, was dat men een metalen plaatje nodig had voor elke foto. Bovendien kon men de fotoâs niet reproduceren.
Dankzij het âcalotypeâ, ook âtalbotypeâ genoemd, van William Henry Fox Talbot (1800-1877) werd het mogelijk om fotoâs af te drukken van een negatief. De Schotse wetenschapper James Clerk Maxwell (1831-1879) demonstreerde in 1861 aan het Royal Institution in Londen de eerste kleurenfoto. George Eastman (1854-1932) bedacht in 1885 het fotogevoelige papier. Hij bestreek een lange strook papier met een lichtgevoelige laag gelatine. Daarna wond hij de strook op een spoel, die binnen zijn Kodak-fototoestel weer werd afgewikkeld en belicht. Als de rol helemaal was opgebruikt, moest je ze voor verdere ontwikkeling binnen leveren bij de fotograaf. Een jaar later kwam een verbeterde versie op de markt, waarbij het papier was vervangen door celluloid. De filmrol was een noodzakelijke stap in de ontwikkeling naar de bewegende film.
Bewegend beeld
De Amerikaan Eadweard Muybridge (1830-1904) slaagde er als eerste in om de belichtingstijd korter dan één seconde te laten duren. Hiervoor maakte hij gebruik van een snelle mechanische sluiter. Tot die tijd bedroeg de gemiddelde belichtingstijd een paar seconden, waardoor bewegende objecten moeilijk waren vast te leggen. In 1878 slaagde hij erin om beweging vast te leggen. Met een reeks fototoestellen schoot hij meerdere beelden van een voorbijrennend paard in één seconde. Wanneer men die fotoâs snel na elkaar bekeek met een aangepast apparaat, kreeg men de illusie van beweging. Echte film was dankzij de kortere belichtingstijd en de flexibele Eastmanfilm, waardoor foto's veel sneller achter elkaar konden gemaakt, nog maar een kwestie van tijd.
Zowel Thomas Alva Edison als de Fransman Louis Aimé Augustin Le Prince (1842-1890) en de eveneens Franse broers Auguste en Louis Lumière stonden vooraan in de strijd om de eerste bewegende film aan het publiek te kunnen vertonen. Edisons kinetoscoop stamt uit 1891 en is duidelijk geïnspireerd op de âpeepshowâ. Door het kijkgat kan de toeschouwer een film bekijken. De filmband was opgerold op een spoel en opgespannen tussen een massa katrollen.
In die tijd stond de film op doorbreken. Tientallen mensen van verschillende nationaliteiten ontwikkelden de meest uiteenlopende apparaten die als doel hadden het medium voor bewegende film te worden: getthemoneygraph, chronophotographoscope, counterfivoscope, klondikoscope, vileocigraphiscope⦠De broers Max en Emil Skladanowsky demonstreerden hun âbioscoopâ op Allerheiligen 1895 in de Berlijnse Wintergarten. Hun toestel behaalde een snelheid van acht beelden per seconde en maakte gebruik van dubbelprojectie (bi-oscope).
De gebroeders Lumière waren dan misschien niet de eerste filmmakers, toch zou het hun naam zijn dit tot in onze tijd aan de uitvinding van de film en de cinema wordt gekoppeld. Op 22 maart 1895 gaven ze hun eerste publieke voorstelling in Parijs:
La Sortie de l'Usine Lumière à Lyon.Het hek was van de dam. In geen tijd groeide film uit tot een massamedium. Nauwelijks een paar jaar later zou de goochelaar Méliès de basis leggen voor heel wat professionele filmtechnieken en special effects, zoals onder meer stopmotion. Film groeide uit tot een massamedium en veroverde via de televisie ook de huiskamerâ¦
Film had en heeft een bijzonder grote impact op de manier waarop de mens data kan vastleggen: voor het eerst was het mogelijk om een continue stuk geschiedenis te bewaren. Film was een verlengstuk van orale geschiedenis en verhaalvertelkunst. Net zoals fotografie toont film echter een gemanipuleerd beeld van de werkelijkheid (zie hoofdstuk 3).
Geluid opnemen
Je kan moeilijk het belang van geluidsopnames onderschatten. We kunnen nog steeds âluisterenâ naar mensen die reeds lang overleden zijn, omdat we over technieken beschikken om stemgeluid op te nemen. Geluidsopname veronderstelt een aantal verschillende technieken die niettemin elkaar nodig hebben: een microfoon voor de invoer van gegevens, een bewaartechniek, een luidspreker. Het was zeker niet vanzelfsprekend om een toestel te bouwen dat geluid kan registreren, doorgeven en vervolgens weer laten horen. De mens stond voor de uitdaging de werking van het menselijk oor na te bootsen. De techniek om vooraf vastgelegd geluid weer te geven had de mens al gedeeltelijk onder de knie door het gebruik van bijvoorbeeld samengedrukte lucht of het laten ontsnappen van âstoomâ door een fluitje.
Charles Bourseul (1829-1912) publiceerde in 1854 een artikel in
LâIllustration de Parisonder de titel âTéléphonie électriqueâ:
[Inspringen]
âAls iemand tegen een plaatje spreekt dat beweeglijk genoeg is om geen trillingen van de stem verloren te doen gaan en als door de trillingen van dat plaatje de stroomkring van een batterij afwisselend geopend en gesloten wordt, dan is het mogelijk een tweede, op een zekere afstand in de stroomkring opgenomen plaatje trillingen te laten uitvoeren.â
[einde inspringen]
Bourseul zou het apparaat nooit bouwen, maar de tijd was rijp voor de telefoon. De technische voedingsbodem was aanwezig en de techniek lag voor het grijpen. Op 26 oktober 1861 demonstreerde de Duitse leraar Philipp Reis in Frankfurt een soort âtelefoonâ. Reis sprak in een houten hoorn die binnen in het toestel uitmondde op een gespannen stuk darmvlies van een varken waarop een klein stukje platina was geplakt. Wanneer je voor het vlies geluid produceerde, tikte het platina tegen een puntig stukje platina aan. De luidspreker bestond uit een sigarenkistje waarop twee houten hulpstukken waren gelijmd. Tussen die stukken hout had hij een breinaald bevestigd waaromheen hij een spoel van geïsoleerde koperdraad had gewikkeld. De spoel en de breinaald mochten elkaar niet raken. Hij verbond de microfoon en de luidspreker met honderd meter koperdraad, zodat een stroomkring werd gevormd wanneer je er een batterij tussen plaatste. Wanneer hij voor de microfoon viool speelde, trilde het vlies. Daardoor tikten de twee stukjes platina tegen elkaar en werden korte stroomstootjes via de kring doorgegeven. Aan het andere uiteinde ontstond een magnetisch veld in de spoel, waardoor de breinaald begon te trillen. Het houten kistje versterkte de trillingen en gaf het geluid van de viool weer. Een menselijke stem was eveneens hoorbaar, maar niet verstaanbaar omdat het toestel wel de frequentie doorgaf, maar niet het volume (de hoogte van de geluidsgolf).
De eerste bruikbare telefoon was van Alexander Graham Bell (1847-1922), die de juiste techniek eerder per toeval ontdekte. De telefoon werd een grandioos succesverhaal en de door Bell opgerichte Bell Telephone Company was een schot in de roos.
De eerste stap was gezet: geluid kon worden omgezet in elektriciteit en weer omgezet in luchttrillingen. Het was de beroemde Edison die, tot spijt van de Fransman Charles Cros, geluid wist vast te leggen in een mechanisch geheugen, de fonograaf. In 1878 gaf Edison zijn plannen voor de fonograaf aan zijn instrumentenbouwer. Het principe was wederom even simpel als geniaal. Een naald die aan een trillend membraan was bevestigd, kraste groeven in een met tinfolie bedekte wassen cilinder die op een metalen cilinder draaide. De opnamekwaliteit was aanzienlijk verbeterd door zijn koolweerstandmicrofoon. Het geluid kon daarna opnieuw worden weergegeven door een naald tegen de roterende cilinder te plaatsen. De trillingen van de naald werden versterkt door een hoorn. De toestellen beschikten over een mechanische motor die met een zwengel werd aangedreven. De weergavesnelheid hing dus in eerste instantie ook af van de snelheid waarmee aan de zwengel werd gedraaid.
Edison zag een diverse doelgroep. Allereerst had de zakelijke wereld er baat bij. Tot nog toe werden notaâs in steno, een soort verkort schrift, genoteerd. Nu kon een vergadering of afspraak worden opgenomen en daarna weer beluisterd en/of genoteerd. Met dit doel voor ogen bouwde hij voor de professionele markt de âdictafoonâ. Daarnaast begon hij de productie van speelgoedpoppen die konden spreken door een ingebouwde kleine fonograaf. Groot probleem was dat de wassen cilinders maar een beperkte levensduur hadden en hun kwaliteit snel verloren. Een beter alternatief was dus noodzakelijk. Het zou bovendien nog jaren duren voordat men erin slaagde om de opgenomen rollen te vermenigvuldigen. Emile Berliner (1851-1929) verving de cilinder door een draaiende schijf en kwam tot de grammofoon (in Amerika âphonographâ).
Informatie verzenden
Informatie verzenden via telegrafische systemen bestaat reeds vanaf de oudheid. Via optische telegrafen verzond men gecodeerde berichten. In de loop van de negentiende eeuw werden dit soort telegrafische systemen vervangen door de elektrische telegraaf. De elektrische telegraaf verzond gecodeerde tekstberichten, via de telefoon was het mogelijk om over lange afstanden met elkaar te praten en de fonograaf kon de menselijke stem of muziek vastleggen en bewaren. De ultieme droom was om geluid ook via de âetherâ of draadloos te kunnen verzenden. De Italiaanse fysicus Guglielmo Marconi (1874-1937) slaagde hier als eerste in (als we de Rus Alexander Popov buiten beschouwing laten). Niet dat die uitvinding uit de lucht kwam vallen of door een stom toeval werd ontdekt. Marconi combineerde met dat doel voor ogen veel ontdekkingen van anderen. In de technische school van Livorno kwam hij in aanraking met de werken van James Maxwell (1831-1879) en Heinrich Hertz (1857-1894) en raakte hij gefascineerd door elektromagnetische golfverschijnselen. De uitvinding(en) van Popov en Marconi zou(den) de basis leggen voor de fototelegrafie, de televisie en de satellietcommunicatie.
-
-
- Toegang tot kennis en technieken
Kennis en informatie uitwisselen gaat sneller dan ooit. Scholen gebruiken digitale leerplatformen, waardoor docenten en leerlingen gegevens kunnen uitwisselen. Hoe anders was het toen ik nog in de schoolbanken zat. Vaak moest ik voor het een of ander vak plaatjes zoeken. Dat leidde tot ellenlange speurtochten door oude kranten, tijdschriften en reclamefolders. Je knipte er ten slotte je boeken niet voor stuk. Gelukkig verkochten de boekhandels ook plaatjesboeken met lijntjes die aangaven waar je met de schaar moest knippen. Wie vat wilde krijgen op de informatieboom schafte een encyclopedie aan, want daar stond werkelijk alles in. Je moest dan wel aardig diep in de buidel tasten en vaak moest je noodgedwongen een aangepaste boekenkast kopen om er je nieuwste Oosthoek-, Larousse- of Winkler Prins-encyclopedie in kwijt te kunnen. Zoân encyclopedie telde al snel meer dan twintig delen.
Het kan makkelijker. In kringloopwinkels koop je ondertussen oude encyclopedieën voor een fluitje van een cent, maar zelfs dat fluitje is vaak al te veel. Een moderne wereldburger gebruikt Wikipedia. Een website in meerdere talen waar bijna iedereen zijn eigen artikelen kan toevoegen of de fouten van anderen verbeteren. Ondertussen is het gratis Wikipedia uitgegroeid tot de grootste meertalige encyclopedie ter wereld, met bijdragen van tienduizenden vrijwilligers. De drijvende kracht is het opensourcemodel dat afkomstig is uit de softwarewereld. Iedereen mag de informatie gebruiken, aanpassen, uitbreiden⦠maar je mag deze niet verwijderen of teksten schrijven zonder vermelding van de bronnen waaruit je hebt geput.
Wikipedia is de bibliotheek van Alexandrië in veelvoud. Via een zoekfunctie kan je snel bepaalde artikelen vinden of je maakt gebruik van de hyperlinks, die bepaalde begrippen met andere artikelen verbinden. Met één muisklik vlieg je erdoor. Wikipedia krijgt wel kritiek. Professionele auteurs zien de gratis en alsmaar groeiende encyclopedie met lede ogen aan. Zo zouden er te veel fouten in staan, maar dat argument houdt geen steek, want iedereen beschikt over de mogelijkheid om fouten onmiddellijk te verbeteren. Iets wat je met dit boek natuurlijk moeilijk kan (ook al hoop ik natuurlijk dat er geen fouten in staan). De online encyclopedie kende ook zijn voorgangers.
Stewart Brand (1938), een biologiestudent aan Stanford University, was als aanhanger van de hippiecultuur erg sociaal geëngageerd. Tussen 1968 en 1972 publiceerde hij
The Whole Earth Catalog,met daarin een overzicht van de beste technieken, producten, materialen en boeken, met besprekingen, prijzen en plaatsen waar je ze kon kopen. Je kon er niet uit bestellen, want het was niet bedoeld als een postordercatalogus. De naam âWhole Earthâ verwees naar de eerste foto die de NASA had gemaakt van de volledige aarde. Voor Brand was dit een symbolisch beeld. Twee jaar eerder had hij een actie op touw gezet om de NASA ertoe te bewegen de foto vrij te geven. In zijn visie moest kennis beschikbaar zijn voor iedereen. En iedereen mocht dan ook meteen zijn bijdrage leveren aan het allesomvattende werk. Niet voor niets was de ondertitel
Access to tools(Toegang tot technieken).
Wereldwijde netwerken en indexering van kennis
In
Index, A History of thebeschrijft Dennis Duncan de geschiedenis van indexeringstechnieken. Wie nog non-fictieboeken leest, kent het wel. In een boek of in een atlas vind je naast een inhoudsopgave ook een index. De index is een miskend maar onwaarschijnlijk handig systeem om doelgericht en snel informatie te kunnen vinden in een massa tekstuele data. In zijn boek beschrijft Duncan de onwaarschijnlijke geschiedenis van de index van de kloosters en universiteiten van de Middeleeuwen tot Silicon Valley. Maar ook al eerder waren indexeringstechnieken noodzakelijk.
We kunnen stellen dat de eerste indexeringstechnieken vrijwel tegelijk met het schrift ontstonden. In het oude Babylon waren eveneens mechanismen nodig om snel de correcte informatie te kunnen vinden tussen een massa kleitabletten. De Sumeriërs maakten al gebruik van labels en âtagsâ om makkelijk kleitabletten met bepaalde informatie te kunnen terugvinden. Op de meest zichtbare bovenhoek van de tabletten werden korte notities aangebracht, zoân beetje zoals we nu doen op de rug van een boek. Ze stelden eveneens dossiers en containers samen waarin maandelijkse en/of jaarlijkse overzichten werden bijgehouden. Tabletten werden, afhankelijk van hun inhoud, gesorteerd per regeringsjaar. Indexerings- en sorteertechnieken vormden reeds vanaf het ontstaan van het schrift een noodzakelijke aanvulling op datacollectie. Informatie archiveren ging hand in hand met de ontwikkeling van deze technieken. Ook bibliotheken en moderne zoekmachines, zoals Google, kunnen niet functioneren zonder geavanceerde indexeringstechnieken.
De Belg Paul Otlet (1868-1944) verloor zijn moeder toen hij drie jaar was. Tot zijn twaalfde kreeg Paul thuisonderwijs, waardoor hij opgroeide als een eenzame boekenwurm. De bibliotheek zou levenslang zijn favoriete omgeving zijn. Niet voor niets ontwierp hij de Universele Decimale Classificatie (UDC) voor het klasseren van boeken. Samen met Nobelprijswinnaar Henri La Fontaine (1854-1943) vatte hij in 1895 het plan op een bibliografie te schrijven van alle wereldwijd gepubliceerde kennis, die hij vervolgens ook publiek beschikbaar wilde stellen. Ze beperkten zich niet alleen tot boeken, maar namen in hun lijsten ook artikelen op, tijdschriften, afbeeldingen, pamfletten⦠kortom, alle media en data die door bibliotheken in die tijd genegeerd werden. Op die manier bouwden ze een databank op met meer dan twaalf miljoen steekkaarten.
Van de overheid kregen ze niet alleen toestemming om de databank onder te brengen in overheidsgebouwen te Brussel, maar ook financiële steun om personeel in dienst te nemen. Via brief of een telegraafverbinding konden mensen van waar ook ter wereld informatie opvragen. Deze analoge zoekmachine, die de naam Mundaneum kreeg, ontving meer dan vijftienhonderd vragen per jaar. In zijn boeken
Traité de Documentation(1934) en
Monde: Essai dâuniversalismeuit 1935 schreef hij over de mogelijkheid van een mechanisch collectief geheugen dat alle informatie zou bevatten en toegankelijk moest zijn via telecommunicatie. Hij droomde van een netwerk (âréseauâ) van âcomputersâ (hij noemde het âelektrische telescopenâ) waarin mensen informatie konden zoeken en bladeren door miljoenen gelinkte documenten, afbeeldingen, geluiden en filmfragmenten. In 1934 zei de overheid haar medewerking en steun op. De Duitse invasie betekende de doodsteek voor dit visionaire Mundaneum. Duitsers gebruikten de originele ruimte als tentoonstellingsruimte voor kunst van het Derde Rijk en vernietigden duizenden steekkaarten. Paul stierf als een gebroken man.
Otlet stond niet alleen met zijn ideeën. De tijd bleek er rijp voor. De Amerikaanse wetenschapper Vannevar Bush (1890-1974) liep met vergelijkbare ideeën rond. In zijn essay
As We May Thinkbeschreef hij de Memex (Memory Extender), een toestel dat op basis van microfilms alle belangrijke gegevens zou opslaan. In zijn concept moest de informatie zo worden georganiseerd dat deze snel kon worden opgeroepen en geraadpleegd. Het zou leiden tot nieuwe encyclopediesystemen met een âvlechtwerk van associatieve sporenâ die je met de Memex zou kunnen uitlezen. Ted Nelson (1937) startte in 1960 met een gelijksoortig concept op basis van computertechnologie, dat hij Project Xanadu doopte, maar veel verder dan een plan is het nooit gekomen.
De voorganger van het huidige wereldwijde web was ARPANET of het Advanced Research Projects Agency Network. ARPANET was opgezet door het Amerikaanse leger, dat in de donkerste dagen van de Koude Oorlog op zoek was naar een manier om te kunnen blijven communiceren in het geval van een nucleaire aanval. Met dit doel voor ogen werd de TCP/IP-communicatiestandaard ontwikkeld, die bepaalt hoe informatie binnen een computernetwerk moet worden uitgewisseld. Internet is, oneerbiedig gesteld, niet meer dan een verzameling computers die via (kabel)verbindingen informatie uitwisselen. Gaandeweg werden steeds meer ânetwerkenâ van computers met elkaar verbonden. Daardoor is internet een netwerk van duizenden netwerken geworden. Om die computers en netwerken met elkaar te kunnen verbinden moesten ze softwarematig met elkaar kunnen praten. Daarvoor werd dus het TCP/IP-protocol ontwikkeld. Elk netwerk en elke computer binnen dat netwerk krijgt een IP-adres (een internetprotocol-âadresâ bestaande uit een aantal cijfers). Netwerken of computers met een vast (statisch) IP-adres zijn voor alle computers op internet te bereiken. Ze dienen als server. Binnen een netwerk krijgen computers vaak een dynamisch (= op regelmatige tijdstippen wijzigend) IP-adres. Zulke toestellen dienen als client.
Door de opkomst van internet sinds de jaren zestig van de vorige eeuw ontstonden allerlei mogelijkheden om informatie uit te wisselen, zoals e-mail, IRC (âinternet relay chatâ), nieuwsgroepen of bulletin boards, waar vooral professionele computergebruikers, computernerds en hobbyisten gebruik van maakten. De doorbraak van een wereldwijd informatiesysteem kwam tussen 1989 en 1991. Tim Berners-Lee was actief aan het CERN in Genève, waar onderzoek wordt gedaan naar elementaire deeltjes. Op zoek naar een manier om eenvoudig informatie te kunnen delen met andere academici en wetenschappelijke instituten bedacht hij het wereldwijde web. De hyperteksttaal HTML (âhypertext markup languageâ) moest een standaard worden voor documenten. Een muisklik op een link in een document leidt de gebruiker naar een ander HTML-document. Voor het uitwisselen van HTML-documenten tussen computers werd het HTTP-protocol (âhypertext transfer protocolâ) uitgewerkt. Berners-Lee ontwierp ook de eerste webbrowser, een programma waarmee je webpaginaâs online kan bekijken. Hij doopte zijn systeem âWorld Wide Webâ, kortweg www. Al snel sprongen ook gewone mensen en bedrijven op de trein door hun eigen websites (een verzameling webpaginaâs) te publiceren.
Weldra was er op het groeiende web behoefte aan een zoekmechanisme om een weg te vinden in die overvloed van paginaâs en informatie. Zoekmachines, zoals Google, speelden in op die vraag. Als we het www zouden vergelijken met een boek of encyclopedie, dan is Google niet zozeer de inhoudsopgave, maar eerder de index. Het indexeren van miljarden steeds wijzigende webpaginaâs gebeurt natuurlijk niet door mensenhanden. Dat zou veel te veel tijd in beslag nemen en voor een gratis dienst als Google onbetaalbaar worden. Het indexeren gebeurt met behulp van een zoekrobot, de Googlebot. Uiteraard is dit geen echte ârobotâ, maar een stukje software. De Googlebot vraagt een webpagina op bij een server. De server stuurt dan de opgevraagde pagina terug. Zoals je ziet lijkt de werking van de Googlebot erg op die van een browser, alleen is de Googlebot veel sneller dan een menselijke surfer: hij kan duizenden paginaâs tegelijk opvragen. Om een webserver niet te overbelasten spreidt de Googlebot zijn simultane vraag over meerdere servers en websites. Vindt de Googlebot op de opgevraagde paginaâs nog links naar andere paginaâs, dan kan hij ook die opvragen. Wanneer je een zoekterm invoert in de zoekmachine, kijkt Google in zijn index waar op het wereldwijde web een mogelijk antwoord is te vinden. Google zoekt dus niet wanneer je een zoekopdracht invoert, maar doet dit voortdurend.
Om informatie via telefoonlijnen of glasvezelkabels uit te wisselen voor al deze vormen van datacommunicatie, gebruikt men de in de jaren zestig ontwikkelde techniek van âpacket switchingâ. Tom Igoe legt het in zijn boek
Making Things Talkals volgt uit:
[inspringen]
âVergelijk het met het opsturen van een fiets naar een ander adres. De fiets is veel te groot om in één pakket te verzenden via de post. Daarom haal je hem eerst uit elkaar, zodat elk onderdeel in een kleine doos past. Op een netwerk (â¦) wordt ieder bericht in kleine stukjes gehakt van min of meer dezelfde grootte. Elk stuk krijgt een pakketnummer. Daarna schrijf je het adres van de geadresseerde en de afzender op elke doos. Vervolgens verzend je het. De koeriersdienst verdeelt je pakjes misschien over meerdere vrachtwagens als dat beter uitkomt en past. Op internet gebeurt dit in de transportlaag. Die laag is verantwoordelijk voor het verzenden van alle pakjes naar hun bestemming. (â¦) Elke router stuurt de pakjes een voor een naar de routers waarmee hij verbonden is. Als hij met meerdere routers verbonden is, kiest hij de minst drukke. Elk pakje kan een andere weg naar zijn bestemming volgen. De ontvanger leest de headergegevens en voegt alle pakjes weer samen.â
[einde inspringen]
Geheugenkunst
De Griekse dichter Simonides van Ceos (556-468? v.Chr.) wordt gezien als de uitvinder van de mnemotechniek of de geheugenkunst. Zolang de mens niet over het schrift beschikte of niet had leren schrijven, kon informatie enkel in het geheugen worden opgeslagen. Niet voor niets werden de meeste verhalen in rijmvorm of in de vorm van liederen onthouden. De herhalende patronen en de ritmiek maakten onthouden makkelijker. Herhaling zorgt ervoor dat informatie zich beter bestendigt in het geheugen. Volgens sommigen is het menselijke geheugen goed aangepast aan het onthouden van omgevingen, wat te danken zou zijn aan de miljoenen jaren dat onze voorouders als nomaden hebben geleefd. Daarom zou het ook makkelijker zijn als we de dingen âfiguurlijkâ een plaats kunnen geven in ons geheugen. Cicero, die het geheugen een van de vijf hoofdingrediënten van de redenaarskunst noemde, vertelde over de mnemotechniek van Simonides:
[begin inspringen]
âHij trok de conclusie dat mensen die deze gave willen oefenen, plaatsen moeten uitzoeken en mentale beelden moeten vormen van de dingen die ze wensen te onthouden en die beelden op te bergen in die plaatsen, zodat de volgorde van die plaatsen de orde van de dingen zal behouden, en de beelden van de dingen zullen de dingen zelf voorstellen en wij zullen de plaatsen en beelden respectievelijk gebruiken als een schrijftablet en de letters die erop worden geschreven.â
[einde inspringen]
Deze geheugenkunst, die ook in de Middeleeuwen werd beoefend, steunde op twee pijlers: âlociâ (plaatsen) en âimaginesâ (beelden). Het komt erop neer dat je in je hoofd een perfect beeld hebt van plaatsen die je heel goed kent, zoals je huis of je werkplaats of kantoor. Wanneer je een aantal feiten of begrippen moet onthouden, zet je eerst elk begrip om in een goed te onthouden beeld. Als je bijvoorbeeld niet mag vergeten schoensmeer mee te brengen, dan stel je je een halfnaakte man of vrouw voor in leren ondergoed die in een stoel ligt, want seksueel getinte beelden vergeten we minder snel. In de keuken loopt een ijsbeer rond die vis aan het eten is, want je moet voor de kinderen ijsjes meebrengen en verse vis voor vanavond. Uiteraard is dit een vrij voor de hand liggend voorbeeld, maar als je wat oefent, sta je versteld hoeveel informatie je eigenlijk kan onthouden. De beelden vorm je in je hoofd door vergelijking en associatie met het hele begrip of met een deel ervan. Van Sint-Augustinus wordt verteld dat hij dankzij âgeheugenkunstâ de volledige werken van Vergilius achterstevoren kon voordragen. Wat het nut daarvan is, ontgaat me, maar het zou wel getuigen van een knap staaltje âgeheugentechniekâ.
Zo lang de boekrol overheerste, waarin citaten heel moeilijk waren te vinden (aangezien je eerst de hele tekst moest afrollen), vertrouwden geleerden liever op hun geheugen dan op het opzoeken. Eerder hebben we het al over de werking van het menselijke geheugen gehad, maar toch tasten we nog grotendeels in het duister over die massa neuronen die in ons hoofd zit. We begrijpen nog niet volkomen hoe elektrische pulsen herinneringen vastleggen en hoe daarna gegevens opnieuw worden geadresseerd en opgeroepen. Voor computers hebben we bestandssystemen aangelegd, waardoor het bewaren en opzoeken van gegevens wordt vergemakkelijkt. Losse bestanden, bijvoorbeeld teksten, audio, film en fotoâs, bewaren computers op elektromagnetische opslagmedia, zoals magneetbanden en harde schijven. Optische media, zoals cdâs en dvdâs, vormen het moderne equivalent van de ponskaarten, waar patronen van putjes de binaire codes voorstellen. Een laserstraal leest de putjes met een onwaarschijnlijke snelheid uit en reconstrueert de originele bestanden. Gestructureerde data bewaren we in relationele databanken, de digitale versies van de aloude fichebakken en archiefkasten uit de bibliotheek.
