Handtassen op maat

Lees meer

Boeken op maat

Lees meer

Een plaats op het web?

Lees meer

Wij houden van vakwerk...

Lees meer

Code is mijn tweede taal

Lees meer

In deze schoenen wil je wel staan

Lees meer

Cookiebeleid

Cookiebeleid

Informatie over ons gebruik van Cookies

Onze website gebruikt cookies en gelijkaardige technologieën om de werking van uw gebruiksvoorkeuren te onderscheiden van die van andere gebruikers van onze website. Dit helpt ons om u een betere gebruikerservaring te bieden wanneer u onze website bezoekt en laat ons ook toe deze te optimaliseren. Zij kunnen worden geplaatst op een apparaat dat verbonden is met het internet - bijvoorbeeld een computer, smartphone, tablet of smart TV.

Books & Bags gebruikt geen cookies en soortgelijke technologieën om systematisch gegevens te verzamelen die de gebruikers van onze website zouden kunnen identificeren. De cookies die de website gebruikt helpen ons enkel de werking van onze website te verbeteren, te begrijpen wat de interesses van onze gebruikers en te meten hoe doeltreffend de inhoud ervan is.

Alle websites die gericht zijn op burgers in en van de Europese Unie zijn verplicht om uw toestemming te vragen voor het gebruik of opslaan van cookies en gelijkaardige technologieën op uw computers of mobiele apparaten. We volgen hierbij de richtlijnen en aanbevelingen van de Belgische Gegevensbeschermingsautoriteit (GBA) en de Vlaamse Toezichtcommissie voor de verwerking van persoonsgegevens (VTC).

Dit cookiebeleid geeft u duidelijke en volledige informatie over de cookies die wij gebruiken en hun doel.

Wat is een cookie?

Een cookie is klein gegevensbestand dat bij het bezoeken van een website wordt bewaard in uw browser (Chrome of Firefox bijvoorbeeld) of op het vaste geheugen van uw toestel (bijvoorbeeld op de harde schijf of SSD van een computer). In zo'n bestand wordt informatie opgeslagen, zoals bijvoorbeeld uw taalvoorkeur voor een website. Op die manier kunnen wij bepaalde instellingen of voorkeuren bij het gebruik van onze website onthouden. Als u de website later opnieuw bezoekt, wordt deze cookie opnieuw verstuurd naar de website. Op die manier herkent de website uw browser en kan bijvoorbeeld uw taalvoorkeur worden onthouden.

Cookies hebben meestal ook een vervaltermijn, ze worden na een zekere tijd vanzelf gewist. Sommige cookies worden bijvoorbeeld automatisch verwijderd als u uw browser afsluit (de zogenaamde "sessie cookie"), terwijl andere langere tijd op uw computer blijven staan - soms zelfs tot het moment dat u ze handmatig verwijdert (de zogenaamde "permanente cookie" of "persistent cookie").

Gegevens verzameld aan de hand van cookies worden door ons niet aan derden doorgegeven of op welke wijze dan ook meegedeeld tenzij eventueel onder de vorm van geaggregeerde cijfergegevens.

Soorten cookies

Essentiele cookies

deze cookies zijn om puur technische redenen nodig voor het gebruik van de website en worden dan ook vaak "noodzakelijke cookies" genoemd. Dit soort cookie zorgt ervoor dat de website of mobiele applicatie goed werkt. Enkele voorbeelden: om een formulier in te vullen, om de door u gekozen taal of uw privacyvoorkeuren te onthouden. Deze categorie cookies is essentieel voor de goede werking van de site of toepassing en om uw voorkeuren te onthouden tijdens uw bezoek aan de site of gebruikssessie van onze applicatie. Gezien de technische noodzakelijkheid worden deze geplaatst van zodra u de website binnenkomt. Hiervoor is er geen toestemming van de websitebezoeker noodzakelijk en geldt er uitsluitend een informatieplicht.

Functionele cookies

Dit soort cookies zorgen er voor dat de website naar behoren functioneert. Dit type cookie verbetert en past uw gebruikerservaring aan door relevante informatie weer te geven op basis van uw eerdere keuzes of door de browsinggegevens. Enkele voorbeelden: onthouden van uw taalvoorkeur voor meerdere sessies, onthouden dat u al hebt deelgenomen aan een enquete of eerder aankopen deed. Deze cookies maken het gebruik van onze website en applicatie makkelijker, maar als u deze categorie cookies niet aanvaardt, blijft de website wel werken.

Analytische cookies

Deze cookies worden gebruikt om statistieken te verzamelen over het gebruik van de website of de mobiele applicatie; bijvoorbeeld: de datum en tijd van het bezoek, de duur van de sessie, de bezochte pagina's of schermen of het aantal bezoekers. Ze helpen ons evalueren hoe bezoekers door de site navigeren of de applicatie gebruiken. Ze helpen ons ook om de dienstverlening te beoordelen en te optimaliseren om zo de inhoud en bruikbaarheid van de site of applicatie te verbeteren. Alle informatie die door deze cookies wordt verzameld, wordt geaggregeerd en waar mogelijk geanonimiseerd volgens de voorzichtigheidsprincipes die hiervoor gelden.

U kan ervoor kiezen om deze cookies niet te aanvaarden zodat ze niet geplaatst worden. Hiervoor wordt immers een actieve toestemming gevraagd. U helpt ons een beter inzicht te krijgen in de werking van onze website als u deze geanonimiseerde statistische cookies toelaat, het is evenwel uw vrije keuze om dit wel of niet te doen. U mag met gerust gemoed het gebruik van de door ons gebruikte analytische cookies toestaan zonder uw privacy in gevaar te brengen.

Wij wijzen u er op dat webbrowsers u toelaten om uw cookie-instellingen te wijzigen. Deze instellingen zijn meestal terug te vinden in het menu "Opties" of "Voorkeuren" van uw webbrowser. Om deze instellingen beter te begrijpen, vindt u heel wat informatie op internet. 

Fingerprinting

Fingerprinting is een alternatieve manier om gegevens te verzamelen. Hiermee wordt geen bestand op uw toestel bewaard, maar maakt de website een uniek profiel aan van je browser en toestel zonder dat hiervoor persoonlijke informatie van jouw wordt opgevraagd of bewaard. Dit soort techniek is handig om te kijken met wat voor soort toestel een gebruiker de site bezoekt en of de gebruiker reeds eerder is langs geweest, zonder dat hier persoonlijke gegevens zoals naam, leeftijd of e-mailadres worden aan gekoppeld. 

Verkoopsvoorwaarden

Verkoopsvoorwaarden

Artikel 1: Toepasselijkheid

1.1 Deze verkoopsvoorwaarden zijn van toepassing op alle boeken en producten van Books & Bags die worden aangeboden via deze website: www.booksandbags.be

1.2 Books & Bags heeft het recht producten van de website te verwijderen.

1.3 Books & Bags is bevoegd om wijzigingen in de algemene voorwaarden aan te brengen. Deze wijzigingen treden meteen bij publicatie in werking. 

Artikel 2: Totstandkoming

2.1 De overeenkomst tussen Books & Bags en de koper komt tot stand bij aankoop en betaling van het product of bij goedkeuring van de offerte.

2.2 Aankopen gebeuren via online bestelling op de desbetreffende website of na overeenkomst en overschrijving van het te betalen bedrag op ons rekeningnummer.

2.3 Bij een aankoop geeft een klant aan Books & Bags te kennen de algemene voorwaarden te accepteren.

Artikel 3: Betaling

3.1 Voor boeken en lederwaren is vooruitbetaling verschuldigd. De aankoop kan niet worden voltooid zonder betaling.

3.2 De verkoopsprijzen van de via deze website aangeboden producten zijn terug te vinden op de website van Books & Bags.

3.3 Bij aankoop ontvangt de koper een bevestiging van zijn aankoop op het computerscherm.

3.4 Betaling met waarde- of cadeaubonnen is niet mogelijk.

3.5 Er zijn geen kortingstarieven van toepassing.

3.6 Schuldvorderingen welke mits tussenkomst van derden moeten worden geïnd, worden verhoogd met 15%, met een minimum van 20% van het te betalen bedrag.

3.7 Betalingen dienen uitgevoerd zoals aangegeven. Books & Bags is niet verantwoordelijk voor problemen bij de gekoppelde online betaalservices.

3.8 Books & Bags is niet verantwoordelijk voor misbruik van de bankgegevens ten gevolge van onoordeelkundig gebruik, hacking van het toestel van de koper of problemen ten gevolge van virussen.

Artikel 4: Annulering en klachten

4.1 De aankoop van een boek of lederwaren via deze website kunnen na betaling niet worden geannuleerd of herroepen.

4.2 Eventuele klachten over de door Books & Bags geleverde producten dienen binnen uiterlijk 8 dagen na uitvoering hiervan, schriftelijk (per mail) en gemotiveerd aan Books & Bags kenbaar worden gemaakt. Bij het achterwege blijven hiervan wordt de opdrachtgever geacht geen klachten te hebben.

Artikel 5: Online account

5.1 Indien een klant een aankoop doet via deze website, dient hij werkelijk bestaande adresgegevens in te voeren. Die adresgegevens worden gebruikt voor levering van de produvcten.

5.2 Bij aankoop van een product via deze website geeft de koper toestemming aan Books & Bags om naar het opgegeven e-mailadres een e-mail te sturen.

5.3 Om in te kunnen loggen op de website dient de opdrachtgever zijn/haar e-mailadres en zijn/haar wachtwoord in te vullen. Het wachtwoord is strikt privé en vertrouwelijk, en mag niet met derden worden gedeeld.

5.4 Het cursusmateriaal is enkel bestemd voor gebruik door de cursist zelf en mag niet worden verspreid, gedupliceerd of elders gepubliceerd of nagemaakt. Voor de aangekochte boeken geldt de Belgische wetgeving rond het auteursrecht.

Artikel 6: Privacy

6.1 Books & Bags gebruikt je persoonsgegevens alleen in het kader van eigen dienstverlening. Books & Bags houdt zich aan de wettelijke regels betreffende Bescherming van de Persoonsgegevens. Zie privacyverklaring.