Compressietechnieken
We kunnen ondertussen zo goed als alle data digitaliseren en bewaren op optische of magnetische opslagmedia. Geluid, bewegend en stilstaand beeld, tekst, 3D-gegevens⦠alles kan door de digitale mallemolen en voor de âeeuwigheidâ bewaard worden. Alleen geur en smaak lijken nog niet tot de mogelijkheden van digitale of elektromagnetische opslag te behoren. Via het wereldwijde netwerk van computers dat we internet noemen, kunnen we die digitale data met elkaar uitwisselen. Enkel de opslagcapaciteit en de snelheid van de datanetwerken vormden lange tijd een probleem. Daarvoor ontwikkelden programmeurs compressietechnieken, waardoor digitale gegevens minder ruimte innemen op een medium, maar toch geen merkbare informatie verliezen. Zulke compressietechnieken kennen hun analoge voorgangers.
Een aantal jaar geleden zag ik op een avond in Tilburg het Indiaas-Britse muzikale supertalent Nitin Sawhney. Hij is een multi-instrumentalist en combineert invloeden uit de traditionele Indiase muziek, westerse klassieke muziek, pop, hiphop, jazz en rock in steeds nieuwe muzikale projecten. Naast samenwerkingen met pop- en rockmuzikanten, zoals James Taylor, Jeff Beck, Beatle Paul McCartney en het London Symphony Orchestra, schrijft hij filmmuziek, pop, modern klassiek, muziek voor games en is hij actief als dj. In Tilburg speelde hij samen met een tablaspeler. Het verbaasde me dat ze elkaar in ijltempo drumpatronen konden doorvertellen zonder enige vorm van partituur. Het ging hierbij niet om een eenvoudig rockpatroon, maar om vrij ingewikkelde percussiepatronen. Indiase drummers en linguïsten gebruiken al eeuwenlang het onzinwoord âyamatarajabhanasalagaâ. Elke lettergreep staat hierin voor een 0 of 1. In muzikale termen staat de 0 voor een korte slag, de 1 voor een lange.
YA MA TA RA JA BHA NA SA LA GA
0 1 1 1 0 1 0 0 0 1
Wanneer je dit visueel voorstelt op een cirkel, krijg je niet zomaar een reeks nullen en enen, maar een manier om alle mogelijke combinaties van drie cijfers (nullen en enen) te vormen. Indiase muzikanten gebruiken het als een compressietechniek om elkaar heel snel drumpatronen door te vertellen. De Indiase wiskundige Manjul Bhargava zegt hierover:
[inspringen]
âAls een drummer bijvoorbeeld âyaâ zegt, dan bedoelt hij eigenlijk âya-ma-taâ en dat staat voor het drietal 011. Zegt hij âbhaâ dan bedoelt hij âbha-na-saâ en dat staat voor het drietal 100. Stel dat je een lang ritme wil onthouden of snel wil vertellen aan een andere drummer, dan zeg je bijvoorbeeld: âma-na-ja-laâ (â¦) en dat is de verkorte vorm om te zeggen â111-000-010-0â, ofwel âlang-lang-lang-kort-kort-kort-kort-lang-kort-kortâ. Deze Sanskrietmethode is een soort geheimschrift en datacompressie van ritmes in de muziek van Indiase drummers en wordt tegenwoordig ook op allerlei gebieden van de wiskunde gebruikt.â
[einde inspringen]
Het Sanskriet of Oudindisch bleef lang in gebruik als de taal van geleerden, en bepaalde sektes en brahmanenfamilies gebruiken deze cultuurtaal nog steeds. De zeer strikte spraakkunstregels waren samengesteld door Panini, een taalkundige. Niemand weet precies wanneer hij leefde of wanneer hij zijn regels vastlegde in het enige van hem overgeleverde werk
AshtÄdhyÄyÄ«.Uiteraard staan de lettergrepen in het mnemotechnische onzinwoord âyamÄtÄrÄjabhÄnasalagÄâ niet echt voor nullen en enen (ook al komt het er wel op neer), maar voor alle mogelijke combinaties van drie lange of korte klinkers. Dit soort cyclische opeenvolgingen noemen we een âDe Bruijn-rijâ, naar de Nederlandse wiskundige Nicolaas Govert de Bruijn (1918-2012).
Als je over een computer met tekstverwerker beschikt, kan je zelf een compressietechniek bedenken door de meest voorkomende woorden in een tekstdocument met een âzoek-en-vervangâ-opdracht te vervangen door een getal (waarvan het aantal tekens wel korter moet zijn dan die van het woord zelf) of de eerste letters. Wanneer je twee versies van het document bewaart, zal je merken dat de tekst met compressie minder opslagruimte in beslag neemt. Je moet natuurlijk een decoderingsmechanisme erbij leveren, zodat de gebruiker weet voor welk woord elk getal staat. Uiteraard werken moderne compressietechnieken volgens zorgvuldig uitgekiende wiskundige algoritmes. Tot de bekendste compressiealgoritmes behoren MP3 (geluid), JPEG (beelden) en ZIP.
Karlheinz Brandenburg (1954) kan terecht de vader van het MP3-formaat worden genoemd, maar het succes van MP3 is zeker niet aan hem te danken. Een Australische hacker âkochtâ de demo-software voor het coderen van MP3 met een gestolen creditcardnummer en schreef er een nieuwe interface voor. Vervolgens publiceerde hij zijn programma op internet, waar iedereen het gratis mocht downloaden. Het gaf duizenden mensen de mogelijkheid om muziek van audio-cdâs te halen en te converteren naar het MP3-formaat. Al snel kwam er software beschikbaar waarmee mensen overal ter wereld hun muziekcollectie konden âdelenâ. Muziek van internet halen werd een fluitje van een cent â tot groot ongenoegen van de muziekmaatschappijen. Rechtszaken volgden en daarbij richtte men zich vooral op de producenten van de verdeelsoftware. En er vielen rake klappen: hoe succesvol software van Napster en The Pirate Bay ook was, het kon niet op tegen de gerechtelijke machine.
MP3 maakt de benodigde opslagcapaciteit voor het bewaren van gedigitaliseerde audiogegevens beduidend kleiner. Een mens hoort tijdens het beluisteren van muziek niet alles. Wanneer twee luide tonen heel dicht tegen elkaar liggen, registreert hij enkel bewust de luidste toon. Het MP3- algoritme filtert de iets lagere toon er gewoon uit. Het heeft ook weinig zin om tonen te bewaren die hoger of lager zijn dan wat het menselijk gehoor kan waarnemen. MP3 bevat ook klassieke compressietechnieken, zoals joint stereo, waarbij audiogegevens die in het linker- en rechterkanaal voorkomen, slechts één keer worden opgeslagen. Deze techniek heeft echter wel wat nadelen: MP3 en JPG (JPEG) zijn âlossyâ. Dit betekent dat de gegevens die tijdens de compressie worden weggelaten, niet meer kunnen worden teruggehaald, ze zijn verloren (âlostâ). Bij beelden gebeurt iets soortgelijks. Bij analoge film wordt elk beeldje afzonderlijk opgeslagen, ook al richt je je camera een uur lang op hetzelfde schilderij. Bij digitale compressie gaat de software op zoek naar patronen in de opeenvolgende beelden. Enkel die beeldfragmenten van het beeld die werkelijk veranderen, worden opgeslagen. Maar ook daar kan compressie plaatsvinden. Stel je voor dat je een landschap filmt vanaf een vast statief. Door het landschap rijdt een auto. Het algoritme zal enkel die onderdelen van het landschap die wijzigen onthouden, maar de pixels van de auto blijven ondanks hun veranderde positie in het beeld vrijwel ongewijzigd. Dus: wanneer je je camera een uur lang op hetzelfde schilderij hebt gericht, zal de film na compressie bijzonder klein zijn.
De software vergelijkt voortdurend opeenvolgende beelden. Compressietechnieken worden eveneens gebruikt wanneer in een massa digitale gegevens moet worden gezocht naar bepaalde patronen. Bij âcomputer visionâ is een machine in staat om informatie uit afbeeldingen of beelden af te leiden. Implementaties zijn niet moeilijk te bedenken: het sturen of besturen van robots, tellen van voetgangers, afbeeldingen indexeren en organiseren, interactie met de omgeving en vele andere.
Alles is een getal: digitalisering
âEen vat moet voorzien zijn van gaten, zodanig dat ze geopend en gesloten kunnen worden. Ze moeten open zijn op de plaatsen die overeenkomen met een 1 en gesloten blijven op de plaatsen die overeenkomen met een 0. Door de geopende poorten moeten kleine kubusjes of knikkers op sporen vallen, door de andere niets.â
â Leibniz, 1679
De uitspraak âAlles is getalâ wordt vaak toegeschreven aan de legendarische Pythagoras. Maar eigenlijk zou Aristoteles als eerste die woorden in de mond genomen hebben toen hij zich over de ideeën van Pythagoras boog. Pythagoras en zijn volgelingen zouden hebben geloofd, zo vertelt de overlevering, dat alles bestond uit verhoudingen van getallen. Als we data digitaliseren, dan zetten we die ook daadwerkelijk om in getallen. We staan er te weinig bij stil, maar alle informatie die op het scherm van een computer of smartphone verschijnt, het geluid dat streamingdiensten afspelen⦠al die data zijn in de vorm van cijfers weggeschreven in de geheugenapparaten, zoals harde schrijven, dvdâs, flashgeheugens⦠Pythagoras had het bij het rechte eind.
In de vierkantshoeve van mijn ouders was de zolder een van mijn favoriete plekken om even aan de dagelijkse werkelijkheid te ontsnappen. Het stof op de vermolmde vloer dwarrelde slechts één keer per jaar omhoog als mijn moeder haar jaarlijkse grote schoonmaak begon. Ik voelde me meer aangetrokken tot de geheimen die het stof als een afgedragen jas bedekte. Op een van die zoektochten vond ik daar, aangetast door de spreekwoordelijke tand des tijds, een zwart houten doosje met daarin iets wat op een blaasbalg leek en een reeks geponste platen, vermoedelijk van tin of messing. De platen hielden het midden tussen een gewone vinyl-lp en -single. Rond de opening in het midden stonden namen als âmazurkaâ en âwalsâ.
De muziekdoos die ik had gevonden (of wat er nog van over was) vertoonde ondanks zijn overduidelijke verschillen ook wel wat gelijkenissen met de ondertussen naar technische normen al bejaarde cd-speler. Terwijl bij een audio-cd de muziek vastligt in minuscuul kleine putjes en bij een vinylplaat in langgerekte groeven, is de muziek hier gecodeerd in langgerekte gaten waardoorheen de lucht van de blaasbalg kan ontsnappen. Het geheel werd manueel aangedreven met een zwengel, die zowel de plaat aan het draaien bracht als de ingebouwde blaasbalg op en neer liet bewegen. Het deed denken aan de negentiende-eeuwse draaiorgels waar de ponsgaten niet in schijven, maar in opgevouwen rechthoekige platen zijn aangebracht.
De ponsplaten bevatten geen geluidsopnames of geluiden die naar analogie met de werkelijkheid zijn geregistreerd. Toch is de muziek hier net zoals bij een cd in gecodeerde vorm vastgelegd. Alleen een toestel dat weet hoe het de informatie moet decoderen, kan de muziek weergeven. Hoe kan je muziek of andere informatie coderen? Hoe kan een modern computersysteem, zoals je laptop of smartphone, foto's, tekst en geluid in code, of beter nog, als een reeks getallen opslaan?
In wezen kennen de moderne opslagtechnieken, zoals harde schijven en geheugens, hun directe voorlopers in de ponskaartsystemen. Wie de digitale evolutie al wat langer heeft mogen meemaken, heeft ze wellicht nog gekend: computersystemen die hun gegevens van ponskaarten uitlazen en hun gegevens ook op die manier bewaarden. De ponskaarttechniek voor het bewaren van gegevens is niet nieuw, daarover later meer.
Jacquardweefgetouwen waren de eerste werktuigen die op industriële wijze werden ingezet om menselijke arbeid (het weven van âpatronenâ en figuren) te automatiseren. De gaten in de ponskaarten wezen de machine aan hoe en waar een naald een steek moest zetten. De codering is met andere woorden âlocatie-gebaseerdâ. De ponsschijven van de muziekdoos werkten op gelijksoortige wijze. Elk âgatâ geeft aan waar een pin kan doorspringen. Als de pin door een bepaald gat springt, produceerde de muziektoon een corresponderende toon. Bij een audio-cd zijn de gaatjes vervangen door kleine putjes, maar het principe blijft hetzelfde: coderen van informatie. De manier waarop die codering plaatsvindt, is echter compleet anders. De codering is digitaal.
Alle informatie is opgeslagen in de vorm van getallen. Niet in decimale getallen, zoals we allemaal gewend zijn, maar in binaire getallen. Binaire getallen kennen maar twee verschillende karakters: een 0 en een 1. Een putje vertegenwoordigt een 1 (of een 0), geen putje betekent een 0 (of een 1).
Hoe kan een audio-cd muziek of geluid volledig coderen in nullen en enen? Sterker nog, alle vormen van digitale informatie zijn binair gecodeerd. Alles wat je voor je ziet op je computerscherm of smartphone, bestaat in wezen (voor het toestel dan toch) alleen uit nullen en enen. Hoe kan een computersysteem dan alle denkbare informatie âdigitaliserenâ?
Laten we beginnen met die laatste vraag. Een computer werkt op elektriciteit. Elektrische spanning kan aan (1) of uit (0) staan. Neem de lichtschakelaars in je thuis als voorbeeld. Druk je ze in, dan gaat het licht branden. Druk je nogmaals, dan gaat het weer uit. De schakelkast lijkt echter wat meer op je computer. Daar zitten al wat meer schakelaars in. Een moderne computerprocessor bevat miljoenen, zo niet miljarden van die schakelaars die je aan en uit kan zetten. Wanneer je schakelaars combineert, kan je logische schakelingen maken. Bijvoorbeeld: als je twee schakelaars aanzet (allebei op 1), dan levert dat als uitkomst eveneens een 1 op. In dat geval bepaal je dat de ene EN (AND) de andere aan moet staan om als eindresultaat een 1 te krijgen. Maar je zou ook kunnen zeggen dat de ene of (OR) de andere aan moet staan om als eindresultaat een 1 te krijgen. Kortom, een programmeur bepaalt wat er moet gebeuren als een of meer schakelaars aan of uit staan. Opgelet: die uitleg is wat kort door de bocht, maar het komt er in principe wel op neer. Digitale computersystemen begrijpen door hun architectuur dus enkel aan (1)- en uit (0)-posities en combinaties daarvan. Willen we gegevens in computers invoeren, dan zullen we die eerst moeten converteren naar combinaties van nullen en enen.
De letter âaâ op een beeldscherm bestaat uit een reeks kleine âlampjesâ (picture elementsâ = pixels) die uitgezet zijn (ze zijn zwart). De witte achtergrond achter deze letters zijn lampjes die evenveel waardes toekennen aan rood als aan blauw en groen. Het resultaat van die combinatie levert wit licht op.
Elke toets op een toetsenbord krijgt een bepaald getal toegewezen. Een hoofdletter âAâ bijvoorbeeld, krijgt het getal 65 toegewezen. Op die manier correspondeert elke toets met een bepaald decimaal getal. Druk je op de spatiebalk, dan ontvangt je computer intern het decimale getal 32 als signaal. Die toewijzing van toetsen aan decimale getallen is gestandaardiseerd. Alle soorten toetsenborden (AZERTY-, QUERTY-, touchscreen-toetsenbordenâ¦) maken dezelfde gestandaardiseerde vertaalslag.
Die standaardtechniek draagt de naam ASCII (American Standard for Information Interchange). Hij kent echter een beperking, zoals de afkorting eigenlijk al aangeeft. Van oorsprong gaat het om een Amerikaanse standaard en kent hij bijgevolg enkel symbolen die door Amerikanen gebruikt worden. ASCII werkt goed, maar pakweg Arabieren, Chinezen en Japanners, kortom iedereen die geen standaard (Indo-)Europees georiënteerde taal gebruikt, had weinig aan ASCII. Er bestonden geen binaire codes voor het Arabisch of Chinees (een Chinese Jan met de pet kent ongeveer zevenduizend verschillende karakters). Het recente Hanyu Cidian-Chinees beslaat zelfs zesenvijftigduizend karakters! Uitbreidingen op de ASCII-tekenset waren noodzakelijk. De noodzaak om alle andere taalsystemen en codes op te nemen leidde tot UNICODE. De techniek werd uitgebreid met andere (vooral niet-westerse) symbolen om hem wereldwijd bruikbaar te maken. Hij draagt nu de naam UTF-8 (Unicode Transformation Format).
Samengevat volgt dit proces de volgende stappen:
[begin opsomming]
- Jij drukt een toets in op je toetsenbord.
- De toets correspondeert met een decimaal getal.
- De computer vertaalt het decimale getal naar een binair getal.
- De computer bewaart het binaire getal op het opslagmedium
[einde opsomming]
[begin kader]
Langeafstandscommunicatie in de Oudheid
Het idee om het alfabet te converteren naar een tabel was zeker niet nieuw. Cleoxenus en Democleitus bedachten een methode die verder werd uitgewerkt door Polybius (200 v.Chr.), waardoor de communicatie op lange afstand aanzienlijk verbeterde. Ze gebruikten combinaties van fakkels, vastgemaakt aan panelen. Elke combinatie van fakkels vertegenwoordigde een bepaalde letter uit het alfabet. Daarvoor werden twee (houten?) panelen opgesteld. Elk paneel was voorzien van houders voor maximaal vijf fakkels. Dit gaf een totaal van 25 mogelijke combinaties, wat ongeveer overeenkwam met het aantal letters in het Griekse alfabet.
Naar analogie kunnen we dat vergelijken met de werking van een kruiswoordraadsel. Het eerste paneel staat dan voor de horizontale cijfers in het raster, het tweede (rechtse) paneel voor de verticale cijfers in het raster. Twee fakkels op het linkerpaneel en vijf fakkels op het rechterpaneel stonden voor de letter âkâ.
De vergelijking met een kruiswoordraadsel doet een beetje afbreuk aan de inventiviteit van deze vondst. De zender âscantâ een tweedimensionale rij van lettertekens. Hij verzendt informatie over de positie van elk element in een raster. Het roept vergelijkingen op met de methodes die tv- en faxtoestellen gebruiken om afbeeldingen te scannen en te verzenden. Het doet ook denken aan de âdiscretisatieâ bij het digitaliseren van afbeeldingen, die later nog aan bod komt.
Polybius raadde ontvangers aan een stenoscoop te gebruiken, een soort kijkbuis met twee trechters waardoor je de ogen beter kon fixeren. (De telescoop was nog niet uitgevonden. De elfde-eeuwse Arabische wetenschapper Alhazen experimenteerde met parabolische spiegels en vergrootglazen. Zijn werk werd in 1572 in het Latijn vertaald en leidde mede tot de ontwikkeling van de telescoop, waarmee Galilei beroemd werd.) Een stenoscoop had ook zijn beperkingen, want hij vergrootte het beeld niet. Over een afstand van meer dan een kilometer waren de verschillende fakkels nauwelijks van elkaar te onderscheiden. Bovendien waren er bij de verzendpost heel wat mensen nodig om de fakkels snel te kunnen plaatsen en verplaatsen. Er zijn geen bewijzen voor gevonden dat dit systeem voor communicatie ooit in praktijk is gebracht.
Sextus Julius Africanus (232-290) beschreef een vergelijkbare Romeinse methode om teksten te verzenden met behulp van vuursignalen. Hierbij splitste men het alfabet in drie kolommen op:
[Inspringen]
âDe Romeinen gebruiken een systeem, een zeer opmerkelijk naar mijn mening, om elkaar allerlei dingen te vertellen met behulp van vuursignalen. Ze verdelen de plaatsen voor het seinen op zoân manier dat ze velden hebben in het midden, rechts en links. Dan verdelen ze de letters op zoân manier dat âalphaâ tot âthetaâ hun plaats krijgen aan de linkerkant, die van âiotaâ tot âpiâ in het midden, en die van ârhoâ tot âpsiâ aan de rechterkant. Als ze bijvoorbeeld de letter ârhoâ willen zenden, dan steken ze één fakkel in de lucht aan de rechterkant, voor âsigmaâ twee (â¦). De ontvangers schrijven de letters op in de vorm van vuursignalen en verzenden de bericht naar het volgende station, dat het op zijn beurt doorstuurt naar het volgende en zo verder tot het laatste station is bereikt.â
[einde inspringen]
Uiteraard gaat het niet om dezelfde techniek, maar de principes lijken op elkaar.
De Romeinen kennen aan elke letter een x- en y-positie in een tabel toe. Wiskundig gezien zouden we kunnen spreken van een tweedimensionale vectorruimte.
[einde kader]
Het schilderij
Ceci nâest pas une pipeis dan misschien niet echt de pijp zelf, maar de afbeelding is wel naar analogie met een echte pijp geschilderd. Als je een foto maakt en die afdrukt, dan zie je eveneens een beeld analoog aan de werkelijkheid. Op een vinylplaat is het geluidssignaal als golf (met dalen en bergen) gegrift. Digitale informatie is niet analoog. Je kan in de reeksen enen en nullen niet zonder meer het originele signaal of de geregistreerde data herkennen. Om fotoâs te vertalen naar getallen hebben we een techniek nodig om de kleuren en de lichtsterkte van een beeld uit de werkelijkheid te converteren naar getallen. Dat is veel eenvoudiger dan het lijkt.
Een digitale camera of scanner verdeelt een beeld van de werkelijkheid in rijen en kolommen, alsof je een transparant kruiswoordraadsel voor je ogen zou houden. Elk vakje in zoân tabel noemen we een beeldelement of pixel. Voor elke pixel meet het systeem de kleurwaarde, net zoals de kegeltjes in ons oog dat doen. De manier waarop de kleurwaardes worden gemeten en bewaard, lijkt heel erg op de manier waarop onze ogen kleuren registreren. Een beeldchip van een camera meet de kleurwaardes voor rood, groen en blauw. Valt er op een pixel helemaal geen licht, dan is de pixel zwart of gewoonweg 0. Of beter gezegd: de waardes voor de drie basiskleuren staan gewoon op 0. Een computersysteem telt de kleurwaardes weer bij elkaar op om de originele kleur te reconstrueren. Om die reden spreekt men van een âoptellendâ of additief kleursysteem, ook wel het âRGB-kleursysteemâ genoemd. De ondergrens is ingesteld op 0 (= geen kleurwaarde), de bovengrens voor elke basiskleur op 255. Voeg je die drie basiskleuren in hun maximumhoeveelheid bij elkaar, dan krijg je opnieuw wit. De waarde kan dus per basiskleur variëren tussen 0 en 255. Voor elke basiskleur levert dit met andere woorden 256 verschillende mogelijkheden op. Door die hoeveelheden in meer of mindere mate met elkaar te mengen, kan je 16.777.216 verschillende kleurcombinatie maken. Dat zijn er behoorlijk wat.
Samengevat volgt dit proces de volgende stappen:
[begin opsomming]
- Een digitaal systeem legt een ârasterâ (met x-aantal kolommen en y-aantal rijen) over een afbeelding. Elk vakje in zoân raster is een pixel. Elk vakje heeft een x- en een y-positie in dat raster. De pixel links bovenaan krijgt de waardes x = 1 en y = 1.
- Voor elke pixel wordt de waarde voor de drie basiskleuren gemeten.
- Voor elke pixel âonthoudtâ de computer vijf cijfergegevens: de x-positie in het raster, de y-positie in het raster, de waarde voor ROOD, de waarde voor GROEN en de waarde voor BLAUW.
- De computer zet die vijf waarden om in binaire getallen en bewaart de data.
[einde opsomming]
[begin kader]
Pixels
Het RGB-kleursysteem bestaat al sinds het midden van de negentiende eeuw. Het is gebaseerd op theorieën van fysici als Thomas Young, Hermann Helmholtz en James Maxwell. Russell Kirsch geldt als de uitvinder van de vierkante pixel. In de jaren vijftig maakte hij deel uit van een team dat de vierkante pixel ontwikkelde.
âVierkanten waren de meest logische keuze,â zegt Kirsch. âNatuurlijk was het niet de enige mogelijkheid, maar we gebruikten vierkanten. Het was iets heel dwaas waar iedereen in de wereld sindsdien aan lijdt.â
Kirsch probeert zijn âfoutâ goed te maken. Geïnspireerd door de mozaïekbouwers uit de oudheid, die scènes met verbluffende details hebben geconstrueerd met stukjes tegel, schreef Kirsch een programma dat de dikke, onhandige vierkanten van een digitaal beeld verandert in een vloeiender beeld gevormd door variabel gevormde pixels.
[einde kader]
Blijft de laatste vraag: hoe kan je geluid, of het nu om muziek gaat, een stem of omgevingsgeluiden, omzetten in getallen? Zoals eerder vermeld zijn geluiden trillingen in de lucht. Geluid verspreidt zich als een golf. Hoe meer golfjes in een bepaalde tijd (hogere frequentie), hoe hoger de toon. Hoe hoger de golf, hoe hoger het volume. Een hoge golf doet met andere woorden meer pijn aan de oren. Bij het digitaliseren van geluid meet het systeem het aantal golfjes in een bepaalde tijd en van elk golfje meet het eveneens de hoogte. De meetresultaten zijn dus ook hier getallen. De rest laat zich al raden: de computer vertaalt de decimale meetresultaten naar binaire getallen⦠Hoe meer metingen per tijdseenheid, hoe nauwkeuriger het resultaat. Het heeft immers geen zin om maar één enkele meting per seconde te doen. Op die manier zou je het geluid niet meer kunnen weergeven. Het geluid van een audio-cd bevat niet minder dan 44.100 metingen per seconde. Dat zijn er behoorlijk wat.
Voor het bewaren van de meeste bestanden, zoals fotoâs, documenten uit een tekstverwerker, presentaties, filmsâ¦, gebruikt men een binaire codering. ASCII zou in dat geval leiden tot te grote bestanden. Heel vaak gebruikt men bovendien compressietechnieken om bestanden een stuk kleiner te maken, zodat ze minder ruimte in beslag nemen. Denk maar eens hoe snel je smartphone vol is, als je alle dagen fotoâs of filmpjes maakt.
Een voorbeeld: een letter âaâ (niet de hoofdletter) op je toetsenbord vertaalt zich als de byte (een reeks van acht bits, of acht mogelijke nullen en enen) 01100001. Eén teken wordt vervangen door een reeks van acht nullen en/of enen. Een computer gebruikt in dit geval dus acht bits waar een mens slechts één teken nodig heeft. Dit geldt ook voor de cijfers op je toetsenbord. Tik je een 0, dan wordt dit volgens de ASCII-regels 00110000 en een 1 wordt 00110001. Het getal 256 behandelt hij volgens de ASCII-tekenset als drie afzonderlijke ASCII-karakters of drie bytes en ziet er dan als volgt uit: 00110010 00110101 00110110. Dat is een nogal gekke manier van doen als we enkel getallen willen bewaren, want intern maakt ASCII reeds de vertaalslag naar decimale cijfers door aan elke toets of karakter op je toetsenbord een decimaal getal te koppelen. Getallen kunnen veel eenvoudiger en compacter bewaard worden door ze niet als een reeks afzonderlijke karakters, maar als één geheel, als een echt getal te bewaren. 255 zal er dan uitzien als 1111 1111. Eén enkele byte kan 256 verschillende waardes bevatten. Gaan we naar vier bytes dan krijgen we vier miljard mogelijke combinaties. Het getal 4.000.000.000 (vier miljard) zou op die manier slechts vier bytes in beslag nemen. Bewaren we het als ASCII, dan zou het tien bytes aan ruimte oppeuzelen.
Om die reden gebruikt men heel wat vormen van codering. Het zou ronduit dom zijn om bijvoorbeeld een afbeelding als een reeks ASCII-waardes (weliswaar binair gecodeerd) te bewaren. Een afbeelding van 1024 bij 768 pixels telt in totaal 786.432 pixels. Omdat elke pixel bestaat uit een mix van 256 waardes rood, 256 waardes groen en 256 waardes blauw, dan zou het gecodeerd volgens de ASCII-tekenset onwaarschijnlijk veel ruimte in beslag nemen.