Artikel 7: Overige bepalingen

7.1 Bij eventuele geschillen zal Books & Bags altijd eerst haar best doen om het geschil onderling op te lossen, voordat een geschil aan de rechter wordt voorgelegd.

7.2 Op deze overeenkomst is het Belgische recht van toepassing.

7.3 Eventuele betwistingen kunnen alleen door de rechtbanken van het gerechtelijk arrondissement waar Books&Bags is gevestigd worden beslecht.

7.4 Alle gegevens van prijzen, inhouden en eigenschappen van de aangeboden producten en diensten staan onder voorbehoud van wijziging.

Verzending

Bij de aankoop van een boek of artikel kiest u voor afhaling of verzending. De datum van levertijd hangt af van de productietijd van het door u bestelde artikel. U ontvangt hiervoor de nodige informatie in uw factuur, in uw offerte of in uw confirmatiemail. Vermits elk product op maat wordt gemaakt na bestelling, hangt de levertijd af van de door u gevraagde opties. 

Indien het gaat om een reeds afgewerkt en op voorraad zijnd product kan u dit binnen een termijn van 30 dagen afhalen indien u voor die optie koos. Indien u koos voor verzending, dient u de verzendingskosten te betalen. Afspraak over de verzendtijd gebeurt via mail.

Privacyverklaring

1. Algemeen

1.1 Dit is de privacyverklaring van Books & Bags BV, met maatschappelijke zetel Processieweg 77, 3300 Hakendover, ingeschreven in de Kruispuntbank van Ondernemingen onder het nummer 0773.411.385 (Books & Bags BVï). Books & Bags BV treedt op als de verwerkingsverantwoordelijke voor de verwerking van de door jou meegedeelde persoonsgegevens die zij kan verkrijgen (i) rechtstreeks van jou in het kader van haar diensten, activiteiten of producten. Hierna wordt Books & Bags BV aangeduid als “Books & Bags”.

1.2 Books & Bags voert diverse activiteiten uit zoals opgenomen in de kruispuntbank van ondernemingen.

1.3 Deze privacyverklaring kan op elk moment door Books & Bags worden gewijzigd. Raadpleeg ze daarom regelmatig.

2. Juridisch kader

Deze privacyverklaring is onderworpen aan (i) de Wet van 8 december 1992 tot bescherming van de persoonlijke levenssfeer ten opzichte van de verwerking van persoonsgegevens (Privacywetï), en/of (ii) de Verordening (EU) 2016/679 van 27 april 2016 betreffende de bescherming van natuurlijke personen in verband met de verwerking van persoonsgegevens en betreffende het vrije verkeer van die gegevens en tot intrekking van Richtlijn 95/46/EG (algemene verordening gegevensbescherming) (ïAVGï) (samen of afzonderlijk ïPrivacywetgevingï).

3. Doel

Books & Bags kan de door jou meegedeelde persoonsgegevens verwerken in overeenstemming met de bepalingen van de Privacywetgeving en deze privacyverklaring, met het oog op het aanbieden en organiseren van haar diensten, activiteiten of producten. Die hebben betrekking op taal, geschiedenis en kunst en omvatten onder andere, maar zijn niet beperkt tot: (i) het organiseren van evenementen, cursussen en cultuurreizen, (ii) het aanbieden van onder andere boeken, magazines en cdïs, (iii) het uitvoeren van directe marketing zoals updates, nieuwsbrieven, infobrochures, e-mails, uitnodigingen voor evenementen, marketingmateriaal en andere informatie die voor jou interessant of nuttig zou kunnen zijn, (iv) het informeren van derden (onderaannemers en contractspartijen) in dit verband, (v) het aanmaken van een ledenbestand en daarover informatie verzamelen en (vi) het doen van prospectie voor nieuwe leden.

4. Rechtsgrond en toepasselijkheid

4.1 De rechtsgrond voor deze verwerking van persoonsgegevens ligt in: (i) de overeenkomst die jij aangaat of bent aangegaan met Books & Bags voor het verstrekken van ïïn of meerdere van haar diensten, activiteiten of producten, en/of (ii) de uitdrukkelijke, ondubbelzinnige en actieve toestemming die je aan Books & Bags hebt gegeven om de door jou meegedeelde persoonsgegevens te verwerken.

4.2 Deze privacyverklaring is niet noodzakelijk van toepassing op diensten, activiteiten of producten van derden waarnaar zou kunnen worden verwezen en waarop een andere privacyverklaring van toepassing kan zijn.

5. Persoonsgegevens

5.1 De persoonsgegevens die Books & Bags kan gebruiken zijn onder andere: voornaam, familienaam, geboortedatum, geslacht, adres, e-mailadres, telefoonnummer en, voor zover van toepassing, gezinssamenstelling.

5.2 Je garandeert met het aanvaarden van deze privacyverklaring dat de gegevens die jij meedeelt juist en volledig zijn.

6. Gebruiken, verzamelen, verwerken, opslaan en doorgeven van persoonsgegevens

6.1 Het meedelen van persoonsgegevens aan Books & Bags en/of deelname aan evenementen, cursussen of cultuurreizen impliceert dat jij je als mededeler/gebruiker:

I. volledig, bewust en geïnformeerd verklaart met deze privacyverklaring en die zonder voorbehoud aanvaardt; en/of

II. jouw uitdrukkelijke, ondubbelzinnige en actieve toestemming verleent aan het Books & Bags om de meegedeelde persoonsgegevens te (laten) gebruiken, verzamelen en verwerken in overeenstemming met deze privacyverklaring en de Privacywetgeving.

6.2 Door het meedelen van persoonsgegevens aan Books & Bags en/of deelname aan evenementen, cursussen of cultuurreizen geef je Books & Bags de toestemming om de persoonsgegevens aan te wenden om:

  1. het in artikel 3.1 bepaalde doel te verwezenlijken;
  2. jouw behoeften en voorkeuren beter te begrijpen, zodat Books & Bags haar diensten, activiteiten of producten daar beter op kan afstemmen;
  3. statistische gegevens te verkrijgen;
  4. een archief bij te houden;
  5. de toepasselijke regelgeving te kunnen naleven;
  6. door te geven aan onderaannemers en contractpartijen van Books & Bags voor de uitvoering van de voorgaande punten.

6.3 Books & Bags garandeert dat het de door jou meegedeelde persoonsgegevens niet doorgeeft aan derden, met uitzondering aan onderaannemers of contractpartijen voor de uitvoering van de diensten, activiteiten en producten die Books & Bags aanbiedt. Books & Bags is in het kader daarvan niet verantwoordelijk voor de verdere verwerking van de persoonsgegevens door die onderaannemers of contractpartijen.

6.4 Books & Bags slaat de persoonsgegevens op (i) voor de periode die nodig is om haar diensten, activiteiten of producten waarop je een beroep hebt gedaan te kunnen verlenen of aanbieden, met een maximumtermijn van 5 jaar na de laatst geleverde dienst, activiteit of product, of (ii) voor 5 jaar na de laatste activatie door jou als lid, of (iii) voor zolang het Books & Bags (of haar rechtsopvolger) bestaat voor wat betreft de gegevens die zijn opgeslagen in het kader van het archief van Books & Bags .

7. Jouw rechten

7.1 De Privacywetgeving verleent jou een aantal rechten met betrekking tot jouw persoonsgegevens.

Je hebt het recht:

  1. op inzage en kopie van jouw persoonsgegevens;
  2. om jouw persoonsgegevens te laten verbeteren als er fouten in zouden staan;
  3. om jouw persoonsgegevens te laten wissen voor zover ïïn van de gevallen opgesomd in artikel 17 van de AVG van toepassing is;
  4. om de verwerking van jouw persoonsgegevens te laten beperken;
  5. om jouw persoonsgegevens te laten overdragen aan een derde;
  6. op bezwaar tegen de verwerking van jouw persoonsgegevens, in het bijzonder in het kader van directe marketing;
  7. om jouw toestemming op basis waarvan het Books & Bags gerechtigd is om jouw persoonsgegevens te verwerken, in te trekken;
  8. om een klacht in te dienen bij de Commissie voor de bescherming van de persoonlijke levenssfeer (de Privacycommissi) als je van mening bent dat de verwerking van jouw persoonsgegevens strijdig is met de Privacywetgeving.

7.2 Mits bewijs van identiteit kan je voor het uitoefenen van de bovenstaande rechten en voor verdere vragen een schriftelijke, gedateerde en ondertekende aanvraag richten per brief naar Processieweg 77, 3300 Hakendover of via e-mail naar privacy@booksandbags.be

8. Beveiliging

Books & Bags verbindt zich ertoe om naar best vermogen alle redelijke maatregelen te nemen om de bescherming van jouw persoonsgegevens te waarborgen via technische veiligheidsvoorschriften en een adequaat veiligheidsbeleid voor haar medewerkers. De door jou aan Books & Bags bezorgde persoonsgegevens blijven bewaard bij Books & Bags of desgevallend bij de verwerker van persoonsgegevens op servers in Belgiï of Nederland. Je erkent en aanvaardt dat het doorsturen en bewaren van persoonsgegevens nooit zonder risico is en bijgevolg dat de schade die je zou lijden door het onrechtmatig gebruik van jouw persoonsgegevens door derden nooit op Books & Bags kan worden verhaald. 

9. Toepasselijk recht en bevoegde rechtbank

9.1 Je gaat ermee akkoord dat alle geschillen tussen jou en Books & Bags in verband met persoonsgegevens en privacy-aangelegenheden exclusief worden beheerst door het Belgische recht.

9.2 Elk geschil in verband met persoonsgegevens behoort tot de exclusieve bevoegdheid van de rechtbanken die bevoegd is geschillen op de vestigingsplaats, met uitsluiting van iedere andere rechtbank.

10. Gebruik van cookies

10.1 Gebruik van functionele en analytische cookies

Teneinde het gebruiksgemak van de website(s) van Books & Bags te vergroten, wordt gebruik gemaakt van zogenaamde cookies. Een cookie is een klein tekstbestand dat tijdens uw bezoek op deze website op bijvoorbeeld uw computer, tablet of smartphone wordt geplaatst. U kunt het gebruik van deze cookies op elk gewenst moment weigeren, hoewel dit de functionaliteit en het gebruiksgemak van de website(s) kan beperken.