Magnetische en optische opslagmedia
Losse bestanden, bijvoorbeeld teksten, audio-opnamen, films en fotoâs, bewaren computers op elektromagnetische opslagmedia, zoals magneetbanden en harde schijven. Optische media, zoals cdâs en dvdâs, vormen het moderne equivalent van de ponskaarten, waar patronen van putjes de binaire codes voorstellen. Een laserstraal leest de putjes tegen een onwaarschijnlijk hoge snelheid uit en reconstrueert de originele bestanden. Gestructureerde data bewaren we in relationele databanken, de digitale versies van de aloude fichebakken en archiefkasten uit de bibliotheek.
Digitale gegevens worden opgeslagen en voor langere tijd bewaard. Hoe gaat dat precies in zijn werk en welke voordelen biedt deze manier van opslaan? In een digitaal systeem bestaat elke waarde uit een reeks bitjes, die elk afzonderlijk slechts twee geldige waarden kennen, namelijk 0 of 1. In een elektronische schakeling kunnen we die zien als een verschil tussen bijvoorbeeld 0 en 1,8 Volt, op een cd als een minuscuul putje of net geen, op een harde schijf als een klein gebiedje dat al dan niet gemagnetiseerd is, op een flash-geheugenkaartje als een pakketje elektronen (elektrische lading) dat wordt vastgehouden in een transistorâ¦
Hoofdstuk 5 â Uit onze handen en uit ons hoofd
âDNA is als een computerprogramma, maar veel, veel geavanceerder dan alle software ooit gemaakt.â
â Bill Gates,
The Road Ahead
Welke evolutie kennen machines? In eerste instantie hebben mensen gereedschappen ontwikkeld om het werk lichter te maken, zodat minder spierkracht nodig was. Het is nu eenmaal eenvoudiger om een spijker met een hamer in een plank te slaan dan met je blote vuist. De mens heeft gereedschappen ontwikkeld die het werk, maar ook het denkwerk of geheugenwerk lichter maken. De uitvinding van het schrift bijvoorbeeld zorgde ervoor dat je niet langer alles hoefde te onthouden. Door het gebruik van trekdieren, maar ook windmolens en watermolens, kon heel wat menselijke spierkracht worden uitgespaard. Maar het aansturen van taken of het stapsgewijs uitvoeren van een opdracht diende over het algemeen nog door mensen te gebeuren. Hoe je een bepaalde taak tot een goed einde moest brengen, hoe je gereedschap moest bedienen⦠dat moest je aanleren. Mensen moesten de diverse stappen van een taak, project of functie nog aanleren. Een meubelmaker die een kast maakt, gebruikt diverse gereedschappen. Maar het eindresultaat is een gevolg van een werkproces dat verschillende stappen bevat. In veel gevallen werken meerdere gespecialiseerde arbeiders samen of afzonderlijk aan diverse onderdelen.
Elke taak bestaat uit een aantal te volgen stappen. Ze volgt een soort recept. In de wiskunde en informatica noemt men zoân proces een âstappenplanâ of âalgoritmeâ. De mens ontwikkelt al meer dan tweeduizend jaar automaten waarin zulke algoritmes konden worden geprogrammeerd. Een klok is daar een mooi voorbeeld van. Een klok bevat een ingewikkeld mechanisme waarmee de tijd kan worden berekend. Tot de meest bekende voorbeelden van automatisering behoort het assemblageproces van autoâs aan een lopende band in autofabrieken. Niet enkel handenarbeid, maar ook denkwerk is veelvuldig geautomatiseerd. In een rekenprogramma kan je met één muisklik een reeks namen alfabetisch rangschikken. Als we dit uit ons hoofd doen, is het sorteren een nauwgezette en tijdrovende klus.
De eerste golven van automatisering vanaf halverwege de negentiende eeuw kostten het werk aan veel arbeiders. Zeker vanaf het moment dat robots in het productieproces werden ingezet. Een robot is zodanig afgesteld en geprogrammeerd dat hij een bepaalde taak telkens stapsgewijs kan uitvoeren, zonder moe of ziek te worden of zonder vakantie te eisen. Robots voeren met andere woorden voorgeprogrammeerde algoritmes uit. De volgende stap in de evolutie van technologie gaat nog een stuk verder. We bouwen machines die zichzelf kunnen programmeren. Sterker nog, slimme algoritmes zijn in staat om zelf taken te leren. Shazam kan bijvoorbeeld liedjes herkennen en wordt daar steeds beter in. Met DeepL kan je hele boeken vertalen.
Wanneer je bepaalde werk- of bedrijfsprocessen automatiseert, spreek je van RPA (ârobotic process automationâ). Dit betekent niet per se dat je ârobotsâ inzet, maar dat je manueel (denk)werk vervangt door software of andere geautomatiseerde processen. Doemscenarioâs duiken op waarbij toekomstige software in staat zal zijn elke denkbare taak aan te leren om in sneltempo slimmer te worden dan de mens.
Voordat we kijken naar die vormen van kunstmatig leren en kunstmatige intelligentie, bestuderen we de geschiedenis van automatisering en algoritmes. Die geschiedenis gaat verder terug dan je zou denken.
Mechanisch programmeren in de oudheid
Noel Sharkey, hoogleraar artificiële intelligentie en robotica aan de universiteit van Sheffield, bestudeerde het werk
Peri Automatopoietikesvan Heron van Alexandrië, waarin hij beschrijft hoe hij automatische theaters bouwt:
[inspringing]
â(â¦) Nadat ik Herons tekst grondig had gelezen, had ik niet de minste twijfel over zijn intentie. Het is duidelijk dat hij zijn robot had ontworpen om hem te kunnen programmeren en om hem in het theater voor verschillende effecten te gebruiken. Op een bepaald punt beschrijft hij zelfs hoe je ingewikkeld gedrag moet programmeren.â
[einde inpsringing]
Heron programmeerde zijn theaters met gewichten, touwen, assen en pinnen. Aan het ene uiteinde van het touw bevestigde hij een gewicht, dat hij boven op een met tarwekorrels gevulde cilinder plaatste. Door een sleufje onder in de cilinder open te trekken, vloeiden de korrels weg. Daardoor begon het gewicht met enige vertraging te zakken. Aan de andere kant hingen twee touwen. Elk touw was rond een afzonderlijke as (de linker en de rechter vooras) gewikkeld. In beide assen waren op gelijkmatige afstanden gaten geboord. Het zakkende gewicht trok niet alleen aan de touwen, maar liet de beide assen ook draaien. De machine kon eenvoudig geprogrammeerd worden door in de gaten pinnen te plaatsen. Als je een touw rond een bepaalde pin liet teruglopen, kon je een van beide assen op elk gewenst moment in de andere richting laten roteren. Net zoals in moderne programmeertalen slaagde Heron er ook in om een timerfunctie in te bouwen. Daarvoor plakte hij met was een stuk van het touw vast aan de as. Het zakkende gewicht trok het was langzaam los. Als het touw eenmaal was losgekomen, begon de as weer te roteren.
De programmeerinstructies waren vastgelegd in zijn machine, maar op zoân manier dat je het toestel kon herprogrammeren door de pinnen te verplaatsen. Het programma werd âopgeslagenâ in de assen met wat we âbinaire instructiesâ zouden kunnen noemen. Een pin staat voor een 1, een gat zonder pin voor een 0 (of omgekeerd).
Het automatische theater van Heron reed volkomen zelfstandig het podium van het theater op. Daar stopte het en toonde een toneelstuk van mechanische poppen, die eveneens door een mechanisme van pinnen, gewichten, touwen, assen, tandwielen en hefbomen werden aangedreven. Het theater was voorzien van decorwissels en geluidseffecten. Door op een bepaald moment een sleuf open te trekken vielen loden ballen op een trom, wat het geluid van donder simuleerde. De ongeziene genialiteit die hij aan de dag legde bij het programmeren van zijn automatische theaters, doet vermoeden dat ze slechts een stap waren in een lange traditie van programmeerbare machines. Dat blijkt ook uit zijn teksten.
Heron klaagt er uitdrukkelijk over dat schrijvers die voor hem leefden niet duidelijk genoeg waren in hun boeken over automaten. Hij verwijst ook expliciet naar het thans verdwenen boek van Philo van Byzantium over automatische theaters. Ook de werken van Aristoteles bevatten referenties aan automaten, en zelfs in de
Iliasvan Homeros lijken sommige passages automaten ter sprake te brengen.
Het heeft er dus alle schijn van dat automaten een onafgebroken traditie van overerving kennen, startend bij Philo van Byzantium over Heron, via de Arabische ingenieur Al-Jazari en Leonardo da Vinci naar de programmeerbare weefgetouwen van Jacquard. Moderne software heeft daarom oeroude wortels.
De computer van Antikythera
Natuurlijk moet je niet denken dat elke Griek of Romein met een laptop naar zijn werk ging, maar de principes van informatieverwerking en programmeren waren bekend. Er was geen klassieke versie van Microsoft of Apple. De technologie werd niet gecommercialiseerd of in massaproductie genomen. Nu is dit uiteraard anders. Toch zouden in het hellenistische Alexandrië van de derde eeuw v.Chr. veel uitvindingen het licht zien die nog steeds de basis vormen van de westerse technologie: tandwielen, schroeven, het differentieel, pneumatica, hydraulica, waterpompen, de stoommachine, automaten, klokken, programmeerbare machines⦠Via de Arabieren, middeleeuwse kopiisten en een hernieuwde interesse voor de klassieke ingenieurskunde tijdens de Renaissance zou die technologie voortleven in Oost en West en zelfs mede aan de basis staan van de Industriële Revolutie.
De Griek Elias Stadiatos voorzag in zijn levensonderhoud als sponsduiker. Vlak voor Pasen in 1900 dook hij in de buurt van het kleine eiland Antikythera tot op een diepte van 42 meter. Daar stuitte hij op de resten van een vrachtschip uit de klassieke oudheid (vermoedelijk de eerste eeuw v.Chr.). Hij meende in de beelden die tussen het wrakhout lagen lijken te zien. Helemaal over zijn toeren zwom hij naar het oppervlak. Hij wierp zijn helm af en schreeuwde dat hij naakte vrouwenlijken had gezien. Al snel had men door dat het om een archeologische vondst ging. Sponsduikers doken meerdere beelden, juwelen, bronzen voorwerpen en andere artefacten op van de vindplaats. Twee jaar later, op 17 mei 1902, stelde de archeoloog Valerios Stais vast dat in een stuk opgedoken âsteenâ een tandwiel vastzat. Verder onderzoek wees uit dat het in werkelijkheid ging om een zwaar verroest stuk metaal dat de schipbreuk had overleefd. Men vond niet minder dan drie grote onderdelen terug en een dozijn kleinere fragmenten. Het apparaat bestond uit bronzen tandwielen. De afmetingen waren verbazingwekkend: 33 centimeter hoog, 17 centimeter breed en 9 centimeter dik. Oorspronkelijk zat het toestel in een houten frame of doos ter grootte van een schoenendoos, een fantastisch staaltje van miniaturisatie.
Lange tijd bleef het apparaat wetenschappers intrigeren. Veel onderzoekers meenden dat het een astronomische functie had, maar niemand kende de precieze werking. Na tientallen jaren puzzelwerk en reiniging startte de Britse historicus Derek J. de Solla Price in 1951 met een systematisch onderzoek van het mechanisme. In 1959 publiceerde hij zijn bevindingen in het populair-wetenschappelijk tijdschrift
Scientific Americanmet de baanbrekende titel âAn Ancient Greek Computerâ. Volgens de vaststellingen van de Solla Price diende het toestel om de bewegingen van sterren en planeten te berekenen en te voorspellen.
Het woord âcomputerâ is afgeleid van âto computeâ (= berekenen) en dat is nu net precies wat zo'n toestel doet: het berekenen van uitvoer op basis van invoer. Computers voorspellen met andere woorden uitvoer. De computer van Antikythera is geen digitale elektronische computer, maar een analoge mechanische computer.
De âcomputerâ van Antikythera bestaat uit verschillende lagen gegraveerde platen en tandwielen. Het doel van het instrument was informatie te geven over de stand van de zon, de maan en de vijf toen bekende planeten. Een maanwijzer toonde de maanfasen, een andere wijzer leverde gegevens over de opkomst en de ondergang van de voornaamste heldere sterren. Omdat het toestel de invoer van de gebruiker mechanisch kon verwerken en het eindresultaat simultaan kon weergeven, spreken we terecht van een âanaloge computerâ.
In 1971 deed de Solla Price, ondertussen Avalon Professor of the History of Science aan de universiteit van Yale, een beroep op Charalampos Karakalos, hoogleraar nucleaire fysica aan het Griekse instituut voor wetenschappelijk onderzoek. Met gamma- en röntgenanalyse probeerden ze de volledige interne werking van het mechanisme te achterhalen. Volgens Price bevat het Antikythera-mechanisme een differentieel, dat volgens de meeste historici pas in de zestiende eeuw werd uitgevonden en een essentieel onderdeel werd van onder andere de auto. M.T. Wright wees er terecht op dat het niet gaat om een differentieel, maar om een planeetwielmechanisme, een speciale vorm van het âeenvoudigereâ differentieel. Dankzij een planeetwielstelsel kan men in kleine toestellen tandwielmechanismen inbouwen voor grote wijzigingen in snelheid. De aandrijfas en de aangedreven assen liggen bij een planeetwielmechanisme op één lijn. Een gelijksoortig tandwielmechanisme vind je ook terug in een elektrische handboormachine. De meer dan dertig tandwielen in het apparaat hebben tanden van gelijkvormige driehoeken, die met een niet eerder geziene precisie zijn gemaakt. Een dergelijke miniaturisatie en complexiteit zullen we pas opnieuw zien in achttiende-eeuwse klokken.
Programmeerbare kalender
De gebruiker kan een datum uit het verleden of de toekomst ingeven via een thans verdwenen zwengel of draaiknop, waarna het mechanisme de positie van zon, maan en de toen bekende planeten kon berekenen. Maar niet alleen astronomische berekeningen, zoals de bewegingen van de hemellichamen, waren mogelijk, het mechanisme kon ook zonsverduisteringen voorspellen en een kalender bijhouden voor culturele evenementen, zoals de (klassieke) Olympische en Korinthische Spelen.
Op basis van het onderzoek van Price zijn diverse reconstructies gebouwd, bijvoorbeeld door John Gleave. De Australische computerwetenschapper Allan George Bromley van de universiteit van Sidney maakte in samenwerking met de klokkenmaker Frank Percival en Michael Wright preciezere röntgenafbeeldingen. Michael Wright (Curator of Mechanical Engineering in het Science Museum en nu het Imperial College in London) maakte gebruik van tomografie bij het bouwen van een reconstructie. Hij wijst op de mogelijkheid dat de Antikythera-computer een volledig uitgerust planetarium zou kunnen zijn geweest.
Het onderzoek naar het Antikythera-mechanisme is nog niet afgesloten. In het Antikythera Mechanism Research Project bundelen verschillende partijen hun krachten: Cardiff University, Kapodistrian University en de nationale universiteit van Athene, Aristotle University van Thessaloniki, het Nationaal Archeologisch Museum van Athene, X-Tek Systems UK (3D âsurface imagingâ) en Hewlett-Packard USA (microfocus tomografie). Hun onderzoek heeft al heel wat vruchten afgeworpen: het aantal teruggevonden fragmenten is al opgelopen tot zeventig. Zij ontcijferden meer dan 95 procent van de tweeduizend karakters en konden daarmee aantonen dat het wel degelijk om een astronomische computer gaat. CT-scans van X-Tek in 2006 hebben uitgewezen dat het toestel nog veel complexer en âslimmerâ was dan Price had gedacht.
Het apparaat is volgens het recentste onderzoek gebouwd tussen 150 en 100 v.Chr, een stuk ouder dan wat tot nog toe werd aangenomen. Over de oorsprong doen meerdere hypothesen de ronde. Twee vragen zijn hierbij cruciaal: wie heeft het toestel gebouwd en waarom bevond het zich aan boord van een vrachtschip? Volgens Price was het gebouwd op Rhodos, in die tijd het centrum van astronomie, mechanica en automaten. De Romeinse schrijver Cicero (eerste eeuw v.Chr.) spreekt over een instrument van zijn leraar Posidonius (Rhodos, ca. 135-51 v.Chr.) dat de beweging van zon, maan en vijf planeten kon weergeven. Misschien was het schip op weg naar Rome met een hoop âschattenâ aan boord die moesten dienen bij een triomfantelijke parade voor Julius Caesar?
Anderen wijzen in de richting van de beroemde Archimedes, omdat hij aan de basis staat van de ingewikkelde geometrie die nodig is voor het ontwerp van de computer. Bovendien doet het verhaal de ronde dat de Romeinse generaal Marcus Marcellus na het beleg van Syracuse, waarbij Archimedes omkwam, een planetarium naar Rome liet overbrengen.
Een derde hypothese stelt dat het gebouwd werd in Korinthe of een van hun kolonies, zoals Taurominion of Syracuse op Sicilië (de thuisbasis van Archimedes), omdat er Korinthische maandnamen op de platen voorkomen. Weer anderen herkennen er de astronomische kennis in van Hipparchus (ca. 190-120 v.Chr.).
Pin-en-slotmechanisme
Het opmerkelijkste onderdeel is ongetwijfeld het zogenoemde âpin-and-slotâ-mechanisme, dat moeilijk in woorden te vatten is en werd aangewend om de ongelijke beweging van de maan op te nemen. Op één tandwiel staat een pin die past in een langgerekte sleuf van een ander bovenliggend tandwiel. Wanneer dat tandwiel draait, schuift de pin voor- of achteruit in de sleuf, waardoor het bovenste tandwiel nu eens vooruit en dan weer achteruit beweegt. Het is enigszins vergelijkbaar met het Scotch Yoke-mechanisme, waarbij een lineaire beweging kan worden omgezet in een roterende of omgekeerd.
Van âpinâ-automaat tot ponskaart
Een computer kan met behulp van software een heleboel taken automatiseren om de mens werk uit handen te nemen en vooral de benodigde (werk)tijd te verkorten. Toch beseffen velen nog steeds niet hoe ze dat precies moeten doen. De zoek-en-vervangopdracht in een tekstverwerkingsprogramma is daar een simpel voorbeeld van. In heel veel software kunnen steeds terugkerende taken met behulp van zogenoemde macroâs geautomatiseerd worden. Je voert een aantal taken uit, terwijl de computer de uitgevoerde opdrachten stapsgewijs registreert. Daarna kan hij zelfstandig die taak herhalen. De lijst met instructies is vastgelegd in het geheugen van de computer. In automaten zitten de instructies eveneens in de machine.
Klokken en automaten
De kennis van het bouwen van klokken en automaten ging niet volledig verloren in de Middeleeuwen. Sterker nog, heel wat kerken en kathedralen zijn uitgerust met op âpinmechanismenâ gebaseerde automaten. De kennis die Heron demonstreerde met zijn automatische theaters, was dus zeker niet verloren gegaan. Klokken, automaten, muziekdozen⦠ze kenden een gemeenschappelijke evolutie en kruisbestuiving die rechtstreeks van invloed zou zijn op de moderne computer- en robottechnologie.
In de loop der eeuwen werden mechanische muziekapparaten ontwikkeld in opdracht van en voor de rijkere klassen (adel en geestelijkheid). De geschiedenis van de mechanische muziek is nauw verbonden met die van de klok en automatische poppen en beelden. In het Engels maakt men een onderscheid tussen de woorden âclockâ en âtimepieceâ. âClockâ verwijst altijd naar het mechanische geluid dat het uurwerk produceert, terwijl een âtimepieceâ wel het tijdstip aangeeft, maar hierbij geen geluid laat horen.
Zowel in de moslimwereld als in het christelijke Westen waren klokken essentieel in de godsdienstbeleving. Ze gaven aan wanneer de momenten van gebed en bezinning waren aangebroken. Historische bronnen zijn niet altijd volledig en vaak worden uitvindingen onterecht toegeschreven aan een bepaalde persoon of zelfs regio. Het mag duidelijk zijn dat de ingenieurs in het Oosten en het Westen te rade zijn gegaan bij de klassieke voorbeelden, en soms eigen toevoegingen hebben gedaan. Bovendien werd niet altijd een strikt onderscheid gemaakt tussen klokken, automaten en mechanische muziekinstrumenten.
In wezen vinden we in muziekdozen twee verschillende, maar toch op elkaar lijkende technieken:
[begin opsomming]
- een cilinder met pinnen;
- geponste schijven of platen.
[einde opsomming]
Beide worden aan het draaien gebracht, waarbij ofwel de pinnen ofwel de gaten instructies doorgeven aan de rest van het mechanisme. Zonder twijfel is de cilinder met pinnen de oudste vorm voor het mechanisch doorgeven van instructies, zoals het produceren of reproduceren van muziek. Heron van Alexandrië (eerste eeuw n.Chr.) maakte er al gebruik van.
Automaten in het Oosten
Voor het oudst bekende door cilinders aangestuurde mechanische muziekinstrument moeten we naar het Bagdad van de negende eeuw. De drie gebroeders Ahmad, Muhammad en Hasan bin Musa ibn Shakir, beter bekend als de BanÅ« MÅ«sÄ (zonen van Mozes, naar de naam van hun vader), waren in opdracht van de Abassidische kalief al-Maâmun actief in de astronomische observatoria van Bagdad en in het zogenoemde Huis van de Wijsheid (Bayt al-Hikma). Naar verluidt stuurden ze boodschappers naar onder meer Byzantium om op zoek te gaan naar originele of gekopieerde klassieke teksten over wetenschap en techniek. Muhammad zou zelf ook naar Byzantium zijn gereisd. Maandelijks betaalden ze meer dan vijfhonderd dinar aan een groep vertalers die de overgebrachte klassieke werken omzette in het Arabisch.
In opdracht van de kalief verifieerden ze de door Eratosthenes berekende omtrek van de aarde, wat bewijst dat ze niet alleen goed onderlegd waren in de astronomie, maar ook in de wiskunde. De meeste bekendheid verwierven ze echter door hun boek
KitÄb Al-Hiyal(
Het boek van ingenieuze apparaten). Heel wat toestellen in dit boek zijn duidelijk geïnspireerd op de ontwerpen van onder meer Heron van Alexandrië, Philo van Byzantium en oudere Perzische, Indiase of misschien zelfs Chinese uitvindingen.
Toch hebben de broers overduidelijk hun eigen stempel gedrukt en veel ingenieuze toevoegingen bedacht. Het verschil zat hem in het gebruik van onder andere automatische zwengels, ventielen en conische kleppen als automatische reguleersystemen. Als geen ander wisten ze om te gaan met kleine variaties in aerostatische en hydrostatische druk om net dat doel te bereiken dat ze voor ogen hadden.
Een voor ons uitgangspunt belangrijk apparaat in de
KitÄb Al-Hiyalis de automatische fluitspeler. Het toestel vindt zijn voorlopers overduidelijk in het werk van de Alexandrijnse ingenieurs Ktesibios, Heron en Philo van Byzantium. Velen zien de automatische door waterkracht aangedreven fluitspeler van de Musa-broers als het eerste programmeerbare muziekinstrument. Door de uitgebreide beschrijving van het uiterlijk en de werking weten we dat het toestel ook echt heeft gefunctioneerd en dat het niet zomaar gaat om een legende. Het zou te ver leiden om hier de volledige werking van het toestel uit te leggen, daarom beperken we ons tot het meest essentiële onderdeel: de programmeerbare trommel of cilinder om de melodie vast te leggen of weer te geven.
Door een fluit werd een constante luchttoevoer geblazen. Net zoals bij een blokfluit was hun automatische fluit voorzien van openingen voor de diverse âvingerzettingenâ. Dempers sloten de openingen van de fluit luchtdicht af. De dempers waren op hun beurt bevestigd aan houten armpjes of lichters. Een groot tandwiel werd in beweging gebracht door een constante waterstroom. Dat zette op zijn beurt een kleiner tandwiel in beweging dat een trommel of cilinder liet roteren. Op de cilinder waren vermoedelijk houten pinnen aangebracht die tijdens het roteren de armpjes of lichters naar beneden drukten, waardoor de dempers van een of meerdere openingen werden opgelicht, de lucht kon ontsnappen en de melodie weerklonk. Het spreekt voor zich dat de snelheid van de watertoevoer bepalend was voor de snelheid van het afspelen van de muziek. De Musa-broers voorzagen in hun beschrijving ook de mogelijkheid om de hele constructie te verbergen in een standbeeld van een fluitspeler, waarbij de vingers werden benut als lichters en de trommel werd verstopt in de mouw.
Muziekregistratie
Een nog veel grotere uitdaging was het vastleggen van de melodie. Ook daarbij gingen de Musa-broers uiterst inventief te werk. Hun beschrijving om de vingerzettingen van een echte fluitspeler te registeren en die melodie op de cilinder over te zetten, is niet alleen zeer duidelijk maar vooral ook onwaarschijnlijk ingenieus! Ze lieten zich hier duidelijk inspireren door de houten, met was bestreken bordjes die de leerlingen van de basisschool van Byzantium als schrijftabletjes gebruikten. Ze bestreken een houten of messing cilinder met zwarte was. Een constructie van lichters werd aan één zijde aan de vingers van een echte fluitspeler bevestigd.
Aan de andere kant hechtte men er stiften aan die boven de met was bestreken trommel hingen. Wanneer de fluitspeler zijn melodie speelde, tekenden de stiften in de was van de roterende trommel een patroon, telkens als de fluitspeler zijn vingers oplichtte. Zo verkregen ze een nagenoeg perfecte weergave van de melodie in de waslaag. Gelijkenissen met de eerste fonograaf met wassen cilinders van Edison zijn hier heel duidelijk! Uiteraard moesten ze dit patroon dan nog overzetten op een kleinere cilinder.
Niet alle onderdelen of uitbreidingen van de automatische fluitspeler zijn even goed uitgewerkt, maar de broers zagen duidelijk veel mogelijkheden. Zo bedachten ze dat het mogelijk moest zijn om de cilinder opzij te laten schuiven nadat een melodie afgespeeld was. Dat wilden ze bereiken door de trommel met een touw vast te maken aan een vlotter. Door op het juiste moment een watervat met sifon te laten leeglopen, kon de zakkende vlotter de trommel opzijtrekken en vervangen door een andere.
De evolutie in het Westen
In Toledo wekte de waterklok van al-Zarqali in de elfde eeuw verbazing en ontzag. In de twaalfde eeuw bouwde de ingenieur Badi al-Zaman al-Jazarieen een tot de verbeelding sprekende waterklok in de vorm van een Indische olifant met op zijn rug Chinese draken, een feniks en allerlei Arabische figuren. Hij beschreef de klok uitgebreid in zijn
Kitab fi maârifat al-hiyal al-handasiyya(
Boek der kennis van mechanische toestellen).
Net zoals de BanÅ« MÅ«sÄ liet hij zich inspireren door klassieke voorbeelden. In het christelijke Praag werd de astronomische klok in de veertiende eeuw uitgerust met een reeks âautomatenâ. In Europa waren vooral de Lage Landen en Zuid-Duitsland toonaangevend. Samen met zijn vader verhuisde de klokkenmaker Nicholas Vallin (1558-1603) in de jaren 1580 vanuit Rijsel (Lille) naar Engeland. Het British Museum bewaart nog steeds een prachtexemplaar van een muzikale kamerklok van zijn hand. Het toestel heeft een wijzerplaat met wijzers voor uren en minuten. Elk kwartier speelt de klok een ander stukje muziek op de dertien bellen die bovenaan bevestigd zijn. Naar klassiek voorbeeld wordt de klok aangedreven door gewichten.
De Alexandrijnse ingenieur Ktesibios rustte in de derde eeuw v.Chr. zijn waterklokken al uit met zingende vogels. De automatenbouwers van de achttiende eeuw wilden hun vogels niet alleen laten zingen, maar vooral ook levensecht maken. Beroemd is de mechanische eend van Jacques de Vaucanson (1709-1782), die kon eten, drinken en⦠uitwerpselen produceren. De Londense juwelier en goudsmid James Cox (1723-1800) liet zich door de juiste mensen omringen om zijn ongebreidelde fantasie werkelijkheid te laten maken. Zijn roem bezorgde hem klanten in Oost en West. In 1772 opende hij een eigen museum, de Spring Gardens, waar hij zijn automaten onderbracht. Om de kosten van deze wel erg dure operatie te drukken organiseerde hij loterijen in Londen en Dublin. In de collectie van de Hermitage in Sint-Petersburg bevindt zich nog steeds de Peacock Clock, een prachtige automaat van Cox bestaande uit onder meer een mechanische pauw, haan en uil en een wijzerplaat verstopt in een paddenstoel. De automaat is nog steeds het pronkstuk van het museum en bovendien de enige nog resterende achttiende-eeuwse automaat.
Om ruimte te besparen verving Antoine Favre-Salomon (1734-1820), een klokkenmaker uit Genève, in 1796 de belletjes door een kam met voorgestemde metalen noten. Daardoor konden uurwerkmakers mechanische muziektoestellen inbouwen in veel kleinere toestellen. Zijn stadsgenoot Isaac Daniel Piguet (1775-1841) zou vier jaar later de cilinder vervangen door een horizontaal geplaatste schijf met pinnen. Nauwelijks elf jaar later vertegenwoordigde de productie van muziekdozen ongeveer tien procent van de Zwitserse export, waarmee ze de verkoop van uurwerken en kant voorbijstreefde. Voor het eerst bereikten de muziekdozen een groter publiek.
Modulair ontwerp
Maar hoe zat het met Leonardo, die zo wat overal opduikt en vaak wordt afgeschilderd als het grote genie van de Renaissance? Leonardo da Vinci was niet alleen schilder, maar ook ingenieur en beeldhouwer. Hij las gretig de vertalingen van Heron en Vitruvius, en bestudeerde de verschillende onderdelen van de machines. Hij noemde ze de âelementenâ of âorganenâ van de machines. Door die onderdelen op allerlei manieren te combineren kon je in zijn ogen een oneindig aantal machines bedenken en bouwen. Wanneer je de werken van Da Vinci bekijkt, doen ze vaak denken aan de handleidingen uit dozen Lego® Technics. Modulair ontwerp, zoals dat tegenwoordig ook opduikt bij het zogenoemde âobject-georiënteerd programmerenâ, stond dus ook al in zijn geschriften.
In zijn teksten beschreef hij welke soorten schroeven, tandwielen, vliegwielen, kogellagers, kettingen, veren, katrollen, enzovoort, er bestaan en hoe je ze maakt. Hij voorzag zijn teksten van uitgebreide technische tekeningen in perspectief. Zelf ontwierp hij een hele reeks machines: oorlogstuig, zoals mortieren en tanks, baggerschepen, vliegtuigen, een helikopter, een duikpak, een hydraulische zaag⦠Velen denken dat hij prototypes van die geniale vondsten zelf heeft uitgetest. Toch is het grootste deel van zijn uitvindingen nooit in praktijk gebracht.
Leonardo da Vinci was ervan overtuigd dat de natuur geen levende wezens kan laten bewegen zonder daarbij gebruik te maken van âmechanische onderdelenâ. Daarom voerde hij in het geheim dissecties uit op lijken om de werking van de menselijke organen en spieren te bestuderen. Uit wat hij leerde, raakte hij ervan overtuigd dat het mogelijk moest zijn om organen of werkende organismen na te bouwen. Eeuwen voordat ze opnieuw werd ontdekt, vond hij aderverkalking en de oorzaak ervan. Door het nauwkeurig bestuderen van botten en spieren slaagde hij erin om de eerste ârobotsâ te bouwen die zich âzelfstandigâ konden bewegen.
In 1550 schreef Giorgio Vasari (1511-1574) in zijn boek over het leven van de belangrijkste Italiaanse kunstenaars:
[begin inspringen]
âToen Leonardo da Vinci in Milaan was, kwam de koning van Frankrijk op bezoek. Hij vroeg hem iets speciaals te doen. Da Vinci ging aan de slag en presenteerde hem een leeuw die een paar stapjes zette en zijn borstkas opende, waar tal van lelies uit tevoorschijn kwamen.â
[begin inspringing]
De Amerikaanse robotexpert Mark Rosheim bestudeerde de
Codex Atlanticusvan Da Vinci in de hoop sporen te vinden van die robotleeuw. Hij is ervan overtuigd dat Da Vinci de leeuw op een mechanisch programmeerbaar wagentje had geïnstalleerd. Een veermechanisme liet wielen draaien, die op hun beurt kleinere wielen in beweging zetten. Die stuurden houten armen aan waaraan een soort schaarmechanisme was bevestigd. Door de armen volgens een vastgelegd plan te laten bewegen kon het karretje rijden en ook draaien.
Leonardo was niet de enige die succesvol gebruikmaakte van de kennis van automaten die via vertalingen van klassieke en hellenistische werken doorsijpelde. Gedurende de Middeleeuwen, die vaak als een donkere periode zonder vooruitgang worden afgeschilderd, beleefden automaten en klokken een grote ontwikkeling. Leonardo is dus niet het grote genie die het programmeren van robots heeft bedacht. Hij kon leunen op een grote traditie in Europa, een traditie die haar oorsprong vond in het Egyptische Alexandrië van de oudheid.
Automatisering in de industrie
De eerste die een soortgelijk programmeerbaar systeem inzette voor industrieel gebruik, was de Fransman Joseph Marie Jacquard (1752-1834). Hij ontwierp in 1801 een weefgetouw dat werd aangestuurd door ponskaarten. Hij baseerde zich voor zijn werk op de eerdere uitvindingen van onder anderen Basile Bouchon, Jacques Vaucanson en Jean Falcon. Basile Bouchon, zoon van een orgelbouwer, bedacht al in 1725 een manier om een weefgetouw aan te sturen met een geperforeerde rol papier. Bouchons vader maakte cilinders met pinnen voor orgels. Om de pinnen op de juiste plaatsen aan te brengen in de cilinder, tekende hij eerst een patroon op een kartonnen plaat. Die plaat draaide hij vervolgens om de cilinder waardoor hij precies wist waar hij de pinnen in de cilinder moest slaan. Basile meende dat het handiger zou zijn de kartonnen platen zelf te gebruiken. Het was Jacquard die het systeem als eerste succesvol wist te implementeren.
Het ponskaartsysteem zagen we in de negentiende eeuw eveneens opduiken in muziekdozen en pianolaâs. Ponskaarten werkten op een vergelijkbare manier als pin- of kamsystemen. In het geval van muziekdozen kon door de gaatjes lucht van een blaasbalg ontsnappen of er konden pinnetjes door schieten die instructies gaven aan de rest van het mechanisme. Bij Jacquard sprongen pinnen op door de openingen in de ponskaarten en lieten het weefgetouw een bepaald patroon weven. Het grootste voordeel van een ponssysteem was dat je veel meer instructies achter elkaar kon laten uitvoeren door de machine. Bij een cilindersysteem met pinnen of kammen was je beperkt door de omtrek van de cilinder. Ponsplaten kon je oprollen of opvouwen en door het mechanisme laten schuiven bij het uitvoeren van het programma. De wevers van Lyon vreesden voor hun werk en verbrandden het weefgetouw in 1808, zo vertelt het verhaal. Blind protest tegen een niet te stuiten innovatie. Maar dit verhaal klopt niet. Van die brand is echter helemaal geen sprake geweest. Het verhaal duikt voor het eerst op aan het begin van de negentiende eeuw.
Al snel zag men ook op andere vlakken van de samenleving het nut van een ponskaartsysteem. Je kon op een ponskaart allerlei soorten informatie in gecodeerde vorm opslaan en het geautomatiseerd laten uitlezen. Charles Babbage (1791-1871) tekende plannen voor een analytische rekenmachine en voorzag de invoer van ponskaarten. Zijn plannen betekenden een serieuze stap voorwaarts in de ontwikkeling van een rekenmachine. Eerder bouwde de Fransman Blaise Pascal (1623-1662) een mechanische rekenmachine, maar die is nooit een succes geworden. Ook de machine van Babbage kwam niet veel verder dan de ontwerptafel. De computer met ponskaarten van Babbage baande via bedrijven als IBM zijn weg naar de moderne industrie.
Het brein in de machine
De Brit Alan Turing (1912-1954) ontwikkelde een theoretisch model voor een âcomputerâ onder de naam âturingmachineâ. Deze Logical Computing Machine bleef bij een gedachte-experiment. Turing werd vooral beroemd omdat hij tijdens de Tweede Wereldoorlog de geheime Duitse Enigmacode hielp kraken. Daarvoor ontwierp hij samen met Tommy Flowers (1905-1998) de Colossus-computers, die voldoende rekencapaciteit hadden om de Duitse codes te kraken. In 1952 werd hij gearresteerd op verdenking van homoseksualiteit en tot een experimentele chemische castratie veroordeeld. Op 7 juni 1954 werd hij levenloos aangetroffen. Hij zou zelfmoord hebben gepleegd door te bijten in een met cyanide vergiftigde appel. Volgens het verhaal staat deze appel symbool voor het logo van de Amerikaanse computerfirma Apple. Over Turings dood deden al snel wilde verhalen de ronde. Volgens één complottheorie was Turing om het leven gebracht door de Britse geheime dienst, omdat hij door zijn werk tijdens de oorlog op de hoogte was van veel staatsgeheimen.
De Hongaar John von Neumann (1903-1957) tekende kort na de Tweede Wereldoorlog de architectuur uit voor computers. Een computer moest beschikken over een invoereenheid, een processor voor de verwerking van de invoer, een uitvoereenheid en een geheugen voor de opslag van data. De gegevens en de programmaâs moesten binair (op basis van het talstelsel van Leibniz) worden opgeslagen. In 1945 bouwde hij zijn eerste EDVAC-computer, die echter duidelijk was afgekeken van een vroeger model van de Amerikaan John Atanasoff (1903-1995). Omdat het patent niet goed was geregeld, konden anderen met zijn ideeën aan de haal gaan. Daardoor stond zijn toestel ook ongewild model voor de ENIAC (Electronic Numerical Integrator and Calculator) van John Mauchly (1907-1980) en John Eckert (1919-1995). Zij presenteerden vol trots hun toestel als de eerste elektronische digitale computer. Dankzij de elektronenbuizen was de rekencapaciteit enorm vergroot, maar de buizen maakten het toestel ook erg kwetsbaar.
Een elektronenbuis of vacuümbuis kan elektrische signalen versterken of nullen en enen doorgeven. De Mark I maakte voor zijn schakelingen gebruik van elektrische relais, die de mogelijkheid bieden een grote stroom aan of uit te zetten met een kleine stroom. Daardoor waren ze erg geschikt voor gebruik in computers. Maar het resulteerde wel in een zeer groot toestel met meer dan zevenhonderdduizend onderdelen en tachtig kilometer aan elektrische bedrading.
In 1879 had Thomas Edison de elektrische gloeilamp uitgevonden. Hij leidde de stroom door een stukje verkoold katoen, waardoor het begon te gloeien en licht gaf. Om te voorkomen dat de draad volledig verbrandde onder invloed van de lucht, plaatste hij die in een luchtledige glazen bol. Veel onderzoekers begonnen te experimenteren met de mogelijkheden van de lamp en dat leidde tot onder meer de radiobuis en de elektronenbuis, die ook perfect bruikbaar bleek als schakelaar in computers. Een relais bevatte veel bewegende onderdelen en zorgde voor relatief lange schakeltijden. Omdat een kleine wijziging in de elektronen een grote verandering kan veroorzaken in de doorgelaten stroom, was een elektronenbuis perfect bruikbaar als versterker. De ENIAC bevatte achttienduizend buizen en was in alle opzichten sneller dan de Mark I.
Toch had een elektronenbuis ook veel nadelen. Ze was niet alleen duur en erg breekbaar, maar slorpte ook gigantische hoeveelheden energie op. De komst van de transistor in 1948 loste alle problemen op. De eerste patenten op een transistor dateren al uit 1928, maar lijken nooit in de praktijk te zijn omgezet. De transistor van William Bradford Shockley (1910-1989), John Bardeen (1908-1991) en Walter House Brattain (1902-1987) zou echter al snel de elektronenbuis verdringen. De transistor was veel kleiner, goedkoper en betrouwbaarder dan de elektronenbuis. Bovendien verbruikte hij minder elektriciteit en produceerde minder warmte. Net zoals een elektronenbuis is de transistor (âtransfer-resistorâ) een versterker, maar kan hij ook nullen en enen doorgeven. Jack Kilby (1923-2005) van Texas Instruments voegde in 1958 een tiental transistors samen in één geïntegreerde schakeling. Tegelijkertijd kwam Robert Noyce (1927-1990) van Fairchild Semiconductor met een soortgelijk circuit op de proppen. Het kreeg al snel de naam âICâ (âintegrated circuitâ), maar is bij het grote publiek vooral bekend geworden onder de naam âchipâ.
Sindsdien is de chip uitgegroeid tot het basisonderdeel van elektronische apparaten, zoals de computer. Het aantal transistors op een chip zou steeds maar toenemen. Bovendien werden de transistors alsmaar kleiner, waardoor een chip in onze tijd al snel miljoenen tot zelfs meer dan een miljard transistors telt. Het groeiende aantal transistors heeft ertoe geleid dat ook de rekenkracht van computers enorm is toegenomen. Volgens de befaamde wet van Moore (Gordon Earle Moore, 1929) zou de benodigde oppervlakte voor één transistor om de twee jaar halveren. Elke twee jaar kwam er dus een nieuwe âchiptechnologiegeneratieâ met transistors die slechts half zo groot zijn als die van de vorige generatie. Uiteraard kan dat niet oneindig doorgaan. Men kan immers niet kleiner gaan dan de grootte van een atoom. Lange tijd daalde ook de prijs van nieuwe transistors, maar ook daaraan komt langzaam maar zeker een einde. De initiële investeringen voor het ontwerp van een chip zijn door de miniaturisatie zo hoog geworden dat de prijzen alleen nog maar zakken bij immense productievolumes. Van grote invloed op de miniaturisatie is de consumentenelektronica met steeds lagere prijzen. De schaling leidt er ook toe dat we elektronische toestellen steeds sneller als achterhaald beschouwen.
Programmeren
Sinds het midden van de twintigste eeuw maken elektronische computers hun opgang. De algoritmes werden niet langer in de hardware geprogrammeerd, maar als afzonderlijk uitvoerbare en/of installeerbare software in het werkgeheugen van de computer geladen. Software leest gegevens uit bestanden in (stukjes informatie die als afzonderlijke pakketjes zijn bewaard op het opslaggeheugen), verwerkt die en âdoet ietsâ met het eindresultaat: weergeven op het scherm, resultaat bewaren als een nieuw of aangepast bestand, afdrukken, een machine aansturen⦠Von Neumann modelleerde de computer naar het menselijk brein: het werkgeheugen en de software kan je op de een of andere manier vergelijken met de neocortex, het cognitieve deel van het brein. Het opslaggeheugen doet dienst als een soort elektronische hippocampus.
Programmeurs programmeren computers niet rechtstreeks in nullen en enen. Om het programmeren te vergemakkelijken zijn er tal van programmeertalen bedacht. Menselijke talen waren veel te complex om dienst te doen als programmeertaal. Programmeertalen moeten zo zijn opgebouwd dat elke instructie maar eÌeÌn ding kan betekenen. Die talen bevatten korte instructies en maken gebruik van haakjes, accolades en leestekens.
Ada Lovelace was met haar Algorithm for the Analytical Engine voor de analytische machine van Charles Babbage de eerste om een soort programmeertaal te bedenken. De eerste hogere programmeertaal ter wereld werd bedacht door de Duitser Konrad Zuse tussen 1943 en 1945. Hij noemde zijn taal Plankalkül. Ook al kreeg Plankalkül geen aandacht, de eerlijkheid gebiedt haar de eerste plaats te geven in de annalen. De taal is daarmee ouder dan het nog steeds gebruikte Assembly (1949), het vergeten Autocode (1952), Fortran (1957), Algol (1958) en Cobol (1959). Het bijzonder populaire BASIC kent zijn oorsprong in 1964. Pascal dateert uit 1970, twee jaar later gevolgd door Smalltalk. Bepaalde concepten van deze laatste taal duiken nog steeds op in populaire talen uit onze tijd, zoals JAVA, Python en Ruby.
Een van de belangrijkste en invloedrijkste programmeertalen was C (1972). Bekende besturingssystemen, zoals Linux, Mac OS en Windows, zijn in de taal C geprogrammeerd. De structuur van die taal beïnvloedde tientallen andere talen. Talen werden leesbaarder, waardoor de toegankelijkheid enorm werd verhoogd. Sommige talen raakten hierdoor wijd verbreid. Bekend voorbeeld is SQL, een taal om informatie uit databanken op te vragen en te bewerken. Om een taal bruikbaar te maken moet ze, nadat de programmeur zijn werk heeft gedaan, nog worden vertaald in machinetaal, namelijk in nullen en enen. Dat vertaalproces gebeurt met een stuk vertaalsoftware dat men een âcompilerâ noemt.
Computers in de omgang
Programmeurs automatiseren het denkwerk van de mens door het via programmacode om te zetten in een door de machine uitvoerbaar stappenplan. In wezen is een modern stuk software een geavanceerde versie van de stappenplannen die in ponskaarten werden geprogrammeerd. Om een eindgebruiker op een vlotte manier met een computersysteem te laten werken, bleek een nieuwe vorm van âcommunicatieâ nodig. Een gebruiker moet data in het systeem kunnen invoeren, voordat het toestel zelf die data via algoritmes kan verwerken. Het systeem moet eveneens feedback kunnen geven aan de eindgebruiker. Op die manier ontstaat er een interactieve wisselwerking. De laag tussen de gebruiker en het computersysteem noemen we de âinterfaceâ.
Vanaf 1902 gebruikte men in de telegrafiewereld het teletypetoestel. Dat was een soort elektrische typemachine die via de telegraaflijnen en later via de radio kon communiceren met een andere teletype. Vanaf de jaren vijftig sloot men zulke toestellen ook aan op computers, waarbij ze dienstdeden als een soort vroege printers. Tot het midden van de jaren zeventig was deze vorm van output heel erg in zwang. Vanaf de jaren zestig begon men CRT-schermen ook te gebruiken als een soort virtueel papier voor de weergave van tekst (âglass teletypeâ). Teletypesystemen waren echter heel erg duur, zodat ze onbetaalbaar waren voor computerhobbyisten. Ongeveer gelijktijdig kwamen Don Lancaster, Lee Felsenstein en Steve Wozniak op het idee om een goedkope televisie/videomonitor te gebruiken voor de uitvoer van een computer. De Apple I en de Sol-20 waren de allereerste computers met rechtstreekse video-output (1976). Toen de pc-revolutie losbarstte in de vroege jaren tachtig, waren zo goed als alle homecomputers (Apple, Commodore, Tandy, Sinclair, TIâ¦) uitgerust met videomonitors.
Douglas Engelbart (1925) startte een eigen bedrijf in opslagsystemen, maar succes bleef uit. Hij begon te werken aan het Augmentation of Human Intellect-project aan het Augmentation Research Center van SRI International in Menlo Park (Californië). In 1963 experimenteerde hij daar met een aantal aanwijsapparaten (âpointing devicesâ), zoals de trackbal, de lichtpen, joysticks en⦠de muis. Hij vergeleek hun snelheid en nauwkeurigheid. Uit alle âkandidatenâ, waaronder ook knie-, neus- en hoofdbesturingen, kwam de muis als grote overwinnaar uit de strijd. Engelbart bedacht ook de grafische gebruikersinterface met vensters, netwerksoftware, het knippen en plakken van tekst op een monitor, hypertekst (aanklikbare tekst) en teleconferencing. Hij baseerde zich op het leerproces van kinderen (zoals de oog-handcoördinatie) en niet op wat professionele computergebruikers in die tijd verwachtten. Op 8 december 1968 presenteerde hij zijn technieken tijdens de allereerste teleconferentie ooit via het vooruitstrevende NLS (oN-Line System).
In de vroege jaren zeventig stapten heel veel werknemers van SRI over naar Xerox Parc, dat een paar jaar later startte met de ontwikkeling van een computer voor persoonlijk gebruik (pc). Het mag geen verbazing wekken dat veel ideeën van Douglas werden geïntegreerd. Het was de eerste computer met een grafische gebruikersinterface (âgraphic user interfaceâ â GUI) en een virtueel bureaublad als schermmetafoor. Veel ideeën van deze eerste GUI leefden en leven voort in latere besturingssystemen, zoals Microsoft Windows, Linux KDE en GNOME en Mac OS. Het virtuele bureaublad had vensters, aanklikbare iconen, uitklapmenuâs voor terugkerende taken, zoals het openen, verplaatsen of verwijderen van bestanden. In 1974 begon de ontwikkeling van het programma Gypsy, een soort teksteditor die werkte volgens het âWhat you see is what you getâ-principe (WYSIWYG): wat je op het scherm zag, kon je ongewijzigd afdrukken met een printer. In 1981 kwam de Xerox Star op de markt, maar de prijs was te hoog om door te breken bij het grote publiek. Andere ontwikkelaars, zoals Microsoft, Apple en Amiga (deze firma werd in 1984 overgenomen door het beroemde Commodore om een vervolg te breien aan hun Commodore 64-succesverhaal) hadden op dat moment hun ogen al lang de kost gegeven.
De eerste smartphone met touchscreen staat al evenmin op het conto van de bekende computerfirmaâs uit onze tijd, ook al speelde Apple er weliswaar een rol in. General Magic was een Amerikaans software- en elektronicabedrijf uit Mountain View, Californië. Het bedrijf ontwikkelde voorlopers van USB, softwaremodems, kleine touchscreens, multimedia-e-mails, netwerkspellen, streaming-tv en vroege e-commerce-ideeën. Het belangrijkste product van Magic was Magic Cap, het besturingssysteem dat in 1994 werd gebruikt door de Motorola Envoy en Sonyâs Magic Link PDA. Hun smartphone kwam echter veel te vroeg. De consument vond het product te duur en vroeg zich af waarom iemand met een telefoon iets anders zou willen doen dan telefoneren. In 2002 kwam er een einde aan dit innovatief bedrijf.
Toch ging de kennis niet verloren. Paul Allen, medeoprichter van Microsoft, kocht de meeste patenten en veel General Magic-medewerkers kwamen bij andere grote techbedrijven terecht. Megan Smith werd een van de directeuren van Google en vervolgens de derde CTO van de VS onder president Obama. Kevin Lynch hielp bij de ontwikkeling van de Apple Watch. Tony Fadell hielp bij het ontwerpen van de iPod.
Matt Maude, regisseur van de film over General Magic, zegt er het volgende over:
[begin inspringing]
âToen ik begon te werken aan (de film over)
GENERAL MAGIC, beleefde ik een geweldig moment toen ik de archieffilms bekeek die in 1992 in het bedrijf waren opgenomen. Al die jonge mensen zaten op de vloer van een klein kantoor. Het was ongelooflijk om de oprichters van eBay, Linkedin, Android en Nest daar te zien zitten. Ingenieurs die nu Samsung, Apple, Facebook, Google leiden.â
[einde inspringing]
De smartphone groeide in âno timeâ uit tot een verlengstuk van de mens. Anders dan een hamer die fysieke arbeid verlicht, verhoogt en verbetert (âaugmentationâ) de telefoon de zintuiglijke waarneming, onze communicatiemogelijkheden, de opslagcapaciteit van het menselijke geheugen, de verwerkingsnelheid van gegevens en ervaringen. Augmented Reality-toepassingen (AR) combineren een beeld van de echte wereld (via de camera van een smartphone) en data geleverd via ingebouwde sensoren, zoals de GPS-chip, snelheidsmeters, gyroscopen de exacte locatie van de gebruiker. Het toestel weet waar het zich bevindt en kan data van online opslagmedia (de âcloudâ) koppelen aan het camerabeeld. Het programma zoekt naar informatie op internet, die dan als een soort transparante laag over het camerabeeld van de mobiele telefoon wordt gelegd. Op deze manier wordt het zoeken en vinden van informatie geautomatiseerd. De computerinterface evolueert naar een meer natuurlijke omgang. Een eerste stap waren aanraakschermen, maar de âuser interfacesâ evolueren snel naar meer directe en natuurlijke omgangsvormen: het herkennen van handgebaren, spraakherkenning, gezichtsherkenning⦠De combinatie van NUIâs (ânatural user interfacesâ) met âaugmented realityâ en het IoT (Internet of Things) âverhoogtâ niet enkel de mens, maar herschept eveneens de menselijke habitat tot een âverhoogdeâ werkelijkheid. Slimme machines raken ondergedompeld in de natuurlijk menselijke omgeving. Een hoge mate van âimmersieâ treedt op.
De gegevensrevolutie
De hoeveelheid digitale data die de mensheid dagelijks genereert, tart elke verbeelding. De opkomst van het Internet of Things versnelt dit nog in een ongelooflijk tempo. Het Internet of Things, âsmartâ toestellen die met het internet zijn verbonden, verzamelen met behulp van sensoren massaâs gegevens. In 2006 ging dit om ongeveer twee miljard apparaten. Op dit moment is dit aantal al opgelopen tot tweehonderd miljard en het neemt elk moment toe. Negentig procent van alle beschikbare data ter wereld is gedurende de laatste tien jaar tot stand gekomen. De smartrevolutie bracht ons IoT, smartphones, digitale assistenten (Google Home, Amazon Alexaâ¦), smartwatches, âbeaconsâ, slimme autoâs, smart homes⦠Alle dragen bij tot die enorme explosie van dataproductie en -opslag.
Data wordt niet altijd bewust of met een reden geproduceerd. Vaak dragen nieuwe technologieën bij tot een toename van dataproductie. Anderzijds hebben data op zichzelf geen doel. Dataproductie en -technologie lijken wel een bloem en een bij die elkaar voortdurend bestuiven. De miniaturisering van opslagmedia (harde schijven, SSDâ¦) maakt het mogelijk om steeds meer data te verzamelen en te bewaren. De toenemende rekenkracht van computersystemen maakt analyse van grote hoeveelheden data mogelijk. Concepten uit kunstmatige intelligentie, zoals artificiële neurale netwerken, zijn reeds bedacht aan het einde van de jaren vijftig, maar worden nu pas echt bruikbaar. Data kunnen ook doelbewust worden verzameld. Dit kan door nieuwe data te registreren of door bestaande data te filteren. De verzamelde data (âdata collectionâ) dienen in dat geval een onderzoeksdoel. Dat doel kan van zeer uiteenlopende aard zijn:
[begin opsomming]
wetenschappelijk;
- academisch;
- marketing gerelateerd;
- predictief;
- politiek;
- juridisch;
- â¦
[einde opsomming]
Het mag duidelijk zijn dat de Chinese overheid datacollectie en -analyse voor andere doeleinden inzet dan de meeste universiteiten. De Chinese overheid koppelt datacollectie aan een sociaal puntensysteem. Het gedrag van de burgers wordt gecontroleerd en verzameld. Vervolgens worden de gegevens slim geanalyseerd door systemen op basis van kunstmatige intelligentie. Elke burger krijgt op basis daarvan een score die kan leiden tot bestraffing (of beloning). Bewuste datacollectie leidt met andere woorden tot analyses. Die analyses leiden tot informatievorming en âkennisâ. De opkomst van de smartphone heeft ervoor gezorgd dat zo goed als iedereen een digitale assistent op zak heeft. Smartphones zijn doorgaans uitgerust met een hele reeks sensoren (GPS, snelheidsmeter, gyroscoopâ¦) en communicatietechnologieën (4G, Bluetooth, NFCâ¦) die het registreren en uitwisselen van data zonder directe menselijke tussenkomst mogelijk maken.