Books & Bags , de beheerder van de website, gebruikt op deze site twee soorten cookies:

  1. cookies voor functionele doeleinden
  2. cookies voor analytische doeleinden

1. Books & Bags gebruikt Crowl om de inhoud van deze website up-to-date te houden. Deze software maakt gebruik van functionele cookies. Dat betekent dat deze cookies noodzakelijk zijn voor het goed functioneren van deze website. Deze cookies kan je niet weigeren als je onze website wil lezen.

2. Books & Bags gebruikt daarnaast ook Google Analytics voor analytische doeleinden. Die analysetool plaatst cookies die we gebruiken om websitebezoeken (trafiek) te meten. Zo weten we onder meer hoeveel keer een bepaalde pagina wordt gelezen. Deze informatie gebruiken we enkel om de inhoud van onze website te verbeteren en in te kunnen spelen op onderwerpen die erg veel interesse lokken.

Als je wil weten welke cookies op jouw toestel zijn geplaatst of als je deze ook wenst te verwijderen, dan kan je hiervoor een instelling in je browser gebruiken. Via de links hieronder vind je meer uitleg over hoe je dit moet doen.

De privacyverklaring van Google Analytics kan je  hierlezen.

privacycrodere

Cookiebeleid 

Deze site maakt gebrui van essentiële cookies om uw voorkeuren te onthouden. We gebruiken eveneens Google Analytics om te analyseren wie de website bezoekt.

Informatie over ons gebruik van Cookies

Onze website gebruikt cookies en gelijkaardige technologieën om de werking van uw gebruiksvoorkeuren te onderscheiden van die van andere gebruikers van onze website. Dit helpt ons om u een betere gebruikerservaring te bieden wanneer u onze website bezoekt en laat ons ook toe deze te optimaliseren. Zij kunnen worden geplaatst op een apparaat dat verbonden is met het internet - bijvoorbeeld een computer, smartphone, tablet of smart TV.

Crodere BVBA gebruikt geen cookies en soortgelijke technologieën om systematisch gegevens te verzamelen die de gebruikers van onze website zouden kunnen identificeren. De cookies die de website gebruikt helpen ons enkel de werking van onze website te verbeteren, te begrijpen wat de interesses van onze gebruikers en te meten hoe doeltreffend de inhoud ervan is.

Alle websites die gericht zijn op burgers in en van de Europese Unie zijn verplicht om uw toestemming te vragen voor het gebruik of opslaan van cookies en gelijkaardige technologieën op uw computers of mobiele apparaten. We volgen hierbij de richtlijnen en aanbevelingen van de Belgische Gegevensbeschermingsautoriteit (GBA) en de Vlaamse Toezichtcommissie voor de verwerking van persoonsgegevens (VTC).

Dit cookiebeleid geeft u duidelijke en volledige informatie over de cookies die wij gebruiken en hun doel.

Wat is een cookie?

Een cookie is klein gegevensbestand dat bij het bezoeken van een website wordt bewaard in uw browser (Chrome of Firefox bijvoorbeeld) of op het vaste geheugen van uw toestel (bijvoorbeeld op de harde schijf of SSD van een computer). In zo'n bestand wordt informatie opgeslagen, zoals bijvoorbeeld uw taalvoorkeur voor een website. Op die manier kunnen wij bepaalde instellingen of voorkeuren bij het gebruik van onze website onthouden. Als u de website later opnieuw bezoekt, wordt deze cookie opnieuw verstuurd naar de website. Op die manier herkent de website uw browser en kan bijvoorbeeld uw taalvoorkeur worden onthouden.

Cookies hebben meestal ook een vervaltermijn, ze worden na een zekere tijd vanzelf gewist. Sommige cookies worden bijvoorbeeld automatisch verwijderd als u uw browser afsluit (de zogenaamde "sessie cookie"), terwijl andere langere tijd op uw computer blijven staan - soms zelfs tot het moment dat u ze handmatig verwijdert (de zogenaamde "permanente cookie" of "persistent cookie").

Gegevens verzameld aan de hand van cookies worden door ons niet aan derden doorgegeven of op welke wijze dan ook meegedeeld tenzij eventueel onder de vorm van geaggregeerde cijfergegevens.

Soorten cookies

Essentiele cookies

deze cookies zijn om puur technische redenen nodig voor het gebruik van de website en worden dan ook vaak "noodzakelijke cookies" genoemd. Dit soort cookie zorgt ervoor dat de website of mobiele applicatie goed werkt. Enkele voorbeelden: om een formulier in te vullen, om de door u gekozen taal of uw privacyvoorkeuren te onthouden. Deze categorie cookies is essentieel voor de goede werking van de site of toepassing en om uw voorkeuren te onthouden tijdens uw bezoek aan de site of gebruikssessie van onze applicatie. Gezien de technische noodzakelijkheid worden deze geplaatst van zodra u de website binnenkomt. Hiervoor is er geen toestemming van de websitebezoeker noodzakelijk en geldt er uitsluitend een informatieplicht.

Functionele cookies

Dit soort cookies zorgen er voor dat de website naar behoren functioneert. Dit type cookie verbetert en past uw gebruikerservaring aan door relevante informatie weer te geven op basis van uw eerdere keuzes of door de browsinggegevens. Enkele voorbeelden: onthouden van uw taalvoorkeur voor meerdere sessies, onthouden dat u al hebt deelgenomen aan een enquete of eerder aankopen deed. Deze cookies maken het gebruik van onze website en applicatie makkelijker, maar als u deze categorie cookies niet aanvaardt, blijft de website wel werken.

Analytische cookies

Deze cookies worden gebruikt om statistieken te verzamelen over het gebruik van de website of de mobiele applicatie; bijvoorbeeld: de datum en tijd van het bezoek, de duur van de sessie, de bezochte pagina's of schermen of het aantal bezoekers. Ze helpen ons evalueren hoe bezoekers door de site navigeren of de applicatie gebruiken. Ze helpen ons ook om de dienstverlening te beoordelen en te optimaliseren om zo de inhoud en bruikbaarheid van de site of applicatie te verbeteren. Alle informatie die door deze cookies wordt verzameld, wordt geaggregeerd en waar mogelijk geanonimiseerd volgens de voorzichtigheidsprincipes die hiervoor gelden.

U kan ervoor kiezen om deze cookies niet te aanvaarden zodat ze niet geplaatst worden. Hiervoor wordt immers een actieve toestemming gevraagd. U helpt ons een beter inzicht te krijgen in de werking van onze website als u deze geanonimiseerde statistische cookies toelaat, het is evenwel uw vrije keuze om dit wel of niet te doen. U mag met gerust gemoed het gebruik van de door ons gebruikte analytische cookies toestaan zonder uw privacy in gevaar te brengen.

Wij wijzen u er op dat webbrowsers u toelaten om uw cookie-instellingen te wijzigen. Deze instellingen zijn meestal terug te vinden in het menu "Opties" of "Voorkeuren" van uw webbrowser. Om deze instellingen beter te begrijpen, vindt u heel wat informatie op internet.

Fingerprinting

Fingerprinting is een alternatieve manier om gegevens te verzamelen. Hiermee wordt geen bestand op uw toestel bewaard, maar maakt de website een uniek profiel aan van je browser en toestel zonder dat hiervoor persoonlijke informatie van jouw wordt opgevraagd of bewaard. Dit soort techniek is handig om te kijken met wat voor soort toestel een gebruiker de site bezoekt en of de gebruiker reeds eerder is langs geweest, zonder dat hier persoonlijke gegevens zoals naam, leeftijd of e-mailadres worden aan gekoppeld.

Privacy

Crodere BVBA gebruikt je persoonsgegevens alleen in het kader van eigen dienstverlening. Crodere BVBA houdt zich aan de wettelijke regels betreffende Bescherming van de Persoonsgegevens. Zie privacyverklaring.

Overige bepalingen:

Bij eventuele geschillen zal Crodere BVBA altijd eerst haar best doen om het geschil onderling op te lossen, voordat een geschil aan de rechter wordt voorgelegd.

Op deze overeenkomst is het Belgische recht van toepassing.

Eventuele betwistingen kunnen alleen door de rechtbanken van het gerechtelijk arrondissement waar Crodere BVBA is gevestigd worden beslecht.

Alle gegevens van prijzen, inhouden en eigenschappen van de aangeboden producten en diensten staan onder voorbehoud van wijziging.

Privacyverklaring

1. Algemeen

1.1 Dit is de privacyverklaring van Crodere BVBA BV, met maatschappelijke zetel Rijnrode 62, Bekkevoort ingeschreven in de Kruispuntbank van Ondernemingen onder het nummer 660.954.040 (Crodere BVBA). Crodere BVBA treedt op als de verwerkingsverantwoordelijke voor de verwerking van de door jou meegedeelde persoonsgegevens die zij kan verkrijgen (i) rechtstreeks van jou in het kader van haar diensten, activiteiten of producten. Hierna wordt Crodere BVBA aangeduid als “Crodere BVBA ”.

1.2 Crodere BVBA voert diverse activiteiten uit zoals opgenomen in de kruispuntbank van ondernemingen.

1.3 Deze privacyverklaring kan op elk moment door Crodere BVBA worden gewijzigd. Raadpleeg ze daarom regelmatig.

2. Juridisch kader

Deze privacyverklaring is onderworpen aan (i) de Wet van 8 december 1992 tot bescherming van de persoonlijke levenssfeer ten opzichte van de verwerking van persoonsgegevens (Privacywetï), en/of (ii) de Verordening (EU) 2016/679 van 27 april 2016 betreffende de bescherming van natuurlijke personen in verband met de verwerking van persoonsgegevens en betreffende het vrije verkeer van die gegevens en tot intrekking van Richtlijn 95/46/EG (algemene verordening gegevensbescherming) (ïAVGï) (samen of afzonderlijk ïPrivacywetgevingï).

3. Doel

Crodere BVBA kan de door jou meegedeelde persoonsgegevens verwerken in overeenstemming met de bepalingen van de Privacywetgeving en deze privacyverklaring, met het oog op het aanbieden en organiseren van haar diensten, activiteiten of producten. Die hebben betrekking op taal, geschiedenis en kunst en omvatten onder andere, maar zijn niet beperkt tot: (i) het organiseren van evenementen, cursussen en cultuurreizen, (ii) het aanbieden van onder andere boeken, magazines en cdïs, (iii) het uitvoeren van directe marketing zoals updates, nieuwsbrieven, infobrochures, e-mails, uitnodigingen voor evenementen, marketingmateriaal en andere informatie die voor jou interessant of nuttig zou kunnen zijn, (iv) het informeren van derden (onderaannemers en contractspartijen) in dit verband, (v) het aanmaken van een ledenbestand en daarover informatie verzamelen en (vi) het doen van prospectie voor nieuwe leden.

4. Rechtsgrond en toepasselijkheid

4.1 De rechtsgrond voor deze verwerking van persoonsgegevens ligt in: (i) de overeenkomst die jij aangaat of bent aangegaan met Crodere BVBA voor het verstrekken van ïïn of meerdere van haar diensten, activiteiten of producten, en/of (ii) de uitdrukkelijke, ondubbelzinnige en actieve toestemming die je aan Crodere BVBA hebt gegeven om de door jou meegedeelde persoonsgegevens te verwerken.

4.2 Deze privacyverklaring is niet noodzakelijk van toepassing op diensten, activiteiten of producten van derden waarnaar zou kunnen worden verwezen en waarop een andere privacyverklaring van toepassing kan zijn.

5. Persoonsgegevens

5.1 De persoonsgegevens die Crodere BVBA kan gebruiken zijn onder andere: voornaam, familienaam, geboortedatum, geslacht, adres, e-mailadres, telefoonnummer en, voor zover van toepassing, gezinssamenstelling.

5.2 Je garandeert met het aanvaarden van deze privacyverklaring dat de gegevens die jij meedeelt juist en volledig zijn.

6. Gebruiken, verzamelen, verwerken, opslaan en doorgeven van persoonsgegevens

6.1 Het meedelen van persoonsgegevens aan Crodere BVBA impliceert dat jij je als gebruiker:

I. volledig, bewust en geïnformeerd verklaart met deze privacyverklaring en die zonder voorbehoud aanvaardt; en/of

II. jouw uitdrukkelijke, ondubbelzinnige en actieve toestemming verleent aan het Crodere BVBA om de meegedeelde persoonsgegevens te (laten) gebruiken, verzamelen en verwerken in overeenstemming met deze privacyverklaring en de Privacywetgeving.

6.2 Door het meedelen van persoonsgegevens aan Crodere BVBA geef je Crodere BVBA de toestemming om de persoonsgegevens aan te wenden om:

het in artikel 3.1 bepaalde doel te verwezenlijken;

jouw behoeften en voorkeuren beter te begrijpen, zodat Crodere BVBA haar diensten, activiteiten of producten daar beter op kan afstemmen;

statistische gegevens te verkrijgen;

een archief bij te houden;

de toepasselijke regelgeving te kunnen naleven;

door te geven aan onderaannemers en contractpartijen van Crodere BVBA voor de uitvoering van de voorgaande punten.

6.3 Crodere BVBA garandeert dat het de door jou meegedeelde persoonsgegevens niet doorgeeft aan derden, met uitzondering aan onderaannemers of contractpartijen voor de uitvoering van de diensten, activiteiten en producten die Crodere BVBA aanbiedt. Crodere BVBA is in het kader daarvan niet verantwoordelijk voor de verdere verwerking van de persoonsgegevens door die onderaannemers of contractpartijen.

6.4 Crodere BVBA slaat de persoonsgegevens op (i) voor de periode die nodig is om haar diensten, activiteiten of producten waarop je een beroep hebt gedaan te kunnen verlenen of aanbieden, met een maximumtermijn van 5 jaar na de laatst geleverde dienst, activiteit of product, of (ii) voor 5 jaar na de laatste activatie door jou als lid, of (iii) voor zolang het Crodere BVBA (of haar rechtsopvolger) bestaat voor wat betreft de gegevens die zijn opgeslagen in het kader van het archief van Crodere BVBA .

7. Jouw rechten

7.1 De Privacywetgeving verleent jou een aantal rechten met betrekking tot jouw persoonsgegevens.

Je hebt het recht:

  • op inzage en kopie van jouw persoonsgegevens;
  • om jouw persoonsgegevens te laten verbeteren als er fouten in zouden staan;
  • om jouw persoonsgegevens te laten wissen voor zover één van de gevallen opgesomd in artikel 17 van de AVG van toepassing is;
  • om de verwerking van jouw persoonsgegevens te laten beperken;
  • om jouw persoonsgegevens te laten overdragen aan een derde;
  • op bezwaar tegen de verwerking van jouw persoonsgegevens, in het bijzonder in het kader van directe marketing;
  • om jouw toestemming op basis waarvan het Crodere BVBA gerechtigd is om jouw persoonsgegevens te verwerken, in te trekken;
  • om een klacht in te dienen bij de Commissie voor de bescherming van de persoonlijke levenssfeer (de Privacycommissie) als je van mening bent dat de verwerking van jouw persoonsgegevens strijdig is met de Privacywetgeving.

7.2 Mits bewijs van identiteit kan je voor het uitoefenen van de bovenstaande rechten en voor verdere vragen een schriftelijke, gedateerde en ondertekende aanvraag richten per brief naar Rijnrode 62, Bekkevoort of via e-mail naar davy.de.rees@telenet.be

8. Beveiliging

Crodere BVBA verbindt zich ertoe om naar best vermogen alle redelijke maatregelen te nemen om de bescherming van jouw persoonsgegevens te waarborgen via technische veiligheidsvoorschriften en een adequaat veiligheidsbeleid voor haar medewerkers. De door jou aan Crodere BVBA bezorgde persoonsgegevens blijven bewaard bij Crodere BVBA of desgevallend bij de verwerker van persoonsgegevens op servers in België of Nederland. Je erkent en aanvaardt dat het doorsturen en bewaren van persoonsgegevens nooit zonder risico is en bijgevolg dat de schade die je zou lijden door het onrechtmatig gebruik van jouw persoonsgegevens door derden nooit op Crodere BVBA kan worden verhaald.

9. Toepasselijk recht en bevoegde rechtbank

9.1 Je gaat ermee akkoord dat alle geschillen tussen jou en Crodere BVBA in verband met persoonsgegevens en privacy-aangelegenheden exclusief worden beheerst door het Belgische recht.

9.2 Elk geschil in verband met persoonsgegevens behoort tot de exclusieve bevoegdheid van de rechtbanken die bevoegd is geschillen op de vestigingsplaats, met uitsluiting van iedere andere rechtbank.

10. Gebruik van cookies

10.1 Gebruik van functionele en analytische cookies

Teneinde het gebruiksgemak van de website(s) van Crodere BVBA te vergroten, wordt gebruik gemaakt van zogenaamde cookies. Een cookie is een klein tekstbestand dat tijdens uw bezoek op deze website op bijvoorbeeld uw computer, tablet of smartphone wordt geplaatst. U kunt het gebruik van deze cookies op elk gewenst moment weigeren, hoewel dit de functionaliteit en het gebruiksgemak van de website(s) kan beperken.

Crodere BVBA , de beheerder van de website, gebruikt op deze site twee soorten cookies:

  • cookies voor functionele doeleinden
  • cookies voor analytische doeleinden

1. Crodere BVBA gebruikt Crowl om de inhoud van deze website up-to-date te houden. Deze software maakt gebruik van functionele cookies. Dat betekent dat deze cookies noodzakelijk zijn voor het goed functioneren van deze website. Deze cookies kan je niet weigeren als je onze website wil lezen.

2. Crodere BVBA gebruikt daarnaast ook Google Analytics voor analytische doeleinden. Die analysetool plaatst cookies die we gebruiken om websitebezoeken (trafiek) te meten. Zo weten we onder meer hoeveel keer een bepaalde pagina wordt gelezen. Deze informatie gebruiken we enkel om de inhoud van onze website te verbeteren en in te kunnen spelen op onderwerpen die erg veel interesse lokken.

Als je wil weten welke cookies op jouw toestel zijn geplaatst of als je deze ook wenst te verwijderen, dan kan je hiervoor een instelling in je browser gebruiken. Via de links hieronder vind je meer uitleg over hoe je dit moet doen.

  • Google Chrome
  • Edge / Internet Explorer
  • Firefox
  • Safari

Privacyverklaring update 2023

Deze privacyverklaring is er op gericht u te informeren omtrent de verwerkingen van persoonsgegevens die door Verpleging met hart en ziel uitgevoerd worden.

"Verpleging met hart en ziel" is verantwoordelijk voor de verwerking van uw persoonsgegevens.

De rechtmatigheid van de verwerking en de beveiliging en vertrouwelijkheid van persoonsgegevens is van essentieel belang voor ons.

Wij behandelen uw persoonsgegevens dan ook overeenkomstig Verordening (EU) 2016/679 van het Europees Parlement en de Raad van 27 april 2016 betreffende de bescherming van natuurlijke personen in verband met de verwerking van persoonsgegevens en betreffende het vrije verkeer van die gegevens en tot intrekking van Richtlijn 95/46/EG (de Algemene Verordening Gegevensbescherming (“AVG”)), de Wet van 30 juli 2018 betreffende de bescherming van natuurlijke personen met betrekking tot de verwerking van persoonsgegevens en andere bijzondere wetgeving.

De verwerking van persoonsgegevens

De term “persoonsgegevens” omvat alle informatie over een geïdentificeerde of identificeerbare natuurlijke persoon, zoals uw naam, uw identificatienummer, uw locatiegegevens, uw IP-adres, uw contactgegevens, persoonlijke kenmerken, gezondheidsgegevens, maar ook door u gesloten overeenkomsten en andere documenten die toelaten u te identificeren.

Onder “verwerking” dient u elke mogelijke handeling te verstaan die gesteld kan worden met betrekking tot uw persoonsgegevens, van het verzamelen tot het mededelen tot het vernietigen ervan.