Miniaturisering
Onze computer, laptop, tablet en smartphone zijn niet de enige apparaten in onze omgeving die data over ieder van ons verzamelen. Er bestaan ook andere verschijningsvormen die men gemakshalve eveneens aanduidt met de naam âcomputerâ, maar in wezen niet helemaal voldoen aan de definitie hierboven. Een microcontroller is zoân âcomputerâ. Men gebruikt een microcontroller of microprocessor om elektronische apparatuur te besturen. Heel wat moderne apparaten bevatten zoân microcontroller: een magnetron, een auto, een wasmachine, sommige telefoons⦠Ze bevatten vaak sensoren die data uit hun omgeving verzamelen. Vaak zijn ze via internet (dus op afstand) te bedienen.
Embedded systemen en microcontrollers zijn aan een ware veroveringstocht bezig. Het reeds eerder genoemde Internet of Things komt hier om de hoek kijken. Ruwweg houdt dit in dat bijna elk huishoudelijk apparaat, maar ook autoâs, bewakingscameraâs en domoticasystemen zulke embedded systemen aan boord hebben. Wanneer je al die dingen (âthingsâ) aansluit op internet, krijg je een allesomvattend netwerk van digitaal verbonden toestellen: het Internet of Things (IoT). Embedded systemen en microcontrollers zijn niet meer weg te denken uit de wereld van vandaag en morgen. Ze bieden tal van voordelen in vergelijking met een âklassieke computerâ.
[begin opsomming]
- De verwerking gebeurt âreal timeâ (beeld je maar eens in dat je auto zou werken op Windows).
- Een embedded systeem is snel.
- Een embedded systeem verbruikt zeer weinig energie.
- Een embedded systeem is ook veel goedkoper.
[einde opsomming]
Nadeel is dat de functionaliteit heel erg beperkt is. Je kan bijvoorbeeld geen tekstverwerker installeren in je koelkast of videomontagesoftware in je auto.
Naast de term âmicrocontrollerâ en âembedded systemâ duikt ook wel eens de term âsystem on a chipâ (SoC) op. Een SoC integreert alle componenten van een computer en/of elektronisch systeem op één enkele chip. SoCâs worden veelvuldig toegepast in mobiele consumentenelektronica. Een embedded systeem bevat vaak een SoC.
DNA- en quantumcomputers
Computers, dat is algemeen bekend, verwerken invoerdata via allerlei rekenprocessen en gebruikersinteractie tot een zekere uitvoer. De rekenkracht van zoân computer hangt af van het aantal chips en transistoren dat de verwerkingseenheid of processor bevat. De befaamde wet van Moore stelt dat het aantal transistors in een geïntegreerde schakeling door de technologische vooruitgang elke twee jaar verdubbelt. Kan een computer nog sneller zodra de grenzen van Moores wet zijn bereikt? Op een bepaald moment kunnen transistors niet meer kleiner worden gebouwd. Er zijn grenzen aan de miniaturisering. Volgens sommigen zullen quantumcomputers de ultieme uitkomst bieden. Je hoort de meest waanzinnige verhalen over de rekenkracht van quantumcomputers. Berekeningen waar een conventionele supercomputer ongeveer de leeftijd van het heelal voor nodig zou hebben, kunnen met een quantumcomputer binnen een paar weken worden uitgevoerd. Slik, dat is snel! Maar waarom gebruiken we de klassieke transistorcomputers dan nog?
Wat zijn quantumcomputers? Het antwoord is eenvoudig en ingewikkeld tegelijk. In de eerste plaats kan je quantumcomputers niet gewoon in de winkel kopen, ze zijn immers nog volop in ontwikkeling. Bovendien zullen ze de klassieke computers niet overbodig maken. Ze zijn onvoorstelbaar snel (als men een werkend model gebouwd heeft), maar toch wel bijzonder traag voor conventionele computertaken, zoals bijvoorbeeld tekstverwerking. Een quantumcomputer zou in een fractie van tijd het hele weersysteem van de aarde kunnen simuleren, maar het moeilijk hebben met fotobewerking, zoals bijvoorbeeld in Adobe Photoshop.
Wat zijn quantumcomputers dan wel en hoe werken ze? Waarom hebben ze zoveel meer rekenkracht? Het antwoord is niet eenvoudig. Ze maken gebruik van de allesbehalve intuïtieve wetten van de quantummechanica. Bij klassieke computers is een bit ofwel 0 ofwel 1. Quantumcomputers werken met Qubits die tegelijk 1 of 0 kunnen zijn. Dat is (inderdaad ik hoor het je al denken) niet logisch, maar het kan wel.
Begrijp je het niet helemaal? Dat is niet vreemd, want de quantumschaal van elementaire deeltjes waarmee quantumcomputing werkt, gedraagt zich niet zoals we van objecten uit onze dagelijkse werkelijkheid gewend zijn. Qubits zijn in feite ook niet 0 en 1 tegelijk, maar ze geven een zekere âkansâ. Als je ze meet, geven ze bijvoorbeeld de waarden 0.34 en 0.66 terug, waardes die schommelen tussen 0 en 1. Ze zijn dus niet meteen geschikt voor langdurige opslag van informatie, maar door het feit dat ze twee waarden leveren in plaats van één, groeit de rekenkracht exponentieel.
De huidige microprocessors zijn gebaseerd op transistors/chips samengesteld uit silicium (âsiliconâ in het Engels). Zoals gezegd, stoten we daar op grenzen. Ze kunnen niet nog kleiner gemaakt worden. Daarom zoeken wetenschappers naar nieuwe materialen. DNA-moleculen waaruit alle levende wezens zijn opgebouwd, zijn in feite ook kleine computers die onwaarschijnlijk snel berekeningen kunnen uitvoeren. Biochips gebouwd met DNA zullen in de toekomst mogelijk een onderdeel van jouw computer worden. De eerste proeven tonen aan dat DNA-computers miljarden keer meer informatie kunnen opslaan dan de huidige opslagmedia.
Hoofdstuk 6 â Machines die leren en kunstmatige intelligentie
âAI⦠elke taak die door een programma of een machine wordt uitgevoerd en waarvan we, als een mens dezelfde activiteit zou uitvoeren, zouden zeggen dat de mens intelligentie moest toepassen om de taak te volbrengen.â
â Minsky & McCarthy
âWanneer draadloze telefonie perfect is toegepast, zal de hele aarde worden omgevormd tot een enorm brein⦠Niet alleen dit, maar door middel van televisie en telefonie zullen we elkaar even perfect zien en horen alsof we oog in oog staan, ondanks tussenliggende afstanden van duizenden kilometers; en de instrumenten waarmee we dit zullen kunnen doen, zullen verbazingwekkend eenvoudig zijn vergeleken met onze huidige telefoon. Een man zal er een in zijn vestzak kunnen dragen.â
â Nikola Tesla,
When Woman is Boss, 1926
âDe marine onthulde vandaag het embryo van een elektronische computer die naar verwachting in staat zal zijn te lopen, te praten, te zien, te schrijven, zichzelf te reproduceren en zich bewust te zijn van zijn bestaan. De marine zei dat de perceptron het eerste niet-levende mechanisme zou zijn âdat in staat is zijn omgeving te ontvangen, te herkennen en te identificeren zonder enige menselijke training of controleâ.â
â
The New York Times, 1958
Het idee dat het menselijke brein een soort computer is, is niet nieuw. Reeds vanaf het begin van de twintigste eeuw, bij de ontwikkeling van de eerste mechanische en elektronische computers, leeft die metafoor onder computerwetenschappers. Ook hersenwetenschappers leken in de twintigste eeuw het brein te beschouwen als een soort machine waarin zich mechanische processen afspeelden.
In het boek
Darwin Among the Machinesstelt George B. Dyson dat de netwerken van miljoenen computers die ons omringen, een vorm van intelligent leven zijn, één die zich ontwikkelt op manieren die we misschien nooit zullen begrijpen. Een groot deel van zijn boek is gewijd aan de vraag hoe het âmechanische levenâ, en ons begrip daarvan, zich heeft ontwikkeld. Hij volgt de ontwikkeling van de logica van Leibniz en George Boole tot Kurt Gödel, Alan Turing en John von Neumann, en beschrijft tegelijkertijd hoe denkers en knutselaars eeuwenlang hebben bijgedragen aan het proces dat heeft geleid tot moderne computers en communicatiesystemen.
The man from the future
Ananyo Bhattacharya bestempelt John von Neumann als âThe man from the futureâ in het gelijknamige boek. Reeds vanaf jonge leeftijd was John von Neumann een wonderkind. Al in zijn jeugd schreef hij over verzamelingenleer, maattheorie en de theorie der reële getallen. Hij legde de wiskundige grondslagen voor de quantumtheorie met zijn
Mathematische Grundlagen der Quantenmechanik(1932). Als docent was hij niet meteen het grootste talent, maar als onderzoeker publiceerde hij baanbrekende studies. Heel beroemd werd hij door de speltheorie, een theorie over het nemen van beslissingen gebaseerd op strategische kansspelen, die hij samen met Oskar Morgenstern in het boek
Theory of Games and Economic Behavior(1944) uiteenzette.
Daarnaast was Von Neumann de grondlegger van de huidige computerarchitectuur. Daarin staat de processor (CPU, âcentral processing unitâ) centraal. De CPU communiceert met het geheugen en stuurt uitvoer naar de randapparatuur. De werking van de CPU is gebaseerd op het Turing-principe, waarbij instructies een voor een opgehaald en uitgevoerd worden. De CPU gebruikt het geheugen eveneens voor de tijdelijke opslag van gegevens (de zogenoemde Von Neumann-cyclus). In het overigens niet voltooide boek
The Computer and the Brainbeschreef hij de gelijkenissen en de verschillen tussen de werking van het menselijk brein en de computer. Hiermee legde hij mede de basis voor het gebruik van neurale netwerken in artificiële intelligentie. In zijn postuum verschenen
Theory of Self-Reproducing Automatabeschrijft hij de mogelijkheden en concepten van autonome robots die in staat zijn zichzelf te reproduceren.
Het wereldbrein
De Brit H.G. Wells is vooral bekend als de sciencefictionauteur van werken als
War of the Worlds,maar hij was ook evolutiebioloog, historicus en sociaal hervormer. Zijn boek
World Brainbevat een reeks toespraken en verhandelingen uit de periode 1936-1938. Net zoals Paul Otlet droomde hij van een wereldencyclopedie. In de ogen van Wells moest die verder gaan dan enkel informatie toegankelijk maken. Door toegang te verschaffen tot universele informatie, zo stelde hij, zou dit de mens kunnen leiden tot wereldvrede. Die encyclopedie moest een kader scheppen om intellectuelen van over de hele wereld in één organisch geheel te integreren. In eerste instantie zag hij die encyclopedie als een reeks boekdelen die voor iedereen toegankelijk waren (door ze in huis te halen, in de bibliotheekâ¦). De voornaamste informatie uit alle kennisgebieden, de opvattingen over de maatschappelijke orde, wereldgeschiedenis, kennis van het universum⦠moest in de boeken aan bod komen, naast betrouwbare en duidelijke verwijzingen naar de primaire bronnen. De inhoud zou voortdurend up-to-date moeten worden gehouden door een permanente redactie. Scholen, universiteiten, journalisten zouden de reeks als maatstaf hanteren. De encyclopedie zou algemeen worden aanvaard door zijn âachterliggende overeenkomst met menselijke hersenenâ. Volgens Wells zou de encyclopedie immers de rol spelen van âde cerebrale cortex voor deze essentiële gangliaâ. Door nieuwe technologieën, zoals het toenmalige âmicrofilmâ, te integreren zou het mensen in staat stellen om de informatie op elk gewenst moment te raadplegen:
[inspringen]
âElke student, in elk deel van de wereld, zal in staat zijn om met zijn projector in zijn eigen studeerkamer te gaan zitten, wanneer het hem of haar uitkomt om elk boek, elk document, in een exacte replica te bestuderen.â
[einde inspringen]
In 1962 schreef Arthur C. Clarke in zijn boek
Profiles of the Futuredat de ontwikkeling van het âWereldbreinâ van Wells in twee fasen zou verlopen. In eerste instantie moest een soort âwereldbibliotheekâ tot stand komen die voor iedereen toegankelijk zou zijn via computerterminals. Hij voorspelde dat dit tegen het jaar 2000 alomtegenwoordig zou zijn. In een tweede fase, zo stelde Clarke, zou het echte âWereldbreinâ tot stand komen: een supercomputer die zich met behulp van kunstmatige intelligentie zou ontwikkelen tot een superintelligent systeem. Het âWereldbreinâ zou de âWereldbibliotheekâ integreren als kennisbron. Clarke voorspelde dat deze superintelligente machine omstreeks 2100 zou zijn voltooid.
Simon, het mechanische brein
De Amerikaanse computerwetenschapper Edmund C. Berkeley (1909-1988) populariseerde met zijn boek
Giant Brains, or Machines That Thinkuit 1949 het beeld van de cognitieve computer.
[inspringen]
âHet onderwerp van dit boek is een type machine die dichter bij een denkend brein komt dan enige machine ooit deed vóór 1940. Deze nieuwe machines worden soms âmechanische hersenenâ genoemd en soms âsequentie gestuurde rekenmachinesâ en soms hebben ze een andere naam. Maar in wezen zijn het machines die informatie kunnen verwerken met grote vaardigheid en grote snelheid. En die kracht is zeer vergelijkbaar met de kracht van een brein. Deze nieuwe machines zijn belangrijk. Ze doen het werk van honderden mensen voor het loon van een dozijn. Het zijn krachtige instrumenten om nieuwe kennis te vergaren. Ze worden toegepast in de wetenschap, het bedrijfsleven, bij de overheid en andere activiteiten. Ze worden gebruikt bij redeneren en rekenen, en hoe moeilijker het probleem, hoe nuttiger ze zijn.â
[einde inspringen]
Volgens Berkeley waren die machines vergelijkbaar met een menselijk brein, ook al waren ze gebouwd met hardware en draad in plaats van met vlees en zenuwen. Omdat hun kracht bijzonder groot was, zo stelde hij, mocht je ze gerust als âreuzenhersenenâ beschouwen. Het boek bulkte van een blind vertrouwen in de mogelijkheden van âmechanische breinenâ. Berkeley somde een aantal taken op waartoe deze denkende machines in staat waren:
[opsomming]
- leren wat je hen vertelt;
- instructies toepassen wanneer dat nodig is;
- cijfers lezen en onthouden;
- optellen, aftrekken, vermenigvuldigen, delen en afronden;
- getallen opzoeken in tabellen;
- een uitkomst bekijken en een keuze maken;
- lange ketens van deze bewerkingen achter elkaar doen;
- een antwoord uitschrijven;
- controleren of een antwoord goed is;
- weten dat een opgave klaar is en naar de volgende gaan;
- bepalen van hun eigen instructies;
- werken zonder toezicht.
[Einde opsomming]
Het vierde hoofdstuk van het boek bevat een uitgebreide beschrijving van hoe je een eenvoudig mechanisch brein kan bouwen. Hij noemt het Simon.
[inspringen]
âDoor Simon te ontwerpen zullen we ontdekken hoe we de fysieke uitrusting voor het verwerken van informatie op zoân manier kunnen samenstellen dat we bij het ontwerp van Simon de eenvoudigst mogelijke keuze maken die ons toch een machine oplevert die: informatie verwerkt, informatie automatisch van het ene deel van de machine naar het andere overbrengt, en controle heeft over de opeenvolging van handelingen. Simon is zo eenvoudig en zo klein, dat hij zo gebouwd kan worden dat hij minder ruimte inneemt dan een supermarktdoos, ongeveer vier kubieke meter. Als we een beetje verstand hebben van elektrisch werk, zal het vrij eenvoudig zijn om Simon te maken.â
[Einde inspringen]
Cybernetica: het brein als feedbackmachine
Je leert autorijden en de eerste keer dat je achter het stuur plaatsneemt en de weg opgaat, maak je een hoop fouten. Je instructeur geeft je tips en je past stapsgewijs en gaandeweg je rijstijl aan. Mensen leren immers van hun fouten. De mogelijkheid tot zelfregulerend en zelfcorrigerend gedrag is eigen aan intelligente systemen. Paul Pangaro, professor in de Practice in the Human-Computer Interaction Institute aan Carnegie Mellon University en voorzitter van de American Society for Cybernetics, stelt het nog sterker: âEen systeem kan niet intelligent zijn als het niet over deze eigenschappen beschikt.â
De studie van zelfregulerende systemen die zichzelf corrigeren door feedback, heet âcyberneticaâ. Norbert Wiener (1894-1964), een Joods-Amerikaanse wiskundige, gebruikte als eerste die term in het boek
Cyberneticsin 1948. Hij bestudeerde daarin de controle en communicatie in dier en machine. Etymologisch verwijst het begrip âcyberneticaâ naar het Griekse âkybernÄtÄsâ, wat stuurman, gouverneur, piloot of roer betekent. Dankzij sciencefictionfilms en robotica raakte de term ook bekend in de populaire cultuur. Een âcyborgâ vormt een (voorlopig denkbeeldige) combinatie van mens en machine. We kennen ook het begrip âcyberspaceâ.
William Ross Ashby (1903-1972) is een andere pionier op het gebied van cybernetica. Ashby was een Brits psychiater, neurowetenschapper, hoogleraar en systeemdenker. Met de boeken
Design for a Brain(1952) en
An Introduction to Cyberneticswerkte en legde hij dat nieuwe vakgebied uit. De flaptekst van het boek omschrijft het als volgt:
[inspringen]
â
Design for a Brainheeft als basis het feit dat het zenuwstelsel zich adaptief gedraagt en de hypothese dat het in essentie mechanistisch is. Het gaat ervan uit dat deze twee gegevens niet onverzoenbaar zijn. (â¦) Het past deze logica toe op de gedragingen van levende organismen en toont aan dat we kunnen afleiden dat bepaalde soorten gedrag voortgebracht moeten worden door bepaalde soorten mechanismen.â
[einde inspringen]
Rosenblatt en de perceptron
In 1943 portretteerde de neurofysioloog Warren McCulloch en de wiskundige Walter Pitts met behulp van een eenvoudig elektrische circuit de werking van een neuraal netwerk. Ze lieten zich inspireren door de werking van biologische neurale netwerken in de hersenen van mensen en dieren. Hun model van het neuron nam diverse âinputsâ op en maakte er een gewogen som van. Als uitvoer gaf het neuron een 0 als het resultaat onder een bepaalde drempelwaarde lag, een 1 indien erboven.
In zijn boek
The Organization of Behavior(1949) werkte Donald Hebb het idee verder uit. Hij stelde dat neurale paden bij elk opeenvolgend gebruik versterken, vooral tussen neuronen die op hetzelfde moment âvurenâ. Daarmee begon de lange start naar het proberen begrijpen en modelleren van de complexe processen in de hersenen. De beroemd geworden uitspraak van Hebb, âCells that fire together, wire togetherâ, vormde de basis van het zogenoemde âHebbiaans lerenâ. Ook drempellogica (âtreshold logicâ), waarbij een continue invoer wordt omgezet in âdiscreteâ (in onderscheiden pakketjes) uitvoer, was een belangrijke voorloper van de hedendaagse artificiële neurale netwerken.
Het Massachusetts Institute of Technology beter bekend als MIT implementeerde in 1954 voor het eerst succesvol een Hebbiaans netwerk in een computersysteem. Rond die tijd probeerde Frank Rosenblatt, onderzoekspsycholoog aan het Aeronautical Laboratory te Buffalo, uit te vissen welke âinvoerâ in het oog van een vlieg bepaalde in welke richting het insect zou vliegen. In zijn poging om dat âbeslissingssysteemâ wiskundig te kwantificeren, presenteerde hij in 1958 de Mark I Perceptron. Hij baseerde zich op het neuron van McCulloch en Pitts. Bij de perceptron worden de gewichten van elke invoer âgeleerdâ door achter elkaar de âinputsâ door te geven. Rosenblatt sloot zijn machine aan op een camera met 20x20 cadmiumsulfide fotocellen, waardoor hij een beeld van vierhonderd pixels kon produceren. Bij een demonstratie van de marine voor journalisten leerde de perceptron na vijftig pogingen links en rechts van elkaar te onderscheiden.
[inspringen]
âDe eerste machine die in staat is een origineel idee te hebben
Verhalen over de schepping van machines met menselijke eigenschappen zijn lang een fascinerend gebied geweest in het rijk van de sciencefiction (â¦) Toch staan we op het punt getuige te zijn van de geboorte van zoân machine â een machine die in staat is zijn omgeving waar te nemen, te herkennen en te identificeren zonder enige menselijke training of controle.â
â Frank Rosenblatt, 1958
[einde inspringen]
The New York Timesmeldde dat dit âbreinâ in staat was om afbeeldingen en informatie te onthouden dat het zelf had waargenomen. Gewone computers, zo stelde de journalist, waren slechts in staat om te âonthoudenâ wat ze via ponskaarten of magneetbanden kregen ingevoerd. In een interview met diezelfde krant droomde de enthousiaste Rosenblatt luidop over perceptrons die naar andere planeten zouden worden gestuurd als âmechanische ruimteverkennersâ. âIn het begin,â zo stelde Rosenblatt, âzal de Perceptron verkeerde beslissingen nemen, maar hij zal wijzer worden naarmate hij meer ervaring opdoet.â
De laboratoriummedewerkers droomden nog verder vooruit:
[inspringen]
âDe dienst zei dit principe te zullen gebruiken om de eerste van zijn Perceptron-denkmachines te bouwen die kunnen lezen en schrijven, en die naar verwachting over ongeveer een jaar klaar zullen zijn voor honderdduizend dollar.â
[einde inspringen]
In 1959 ontwikkelden Bernard Widrow en Marcian Hoff in Stanford het eerste neurale netwerk dat met succes werd toegepast voor een echt probleem. ADALINE en MADALINE, zo genoemd door hun gebruik van Multiple ADAptive LINear Elements, elimineerden ruis in telefoonlijnen en zijn vandaag de dag nog steeds in gebruik. Vergeleken met de eerdere perceptrons werkte dat neurale netwerk met âgewogenâ invoerdata.
Deze vroege successen gaven aanleiding tot een hype over toekomstige mogelijkheden, maar de onderzoekers stuitten op de ene technische belemmering na de andere. Het enthousiasme nam af en de kritiek nam toe. De zogenoemde AI-winter, waarin nauwelijks vooruitgang werd geboekt, stond voor de deur. De overheidsfinanciering voor kunstmatige intelligentie droogde zienderogen op. Toen Rosenblatt in 1971 stierf, was zijn onderzoek gericht op het injecteren van materiaal uit de hersenen van getrainde ratten in de hersenen van ongetrainde ratten. Maar tegenwoordig krijgt Rosenblatt weer de erkenning die hij verdient. De principes die ten grondslag liggen aan de perceptron, hebben bijgedragen aan de moderne revolutie op het gebied van kunstmatige intelligentie. âDeep learningâ en neurale netwerken classificeren online afbeeldingen en vertalen teksten van de ene taal naar de andere.
Van Turing tot Jeopardy met NLP
Bij de naar Alan Turing genoemde Turing-test communiceren een mens en een machine op afstand in vraag-antwoordstijl met elkaar. Als de machine de mens kan overtuigen dat hij âeveneens een mensâ is, dan evenaart de machine volgens de test de menselijke intelligentie. De computer slaagt in de test als hij in meer dan dertig procent van de tijd voor een mens wordt aanzien. Joseph Weizenbaum ontwikkelde tussen 1964 en 1966 ELIZA, de eerste beroemd geworden âchatbotâ. ELIZA simuleerde een psychotherapeut, een goed uitgangspunt om in vraag-antwoordstijl te werken. Omdat de kennis van ELIZA erg beperkt was, antwoordde de âchatbotâ vaak met open vragen zoals âWaarom zeg je dat je hoofdpijn hebt?â. De supercomputer Eugene Goostman slaagde in juni 2014 voor de test door het brein van een dertienjarige te simuleren. Maar de Turing-test en chatbots lijken eerder te slagen in de kunst van het misleiden.
Om een machine (computer, softwareâ¦) taal te laten begrijpen, moet ze ook de betekenis van een tekst of zin kunnen achterhalen. Wanneer een kind taal leert, vertaalt het simultaan de werkelijkheid naar taal en omgekeerd. Een dorp bevat straten en huizen, een huis bevat kamers, kamers bevatten meubels, enzovoort. Woorden en begrippen hebben relaties en staan in verband met elkaar⦠Woorden en begrippen vormen netwerken, interfereren met elkaar. In hun hoofd vormen en herkennen kinderen stapsgewijs al die relaties en begrippenkaders. Ze krijgen een beeld van de wereld en van de werkelijkheid: een ontologie.
Vanaf de jaren zeventig zagen programmeurs in dat het nodig was om ook voor ânatural language processingâ of NLP zulke ontologieën te ontwikkelen. De relaties en begrippenkaders uit de echte wereld moesten worden vertaald naar gegevens die door een computer konden worden begrepen. Voorbeelden van zulke ontologieën zijn onder meer MARGIE, SAM en PAM⦠Ze leidden tot nieuwe chatbots, zoals Parry en Jabberwacky.
Deze manier van werken had tot gevolg dat in de jaren tachtig de meeste NLP-systemen bestonden uit eindeloze reeksen regeltjes, een verregaande schematisering van taal. Vanuit softwarecode gezien leidde dit tot eindeloze âif-elseâ-structuren. Je kent het wel: âAls (if) je braaf bent, krijg je een koekje, anders (else) een stokje.â In de werkelijkheid is er veel meer variatie. Het is mogelijk dat het kind anders altijd heel braaf is en nu één keertje stout. Neem je dan het vieruurtje af? In de werkelijkheid verloopt niet alles zwart (1) of wit (0), het is niet altijd zus of zo. Als je vier tekorten hebt op je rapport, is de kans groot dat je moeder boos is, tenzij ze weet dat je heel erg je best hebt gedaan. In de echte wereld wegen we voortdurend af, volgen we niet altijd strikte regels, werken we volgens waarschijnlijkheden en statistische kansen.
Heel veel nieuwe NLP-systemen baseerden zich op zulke statistische modellen. Die revolutie binnen de NLP-wereld was mede een gevolg van de beperkte rekenkracht van de toenmalige generatie computersystemen. Gokken ging nu eenmaal sneller en makkelijker dan eindeloze reeksen âifâ- en âelseâ-structuren te doorlopen. De taaltheorieën van Noam Chomsky, de Amerikaanse taalkundige die grammaticale gelijkenissen tussen talen zocht, eerder dan verschillen, vormden een rijke inspiratiebron.
Zulke statistische systemen werken veel beter in het geval van âonverwachte invoerâ van de gebruiker (voorbeeld: sniterklaas i.p.v. Sinterklaas). In de echte wereld zijn afwijkingen en fouten immers niet ongewoon, integendeel. Vooral op het vlak van vertalingen bieden de statistische technieken uitkomst. Veel vertaalprogrammaâs die gebaseerd waren (en soms nog zijn) op woordenlijsten (een soort vertalende woordenboeken) liepen al snel tegen hun grenzen aan. Je kan immers geen zinnen vertalen door de individuele woorden te vertalen, maar door kleine brokjes data te vertalen en hiervan te âlerenâ. Recent ligt de focus op een combinatie van beide technieken: de âharde regeltjesâ-weg en de statistische aanpak.
De invulling van AI wijzigt bij elke nieuwe vooruitgang. Zo werd schaken lange tijd als een toppunt van menselijke intelligentie gezien. Toen de IBM-computer Deep Blue de wereldkampioen schaken Garry Kasparov versloeg, verloor schaken plots veel van zijn allure. De volgende uitdaging kwam eraan: computers zouden nooit creatief kunnen antwoorden op open vragen. In 2010 ging IBMâs supercomputer Watson de uitdaging aan en won: hij versloeg met glans de âall-time-greatest human Jeopardy champions, Ken Jennings en Brad Rutterâ. De Jeopardy-quiz stelt open vragen over alle domeinen van de menselijke cultuur. De vragen bevatten tal van woordspelingen en hints, maar zijn zelden duidelijk afgebakend.