Persoonsgegevens die verwerkt worden

De verwerking van uw persoonsgegevens heeft enkel betrekking op en is beperkt tot de diensten die door ons via onze website aangeboden worden

Wij verzamelen via onze website geen persoonsgegevens op basis waarvan u rechtstreeks geïdentificeerd kan worden, tenzij u ons hiervoor de toestemming gegeven heeft of u ons deze persoonsgegevens bezorgt, o.m. door het invullen van een formulier op onze website of wanneer u ons rechtstreeks contacteert per e-mail.

Wij verzamelen via cookies evenwel automatisch bepaalde persoonsgegevens die noodzakelijk zijn voor de goede werking en veiligheid van onze website. Dit wordt omschreven in ons cookiebeleid.

Houd er rekening mee dat bepaalde functionaliteiten van onze website niet beschikbaar zijn indien u uw persoonsgegevens niet wenst mee te delen of het gebruik van bepaalde cookies weigert.

U bent als enige verantwoordelijk voor de juistheid van de gegevens die u aan ons meedeelt en/of invoert.

Doeleinden en de rechtsgrond van de verwerking van uw persoonsgegevens

Verwerking van uw persoonsgegevens in het kader van de naleving van onze contractuele verbintenissen

Wij verwerken uw persoonsgegevens tevens in het kader van de naleving van onze contractuele verbintenissen. In dit geval verwerken wij uw persoonsgegevens voor volgende doeleinden:

  • Het treffen van maatregelen ter verificatie van uw (persoons)gegevens bij aanmelding op uw account via onze website (of een van onze partners), evenals het treffen van voorzieningen ter beveiliging van uw persoonsgegevens;
  • Het overgaan tot de levering en facturatie van de diensten aangeboden via onze website of via een andere weg;
  • De technische administratie van onze website, alsook het beheer van onze klantenadministratie

Verwerking van uw persoonsgegevens op grond van uw toestemming

Verder geeft u door akkoord te gaan met deze privacyverklaring ons de toestemming om uw persoonsgegevens te verwerken voor volgende doeleinden:

  • Het opnemen van contact teneinde uw vraag of opmerking te beantwoorden;
  • Prospectie en marketing m.b.t. nieuwe klanten/prospecten.
  • Het verstrekken van actuele informatie omtrent eventuele aanbiedingen of nieuwigheden (via nieuwsbrieven) en het opmaken van statistieken met betrekking tot de items opgenomen in de nieuwsbrieven;
  • Het opmaken van statistieken met betrekking tot het aantal bezoeken van de verschillende onderdelen van de website.

De verwerkingen gerelateerd aan het plaatsen van cookies en de daarmee gerelateerde toestemming worden hieronder nader toegelicht.

Verwerking van persoonsgegevens verzameld door middel van cookies

De persoonsgegevens die via functionele cookies verzameld worden en die dus vereist zijn voor de goede werking van onze website, worden verwerkt op grond van ons gerechtvaardigd belang.

Niet-functionele cookies worden enkel geplaatst nadat wij hiervoor uw toestemming verkregen hebben.

Meer uitleg omtrent de wijze waarop cookies gebruikt worden op onze website en de specifieke cookies die (mogelijkerwijze) door onze website geplaatst worden, kan u lezen in .

Doeleinden niet voorzien in deze privacyverklaring

Indien wij voornemens zijn een verwerking van uw persoonsgegevens uit te voeren voor een doeleinde dat niet in de privacyverklaring voorzien is, zullen wij u op het door u opgegeven e-mailadres contacteren om u op de hoogte te brengen van deze nieuwe verwerking en het doel ervan, waarbij u de mogelijkheid heeft om deze verwerking te weigeren.

Vertrouwelijkheid

Mededeling van persoonsgegevens

Alle persoonsgegevens worden strikt vertrouwelijk gehouden en worden in geen geval meegedeeld aan derden, tenzij wij hiervoor de expliciete, voorafgaande toestemming hebben verkregen of in geval van de mededeling van deze persoonsgegevens aan onze externe technische dienstverleners en/of onderverwerkers voor de goede werking van onze website.

Google

Wij maken gebruik van bepaalde producten van Google, m.n. Gmail (voor archiveringsdoeleinden) en Google Drive (doch enkel indien dit platform door onze cliënt gebruikt wordt en wij uitgenodigd worden hieraan deel te nemen). Google heeft passende technische en organisatorische maatregelen getroffen om misbruik, verlies en corruptie van uw en onze gegevens zoveel mogelijk te voorkomen. Google heeft geen toegang tot ons postvak en wij behandelen al ons e-mailverkeer vertrouwelijk. Google heeft zich ertoe verbonden uw persoonsgegevens nooit voor eigen doeleinden te gebruiken.

U kan de privacyverklaring van Google hierraadplegen.

De intrekking van uw toestemming

De toestemming die u aan ons verleend heeft om uw persoonsgegevens te verwerken, kan u steeds intrekken door een schriftelijk of elektronisch verzoek met een bewijs van uw identiteit via het contactformulier aan ons te richten.

Zoals vermeld in onze cookieverklaring kan u de toestemming die u aan ons verleend heeft om niet-functionele cookies te plaatsen steeds intrekken door op de knop bovenaan de cookieverklaring te klikken

De intrekking van uw toestemming is niet mogelijk voor de verwerkingen die noodzakelijk zijn voor de uitvoering van een overeenkomst of de verwerkingen die noodzakelijk zijn voor de behartiging van onze gerechtvaardigde belangen of die van een derde. De intrekking heeft dan ook geen invloed op deze verwerkingen.

De intrekking van uw toestemming doet geen afbreuk aan de rechtmatigheid van de verwerkingen die reeds gebeurden op basis van uw toestemming vóór de intrekking ervan.

Duur van het bewaren van de persoonsgegevens

Uw persoonsgegevens worden bewaard voor de periode die noodzakelijk is voor ons om het doeleinde van de verwerking te verwezenlijken.

Dit houdt in dat wij uw persoonsgegevens bewaren tot maximaal 10 jaar nadat u niet langer klant bij ons bent/onze contractuele relatie beëindigd werd. Deze termijn geldt onder voorbehoud van bijzondere wettelijke bepalingen die voorzien in een kortere dan wel langere duur.

De persoonsgegevens die door ons verwerkt worden in het kader van het versturen de nieuwsbrief, worden bewaard tot dat u uw toestemming intrekt door u uit te schrijven van onze nieuwbrief.

De bewaringstermijn van cookies kan u terugvinden in onze cookieverklaring.

Uw rechten

Recht van inzage, verbetering en gegevenswissing

U beschikt over het recht te verzoeken om inzage van uw persoonsgegevens, de verbetering van onjuiste of onvolledige persoonsgegevens of de wissing van uw persoonsgegevens.

De wissing van uw persoonsgegevens is niet mogelijk indien de verwerking van uw persoonsgegevens noodzakelijk is voor de totstandkoming van of de uitvoering van een overeenkomst of de onderbouwing van of de verdediging in het kader van een rechtsvordering.

Beperking van de verwerking

In bepaalde gevallen heeft u het recht om de beperking van de verwerking te verkrijgen, o.m. indien u de juistheid van de persoonsgegevens zou betwisten, de verwerking onrechtmatig is en u zich verzet tegen het wissen van de persoonsgegevens en u de persoonsgegevens nodig heeft voor het instellen, uitoefenen of onderbouwen van een rechtsvordering terwijl wij uw persoonsgegevens niet langer nodig hebben voor de verwerkingsdoeleinden. In voorkomend geval zullen wij uw persoonsgegevens enkel nog opslaan.

Overdraagbaarheid van persoonsgegevens

U heeft het recht om de persoonsgegevens die op u betrekking hebben en die u aan ons heeft verstrekt te verkrijgen of om die gegevens over te dragen. Dergelijke verkrijging of overdracht is niet mogelijk indien de verwerking van uw persoonsgegevens noodzakelijk is voor de totstandkoming van en/of de uitvoering van een overeenkomst of de onderbouwing van of de verdediging in het kader van een rechtsvordering.

Geautomatiseerde besluitvorming

U heeft het recht om niet onderworpen te worden aan een uitsluitend op geautomatiseerde verwerking gebaseerd besluit indien hieraan rechtsgevolgen voor u verbonden zijn of dit u in aanmerkelijke mate treft. Dit is niet mogelijk indien dit besluit noodzakelijk is voor de totstandkoming of de uitvoering van een overeenkomst of berust op uw toestemming.

Bezwaar

U heeft een recht van bezwaar tegen de verwerking van uw persoonsgegevens (1) die noodzakelijk is voor onze gerechtvaardigde belangen, mits er sprake is van redenen die specifiek verband houden met uw situatie en (2) ten behoeve van direct marketing. In voorkomend geval worden uw persoonsgegevens niet meer voor deze doeleinden verwerkt, tenzij voor de verwerkingen bedoeld onder (1) mits wij dwingende gerechtvaardigde gronden voor de verwerking aanvoeren die zwaarder wegen dan uw belangen, rechten en vrijheden of die verband houden met de instelling, uitoefening of onderbouwing van een rechtsvordering.

De uitoefening van uw rechten

U kan deze rechten uitoefenen door een gedateerd, schriftelijk of elektronisch verzoek met een bewijs van uw identiteit aan dpo@"Verpleging met hart en ziel".bete richten of desgevallend een aanvullende verklaring te verstrekken.

Indien wij van mening zijn dat u niet gerechtigd bent om één of meerdere van deze rechten uit te oefenen, zullen wij u hier schriftelijk van in kennis stellen.

Veiligheid

Wij hebben veiligheidsmaatregelen ontwikkeld die aangepast zijn op technisch en organisatorisch vlak, om de vernietiging, het verlies, de vervalsing, de wijziging, de niet-toegestane toegang of de kennisgeving per vergissing aan derden van uw persoonsgegevens verzameld op onze website of op enige andere wijze alsook elke andere niet-toegestane verwerking van uw persoonsgegevens te vermijden.

In geen geval kunnen wij verantwoordelijk worden geacht voor enige directe of indirecte, schade die voortvloeit uit een foutief of onrechtmatig gebruik door een derde van uw persoonsgegevens.