Hoe bouw je een lerende machine?
Computers volgen stappenplannen (algoritmes) om invoer tot de gewenste uitvoer te verwerken. Hoe slim die stappenplannen soms wel niet zijn, toch kunnen ze niet tippen aan menselijke intelligentie. Bovendien zijn al die algoritmes eerst door mensen bedacht. Computers slagen er namelijk nog niet in om zelf alle stappen te bedenken of om tot de best mogelijke oplossing te komen voor problemen. Mensen kunnen dit wel. Ook al maak je in je leven behoorlijk wat foute keuzes, toch leer je in veel gevallen van je fouten. We leren uiteraard niet alles door eerst fouten te maken. De meeste kennis en vaardigheden leren we door ervaring of door naar voorbeelden te kijken. Herhaling helpt daarbij, dat weten we allemaal.
Kunstmatige intelligentie betekent dat computersystemen zelf leren om tot oplossingen te komen. We programmeren software om zelf te leren door ervaring of aan de hand van voorbeelden, net zoals mensen en zelfs dieren dit doen. Computerwetenschappers gebruiken hiervoor allerlei leeralgoritmes. Ze proberen bijvoorbeeld de werking van neuronen in de menselijke hersenen te simuleren met software. We spreken in dit geval van een âneuraal netwerkâ. De meeste dingen in ons leven leren ook wij door voorbeelden van anderen. Zelfs op school moeten we leren van voorbeelden en fouten.
Stel dat je een kat als huisdier hebt en je zegt telkens tegen je zoontje van twee: âDit is de katâ. Je zoontje heeft echter nog nooit een hond gezien. De kans bestaat dat hij bij zijn eerste ontmoeting met een hond zegt: âKijk mama, kat!â Jij zal dan zeggen: âNee hoor, dat is een hond.â Door dit een aantal keer te herhalen zal je zoontje snel het verschil leren tussen een hond en een kat. Hij zal geleidelijk beide leren onderscheiden en dan ook begrijpen dat de schapen van de buren al evenmin honden of katten zijn. Kinderen (ook op school) leren door âsupervised learningâ, of leren onder toezicht. Ze leren van hun fouten en van voorbeelden, omdat iemand hen daar op wijst.
Door neurale netwerken in software te programmeren kunnen computers zelf leren (âmachine learningâ). We voeren de AI-software eerst met trainingssets (of datasets). Dat kunnen bijvoorbeeld een reeks fotoâs van honden zijn. Door een massa fotoâs van honden als trainingssets aan de software te voeren, leert het neuraal netwerk geleidelijk aan zelf honden op andere fotoâs herkennen. Een belangrijk verschil is dat een mens minder voorbeelden nodig heeft dan een AI-algoritme. Een kind dat een paar keer een kat heeft gezien, zal ook andere katten snel herkennen. AI heeft behoefte aan een massa voorbeelden. Een kat kan er immers heel verschillend uitzien, want er bestaan bijvoorbeeld tientallen rassen. Daarnaast moet je een kat ook kunnen herkennen vanuit alle mogelijke âinvalshoekenâ (bovenaanzicht, achteraanzichtâ¦) en tussen andere objecten op een afbeelding. Hiervoor moet een AI eveneens in staat zijn om diverse objecten van elkaar te segmenteren of te onderscheiden. Immers, als je een afbeelding of webcambeeld aan een AI toont, dan bestaan die invoergegevens slechts uit een reeks pixels met RGB-kleurwaarden. De AI moet dus zoeken naar patronen in pixeldata.
In ons leven moeten we voortdurend beslissingen nemen. Hierbij wegen we tal van factoren af. Welke kleren zullen we vandaag dragen? Welk cadeau ga ik kopen? Wat ga ik vanavond eten? Op wie zal ik stemmen bij de verkiezingen? Hierbij maak je heel wat afwegingen en sommige factoren wegen sterker door in je eindbeslissing.
Uiteindelijk tel je al die factoren bij elkaar op. Sommige zullen echter zwaarder wegen. Een neuraal netwerk (of het nu gaat om een stel neuronen in onze hersenen of om een kunstmatig neuraal netwerk) krijgt op die manier heel wat âinputsâ (afwegingen) die elk hun eigen gewicht krijgen. Het netwerk âberekentâ een beslissing en stuurt die uit als âuitvoerâ.
Het is niet omdat je een uitgebreide dataset/trainingsset aan je AI-algoritme voedt, dat het vanaf dat moment foutloos werkt. Een AI-algoritme kan leren uit haar fouten. In deze fase is menselijke tussenkomst nog van belang. De mens kan zelf nog controleren of de beslissing van het algoritme correct is. We spreken van gecontroleerd leren of âsupervised learningâ of⦠leren onder toezicht.
Een spamfilter is een bekend voorbeeld van AI-software op basis van een neuraal netwerk. Heel wat mails die het woord âcasinoâ en âpenisverlengingâ bevatten, zullen spamberichten zijn. Maar stel dat je vriend je een mail stuurt met de melding âGa je vanavond mee naar het casino?â, dan wil je niet dat dit bericht in de spam terechtkomt. Of als je echt problemen hebt en je huisarts stuurt je een mailtje over je voortplantingsorgaan met daarin het zinnetje âWe gaan je ziekteverlof verlengenâ, dan wil je niet dat de combinatie van âverlengenâ en âpenisâ in hetzelfde bericht tot spam leidt. Het neuraal netwerk moet heel wat afwegingen maken om te besluiten of een bericht al dan niet als spam gemarkeerd moet worden.
Zoân spamfilter bouw je door een reeks van verdachte woorden samen te stellen. Berichten waarin een of meer van die woorden voorkomen, moeten al dan niet als spam worden herkend. Die verdachte woorden krijgen in het ene bericht de classificatie âtrue negativeâ (geen spam), in het andere âtrue positiveâ (wel degelijk spam). Andere termen kunnen leiden tot de classificatie âfalse positiveâ of âfalse negativeâ. Dit gebeurt wanneer een spambericht onverwacht toch in je gewone mailbox terechtkomt of een goed bericht in je spamfolder. In dat geval kan je een bericht zelf classificeren. Op dat moment leert de spamfilter dat hij een fout heeft gemaakt. Daar zal hij in de toekomst rekening mee houden. Spamfilters worden op die manier steeds beter en maken minder en minder fouten.
Daarom kan je zeggen dat AI-software letterlijk voorspellingen doet op basis van wat de software eerder is geleerd. Die voorspellingen kunnen oké zijn (âtrue positiveâ, âtrue negativeâ), maar even zeer fout (âfalse positiveâ of âtrue negativeâ). In dit laatste geval moet het algoritme worden bijgestuurd.
Bij âsupervised learningâ leert het algoritme uit voorbeelden. Bij bekrachtigingsleren (âreinforcement learningâ) bekrachtig je het algoritme door het te belonen of te straffen. Is de voorspelde uitvoer fout of onvolledig of leidt het tot het foute resultaat, dan kan de AI-software van de eigen fouten âlerenâ. Stel dat een robot in een kamer rondrijdt die slechts één uitgang heeft, dan kan die robot proberen naar buiten te komen door willekeurig tegen de muur te botsen tot hij de opening vindt. Maar zodra de robot de deur heeft ontdekt, dan kan hij dit âonthoudenâ.
Bij ongecontroleerd leren (âunsupervised learningâ) krijgt het algoritme geen voorbeelden, maar moet het zelf elementen indelen (categoriseren) op basis van gemeenschappelijke kenmerken. Bij âunsupervised learningâ krijgt het algoritme vooraf dus geen voorbeelden of labels. Het algoritme moet de informatie zelf indelen op basis van kenmerken. Stel dat je voor het eerst in je leven de was moet doen. Je ziet een berg ongewassen kleding voor je liggen. Je moet de was nu indelen op basis van een aantal kenmerken. Indelen op basis van kleur en textielsoort zou de gewenste output zijn. Maar dat is wat het âalgoritmeâ nu dient te ontdekken. Als je het K-means-algoritme gebruikt, kan je vooraf alleen aangeven hoeveel groepen je wil hebben. De rest moet het algoritme zelf zien te ontdekken.
Bij mensen komt vaak een combinatie vanâ supervisedâ en âunsupervised learningâ voor. Een kind dat leert lopen, krijgt daarbij wel hulp van volwassenen (die houden toezicht of geven een âhelpend handjeâ), maar welke spieren de peuter moet gebruiken, dat leert de peuter letterlijk âzelfâ zonder toezicht.
Vaak proberen programmeurs een stukje van de menselijke hersenen na te bouwen. Ze bouwen met codes een hersencel (neuron) na, een zogenoemd âartificieel neuraal netwerkâ. Soms leert kunstmatige intelligentie door te vergelijken. Als je naar een serie kijkt op Netflix, vergelijkt Netflix jouw voorkeuren en selecties met die van andere mensen die naar dezelfde serie keken. Netflix beveelt dan series aan waar ook die andere mensen naar hebben gekeken. Kunstmatige intelligentie leert door kansen te berekenen. Bijvoorbeeld: je hebt vijftig procent kans dat de eerste leerling die je op school tegenkomt een jongen is en vijftig procent dat het een meisje is. Maar in een nonnenklooster is er vrijwel honderd procent kans dat je een vrouw tegen het lijf zal lopen. Een computer zou dat niet weten, omdat hij die context niet kent. Als je die informatie aan de AI-software geeft, zal hij een correctere voorspelling doen.
AI is beperkt
Toch moet elk stukje AI-software, elk neuraal netwerk, nog door mensen worden geprogrammeerd. Bij âsupervised learningâ moeten we de software trainen met een massa gegevens. Een spamfilter is sterk in het herkennen van spam, maar kan geen zelfrijdende auto besturen. De software van zoân auto kan op tijd stoppen voor een overstekend ree, maar kan je niet gebruiken voor een vertaalopdracht. Elk stukje AI-software heeft namelijk zijn eigen specialiteit. Heel wat AI-software is om die reden heel âbeperktâ (ânarrow AIâ).
Toch is AI aan een niet te stuiten opmars bezig. Amazon, Netflix en Spotify geven hun gebruikers aanbevelingen (ârecommendationsâ) op basis van het gedrag van andere bezoekers en op basis van overeenkomsten tussen bepaalde producten. Zelfrijdende autoâs voorspellen het rijgedrag van de autoâs in hun buurt om ongelukken te voorkomen. Weersvoorspellingen op basis van AI zijn accurater dan ooit tevoren. Digitale assistenten, zoals Google Home en Amazon Alexa, begrijpen (sommige) gewone vragen en proberen daarop zinvol te antwoorden. Google Translate vertaalt elke dag een beetje beter.
AI en taalbegrip
Wereldwijd bestaan er ongeveer zesduizend vijfhonderd menselijke talen, elk met hun eigen woordenschat, spelling en grammatica. Elke taal kent in de vorm van streekdialecten nog diverse varianten. Ook al zijn heel wat talen verwant aan elkaar (bijvoorbeeld de Indo-Europese talen), dan nog is het niet eenvoudig om software al die talen te leren begrijpen. Naast het westerse alfabet bestaan nog andere lettersystemen. Bovendien verschillen de geschreven en gesproken versies van een taal. Naast het begrijpen van een taal, is het genereren van taal nog een ander heikel punt.
Wanneer een docent of professor je op een examen een vraag stelt, dan kan je daar in het beste geval vlot op antwoorden. Je begrijpt de vraag. Je maakt in je hoofd de juiste analogie en vergelijkingen. Je kan de inhoud simultaan vertalen in je eigen woorden. Je leert het niet uit je hoofd en je raffelt het niet woord voor woord betekenisloos af. Dat zou je natuurlijk kunnen doen, maar een docent verwacht dat je intrinsiek verbanden kan leggen en de betekenis begrijpt.
Sommige woorden hebben meerdere betekenissen (âhaarâ of âbalâ bijvoorbeeld). Soms kan je de betekenis van een woord pas afleiden uit de context (de rest van de zin of tekst). Hoe kunnen we een machine leren om de context en de inhoud van een tekst te begrijpen? Een kind leert al snel een visueel beeld van een hond te koppelen aan het begrip âhondâ en de bijhorende geluiden. Denk maar aan de moeders en de vaders die vragen: âEn, hoe doet de hond? Nee, niet âmiauwâ.â Het taalmechanisme in het hoofd van het kind koppelt aan de hond bepaalde acties, zoals blaffen, lopen, kwispelstaarten, maar ook onderdelen, zoals staart, poten, tong. Een heel kader, onderdeel van de âwereldontologieâ in het hoofd van het kind. Maar hoe vertalen we die taalverwerking naar een computer?
Een bekende techniek is om de tekst te splitsen in de afzonderlijke zinnen (âsentence breakingâ) waaruit hij is opgebouwd. Dat kan eenvoudig door te zoeken naar leestekens, zoals punten, vraagtekens of uitroeptekens. Dit werkt perfect voor heel wat talen, maar niet voor pakweg het Arabisch, Chinees of Japans, want daar is het gebruik van leestekens onbekend. Vervolgens kunnen we de zinnen splitsen in hun diverse woorden (âword segmentationâ), maar dat werkt al evenmin voor de genoemde talen: Arabisch kent bijvoorbeeld geen door spaties onderscheiden woorden. Daar bepaalt het beeld van een bepaald karakter (letter) of het gaat om het begin, het midden of het einde van een woord. Zinnen bepalen of ze iets meedelen of eerder iets vragen (het vraagteken), en vragen kunnen op hun beurt open of gesloten (ja of nee, if of else, 1 of 0) zijn. De soort zin (vragend, uitroependâ¦) wordt bepaald door de âdiscourse analysisâ.
De machine kijkt vervolgens naar de individuele woorden en probeert die te herleiden tot hun basis of stam in een proces dat âstemmingâ en âmorphological segmentationâ heet. In een taal als het Engels is dit een relatief eenvoudig proces: âopenâ is de âstamâ van open, opens, opening, opened⦠In talen als het Turks is dit een uiterst moeizame techniek. De stam is niet per se hetzelfde als de morfologische âwortelâ van het woord. Meestal volstaat het dat verwante woorden dezelfde stam bevatten. Heel wat zoekmachines behandelen woorden met dezelfde stam als synoniemen om de zoekterm enigszins uit te breiden. Google gebruikt âstemmingâ sinds 2003. Voor die tijd zou de zoekterm âvisâ niet ook âvissenâ of âgevistâ hebben opgeleverd.
Dit kan leiden tot foute resultaten. De machine kan te veel resultaten leveren (âoverstemmingâ), zoals wanneer je âuniversiteitâ zoekt en ook âuniversumâ krijgt. In dit geval behandelt de machine beide woorden door hun gemeenschappelijke stam als synoniemen. In andere gevallen krijg je te weinig zoekresultaten (âunderstemmingâ).
Bij woorden zoekt het NLP-systeem niet alleen naar de stam, maar bovendien ook naar de woordsoort: gaat het om een bijvoeglijk naamwoord (adjectief) of een zelfstandig naamwoord? Bovendien kunnen zelfstandige naamwoorden ook eigennamen zijn. Deze techniek van ânamed entity recognitionâ werkt simpelweg door naar hoofdletters te kijken. Maar ook dit levert problemen op. Bij het begin van een zin schrijf je steevast een hoofdletter. In het Duits krijgen dan weer alle zelfstandige naamwoorden een hoofdletter. In het Engels schrijf je ook een hoofdletter als je het over jezelf hebt: De woordsoort wordt vaak vastgelegd in een soort lexicon, een lijst waarin op basis van de stam en eventuele voor- en achtervoegsels de woordsoort wordt bepaald (âpart-of-speech taggingâ).
Maar eenvoudig is dit niet. Immers, afhankelijk van de zin kan een woord iets compleet anders betekenen. De betekenis zit niet in het woord alleen, maar ook in zijn relatie tot andere woorden: homoniemen (âword sense disambiguationâ).
Via ânatural language understandingâ probeert een NLP-systeem logica te vinden in korte fragmenten tekst. Welke adjectieven horen bij zelfstandige naamwoorden (âconference resolutionâ)? Wat zijn de onderlinge relaties tussen objecten in een zin (ârelationship extractionâ)? Op die manier probeert een NLP-systeem de zin te âanalyserenâ, een stamboom te maken van een zin en ten slotte van het hele verhaal. Een NLP-systeem kan op basis van de betekenis van woorden en de frequentie waarin ze voorkomen, raden wat het gevoel is dat uit een tekst spreekt (âsentiment analysisâ).
In veel tekstverwerkingsprogrammaâs zit spelling- en grammaticacorrectie. Dan wordt vaak met een rood lijntje aangegeven waar je woorden fout hebt gespeld. De programmeurs hebben de spellingregels in de software geprogrammeerd. Open bijvoorbeeld eens een Duitse of Franse tekst in een tekstverwerkingsprogramma dat op Nederlands is ingesteld. Dan lijkt het alsof je alles fout hebt geschreven. Dit komt omdat op dat moment alleen de Nederlandstalige spellingcontrole is geladen.
NLP (ânatural language processingâ) nam grote stappen voorwaarts. Spelling- en grammaticaregels worden niet langer per taal gecodeerd (ârule basedâ). De software leert uit andere teksten zelf hoe de regels in elkaar steken. Het helpt de AI ook om de inhoud van teksten semantisch te begrijpen.
Robotjournalisme
Google kocht in 2014 Jetpac, een applicatie die op basis van beeldherkenningsalgoritmes automatisch stadsgidsen genereerde. Associated Press liet op dat moment duizenden artikelen schrijven door robotjournalisten. Uiteraard moet je je bij een robotjournalist niet een humanoïde robot voorstellen die op een toetsenbord teksten zit in te typen. Het gaat om een stuk software dat ânatuurlijke taalâ produceert. WordSmith, van de softwareproducent Automated Insights, produceerde in 2013 wereldwijd driehonderd miljoen nieuwsverslagen voor diverse klanten, meer dan alle âmenselijkeâ journalisten samen en vooral veel goedkoper.
Wikipedia zette in 2002 voor het eerst een robotjournalist in. Die âRambotâ leverde per dag duizenden artikelen over zowat elk dorp, elke stad of staat van de Verenigde Staten en ook van een aantal andere landen. Een robot met de gepaste naam Asteroids gebruikte data van de NASA en leverde artikelen over⦠asteroïden.
The LA Timeszette Quakebot in om geautomatiseerd artikelen af te leveren op basis van data van de US Geological Survey (aardbevingen). Inleving, gevoel, medeleven⦠zijn vreemd bij dit soort artikelen, maar dat is voor âobjectieveâ verslaggeving niet nodig. Wikipedia gebruikte op dat moment Lsjbot, geprogrammeerd door de Zweed Sverker Johansson. Lsjbot schraapte informatie uit betrouwbare bronnen bij elkaar en schreef korte artikelen over onderwerpen gerelateerd aan dieren. Per dag leverde de bot ongeveer tienduizend artikelen af.
Maar ging het hier echt om âtaalbegripâ? Quakebot gebruikt bijvoorbeeld door mensen opgestelde sjablonen en vulde die met vooraf verzamelde en gestructureerd bewaarde data over aardbevingen. Het eindresultaat klinkt als een door mensen geschreven artikel, en dat is het voor een groot deel natuurlijk ook. Maar de robot doet in wezen niet veel meer dan het vullen van sjablonen met gestructureerde data.
Het verstaan van gesproken taal (âspeech recognitionâ) is nog flink wat moeilijker dan het lezen of interpreteren van gedrukte tekst, omdat er in gesproken tekst nauwelijks pauzes zijn tussen woorden. Ook letters vloeien onhoorbaar in elkaar over. Het verdelen van een uitspraak in afzonderlijke woorden (âspeech segmentationâ) is vreselijk moeilijk te programmeren.
âNatural language generationâ, het genereren van taal in geluidsvorm, is daarentegen al aardig ingeburgerd in bijvoorbeeld GPS-systemen. De software kan in dat geval gebruikmaken van vooraf opgenomen geluid (afzonderlijke woorden of zinnen) dat het tot de gewenste zinnen samenvoegt. Dat is echter nog heel wat anders dan het kunstmatig âtoon voor toonâ genereren van spraak (âspeech synthesisâ).
In âmachine translationâ komen alle toeters en bellen van NLP-systemen en ânatural language generationâ samen. Zinvolle vertalingen laten uitvoeren door een machine is dus allesbehalve evident. Het vraagt niet alleen begrip van beide talen, maar ook het betekenisvol begrijpen en converteren van het ene betekenissysteem (taal) naar het andere (een andere taal). Een voorbeeld: In het Chinees plaatst een spreker geen âtijdâ in zijn zin. Je kan dus niet aan de persoonsvorm zien wanneer de actie zich heeft afgespeeld. Tijd heeft in het Chinees geen belang wanneer je schrijft of spreekt, een volledig andere manier van âdenkenâ dan sprekers van Indo-Europese talen. Het is dus allesbehalve eenvoudig om te vertalen van pakweg het Chinees naar het Nederlands of omgekeerd. Denk dus zeker nog eens na wanneer mensen spotten met de vertalingen van bijvoorbeeld Google Translate. Google Translate werkt bovendien met âmachine learningâ. De software leert dus voortdurend zelf bij en wordt alsmaar beter.
ANNâs en âdeep learningâ
Artificial Neural Networks of ANNâs zijn statistische modellen, geïnspireerd en âgemodelleerdâ naar biologische neurale netwerken. Menselijke hersenen bevatten naar schatting ongeveer honderd miljard neuronen. Die neuronen vormen netwerken die informatie uitwisselen en daaruit ook kunnen âlerenâ. Hoe het precies allemaal werkt, is nog niet helemaal duidelijk, maar dingen âlerenâ zou gebeuren door het versterken van verbindingen tussen neuronen. Beslissingen (van âiemand een mep in het gezicht gevenâ tot âeen keuze maken tussen friet en shoarmaâ) worden genomen op basis van de inputs die neuronen krijgen. De uitvoer van het ânetwerkâ vormt de definitieve beslissing.
ANNâs zijn in staat om niet-lineaire verbanden te leggen tussen invoerdata en uitvoer (de beslissing). Ruwweg betekent dit dat het resultaat niet altijd een keuze voor of tegen is (een binaire beslissing), maar een gewogen schatting. De uiteindelijke beslissing is het gevolg is van het optellen van meerdere inputs en het gewicht dat het netwerk aan elke input geeft. ANNâs gebruiken diverse algoritmes en kunnen ook meerdere vormen (âarchitecturesâ) aannemen. Om er een paar op te sommen: Feed-forward neural networks, Recurrent neural network, Multi-layer perceptrons (MLP), Convolutional neural networks, Recursive neural networks, Deep belief networks, Convolutional deep belief networks, Self-Organizing Maps, Deep Boltzmann machines, Stacked de-noising auto-encoders, Backpropagation, Gradient descent-algoritme, Hebbian learning Rule, Self â Organizing Kohonen Rule, Hopfield Network Law, LMS algorithm (Least Mean Square), Competitive Learningâ¦
Neurale netwerken kunnen meerdere lagen bevatten. We spreken dan van een âmultilayer perceptronâ. Elke laag in zoân netwerk probeert bijvoorbeeld patronen te herkennen in een afbeelding. Als een patroon is gevonden, activeert het algoritme de volgende âverborgenâ laag. De eerste laag herkent bijvoorbeeld randen in de afbeelding. De volgende laag combineert de gevonden randen, enzovoort. Hoe meer lagen zoân netwerk bevat (hoe dieper het netwerk), hoe beter de patroonherkenning. Elke laag in het ANN kent gewichten toe (of vergroot of verkleint die), elke keer als nieuwe data (in dit geval nieuwe fotoâs) het netwerk binnenkomen, en dat bepaalt mede de invoer van de volgende laag.
[BEGIN TABEL]
Architectuur Voorbeeld Leermethode
Convolutional neural network Herkennen afbeeldingen Supervised
Recurrent neural networks Natural language processing Supervised
en long-short term memory
Auto-encoders Afwijkende data opsporen Unsupervised
(bijvoorbeeld fraude)
[EINDE TABEL]
Wanneer meerdere âmultilayer perceptronsâ worden gecombineerd, spreekt men van âdeep learningâ. âDeep learningâ splitst een probleem op in meerdere lagen. De eerste laag herkent bijvoorbeeld bepaalde vormen (cirkels, driehoekenâ¦). De tweede laag identificeert dan bijvoorbeeld de âogenâ (twee ronde of ovale vormen naast elkaar). De derde laag herkent dan het gezichtâ¦. Uiteindelijk kan het algoritme de afbeelding van een mens herkennen.
Algoritmes voor kunstmatige intelligentie
AI-algoritmes doen in essentie allemaal hetzelfde. Ze voorspellen een uitvoer op basis van onbekende invoer. Het soort data bepaalt echter het meest geschikte algoritme. Je kan AI-algoritmes indelen op basis van het doel waarvoor je ze wil inzetten.
[begin tabel]
Doel Leermethode Voorbeeld
Classificatie Supervised Spam of geen spam
Regressie Supervised Marktwaarde voorspellen
Clustering Unsupervised Frauduleuze transacties
herkennen
[einde tabel]
Tot de bekendste classificatie-algoritmes horen onder meer Naive Bayes, Decision Tree, Random Forest, Support Vector Machines, K-Nearest Neighbors.
Naive Bayes classificeert data door de statische waarschijnlijkheid te schatten dat data bij een bepaalde klasse of groep horen. Het kijkt niet naar verbanden, maar naar het aantal overeenkomsten en berekent op basis daarvan de waarschijnlijkheid. In de afbeeldingen zie je een voorbeeld van âsentiment analysisâ (links de dataset, rechts een voorspelling).
Decision Tree (beslissingsboom) kent een stamboomachtige structuur. Bij elke âtakâ test je een bepaalde voorwaarde of attribuut dat de uitvoer naar de volgende tak bepaalt. Opgelet: het kan leiden tot âoverfitâ en de minste aanpassing aan de invoer (in dit geval trainingsdata), kan leiden tot drastische verschillen in de uitvoer.
Random Forest is een verzameling van beslissingsbomen waarbij elke beslissingsboom een subset van de attributen van gegevens heeft gekregen en voorspelt op basis van die subset. Het gemiddelde van de stemmen van alle beslissingsbomen leidt tot het antwoord. Dit algoritme vermindert het probleem van âoverfittingâ en leidt tot een veel nauwkeurigere classificatie.
Een Support Vector Machine (SVM) classificeert binair, het verdeelt de ingevoerde data in twee klassen aan de hand van kenmerken die je vooraf geselecteerd hebt. Voordat de SVM hiertoe in staat is, moet je het model trainen met historische data. Men spreekt van âvectorâ, omdat elk datapunt een x- en y-positie krijgt in een grafiek (of vectorruimte). SVMâs werken goed bij kleine datasets waar weinig ruis in staat en zo goed als geen overlappende categorieën. SVMâs zijn niet geschikt voor grotere datasets.
K-Nearest Neighbors (KNN) gaat uit van het idee dat de klasse waartoe een element behoort, overeenkomt met de klassen van de meest nabijgelegen punten. Stel dat iedereen in je omgeving kiest voor âgroenâ, dan is de kans groot dat jij dat ook doet. Bij K = 5 kijk je naar de vijf dichtstbij gelegen âburenâ (weliswaar in een vectorruimte). Bij K = 3 naar de drie meest nabije buren, enzovoort.
Simpel gezegd, voorspelt logistische regressie in welke categorie data valt op basis van andere informatie. Bijvoorbeeld: op basis van de eerdere resultaten van een student, kan je zijn vermoedelijke eindresultaat voorspellen.
Lineaire regressie is het meest eenvoudige en effectieve regressie-algoritme. Het wordt gebruikt om twee variabelen (bijvoorbeeld de vraagprijs van een huis en de ligging ervan) tegen elkaar af te wegen. Dit kan je uittekenen op een grafiek en dan kom je tot een regressielijn. Op basis van die lineaire regressie kan je prijzen voorspellen op basis van de ligging van een woning.
Het reeds eerder vermelde K-Means-algoritme is een voorbeeld van een âunsupervisedâ leermethode. Het verdeelt data in een door de gebruiker bepaalt aantal klassen (k = 1, k = 4â¦). Jij bepaalt dus in hoeveel groepen je de ingevoerde data wil indelen. Het algoritme is handig te gebruiken bij datasets waar duidelijk te onderscheiden elementen (punten) aanwezig zijn.
Transformatoren en langetermijngeheugen
Je schrijft een verhaaltje, niet uit je herinnering, maar een verhaal zoals een fictieauteur een verhaal schrijft. Je schrijft zin voor zin. Terwijl je verder schrijft, herinner je je vrij goed wat je al geschreven hebt. Als iemand jouw verhaal later leest, houdt het dan ook steek. Je springt (in het beste geval dan toch) niet van de hak op de tak. Hoe langer het verhaal of je boek is, hoe moeilijker het wordt om te voorkomen niet in herhaling te vallen. Heb ik dit niet al eens verteld? Maar over het algemeen, herinneren we ons nog wel het voorafgaande. Een transformatormodel beschikt net zoals wij over een langetermijngeheugen. Als je een zin of een korte tekst produceert, onthoudt het systeem alle voorgaande woorden en zinnen. Het model voorspelt een volgend woord en voegt het toe aan het langetermijngeheugen. Terwijl het model de tekst woord voor woord genereert, kan het zich ook focussen op alle vorige woorden. Op die manier schrijft (of vertaalt) het model een samenhangende tekst. Door toegang te hebben tot een berg gegevens (big data) beschikt het over een gigantische hoeveelheid referenties.
Het belang van een âlangetermijngeheugenâ werd uitvoerig beschreven in het document âAttention Is All You Needâ (Vaswani et all, 2017). De auteurs introduceerden hiermee een nieuw neuraal netwerk, het transformermodel. Een âencoderâ ontvangt alle voorgaande tekst als âinvoerâ, een âdecoderâ genereert stap voor stap een uitvoer (het volgende woord), terwijl hij gevoed wordt met de vorige âuitvoerâ. Het aandachtsmechanisme en het langetermijngeheugen zorgen ervoor dat âtransformatorenâ betere voorspellingen doen. Eerdere soorten neurale netwerken probeerden iets soortgelijks, maar beschikten over een kortetermijngeheugen. Dankzij de transformatorarchitectuur bereikt de natuurlijke taalverwerking nooit eerder geziene resultaten.
âDeep learningâ zorgde voor een revolutie in het landschap van het reeds eerder besproken NLP. Het mede door Elon Musk opgerichte OpenAI lanceerde het GPT3-model (Generative Pre-trained Transformer) in 2020. Het is met zijn 175 miljard parameters het grootste getrainde taalmodel ter wereld. Andere taalmodellen, zoals Microsofts Turing NLG, zijn tien keer minder krachtig. Het GPT3-model is in staat om samenhangende teksten te schrijven op basis van een vraag of korte tekst. Opgelet: dit wil niet zeggen dat het model echte, wetenschappelijke of politiek correcte informatie neerpent.
AI en beeldherkenning
Je smartphone beschikt doorgaans over minstens één camera, veel laptops zijn uitgerust met een webcam. Maar dit betekent nog niet dat die toestellen kunnen âzienâ als mensen of dieren. Met onze ogen kunnen we niet alleen zien (âvisionâ), maar we herkennen ook objecten (ârecognitionâ). Willen we een computer informatie in beelden leren herkennen, dan spreken we van âcomputer visionâ en âimage recognitionâ.
In winkels âherkennenâ scanners streepjescodes. De meeste smartphones herkennen informatie in QR-codes. Smartphones herkennen het gezicht of de vingerafdruk van de gebruiker. Om de ruwe beeldinformatie te herkennen, is software nodig. Net zoals het bij mensen niet de ogen zijn, maar de hersenen die objecten en mensen herkennen.
Streepjescodes, QR-codes en tekstherkenning zijn relatief oude technieken. De software herleidt het beeld tot een zwart-witafbeelding. Bij OCR (âoptical character recognitionâ) vergelijkt de software de rasters van zwarte pixels met bestaande letters. Op die manier kan OCR-software teksten herkennen. Dit betekent echter niet dat de software snapt waarover de tekst gaat. De OCR-techniek zet de pixelgegevens weer om in bewerkbare tekst. Net zoals een klein kind de naam moet leren van alle objecten en levende wezens in de fysische wereld, moet AI-software stapsgewijs elementen leren herkennen. Als je een kind vaak genoeg bepaalde letters toont, zal het die letters leren kennen. Net zo gaat het met AI. Klassieke OCR kan geen letters herkennen die ondersteboven zijn afgedrukt, maar een kind of AI kan dit wel.
[Kadertekst]
OCR is niet ânieuwâ. Emanuel Goldberg (1881-1970) verwierf in 1970 een patent voor een apparaat dat met behulp van foto-elektrische cellen en patroonherkenning documenten op microfilm kon doorzoeken.
[einde kadertekst]
Als je een stuk software een hond wil leren herkennen, dan moet je de software eerst voeden met honderden of duizenden afbeeldingen van honden. De massa gegevens die we via big data-technieken hebben verzameld, schiet hier te hulp. ImageNet is een gigantische databank van miljoenen afbeeldingen. Het project is van groot belang geweest voor de vooruitgang van het computervisie- en âdeep learningâ-onderzoek. De gegevens zijn gratis beschikbaar voor onderzoekers voor niet-commercieel gebruik. Via een selectie van gegevens uit zoân databank leert âimage recognitionâ-software stapsgewijs dat zowel een pekinees als een pitbull honden zijn. Bovendien moet de software leren dat zowel Disneyâs Pluto, als Lassie een hond is.
Alleen als een robot snel en accuraat objecten kan herkennen, kan hij (zij?) net zoals echte mensen ârondlopenâ. Zelfrijdende autoâs bijvoorbeeld gebruiken AI-gebaseerde computer âvisionâ en âimage recognitionâ om voetgangers, verkeersborden, voertuigen⦠te herkennen. Ze moeten niet alleen één bepaald object kunnen herkennen, maar alle onderdelen in het beeldveld en liefst ook bliksemsnel. Een zelfrijdende auto die met een behoorlijke snelheid rijdt, moet een licht dat op rood springt, een kind dat achter een bal aanloopt herkennen in de juiste context. Een kind dat bijvoorbeeld op de stoep speelt, is niet meteen een probleem, alleen als het plotseling de straat oploopt. De AI-software moet dus niet allen de onderdelen (âobject segmentationâ), maar ook de totale context van het beeld voortdurend, als een stroom van inkomende data, herkennen en inschatten hoe daar gepast op te reageren. Maar of het begrijpen van de context, de âumweltâ, ook zal leiden tot een vorm van âkunstmatig bewustzijnâ is een ander verhaal.
GANâs en creatieve computers
Een café in Montreal, 2014. Een aantal vrienden spraken tussen pot en pint over hun werkzaamheden op het gebied van AI. Je weet wel, mannen onder elkaar. Ze praatten over het probleem dat âdeep learningâ wel goed was in het classificeren van afbeeldingen, maar heel wat problemen ondervond bij het genereren van nieuwe afbeeldingen. Een van hen, Ian Goodfellow, kreeg de ingeving om meerdere neurale netwerken elkaar te laten uitdagen om op die manier nieuwe inhoud te genereren. Diezelfde nacht nog schreef hij de benodigde code en testte die succesvol uit. Samen met zijn collegaâs van de universiteit van Montreal werkte hij het model verder uit en publiceerde er een artikel over onder de naam âGenerative Adversarial Netsâ. Het leverde Goodfellow een baan op bij Google Research en een functie bij OpenAI. GANâs leidden tot heel veel innovaties op het vlak van machinaal leren.
Beeldclassificatie is vaak nog tijdrovend en duur. Stel dat je een âdeep neural networkâ wil leren om katten te herkennen, dan moet je het eerst voeden met een massa fotoâs waarop de katten zijn gelabeld. Dat werk gebeurt door mensen. De AI zal dan wel steeds beter worden in het herkennen van katten in nieuwe afbeeldingen, maar vraag hem niet om een âfictieve katâ te genereren. Een GAN combineert twee neurale netwerken. Het eerste genereert nieuwe gegevens (bijvoorbeeld een foto van een kat). Het tweede netwerk is de discriminator, die werkt zoals een klassiek classificatienetwerk (denk aan een netwerk om katten te herkennen). De discriminator ontvangt de uitvoer van de generator en beoordeelt die op een schaal tussen 0 en 1 (dat lijkt weinig, maar reken de kommagetallen ertussenin mee). Als de score te laag is (bijvoorbeeld tussen 0 en 0,5) corrigeert de generator de uitvoer en stuurt die opnieuw aan de discriminator. Die cyclus herhaalt zich supersnel in meerdere opeenvolgingen, totdat er gegevens uitkomen die overeenkomen met de gewenste uitvoer. Stel dat je een classificatienetwerk een reeks schilderijen van Vincent Van Gogh voorschotelt. Een mens labelt die vooraf. Zo leert de AI het verschil kennen tussen schilderijen die al dan niet door Van Gogh zijn geschilderd. Vervolgens laat je een generator een vals schilderij van Van Gogh genereren, uiteraard niet met penseel en verf op doek, maar in âpixelgegevensâ. De generator gaat net zo lang door tot hij de discriminator kan wijsmaken dat het om een authentiek schilderij van Van Gogh gaat.
GANâs hebben hun waarde al bewezen in het creëren en aanpassen van beeldmateriaal. Ze kunnen foutjes of ontbrekende gegevens in afbeeldingen herstellen, afbeeldingen of film inkleuren⦠Maar er schuilt ook een gevaar in. Ze kunnen worden ingezet voor het manipuleren van beeldmateriaal en video, denk hierbij aan âdeep fake videoâ. Voor de muziekindustrie genereren ze nieuwe composities in diverse stijlen, die muzikanten kunnen aanpassen of corrigeren. Maar ze slagen er eveneens in om een film van een gepaste soundtrack te voorzien.
Het is niet zo moeilijk om de kracht van GANâs te kunnen inschatten en nieuwe toepassingen te bedenken. Een robot of zelfrijdende auto kan met behulp van GANâs denkbeeldige werkomstandigheden genereren en er doorheen navigeren, zonder dat hij op een echte werkvloer of in een echte omgeving hoeft te trainen.
Hoe briljant en eenvoudig het idee achter GANâs ook is, ze hebben wel wat beperkingen. Ze hebben nog steeds een overvloed aan trainingsgegevens nodig. Als je bijvoorbeeld een âdeep fake videoâ van Poetin wil genereren, dan heb je nog steeds een massa bestaand videomateriaal van deze president nodig. Beschik je over te weinig historische data, dan zal de GAN niet in staat zijn om een degelijk eindresultaat te produceren. GANâs kunnen evenmin totaal nieuwe dingen uitvinden. Ze kunnen wel bestaande data op nieuwe manieren combineren. Maar is dat ook niet exact hoe de menselijke creativiteit werkt?
AI met vooroordelen
In 2016 presenteerde Microsoft Tay, een Twitterbot, een experiment in âconversational understandingâ. âHoe meer je met Tay chat,â zei Microsoft, âhoe slimmer hij wordt, mensen leren betrekken door middel van een informeel en speels gesprek.â Helaas bleven de gesprekken niet lang speels. Al vrij snel nadat Tay was gelanceerd, begonnen mensen de bot te tweeten met allerlei misogyne en racistische opmerkingen. In minder dan 24 uur veranderde Tay, gevoed met extremistische Twitterpraat, in een racistische bullebak. Waar liep het mis? Het mag duidelijk zijn dat AI-modellen niet altijd het gehoopte resultaat opleveren.
Op basis van de trainingsset en menselijke feedback heeft het algoritme bepaalde gewichten verhoogd en andere weer verlaagd. Als het ontwikkelteam merkt dat de controledata het gewenste resultaat opleveren, kan het model worden ingezet in de praktijk. Hoe en waarom het AI-model tot een conclusie komt, is op dat moment niet meer van belang. De predicties komen overeen met de gewenste resultaten. Maar precies daar schuilt het probleem. Je kan niet met AI-modellen discussiëren en argumenteren waarom het tot een bepaalde conclusie is gekomen. De reden waarom lijkt een gesloten boek, een zogenoemde âblack boxâ. IBM trachtte zijn Watson-supercomputer te promoten als een belangrijk hulpmiddel bij kankeropsporing, maar de (menselijke) oncologen vertrouwden het systeem simpelweg niet. Twee oncologen kunnen discussiëren, maar dat kan je niet met een AI-model. Een AI kan niet beargumenteren waarom hij een bepaalde beslissing nam.
Meer en meer groeit de eis dat AI-algoritmes verklaarbaar moeten zijn. Het moet duidelijk zijn hoe en waarom een model tot een bepaald besluit komt. Ook AI-critici en mensen die geloven in een dystopische toekomst waarbij AI de wereld overneemt, pleiten voor Explainable AI (XAI). Alleen door AI-algoritmes en modellen verklaarbaar te houden, kan de ontwikkeling van AI onder controle worden gehouden.
Stel dat een creditcardbedrijf wil weten of iemand kredietwaardig is. Een ontwikkelaar kan een AI-algoritme inzetten om te bepalen of dit het geval is voor elke gegeven gebruiker. Maar kredietwaardigheid is een subjectief en vaag gegeven. Iemand is minder kredietwaardig als het risico op betaalachterstanden groter is (bijvoorbeeld bij een laag salaris of hoog risico op werkloosheid). De geldverstrekker in kwestie kan er echter meer aan verdienen dan aan traditionele leningen.
Het bedrijf zal in eerste instantie zo veel mogelijk winst willen maken door zoveel mogelijk leningen toe te kennen die terugbetaald moeten worden tegen een maximale rente. âKredietwaardigheidâ wordt op die manier geherformuleerd op basis van een zo hoog mogelijke winstmarge. Als het algoritme ontdekt dat het verlenen van leningen aan minder kredietwaardige mensen een effectieve manier is om de winst te maximaliseren, zal het uiteindelijk roofzuchtig gedrag vertonen, zelfs als dat niet de bedoeling van het bedrijf was.
Vooroordelen, âbiasâ in het Engels, kunnen optreden wanneer de data die je verzamelt, niet helemaal representatief is voor de werkelijke situatie of bestaande vooroordelen weerspiegelt. Wat als je een stuk AI-software ontwikkelt voor het herkennen van gezichten, maar alleen gezichten van blanke mensen aan het systeem voedt als trainingsdata? Amazon ontwikkelde een sollicitatietool die heel duidelijk een voorkeur had voor mannelijke kandidaten, omdat het leerde uit historisch data van het bedrijf. Welke attributen of eigenschappen je gaat gebruiken in de trainingsdata bepalen mede het eindresultaat. Neem de Amazon-sollicitatietool als voorbeeld: je kan ook het aantal jaren ervaring of de opleiding als attribuut als invoer gebruiken. Bij kredietwaardigheid speelt de leeftijd en het inkomen een bepalende rol, niet zo zeer de te behalen winst. Die vooroordelen blijken moeilijker op te lossen dan gedacht.
1 Onbekende onbekenden
Vaak stellen ontwikkelaars pas achteraf vast wat de effecten zijn van de gekozen attributen. In het geval van Amazon herprogrammeerden de ontwikkelaars de tool door alle geslachtgerelateerde woorden uit hun data te weren. Maar ook toen pikte het aangepaste systeem werkwoorden op die eerder met mannen correleren dan met vrouwen.
2 Training en controle
Vaak splitsen ontwikkelaars vooraf hun data op in een trainingsset en een controleset. Dit houdt in dat de controledata dezelfde vooroordelen bevat als de trainingsdata.
3 Gebrek aan sociale context
Computerwetenschappers of ontwikkelaars willen vooral systemen ontwikkelen die in meerdere situaties inzetbaar zijn. Juist doordat ze de sociale context buiten beschouwing laten, krijg je vooroordelen. Je kan geen sollicitatietool ontwikkelen voor Amazon en die eveneens gebruiken voor de werving en selectie van bouwvakkers.
4 Hoe meet je eerlijkheid?
Wanneer is er sprake van eerlijkheid en vooroordelen? Is Zwarte Piet racistisch? Vooroordelen komen overal en altijd voor, maar iedereen definieert ze anders. Ook in AI-data komen ze voor. Het verschil is echter dat ze voor AI mathematisch worden gedefinieerd. Hoe kan je zulke vooroordelen voorkomen? Betekent dit dat je in alle situaties groepen gelijk moet laten voorkomen? Moeten in alle situaties vrouwen en mannen, mensen met een blanke of gekleurde huid, enzovoort, even sterk vertegenwoordigd zijn? Moeten vrouwen even hoog of vaak scoren in sollicitatieprocedures, ook al voldoen de groepen niet aan de andere noodzakelijke eisen?
AI-onderzoekers doen hun best om het probleem van âAI-biasâ aan te pakken. Ze proberen algoritmen te ontwikkelen die helpen bij het detecteren en verminderen van verborgen vooroordelen binnen trainingsgegevens of die de vooroordelen van het model verminderen, ongeacht de gegevenskwaliteit. Eenvoudig kan het niet worden opgelost. Het is een continu proces en we moeten er bij het ontwikkelen van AI-tools steeds bewust van zijn dat de resultaten of voorspellingen niet alleen het gevolg zijn van een mathematisch algoritme. Net zoals in alle andere aspecten van de samenleving is predictieve analyse nooit helemaal objectief.
Kunstmatig bewustzijn
âDe robot kwam binnen de sciencefiction op als een symbolische synthese tussen menselijkheid en machine. De mens die machine wordt, geassimileerd door zijn eigen technologische schepping, en de machine die menselijk wordt, met onze slechtste eigenschappen en kenmerken. (â¦) Het belichaamt niet alleen onze angst voor wetenschap en techniek, maar ook die voor wat wij zullen worden.â
â Thomas Lombardo, Center for Future Consciousness
âEr is geen zekerheid tegen de uiteindelijke ontwikkeling van mechanisch bewustzijn, in het feit dat machines nu weinig bewustzijn bezitten. Een weekdier heeft niet veel bewustzijn. Denk eens na over de buitengewone vooruitgang die machines de laatste paar honderd jaar hebben geboekt, en merk op hoe langzaam het dieren- en plantenrijk vooruitgaan. De beter georganiseerde machines zijn niet zozeer schepselen van gisteren, als wel van de laatste vijf minuten, bij wijze van spreken, in vergelijking met de voorbije tijd. Stel nu eens dat er al zoân twintig miljoen jaar bewuste wezens bestaan; kijk eens wat een vooruitgang de machines in de laatste duizend jaar hebben geboekt! Kan de wereld niet twintig miljoen jaar langer bestaan? Zo ja, wat zullen ze dan uiteindelijk niet worden? Is het niet veiliger om het onheil in de kiem te smoren en hun verdere vooruitgang te verbieden?â
â Samuel Butler,
The Book of the Machines,1872
De angst voor de komst van bewuste en vooral emotieloze machines is niet nieuw. De idee van een dystopische toekomst waarin de mensheid is weggeconcurreerd of zelfs uitgemoord door robots en machines vormt het basisplot van heel wat sciencefictionverhalen en -films, van
Metropolisvia
Blade Runnertot
The Matrix.De Tsjechische schrijver Karel Äapek gebruikte het woord ârobotâ voor het eerst in 1920 in zijn toneelstuk
R.U.R.(
Rosumovi Univerzálnà Robotiof
Rossums Universele Robots). Het woord, dat overigens niet door hemzelf, maar door zijn broer Josef is bedacht, is afgeleid van het Tsjechische ârobotaâ, dat âverplichte arbeidâ betekent. Fritz Lang (1890-1976) regisseerde de film
Metropolis(1927) naar een script van Thea von Harbou. Het verhaal speelt zich af in een futuristische stad in het jaar 2025. De inwoners zijn verdeeld in een kleine elite en een grote groep arbeiders die onder de grond gigantische machines moet bedienen. Maria, een jonge vrouw, zet zich in voor het lot van de arbeiders. De uitvinder Rotwang bouwt echter een robot met haar uiterlijk om arbeidersprotest te ontmoedigen. De robot zet de arbeiders niettemin aan tot revolutie. Ze komt op de brandstapel terecht. Terwijl ze in brand staat, smelt het menselijke uiterlijk weg en wordt de robot zichtbaar.
Isaak Judovitsj Ozimov (Rusland 1920-New York 1992), beter bekend als Isaac Asimov, was een Amerikaans schrijver en biochemicus. Het werd wereldberoemd als sciencefictionschrijver. Asimov vond dat de mensheid behoefte had aan een wetgeving voor robots en slimme machines. Hij formuleerde drie wetten in zijn korte verhaal âRunaroundâ
uit 1942. Dat verhaal werd opgenomen in zijn verzamelbundel
I, Robotin 1950.
[opsomming]
- Eerste wet: Een robot mag een mens geen letsel toebrengen of, door niets te doen, toelaten dat een mens letsel oploopt.
- Tweede wet: Een robot moet de bevelen van de mens opvolgen, tenzij deze bevelen in strijd zijn met de eerste wet.
- Derde wet: Een robot moet zijn eigen bestaan beschermen, voor zover deze bescherming niet in strijd is met de eerste of de tweede wet.
[einde opsomming]
Later voegde hij daar nog de zogenoemde ânulde wetâ aan toe:
[opsomming]
Een robot mag de mensheid niet schaden, of, door niets te doen, de mensheid schade laten lijden.
[einde opsomming]
Volgens MIT-onderzoekers Tamay Besiroglu en Ilya Sutskever van OpenAI zou kunstmatige intelligentie al een beperkte vorm van bewustzijn aan het ontwikkelen zijn. Die uitspraak leidde tot heel wat controverse tussen neurowetenschappers en AI-onderzoekers.
[inspringen]
âHet zou kunnen dat de grote neurale netwerken van vandaag een beetje bewust zijn.â
â Ilya Sutskever, OpenAI, 9 februari 2022
[Einde inspringen]
Een aantal andere vooraanstaande experts op het gebied van machinaal leren verweten Ilya zich te bezondigen aan verkooppraatjes. Tamay Besiroglu sprong Sutskever echter bij in zijn standpunt:
[inspringen]
âHet is teleurstellend om te zien dat zoveel prominente mensen dit idee belachelijk maken (â¦) Het maakt me minder hoopvol in het vermogen van het veld om serieus enkele van de diepgaande, vreemde en belangrijke kwesties aan te pakken waarmee ze ongetwijfeld geconfronteerd zullen worden in de komende decennia. (â¦) Ik denk eigenlijk niet dat we een duidelijke lijn kunnen trekken tussen modellen die âniet bewustâ zijn versus âmisschien enigszins bewustâ. (â¦) Ik weet ook niet zeker of een van deze modellen bewust is.â
[Einde inspringen]
Klopt dit? Kan het zijn dat AI een bewustzijn ontwikkelt hoewel een definitie van zowel âintelligentieâ als âbewustzijnâ nog steeds moeilijk is? Zolang er geen wiskundig of wetenschappelijk model bestaat van wat intelligentie en bewustzijn nu precies inhouden, is het behoorlijk lastig om te spreken over een âkunstmatigeâ versie van intelligentie en bewustzijn. Paul Nunez noemt het begrip âartificiële intelligentieâ een âprovocerend en overdreven etiketâ:
[inspringen]
â(â¦) artificieel leven of artificiële intelligentie moeten misschien explicieter worden erkend als catchy etiketten die bedoeld zijn om wetenschappelijke of technische projecten te promoten, in plaats van de wetenschap accuraat weer te geven. Mijn negatieve houding ten opzichte van dit overdreven taalgebruik is niet bedoeld om de enorme vooruitgang te bagatelliseren die is geboekt op het gebied van zogenoemd kunstmatig leven en kunstmatige intelligentie. Mijn punt is veeleer dat een dergelijke overdreven woordenschat gemakkelijk het grote publiek kan misleiden, evenals sommige wetenschappers die kunnen worden verleid door de provocerende promotionele uitspraken. Ik heb geen bezwaar tegen de term âkunstmatige intelligentieâ, zolang âintelligentieâ maar niet wordt gelijkgesteld met âbewustzijnâ. Voor zover wij weten, is voor bewustzijn eerst leven nodig, maar er is veel meer nodig. Dat wil zeggen, al het bekende leven biedt noodzakelijke, maar bij lange na niet voldoende voorwaarden voor het ontstaan van bewustzijn.â
â Paul Nunez,
The New Science of Consciousness
[Einde inspringen]
Films als
Chappieen
Ex Machina, en populaire Netflix-series als
Altered Carbonen
Black Mirrorhouden de angst voor en de mogelijkheid van kunstmatig bewustzijn in het âpublieke bewustzijnâ. Een machine kan je echter niet zomaar âbewustâ noemen. Wanneer spreek je van bewustzijn: in het geval van een zelfrijdende auto, bij een robotgrasmaaier of een levensecht ogende humanoïde robot? Of bij een stuk software, zoals de slimme gereedschappen van OpenAI? Volgens Gamez moet je een onderscheid maken tussen diverse niveaus van âmachine consciousnessâ:
[opsomming]
- MC1. Machines die hetzelfde uiterlijke gedrag vertonen als bewuste systemen. Mensen gedragen zich op bepaalde manieren wanneer ze bij bewustzijn zijn. Ze zijn opmerkzaam en kunnen reageren op nieuwe situaties en probleemoplossend denken. IBMâs Watson, dat menselijke tegenstanders versloeg in het tv-spel Jeopardy, lijkt MC1-bewustzijn te vertonen. Veel menselijk gedrag dat we koppelen aan intelligentie kan alleen maar bewust worden uitgevoerd. Er zal dus een nauw verband bestaan tussen het ontwikkelen van MC1-bewustzijn en de algemene vooruitgang op het vlak van AI. Hoe beter machines menselijk gedrag kunnen nabootsen, hoe bewuster en tevens intelligenter ze zullen lijken.
- MC2. We kunnen stellingen over de neurale functies van menselijk bewustzijn modelleren in een computersysteem. De hypothese van de âglobale werkruimteâ is al succesvol geïmplementeerd in een aantal games.
- MC3. Modellen van bewustzijn. Fenomenale ervaringen hebben typische eigenschappen die je eveneens in computersystemen kan modelleren. Denk bijvoorbeeld aan robots die hun eigen werking simuleren om een motorcontroleprobleem op te lossen.
- MC4. Wanneer mensen bewust zijn, ervaren ze de omgeving met al hun zintuigen: geuren, kleuren, geluiden⦠Een machine die die totaalervaring kan simuleren of âervarenâ is MC4-bewust. Maar zonder een duidelijke wiskundige theorie over het bewustzijn, kunnen we moeilijk op een betrouwbare manier controleren of dit ook daadwerkelijk het geval is. We kunnen met andere woorden niet controleren of onze huidige machines al MC4-bewust zijn.
[einde opsomming]
De vier MC-categorieën zijn niet exclusief. Een kunstmatig systeem kan een of meerdere vormen van MC-bewustzijn vertonen. Daarnaast houdt een groot aantal AI-technieken, zoals diepe neurale netwerken, weinig verband met het onderzoek naar bewustzijn. Tot slot zijn onze huidige opvattingen over intelligentie en bewustzijn behoorlijk antropocentrisch. Daarom komen we terug op onze eerdere vraag: Is een duif âonintelligentâ als ze niet kan lezen?