Websites van derden

Wij zijn niet verantwoordelijk voor de inhoud van websites van derden waarnaar op onze website eventueel verwezen wordt en ook niet voor de producten of diensten die op deze websites vermeld worden. Daarnaast geldt voor het gebruik van onze website enkel deze privacyverklaring. Aangezien de privacyverklaring van andere websites van de onze kan verschillen, is het aangewezen om de privacyverklaring van iedere website die u bezoekt te lezen.

Klachten

Indien u meent dat de verwerking van uw persoonsgegevens door ons een inbreuk zou uitmaken op de bepalingen van onderhavige privacyverklaring of op de AVG, heeft u het recht om een klacht in te dienen bij de Gegevensbeschermingsautoriteit via deze link. Indien uw gewoonlijke verblijfplaats of uw werkplek zich niet in België bevindt, heeft u de bijkomende mogelijkheid een klacht in te dienen bij de toezichthoudende autoriteit van de desbetreffende lidstaat.

Wijzigingen in onderhavige privacyverklaring

Het is mogelijk dat onderhavige privacyverklaring in de toekomst uitgebreid of aangepast wordt, bijvoorbeeld indien er zich nieuwe ontwikkelingen voordoen. Daarom raden we u aan om onderhavige privacyverklaring regelmatig te raadplegen.

Deel 1 - digitale verwerkingssystemen

Onderstaand artikel uit Cursus multimedia (K. Merckx)

Computers, laptops, tablets, smartphones, internet of things... Hoe maken we die digitale en elektronische wereld bevattelijk? Er is meer onder de zon dan de strijd tussen Microsoft en Apple of Android en iOS. In dit hoofdstuk leer je je weg te vinden in wat digitaal en elektronisch nu eigenlijk is. Hoe verhouden de diverse toestellen zich tot elkaar? Wat is het verschil tussen de boordcomputer in je auto en je laptop? Is je TV ook een computer als je ermee op internet kan?

1.1 Je weg vinden in het elektronische en digitale landschap

Je zal een stap voor zijn op de meerderheid van het grote publiek dat zulke toestellen wel massaal gebruikt, maar eigenlijk niet goed weet hoe die werken en nog veel minder hoe je zo'n toestellen zelf op maat kan bouwen. Wat leeft er allemaal in die “digitale wereld”? Wat is het verschil of de verhouding tussen analoog en digitaal, tussen elektronica en computers, tussen computers en microcontrollers, tussen embedded systemen en firmware, tussen hardware en software? Volg je nog? Ok, laat het ons een even allemaal op een rijtje zetten. Opgelet: we staan niet stil bij klassieke computers of televisietoestellen of diverse “merken”.

1.1.1 Hardware en software

Een computer(de hardware), of het nu gaat om een klassiek desktop-onding, een tablet, smartphone of een laptop, bestaat uit een hoop onderdelen. Je vindt er een processor in, een tijdelijk werkgeheugen (RAM), een opslagmedium (harde schijf, SSD, SD...), invoerapparaten (muis, touchscreen, toetsenbord...) en ook een outputsysteem (bestanden, scherm, webserver...). Al die diverse toestellen doen in wezen niet zo'n aardig verschillende dingen. Ze verwerken invoer en tonen en/of bewaren de uitvoer. Dat heb je op de schoolbanken geleerd. Ze kunnen niet zonder “software”, de ongrijpbare programma's die ergens virtueel zijn “geïnstalleerd” als digitale gegevens op een opslagmedium. De softwaregeeft onder de vorm van “binaire” code instructies aan de toestellen, verwerkt de invoer en presenteert de uitvoer.

Software bestaat op diverse niveaus:

1. een basissysteem (bios, uefi) dat de contacten tussen alle onderdelen regelt,

2. een besturingssysteem (zoals Android, iOS, Linux, Mac OS X, UNIX, Windows...)

3. of gewoon software met een heel specifieke taak (zoals GIMP, MS Word of... Processing).

Maar er bestaan ook andere verschijningsvormen die men gemakshalve eveneens aanduidt met de naam “computer”, maar in wezen niet helemaal voldoen aan de definitie hier boven. Een microcontroller is zo'n “computer”. Men gebruikt een microcontroller of microprocessor om elektronische apparatuur te besturen. Heel wat moderne apparaten bevatten zo'n microcontroller: een magnetron, een auto, een wasmachine, sommige telefoons...


Er bestaan ook kruisbestuivingentussen beide. De immens populaire Raspberry Piis daar een voorbeeld van.

1.1.2 Embedded systemen en firmware

Ongetwijfeld heb je op het vlak van “consumentenelektronica” al gehoord over “ embedded systemen” en “ firmware”. Een embedded system (ingebed of geïntegreerd systeem) is heel vaak gebaseerd op een microcontroller (met een microprocessor en/of DSP of 'digital signal processor') of op een SoC (System on a chip). Het vervult een bepaalde functie binnen een groter mechanisch of elektrisch systeem.In een koelkast kan het de temperatuur regelen, in een wasmachine regelt het de functie van alle “programma-instellingen”, in je auto zorgt het voor alle foutmeldingen die op je dashboard verschijnen, maar ook voor alle andere digitale informatie, voor het aansturen van bepaalde onderdelen van je motor enz.

Vroeger bestonden regelsystemenhoofdzakelijk uit mechanische en later elektronische onderdelen. Nu neemt de in een “microcontroller” geïntegreerde software veel van die taken over. Een microcontroller integreert hardware en software. Er zit geen “harde schijf” in waarop de software manueel kan geïnstalleerd worden, vaak zit de software geïntegreerd in de hardware, als vrijwel niet te wijzigen programma's. Soms kan de ingesloten software geüpdated worden, dan spreekt men van “ firmware”.

1.1.3 Voordelen en nadelen

Zo'n integratie biedt tal van voordelen in vergelijking met een “computer”.

  • 1. De verwerking gebeurt real time (beeld je maar eens in dat je auto zou werken op Windows),
  • 2. snel
  • 3. en verbruikt zeer weinig energie.
  • 4. Een embedded systeem is ook veel goedkoper.

Nadeel is dat de functionaliteit heel beperkt is. Je kan bijvoorbeeld geen tekstverwerker installeren in je koelkast of videomontagesoftware in je auto.

Het Leuvense IT-bedrijf EASICS ontwikkelde de beeldherkenningshardware waarmee de sorteermachines van de Belgische firma BEST zijn uitgerust.De hardware van EASICS herkent tegen een onwaarschijnlijk hoog tempo “ongewenste” elementen tussen bijvoorbeeld razendsnel voorbij rollende frieten, krenten, garnalen, spijkers of wat dan ook en activeert een luchtdrukstraal die het ongewenste element wegspuit. Een “multifunctionele” computer, hoe krachtig en snel ook, zou er niet in slagen om die taak zo snel af te handelen. Omdat de programmacode in de chip is gecodeerd, verloopt de verwerking hier onwaarschijnlijk snel.
Even bekeken volgens et IPO-model: input = beeld van camera, processing = herkennen van ongewenste elementen, output en feedback = verwijderen van ongewenst element.

Vaak worden embedded systemen met één bepaald doel voor ogen ontwikkeld, zijn ze heel “gespecialiseerd”, maar je kan ook herbruikbare microcontrollersontwikkelen... en dan zitten we bij de Arduinoaan het juiste adres als “startersmodel”.


Een eigenhandig gebouwde smartphone op basis van een Arduino-microcontroller.

1.1.4 Embedded systeem

Een “embedded systeem” bevat een sensorgedeeltedat informatie uit de werkelijkheid kan registreren. In een tweede fase kan het die informatie digitaliseren. Die digitale informatie moet verwerkt worden door de “microprocessor” of de firmware. In een laatste fase zal een “ actuator” bepaalde onderdelen aansturen of zorgen voor zichtbare of hoorbare output.

1.1.5 SoC's en microcontrollers

Naast de term “microcontroller” en “embedded system” duikt ook wel eens de term “system on a chip” (SoC)op. Een SoC (met een C wel te begrijpen), integreert alle componenten van een computer en/of elektronisch systeem op één enkele chip. SoC's worden veelvuldig toegepast in de markt van mobiele consumentenelektronica. Een “embedded systeem” bevat vaak een SoC.

Oeps, waar ligt dan de grens tussen een “microcontroller” en een “SoC”? De term “System on a chip” is in dat geval niet de beste keuze geweest. Immers, een “microcontroller” is vaak pas echt gebaseerd op één enkele chip, waardoor het beschikbare RAM-geheugen vaak onder de 100 kb blijft. Een SoC bevat vaak een veel snellere processor met meer werkgeheugen waardoor het in staat is om een besturingssystemen zoals Linux te draaien. Het is dus niet altijd echt één chip, want een SoC maakt vaak gebruik van externe geheugenchips (SD-kaartje, RAM...). Een modern besturingssysteem, hoe compact ook, heeft wel wat meer nodig dan 100 kb. Het begrip SoC verwijst dus eerder naar een zeer sterke integratie van de chips, waardoor kleinere systemen mogelijk worden.

1.2 Digitale “dingen”

Waarom zou je met zulke toestellen aan de slag gaan of er tijd in steken, want in wezen zijn ze veel trager dan een standaard “computer” of zelfs een goedkope smartphone? Embedded systemen en microcontrollers zijn aan een ware veroveringstocht bezig. Wellicht hoorde je de term “internet of things”al eens vallen. Ruwweg houdt dit in dat stilaan elk huishoudelijk toestel, maar ook auto's, bewakingscamera'sen domoticasystemenzulke embedded systemen aan boord hebben. Wanneer je al die dingen (things) aansluit op het internet, krijg je een allesomvattend netwerk van digitaal verbonden toestellen: het internet of things. We stellen ons hier even geen vragen over de gevolgen en gevaren voor de privacy en de ethiek.

Kortom, embedded systemen, SoC's en microcontrollers zijn niet meer weg te denken uit de wereld van vandaag en morgen. Be prepared!Wees voorbereid, want wie het kent, kan er zijn voordeel uit halen en zich behoeden voor al te grote 'schendingen' van zijn vrijheid en privacy. Hoe meer je erover weet, hoe beter je er mee kan omgaan, hoe beter je het systeem kan “hacken” (=uit elkaar halen en begrijpen).