Algemene kunstmatige intelligentie
âWe moeten ervoor zorgen dat de doelen correct zijn gespecificeerd, dat er niets dubbelzinnigs in zit en dat ze stabiel zijn in de tijd. Maar in al onze systemen zal het doel op het hoogste niveau nog steeds worden gespecificeerd door de ontwerpers. Het systeem kan zijn eigen manieren bedenken om dat doel te bereiken, maar het creëert niet zijn eigen doel.â
â Demis Hassabis
Veel AI-toepassingen lijken spectaculair, maar ze blijven beperkt. Shazam kan door patroonherkenning vrijwel elk liedje dat je aan de app laat horen, in een oogwenk herkennen. Dat wil niet zeggen dat Shazam al die liedjes ook al eens gehoord heeft. De software stelt een soort vingerafdruk op van elk gehoord lied, stuurt die door naar de âcloudâ. Daar wordt dat âpatroonâ vergeleken met patronen van miljoenen liedjes die in een online databank zijn opgeslagen. Shazam overstijgt de mens in het herkennen van muziek, maar kan niet fietsen of een baby verschonen. Zal kunstmatige intelligentie ooit het niveau van âmenselijke intelligentieâ evenaren of zelfs voorbijstreven?
Herbert Roitblat tempert de verwachtingen in zijn boek
Algorithms Are Not Enough.Natuurlijke intelligentie, zo stelt hij, stelt babyâs in staat om binnen enkele uren na de geboorte het gezicht van hun moeder te herkennen. Die natuurlijke of aangeboren intelligentie stelt ons in staat om door een onbekende stad te navigeren of de was op te vouwen. De menselijke intelligentie is niet rationeel, maar emotioneel. Ze trekt snel conclusies op basis van heel weinig data. Volgens Roitblat beschouwen we het begrip âkunstmatige intelligentieâ veel te eng. Artificiële intelligentie is een georganiseerde systematische benadering van het verwerken van informatie. Het maakt niet uit of die processen worden uitgevoerd door een machine, op papier of in een brein. Algebra bijvoorbeeld stelt mensen in staat systematisch te denken en wiskundige problemen op te lossen die voorheen onuitvoerbaar waren. De uitvinding van systematische processen heeft de ontwikkeling van de menselijke intelligentie geleid voor ten minste de laatste vijftigduizend jaar. Die uitgevonden intelligentie stelt ons in staat om rationeel en niet emotioneel te denken over complexe problemen. Ze is rationeel, methodisch en symbolisch. Roitblat gebruikt Einstein als voorbeeld.
[inspringen]
âEinstein werd niet als briljant erkend vanwege zijn vermogen om systematisch wiskundige vergelijkingen op te lossen, maar veeleer vanwege zijn vermogen om nieuwe ideeën te creëren, nieuwe visies op de wereld die in zijn vergelijkingen werden gevat. Einsteins genialiteit was niet slechts een logische recombinatie van het werk dat eraan vooraf was gegaan, maar was een stap verder. Hij leidde niet alleen de natuurkundige principes af uit reeds gedane waarnemingen, maar voorspelde ook waarnemingen die nog gedaan zouden worden.â
[Einde inspringen]
Computers en AI zijn in een aantal taken al beter en sneller dan de mens, maar om het niveau van een Algemene Kunstmatige Intelligentie te bereiken, moet AI over een groot aantal typisch menselijke eigenschappen beschikken. Roitblat somt de belangrijkste op:
[opsomming]
- redeneervermogen;
- vermogen tot strategische planning;
- leervermogen;
- vermogen om waar te nemen;
- vermogen om conclusies te trekken;
- vermogen om kennis weer te geven;
- vermogen om te leren uit een klein aantal voorbeelden;
- vermogen om problemen te identificeren;
- vermogen om doelen te specificeren;
- vermogen om nieuwe en productieve manieren te vinden om problemen voor te stellen;
- vermogen om meerdere benaderingen van een probleem te herkennen en elke benadering te evalueren;
- in staat zijn nieuwe benaderingen uit te vinden;
- in staat te zijn over vage ideeën na te denken en ze bruikbaar te maken;
- in staat zijn kennis van de ene taak op de andere over te dragen;
- in staat zijn overkoepelende principes te extraheren;
- vermogen om te speculeren;
- vermogen om contrafeitelijk te redeneren (tegen de feiten in denken);
- vermogen om niet-monotoon te redeneren;
- vermogen om kennis van het gezond verstand te exploiteren;
- â¦
[einde opsomming]
Demis Hassabis, voormalig schaakgrootmeester en videospelletjesontwerper, behaalde diplomaâs in computerwetenschappen en cognitieve neurowetenschappen. Hij verkocht zijn onderzoeksbedrijf voor kunstmatige intelligentie DeepMind in 2014 voor naar verluidt 625 miljoen dollar aan Google. Hassabis bestempelt de meeste AI-toepassingen waarover we al beschikken als âgewoon maar softwareâ. âHet zijn dingen die werken,â zo stelt hij. Hij wil veel verder gaan. Hassabis haalt zijn inspiratie uit het menselijk brein en probeert de eerste âgeneral-purpose learning machineâ te bouwen. Door naar het voorbeeld van biologische systemen flexibele en zelflerende algoritmes te bouwen, moeten ze in staat zijn om het even welke taak vanaf nul uit te voeren, met niets meer dan ruwe data.
DeepMind was het bedrijf dat met AlphaGo de Chinezen een hak zette. Het spel Go werd al vermeld in de geschriften van Confucius en is al minstens tweeduizend vijfhonderd jaar oud. Naar verluidt zou het aantal mogelijke zetten in het spel groter zijn dan het totaal aantal atomen in het heelal. Om een stuk software te schrijven dat dit spel meester wordt, helpen brute berekeningen niet. Je kan al evenmin een reeks spelregels programmeren die vertellen hoe en in welke volgorde je bepaalde stappen dient te zetten. Go werd daarom lange tijd beschouwd als een van de grote uitdagingen voor AI. AlphaGo versloeg de ene Go-kampioen na de andere: Fan Hui, Lee Sedol⦠Nick Bostrom, auteur van
Superintelligence: Paths, Dangers, Strategies, bestempelt die gebeurtenis als baanbrekend. Als AGI (algemene generale intelligentie) zal worden bereikt, zal dit een breuklijn betekenen in het âweefsel van de geschiedenisâ. Daarin valt hij Ray Kurzweil bij, die gelooft dat dat ultieme moment in de zeer nabije toekomst ligt.
AlphaGo heeft zichzelf aangeleerd om het spel te beheersen door gebruik te maken van âgeneral-purposeâ-technieken in machinaal leren. Hassabis wil die technieken toepassen op tal van grote problemen in de echte wereld, zoals de opwarming van de aarde en het onderzoek naar levensbedreigende ziektes.
DeepMind combineert oude en nieuwe AI-technieken, zoals traditionele zoekmethoden en DNNâs (âdeep neural networksâ). In DeepQ combineerden ze DNNâs met bekrachtigingsleren. Dat is de manier waarop alle dieren leren, via het door dopamine aangedreven beloningssysteem in de hersenen. AlphaGo ging nog een stap verder door langetermijngeheugenfuncties toe te voegen. Hassabis vergelijkt zijn bedrijf met het Apolloprogramma van NASA en met het Manhattanproject (de ontwikkeling van de atoombom). Het bedrijf haalt wereldwijd toptalent bij elkaar, zoals dat ook het geval was bij het Manhattanproject, waar onder meer Von Neumann voor werkte.
Een andere belangrijke doorbraak was die van AlphaFold in 2021 die een oplossing betekende voor het vijftig jaar oude âeiwitvouwprobleemâ. Eiwitten zijn essentieel voor alle vormen van leven. Ze ondersteunen nagenoeg alle biologische functies in levende organismen. Eiwitten zijn grote en complexe moleculen, opgebouwd uit ketens van aminozuren. De functie van een eiwit is grotendeels afhankelijk van zijn unieke 3D-structuur. Om een beter zicht te krijgen op de functie van de diverse soorten eiwitten, moet je dus weten hoe en in welke vormen eiwitten zich âopvouwenâ. AlphaFold loste dit oude probleem in een âoogwenkâ op door de 3D-vouwvorm van eiwitten te âvoorspellenâ.
-
-
- Dramatisch baanverlies en autonome wapens
De Taiwanese Kai-Fu Lee is computerwetenschapper, zakenman en schrijver. Als doctoraalstudent aan Carnegie Mellon University ontwikkelde hij een geavanceerd spraakherkenningssysteem. Hij werkte voor Microsoft, SGI, Apple en Google China. Hij geldt op dit moment als een van de meest prominente figuren op het gebied van AI in China. In zijn boek
AI Superpowers: China, Silicon Valley, and the New World Orderbeschrijft Lee hoe snel China zich ontwikkelt tot wereldleider op het vlak van AI. Als een van de belangrijkste redenen haalt hij aan dat geen enkel ander land over zoveel data beschikt. Dat kan ook niet anders gezien de omvang van de bevolking. Bovendien wordt China niet belemmerd door een privacywetgeving op het gebied van gegevensbescherming. De Verenigde Staten en China zijn sinds de overwinning van AlphaGO in een AI-wapenwedloop verwikkeld.
[inspringen]
âAls data de nieuwe olie is, dan is China het nieuwe Saoedi-Arabië.â
â Kai-Fu Lee
[Einde inspringen]
Kai-Fu Lee vergelijkt de vooruitgang in kunstmatige intelligentie met de Industriële Revolutie, maar stelt dat de impact op de werkgelegenheid veel verregaander zal zijn. Immers, AI is in staat om ook heel veel âmentaleâ arbeid en âcognitief werkâ te vervangen. Tot de cognitieve banen die het grootste risico lopen overbodig te worden, behoren vertaler, radioloog, bepaalde taken in het bankwezen, belastingcontroleurs, telemarketeer⦠Die banen zijn relatief asociaal en kunnen makkelijk geoptimaliseerd worden. Sociale banen of beroepen die steunen op creativiteit en/of strategie en bepaalde fysieke taken, lopen minder risico. Maar ook een groot aantal fysieke banen, waaronder die van afwasser, vrachtwagenchauffeur, textielarbeider, kok en caissière, lopen een hoog risico.
[inspringen]
âKunstmatige intelligentie is de toekomst, niet alleen voor Rusland, maar voor de hele mensheid. (â¦) Het brengt kolossale kansen met zich mee, maar ook bedreigingen die moeilijk te voorspellen zijn. Wie de leider wordt op dit gebied, wordt de heerser van de wereld.â
â Vladimir Poetin
[Einde inspringen]
Als Senior Advisor for Innovation van Hillary Clinton bezocht Alex Ross 41 landen. Hij bezocht wereldwijd oorlogsgebieden en vluchtelingenkampen, en ontmoette de machtigste mensen in het bedrijfsleven en de politiek. Ze veranderden en verdiepten zijn inzicht in wat de wereld staat te wachten op het gebied van innovatie en automatisering. In zijn boek
The Industries of the Futureonderzoekt hij hoe innovatieve technologieën, zoals robotica en kunstmatige intelligentie, de economische situatie in de wereld de komende tien jaar zullen veranderen. Hij beschrijft welke functies weinig overlevingskansen hebben door âcloud computingâ en AI.
Hij heeft het onder meer over âcloud roboticsâ. Robots, waaronder drones, zullen hun âgeleerde ervaringenâ uploaden naar de âcloudâ en op die manier kunnen leren uit de ervaringen van andere robots. Door die gedeelde kennis zullen robots en AI een vorm van adaptieve en cumulatieve leercultuur ontwikkelen. Stel dat je een drone zou bouwen waarvan het de taak is om een bepaald iemand te liquideren. Als je als slachtoffer die drone uitschakelt, ben je nog niet gered. Immers, de drone heeft al lang via de âcloudâ zijn opdracht, kennis en locatie (en dus ook die van jou) doorgegeven. Door die gedeelde kenniscultuur zullen robots steeds nieuwe taken leren.
Een wat angstaanjagend onderzoek van de universiteit van Oxford concludeert dat 47 procent van alle menselijke banen in de Verenigde Staten in de loop van de komende twintig jaar kunnen worden vervangen door robots en AI. Het onderzoekslab van autodeelbedrijf Uber bouwt een geautomatiseerde taxivloot, waardoor echte chauffeurs overbodig worden. Zowel Google X als een aantal Chinese autofabrikanten werken aan chauffeurloze autoâs. Ga zo maar doorâ¦
Waarom zouden we zoveel menselijk potentieel vervangen door robots en AI? De initiële kosten van robots en automatisering liggen veel hoger, maar betalen zichzelf in geen tijd terug. Je hoeft robots geen loon te betalen, ze eisen geen â9 to 5 jobâ, worden niet ziek (hooguit moet je een onderdeel vervangen) en nemen geen vakantie. Ze werken de hele tijd. Wat raad je je kinderen nog aan om te studeren of omgekeerd, waarom zouden kinderen nog willen of moeten studeren? Waarom zou je nog een andere taal leren als je merkt hoe goed op AI gebaseerde vertaalsystemen zoals DeepL ondertussen al zijn?
AI, en automatisering in het algemeen, kan de economie, van zware industrie tot medisch onderzoek, stimuleren, maar zal ook worden ingezet voor oorlogsvoering. In de korte film
Slaughterbotsuit 2017 krijgt de kijker een gedramatiseerd en dystopisch toekomstscenario gepresenteerd. Zwermen goedkope microdrones gebruiken kunstmatige intelligentie en gezichtsherkenning om politieke tegenstanders te vermoorden op basis van voorgeprogrammeerde criteria. De hoofdrolspeler presenteert de nieuwe uitvinding voor een enthousiast publiek, op een manier die erg doet denken aan de jaarlijkse presentatie van nieuwe Appleproducten of een TED-conference. Aan het einde van de film wijst hij met zijn vinger naar zijn hoofd en zegt:
[inspringen]
âSlimme wapens gebruiken data. Als je je vijand kunt vinden met behulp van data, zelfs via een hashtag, dan kun je een kwaadaardige ideologie aanpakken waar die ontstaat.â
[Einde inspringen]
Als kijker blijf je met een wrang gevoel achter, want de technologie die je nodig hebt om dit soort wapens te bouwen, is vrij beschikbaar. Met relatief beperkte kennis van elektronica en de huidige AI-technologie kan een doe-het-zelver zoân slim moordwapen bouwen. Stuart Russel, een Britse computerwetenschapper en hoogleraar computerwetenschappen aan de universiteit van Berkeley, werkte jaren aan de ontwikkeling van AI. Aan het einde van de film waarschuwt hij dat de ontwikkeling van slimme en autonome wapens dringend aan banden moet worden gelegd:
[inspringen]
âDeze korte film is meer dan enkel speculatie. Het toont de resultaten van het integreren en miniaturiseren van technologieën die we al hebben⦠Het potentieel van AI om de mensheid van dienst te zijn, is enorm, zelfs bij defensie. Maar machines toestaan te kiezen om mensen te doden zal vernietigend zijn voor onze veiligheid en vrijheid.â
[Einde inspringen]
De nieuwe Leviathan of redder van de wereld
âWij staan versteld van de enorme ontwikkeling van de mechanische wereld, van de gigantische vooruitgang die zij heeft geboekt in vergelijking met de trage vooruitgang van het dieren- en plantenrijk. We kunnen ons onmogelijk afvragen wat het einde van deze machtige beweging zou kunnen zijn⦠De machines winnen terrein op ons. Dag na dag worden wij meer aan hen onderworpen⦠Meer mensen wijden dagelijks de energie van hun hele leven aan de ontwikkeling van het mechanische leven.â
â Samuel Butler (1835-1902)
De filosoof Thomas Hobbes (1588-1679) gebruikte Leviathan, een mythisch zeemonster uit het jodendom, als symbool voor de rechtsstaat die boven alle andere menselijke machten staat. Leviathan gold als een soort politieke god die boven alles verheven was. De eerdergenoemde auteur George Dyson riep Hobbes uit tot de vader van kunstmatige intelligentie.
[inspringen]
âDe natuur (de manier waarop God de wereld heeft gemaakt en regeert) wordt geïmiteerd door de mens (â¦) zodat (de mens) een kunstmatig dier kan maken. Het leven is niets anders dan bewegende ledematen, aangestuurd door een centraal deel in het binnenste; waarom zouden we dus niet kunnen stellen dat alle automata een kunstmatige vorm van leven zijn? Want is het hart niet een veer, en zijn de zenuwen niet meer dan zoveel snaren, de gewrichten niet meer dan wielen die het lichaam in beweging zetten?â
â Thomas Hobbes,
Leviathan
[Einde inspringen]
De Poolse auteur Szymon Wróbel vreest dat onze moderne geautomatiseerde wereld zal uitgroeien tot een moderne Leviathan. Door AI geautomatiseerde en gedigitaliseerde ondernemingen, banken, socialemediabedrijven⦠vormen een bijna ondoordringbare laag boven de mensen. Banken kennen leningen toe op basis van statistische voorspellingen van kredietwaardigheid, klanten van grote bedrijven en energiemaatschappijen vinden via geautomatiseerde telefoondiensten nauwelijks nog gehoor in het geval van een klacht of probleem⦠In China bepalen AI-systemen hoe âgoedâ je bent als burger.
Leviathanof
Metropolis⦠wanneer is de grens overschreden? Wat waren de âspoetnikmomentenâ in de moderne geschiedenis toen die verandering plaatsvond?
De AI-industrie in China heeft zich in minder dan tien jaar ontwikkeld tot een miljardenindustrie. China beleefde zijn âspoetnikmomentâ in maart 2016. Toen versloeg Googles AlphaGo de Zuid-Koreaanse Lee Sedon, kampioen in het oeroude Chinese spel Go. Meer dan tweehonderdtachtig miljoen kijkers keken naar de wedstrijd. Een jaar later, in mei 2017, versloeg AlphaGo het Chinese wonderkind Ke Jie. Nauwelijks twee maanden later pakte de Chinese overheid uit met haar eigen AI-strategie: tegen 2030 beloofde het land de wereldleider op het gebied van AI te worden. Nicolas Chaillan, âchief software officerâ van het Pentagon, nam in 2021 ontslag, omdat hij het niet kon aanzien dat China de VS voorbijstreefde op het gebied van AI en âmachine learningâ. Volgens Chaillan was het al een uitgemaakte zaak dat China de Verenigde Staten zou voorbijstreven op dat vlak.
Volgens Kai-Fu Lee heeft het coronavirus en de lockdowns het gebruik van AI versneld, zowel in China als in de VS. In China versnelde de pandemie het gebruik van robotica in fabrieken en restaurants, waar een dienblad op wielen de bestelling naar je tafel brengt. De vooruitgang op het gebied van âtaalbegripâ zal zoekmachines grondig transformeren, net zoals âdeep fakeâ-technologie en de mogelijkheid om automatisch video en audio te genereren. Steeds meer zullen mensen hun professionele en sociale leven doorbrengen in virtuele omgevingen, een soort âmetaverseâ. Die virtuele leefwereld zal niet alleen bevolkt worden door onze eigen digitale avatar, maar ook door virtuele en door AI gegenereerde avatars.
China zet AI ook massaal in voor gezichtsherkenning en een sociaal puntensysteem, waarbij burgers worden beoordeeld op basis van hun gedrag. Met behulp van de verzamelde big data beslist een AI hoeveel sociaal krediet iedere burger verdient. Wie te veel punten verliest in dit sociale kredietsysteem, wordt bestraft met:
[opsomming]
- een verbod om het vliegtuig of de trein te nemen;
- beperkte internetsnelheid;
- het ontzeggen van toegang tot de beste scholen voor hun kinderen;
- het ontzeggen van bepaalde banen;
- het ontzeggen van toegang tot bepaalde (betere) hotels;
- het afnemen van je hond;
- een publiekelijke bestempeling als een âslecht burgerâ.
[einde opsomming]
Autonome wapens, waaronder drones, die zelf beslissingen nemen, worden wereldwijd steeds meer ingezet en de wapenproducenten lijken het niet zo nauw te nemen met de robotwetten van Asimov. Er is dringend behoefte aan regelgeving op het vlak van de inzet van âdeep techâ, waartoe AI, âquantum computingâ en blockchain behoren.
Of het nu gaat om hoogtechnologische bedrijven, zoals het Amerikaanse Meta (Facebook, Instagram, WhatsAppâ¦), Microsoft, Apple of Google of om de Chinese overheidâ¦, de voedingsbodem is gelegd. De techbedrijven lijken hun zin door te drijven en de meeste mensen voorzien ,zonder er verder over na te denken of zonder er zich zelfs maar van bewust te zijn, die bedrijven van een massa data. De Chinese overheid neemt het niet nauw met de rechten van haar burgers en verspreidt haar AI-technologie over grote delen van Azië en Afrika. Ook westerse overheden en bedrijven grijpen steeds meer naar AI-technologieën. Wet- en regelgeving kunnen de ontwikkelingen nauwelijks meer volgen.
Max Tegmark is natuurkundeprofessor aan het MIT en medeoprichter van het Future of Life Institute. Hij is een ietwat controversiële figuur, maar niettemin een ronkende naam in de wereld van AI. Tegmark deelt graag zijn ideeën over de mogelijkheden die AI biedt om de menselijke omstandigheden te veranderen. In zijn ogen is AI een âgame changerâ die het leven op aarde grondig zal veranderen.
[inspringen]
âDe technologie die we ontwikkelen, geeft het leven de kans om te bloeien, niet alleen voor de volgende verkiezingscyclus, maar voor miljarden jaren.
[Einde inspringen]
Hij definieert AI als het vermogen om complexe doelen te bereiken. Hoe complexer het doel, hoe meer intelligentie is vereist. Volgens hem is er geen enkel reden om te geloven dat Algemene Artificiële Intelligentie (artificial general intelligence of AGI) niet kan worden bereikt. Er is geen enkele natuurkundige wet die de ontwikkeling ervan in de weg staat. Maar betekent dit ook dat de mens dan overbodig wordt? Volgens Tegmark is dat een kwestie van perspectief. Hij ziet de enorme voordelen die AI biedt, maar we moeten de wijsheid cultiveren om de risicoâs te minimaliseren. We moeten, om het met zijn woorden te zeggen, âde wijsheidsrace winnenâ. In de analoge wereld leren we uit âtrial-and-errorâ, maar als we dat principe laten meespelen op de schaal van AGI, kan dit catastrofaal aflopen. We moeten als mens dus proactief voorspellen wat er mis kan gaan en voor de nodige beveiliging zorgen. Elke wetenschap kan worden gebruikt om de mensen te helpen, maar ook om hen schade te berokkenen.
Omdat de drie wetten van de robotica te beperkt zijn, ontwikkelden Tegmark en zijn collegaâs in 2017 de 23 Asilomar AI Principles, een reeks praktische en ethische richtlijnen voor de ontwikkeling en toepassing van AI. Wereldwijd hebben meer dan duizend onderzoekers en wetenschappers deze principes aanvaard en ondertekend. Een van die regels gaat in tegen de ontwikkeling van autonome wapens. We moeten verbieden dat AI-algoritmes besluiten om mensen te doden. De grote rijkdom die AI zal helpen produceren, moet beter worden verdeeld, zodat iedereen beter af is. We moeten investeren in het onderzoek naar AI-veiligheid, enzovoort. Maar uiteraard klinken deze doelstellingen, hoe mooi en goed bedoeld ook, wat vaag en ijl zo lang de grote spelers, van overheden en banken tot bedrijven, ze niet ter harte nemen.
Daarom moeten we de doelen van AGI afstemmen op onze eigen doelen, iets wat Tegmark 'AI alignmentâ noemt. Als je eenmaal weet waar je naartoe wil, kan je de problemen en potentiële valkuilen identificeren. In plaats van een dystopische, moeten we ons een verbazingwekkende toekomst voorstellen, zo stelt Tegmark. Hij gelooft dat de ontwikkeling van AGI ons kan helpen om de duurzaamheidsdoelstellingen te halen, AGI als een soort redder in nood die alle grote wereldproblemen kan oplossen.
-
-
- Leven in een computerbrein
In de film
The Matrixkomt het hoofdpersonage er vrij snel achter dat de wereld waarin hij leeft niet echt is. Alles en iedereen blijkt gesimuleerd door een gigantische machine die de levensenergie van mensen benut als een soort serieel geschakelde biologische batterij. De menselijke ervaringen blijken het resultaat van ingenieuze software die data invoert in de hersenen van miljoenen aan de machine gekoppelde mensen. De Britse computerwetenschapper Nick Bostrom heeft die simulatiehypothese op levensvatbaarheid getest. Hij heeft een reeks voorwaarden ontwikkeld om na te gaan of zoân digitale onderdompeling inderdaad mogelijk is of niet reeds het geval is. Immersieve technieken zijn in de digitale wereld alomtegenwoordig. Computersimulaties, 3D-games, âvirtual realityâ, âaugmented realityâ, online games (MMORPGâs)⦠gelden als de belangrijkste vormen van immersieve technieken, waarbij de grenzen tussen de werkelijkheid en de digitale voorstelling vervagen.
De singulariteit
Wanneer een computer menselijke intelligentie bereikt of het niveau waartoe mensen na miljoenen jaren biologische evolutie zijn aanbeland, dan stopt het voor AI niet. Nick Bostrom, Ray Kurzweil, Bill Gates, Elon Musk⦠waarschuwen voor dit schakelmoment: de singulariteit. Kunstmatige intelligentie zal zich, volgens sommigen, vanaf dat moment in razend tempo verder blijven ontwikkelen. Menselijke intelligentie is volgens hen geen eindpunt, maar een kantelmoment, waarna menselijke intelligentie snel overbodig lijkt te worden, als we hen mogen geloven.
Voor Ray Kurzweill is die âsingulariteitâ het moment waarop mens en machine in elkaar zullen opgaan en er hybride overgangsvormen, zoals humanoïden of cyborgs, zullen ontstaan. Bostrom, Gates en Musk roepen overheden op om goed na te denken en nu al âregelsâ en âbeperkingenâ in te stellen. Een van de eerste resultaten van die oproep is de âinternationaleâ bereidheid om een halt toe te roepen aan de ontwikkeling van autonome robots die op het âslagveldâ en bij oorlogvoering ingeschakeld kunnen worden.
Slot
In mijn hoofd keer ik terug in de tijd. Ik ben zes jaar oud en in de stoel in de keuken zie ik mijn moeder sokken stoppen. Mijn vader komt binnen en trekt zijn vuile laarzen uit. Snel schenkt hij zich een kop koffie in. Straks wacht hen beiden nog de taak om de koeien te melken, met de hand. Het leven is eenvoudig. Het beeld in mijn hoofd schenkt me rust. Het vervult me met nederigheid en tevens met gemis.
Hoe moet het verder nu? Maakt dit alles ons gelukkiger? Ook ik ben gedreven door een onstuitbare drang naar kennis. Kennis en kunnen zijn verslavend, ze activeren de dopamine-systemen in mijn hersenen. Maar is dit echt waar we met zân allen heen willen? Zal dit alles nog nodig zijn na de singulariteit, als die er ooit komt?
Vol bewondering kijk ik naar het werk van briljante geesten als de maker van het Antikythera-mechanisme, Heron van Alexandrië, de BanÅ« MÅ«sÄ, Paul Otlet, Ted Nelson, Vannevar Bush, Demis Hassabis, John von Neumann, Frank Rosenblatt, Max Tegmark⦠Maar hoopten ook zij zich niet gewoon thuis te voelen in een wereld die van ons allen is? Zal hun en onze geest nog rust vinden als al dat denken overbodig wordt?
Kris Merckx
11 maart 2022
Sommige algoritmes zoals
IBM's CRUSH, gaan nog een stukje verder. CRUSH of â Criminal Reduction Utilizing Statistical Historyâ zorgt voor
âpredictive analysisâen is in hoofdzaak bedoeld om misdaden te voorkomen. De politiediensten van Memphis konden de misdaadcijfers met 30% laten teruglopen dankzij CRUSH. Het aantal gewelddadige misdrijven liep sinds 2006 terug met 15%. Op basis van statistische gegevens, data-aggregatie en algoritmes, toont de software criminele hot spots op een kaart. Politie-eenheden kunnen op de manier pro-actief ingeschakeld worden en bij wijze van spreken aankomen voor een misdaad plaatsvindt. In de toekomst zullen criminelen heel snel opgespoord kunnen worden dankzij internetactiviteit, GPS en biosignaturen, verdacht gedrag...