1.3 Analoog naar digitaal

De fysieke wereld waarin wij leven gedraagt zich analoog. Natuurkundige fenomenen zoals licht, geluid, temperatuur ... kunnen voortdurend wijzigen. Een elektronisch apparaat zet signalen uit de omgeving (geluid, licht, warmte ...) om in elektrische signalen (spanningen, stromen ...). Net zoals een foto-elektrische cel licht omzet in een elektrisch signaal, zet een microfoon drukgolven in de lucht om in een veranderlijke elektrische spanning.
Een computer is een elektronisch systeem, maar niet elk elektronisch systeem is een computer;Een televisietoestel verwerkt net zoals een computer een binnenkomend signaal met behulp van elektronische onderdelen en toont die op het scherm. Maar dit betekent daarom nog niet dat een televisietoestel dan ook een "digitaal" systeem is; Digitale systemen verwerken alle invoer met behulp van binaire code. 

1.3.1 Sensoren

Zonder dat we het zelf goed en wel beseffen worden we omringd door sensoren. Je vindt ze in je mobiele telefoons (camera, microfoon, accelerometer ...), het toetsenbord en de muis van je computer, de thermostaat van de verwarming, in automatische lampen, het scherm van een tabletcomputer ... Als je na een nachtje stappen aan de kant wordt gezet door de politie, vind je ze zelfs in de alcoholtester (een chemische sensor). Omdat de opgewekte elektrische signalen vaak te zwak zijn om bruikbaar te zijn, bevat veel elektronica ingebouwde of aangesloten versterkers. Analoog houdt in dat de informatie als een continue golf of ‘stroom’ 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 1 in beweging. Deze beweging wordt omgezet in een veranderlijk elektrisch signaal, dat opgeslagen kan worden op magneetbanden. Analoog betekent dus ‘naar analogie met de werkelijkheid’. Analoge signalen zijn erg onderhevig aan storingen of interferenties van bijvoorbeeld andere apparaten.

1.3.2 Actuatoren

Actuatorenvormen een ander onderdeel van een elektronisch systeem: zij zetten elektrische signalen om in andere signalen zoals mechanische kracht, geluid ... Een luidspreker is een bekend voorbeeld van een actuator. Hij laat de lucht trillen door eerst zelf te trillen. Zo zet een elektrische motor elektriciteit om in een mechanische beweging, een lamp en een beeldscherm zetten elektrische energie om in licht enzovoort.

Naast de invoer via sensoren en de uitvoer via actuatoren voert de elektronica zelf een aantal berekeningen, algoritmes of programma’s uit op de binnenkomende signalen. Elektronica kan naar analogie met de werkelijkheid het elektrische signaal continue bewaren, zoals dit bijvoorbeeld met geluid op een magneetband gebeurt. Toch kunnen hier wat fouten of afwijkingen optreden. Als je destijds een audiocassette te lang op een warm dashboard liet liggen, merkte je het aan de geluidskwaliteit!


Een klassieke audiocassette bewaarde geluid analoog op een magneetband .

1.3.3 Discretisatie

Elektronisch is nog wat anders dan digitaal , ook al hoor je de termen weleens door elkaar gebruiken. Het sleutelwoord bij digitaal is ‘ discretisatie ’ in ruimte en tijd.Wanneer we analoge informatie digitaliseren, plaatsen we een denkbeeldig raster over de fysieke wereld en meten we de binnenkomende signalen enkel op bepaalde tijdstippen, meestal op vaste intervallen. Dit gebeurt doorgaans zeer snel, want anders zouden we veel ‘informatie’ missen. Discretisatie in ruimte en tijd heet in het vakjargon ook wel bemonstering, maar is vooral bekend onder de Engelse benaming ‘sampling’. Een sample of een monster van een beeld noemen we een ‘picture element’ of ‘pixel’. Een digitaal systeem meet ook de signaalniveaus (discretisatie van de signaalwaarden), zoals de lichtintensiteit van een pixel.

1.3.4 Afspraken

Bij het bouwen van zo’n systeem moeten er vooraf afsprakengemaakt worden. Bij een afbeelding kan dit gaan om de hoeveelheid pixels die men horizontaal of verticaal wil meten, bij geluid over het aantal metingen per seconde. Een audio-cd bevat bijvoorbeeld 44100 samples of metingen per seconde (sample rate van 44.100 Hertz = 44,1 kHz). Elke sample of meting wordt uitgedrukt als een getal tussen 0 en een vooraf bepaalde maximale waarde. Hoe hoger die waarde, hoe groter het bereik en hoe nauwkeuriger het signaal kan worden gemeten en weergegeven. Wanneer we licht meten met slechts twee lichtintensiteitswaarden, bevat ons eindresultaat enkel wit of zwart.

1.3.5 Binair coderen, ruis en foutonderdrukking

Simpel gezegd werkt een elektronisch of digitaal toestel op basis van elektriciteit en die kent ruwweg maar twee toestanden: aan (1) of uit (0). Het lijkt dus op het eerste gezicht niet zo eenvoudig om getallen hoger dan de waarde 1 te meten of te bewaren in een digitale omgeving. Daarom maken digitale systemen gebruik van het binaire stelsel, een tweetallig getalsysteem dat alle getallen weergeeft met de symbolen 0 en 1.

Een binair cijfer of bit (binary digit) kan dus slechts twee vormen aannemen: een 0 of een 1. Een binair getal noemen we anders naargelang het bereik. Zo noemen we een getal van 8 bits een byte. Wij leren op school letterlijk tellen op onze vingers (digitus in het Latijn) en we gebruiken daarom niet voor niets een tiendelig of decimaal talstelsel. Daarom is het ook even wennen als we met binaire getallen aan het tellen gaan. Je leert meer over binaire getallen via deze link


Een bereik van 8 bits geeft 2 tot macht 8 (256) mogelijke waarden. Een audio-cd heeft een bereik van 16 bits of 32.768 mogelijke waarden. Deze vorm van discretisatie beïnvloedt in sterke mate de kwaliteit. Hoe lager het aantal beschikbare bits of hoe trager het bemonsteren gebeurt, hoe lager de kwaliteit. Een te hoog bereik is echter evenmin zinvol. Het menselijk oor kan de extra kwaliteit toch niet altijd waarnemen. Daarom probeert men vaak een gulden middenweg te vinden tussen kwaliteit en ‘beperkingen’,zoals opslagcapaciteit en doorvoersnelheid (bijvoorbeeld de snelheid van de internetverbinding). In onze tijd worden digitale gegevens ook opgeslagen en voor langere tijd bewaard.

Hoe gaat dit fysisch 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 2 geldige waarden kennen, namelijk 0 of 1. In een elektronische schakeling kunnen we dit 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 transistor ...

Samengevat betekent ‘digitaal’ dus dat we de informatie bewaren als een reeks binaire getallen.Een geluidsgolf kunnen we bijvoorbeeld weergeven als een reeks getallen met een bepaalde grootte. Als we die getallen op een grafiek zetten, zien we de oorspronkelijke golf weer verschijnen. Digitale informatie wordt altijd met binaire en niet met decimale getallen weergegeven. In het binaire stelsel wordt elk getal voorgesteld als een combinatie van nullen en enen. Binaire getallen zijn uitermate geschikt om door elektrische schakelingen of bedrading te sturen omdat die enkel maar een aan-toestand (1) en uit-toestand (0) herkennen. In een analoog systeem kan elke gewenste waarde tussen een bepaalde ondergrens en bovengrens worden voorgesteld.

Als er ruisoptreedt door bijvoorbeeld slijtage op een magneetband of een elektromagnetische storing, kan het oorspronkelijk signaal niet meer onderscheiden worden van de ruis. De ruis die er achteraf bijgekomen is, heeft de oorspronkelijke signaalniveaus immers aangetast. Ook in een digitaal systeem kan ruis optreden. Een kras in een optische schijf zoals een cd kan putjes minder diep maken of elektromagnetische storingen kunnen bepaalde zones op een harde schijf demagnetiseren. Toch kan over het algemeen het oorspronkelijke niveau hersteld worden (als de storing niet te groot is) omdat elke bit slechts twee geldige waarden heeft: het is ofwel 1 ofwel 0 en daaruit moet het systeem zelf kiezen. Een kras kan bij wijze van spreken van 0 een 0,3 maken, maar die waarde ligt dichter bij de 0 dan bij de 1. Enkel een 0,5 zou een twijfelgeval kunnen worden. Als de schade door slijtage, ruis of storingen dus niet te groot is, kan een digitaal systeem de oorspronkelijke informatie of kwaliteit volledig herstellen. Maar zelfs in het geval van grote schade kan men door codeertechnieken (het uitrekenen van bepaalde controlegetallen over groepen van bits) de fouten toch nog herstellen (uiteraard binnen bepaalde grenzen). Sommige systemen maken gebruik van symbolen die meer dan twee waarden kunnen aannemen, waarbij één geheugencel 2 of 3 bit aan informatie kan bevatten. Dit soort transistors houden pakketjes elektronen van 4 of 8 verschillende (nominale) groottes vast. Zulke systemen zullen echter sneller falen bij kleine storingen of ruis. Toepassingen die een hoge betrouwbaarheid vereisen (zoals medische implantaten of ruimtevaart) zullen daarom 1 bit-cellen gebruiken. Digitalisering biedt nog tal van andere voordelen. Zodra een signaal is gedigitaliseerd, kan het makkelijk bewerkt en aangepast worden. Voor het toepassen van een filter op een afbeelding hebben we bijvoorbeeld niet langer een speciaal onderdeel of toestel nodig, dit kan met een computerprogramma. Dezelfde geheugendragers kunnen gebruikt worden om verschillende vormen van informatie te bewaren: foto’s, tekst, muziek, beeld, programma’s …

1.3.6 Van digitaal naar analoog

Pulsbreedtemodulatie (PWM of pulse width modulation)is het begrip als het gaat om het omzetten van digitale signalen naar analoge signalen. Cool, echt een begrip om mee uit te pakken aan de toog van je stamcafé, maar je kan best toch zorgen dat je dan tenminste weet waarover je het hebt. Zeker als die onbekende man op de hoek van de toog een ingenieur blijkt te zijn. Ben je er klaar voor?

Stel dat je dit boek nu niet zou lezen, maar dat je naar de audioversie ervan zou luisteren, dan zou het geluid van mijn opgenomen stem de lucht laten trillen. De luchtdeeltjes zouden als een voortdurend wijzigende golf je oren bereiken, met steeds wisselende pieken en dalen: een analoog geluidssignaal, naar “analogie” met de werkelijkheid. Nochtans werkt die luispreker op basis van elektrische signalen die nu eens uit en dan weer aan kunnen staan. Ofwel stuur je een pulsje stroom, ofwel niet, want elektriciteit beweegt nu eenmaal niet zoals een golf zeewater. Het is het een of het ander bij elektriciteit. De stroom staat aan of uit, 1 of 0. Hoe kan je dan met elektrische stroom een geluidsgolf genereren, een motor zachter laten draaien, een LED-licht dimmen?

Je kent het antwoord al, met PWM! Maar hoe gaat dit nu in zijn werk?Met PWM moduleren we de stroom. We schakelen bliksemsnel tussen 5V en 0V. Stel dat je de voltage de helft van de tijd instelt op 5V en de helft van de tijd op 0V dan krijg je een gemiddelde stroom van 5V of een “duty cycle” van 50%. Laat je de stroom 10% van de tijd op 5V staan, dan krijg je gemiddeld 0.5V. Als je op deze manier een motor aanstuurt, zal de motor langzamer draaien bij een lagere duty cycle. De motor krijgt dan wel zijn maximale spanning, maar niet continu. M.a.w. als je de schakelaar continu aan laat staan, zal je motor constant snel draaien, je LED-licht continu “fel” branden. Als je snel aan en uit pulst, zal de motor zachter beginnen draaien en je licht dimmen.

1.3.7 Programmeerbare automaten zijn zeer oud (randinformatie)

Het binaire talstelsel werd “bedacht” door de wiskundige en filosoof Gottfried Wilhelm Leibniz (1646– 1716), een tijdgenoot van het onovertroffen genie Isaac Newton (1643–1727). In zijn tijd zag niemand het nut in van zo’n binair talstelsel en hij zelf gebruikte het vermoedelijk enkel in filosofische discussies over godsdienst: de 1 zou daarbij staan voor het bestaan van God en de 0 voor de afwezigheid van God. Andere vondsten van Leibniz, zoals het ‘is gelijk aan’-teken (=) of de dubbele punt bij delingen (:), raakten wel ingeburgerd. Het binaire getalsysteem werd in de eerste helft van de 20e eeuw dankbaar opgevist voor gebruik in de eerste digitale computers.

Ook al was het binaire talstelsel nog niet uitgevonden, toch bestond het “digitaal” programmeren van machines al veel langer. Heron van Alexandrië bouwde tweeduizend jaar geleden automatische 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. Hierdoor begon het gewicht met enige vertraging te zakken. Aan de andere kant hingen twee touwen. Elke 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 ‘timer’-functie in te bouwen. Hiervoor plakte hij met was een stuk van het touw vast aan de as. Het zakkende gewicht trok het was stilaan los. Als het touw eenmaal was losgekomen, begon de as weer te roteren.


Je zou de instructies voor Herons robot kunnen uitschrijven in de code voor Lego® Mindstorms- robots:

task main(){
OnFwd(OUT_A,75);
OnFwd(OUT_B,100);
Wait(3000);

De OnFwd-instructie laat de motor naar keuze (A of B) vooruitbewegen. De Wait-instructie laat het toestel voor een bepaalde duur (milliseconden) halt houden. Uiteraard schreef Heron geen programmeerinstructies. Ze waren vastgelegd in zijn machine, maar op zo’n manier dat je het toestel kon herprogrammeren door de pinnen te verplaatsen. Het programma werd ‘opgeslagen’ in de assen met wat we binaire instructies 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.

Wellicht bestond de techniek voor het programmeren van toestellen al langer en heeft Heron het niet zelf bedacht. De techniek om toestellen te programmeren dook ook op bij Islamgeleerden, in middeleeuwse klokken, bij Leonardo da Vinci. In de 18e eeuw paste men de techniek enigszins aan door de cilinders met pinnen te vervangen door kaarten met gaten (ponskaarten). Men begon ze in te zetten voor het automatisch weven van kleren in weefgetouwen (Jacquard). De techniek van de ponskaart als middel om gegevens of programma-instructies te bewaren, bleef in gebruik als opslagmedium voor computers tot in de jaren 1980.

 Een ponskaart voor de opslag van geprogrammeerde muziek (19e eeuw).

1.4 Microcontrollers en SoC's voor doe-het-zelvers

1.4.1 Arduino

De Arduino is niet enkel een microcontroller. Het is een speciaal ontworpen bord voor het programmeren en het maken van “prototypes” met Atmel-microcontrollers. Als je er al eentje hebt aangeschaft, zal je ondertussen wel weten dat het goedkoop is. Voor een kleine 25 euro haal je een Arduino UNO in huis. Bovendien is het aardig makkelijk om mee te werken. Je sluit het via USB aan op je computer. Arduino-programma's schrijf je met een gratis stuk software. (http://arduino.cc/en/Main/Software).

De Arduino krijgt stroom via een USB-verbinding, maar kan ook los van de computer functioneren via een netadapter of batterijen. De Arduino meldt zich bij uw computer aan als een “virtuele seriële poort”. Als je code schrijft, kan je ze met een eenvoudige klik op de knop uploaden naar de Arduino. De standaard Arduino beschikt over 32 KB flashgeheugen om je code te bewaren. Dat is niet veel, maar ruim voldoende voor de meeste projecten.

Een Arduino telt 13 digitale en 6 analoge pins om externe hardware en sensoren aan te sluiten. Voor wie wat meer thuis is in de elektronicawereld: het bord heeft ook een ICSP-connector waarmee je de Arduino rechtstreeks als een serieel toestel kan aanspreken. Via deze poort kan je de Arduino “herstarten” (bootload) wanneer de chip niet meer met je computer wil “spreken”.

Afhankelijk van het project dat je wilt bouwen, kan je extra bordjes, sensoren of uitvoerapparaten op de Arduino aansluiten of in de pins “klikken”. Wanneer je een gewenst onderdeel aankoopt, vind je op de website van de fabrikant over het algemeen het schema voor het bouwen van de hardware-applicatie en de benodigde code. Controleer dit vooraf zodat je niet voor ongewenste verrassingen komt te staan. Houd er ook rekening mee dat je voor sommige modules met een soldeerbout overweg moet kunnen.

Sensoren

Gyroscoop, accelerometer, ultrasone sensor, GPS, IR-afstandssensor, verstelbare IR-sensor, bewegingssensor

Shields

Wifi, Ethernet, Motor, Color LCD, AM&FM­ontvanger, VoiceBox (voice en sound synthesizer), Musical Intrument, Audio Player, Joystick, Xbee

Modules en adapters

Voide recognition, radiocommunicatie, Xbee, Bluetooth, Wiichunk­adapter, SD­ lezer, Power over ethernet­module, GSM­module

1.4.2 Wiring

Wiring is de naam van een hardwareproject, een soort broertje of zusje voor Arduino. Meer informatie vind je op . Net zoals Arduino is Wiring een open-source elektronica prototyping platform. Wat open source is, leer je in een later hoofdstuk.
Je kan er op heel eenvoudige manier een “prototype” van een programmeerbare elektronische schakeling mee bouwen.

1.4.3 Raspberry Pi

De Raspberry Pi is een minicomputer (ook wel een singleboardcomputer genoemd) met een ARM-processor die ook dienst kan doen als microcontroller voor kleine elektronicaprojecten. Vermits het een gewone computer is, kan je er ook randapparatuur zoals een muis en toetsenbord (via USB), een microfoon, luidspreker of beeldscherm (TV via HDMI) op aansluiten. Een hele rits Linux-distributies (maar ook bijvoorbeeld Risc OS en Plan 9) zijn geschikt om op de Pi geïnstalleerd te worden. Het toestel kan ingezet worden als fileserver, NAS, mailserver... Voor een kleine 50 euro koop je een Raspberry Pi wat mede heeft bijgedragen tot zijn gigantische succes.


Een Raspberry Pi met een Linuxbesturingssysteem via HDMI aangesloten op een televisie.

1.4.4 Intel Galileo

Processorfabrikant Intel keek al snel met groeiend ongenoegen naar het succes van de op een ARM-processor gebouwde Raspberry Pi. Daarom lanceerde het bedrijf zijn eigen minicomputer aan onder de naam Intel Galileo. Het toestel draait op de energiezuinige Quark x1000-SoC.

Omdat de Raspberry Pi ook kan gebruikt worden voor elektronicaprojecten zag Intel de Arduino als een nuttige bongenoot in de zijn "oorlog" tegen het ARM-geweld. De Galileo is daarom niet alleen compatibel met zijn "Pentium Instruction Set Architecture", maar ook met de Arduino-bibliotheken en IDE.

1.4.5 Little bits

Wie toch zijn eigen elektronica wil “programmeren” en samenstellen zonder één letter code te schrijven of met kabels of soldeerbouten aan de slag te moeten gaan, moet zeker eens kijken naar Little bits. Met de eenvoud van Lego bouw je met Little bits coole elektronicaprojecten. Je klikt de diverse onderdelen poepsimpel via kleine magneetjes aan elkaar en klaar is kees.


1.5 Oefeningen

Audacity: Tijdens de les digitaliseren we audio met het open sourceprogramma Audacity ( www.audacityteam.org). We bekijken hoe het audiosignaal er in digitale vorm uitziet.

Adobe Photoshop / GIMP:We zetten een foto om in zwart-wit en verlagen het aantal pixels drastisch. We bekijken hoe discretisatie aan het werk is gegaan.

http://www.ardeco.be/sirk/screen.html:Pixelweergave met een raster. Hoe stuur je boodschappen door in binair formaat?

Sporen en privacy

Sporen en privacy


Algoritmes

3.5 Algoritmes die ons (digitale) leven dirigeren

Ongetwijfeld heb je het woord al eens gehoord: een algoritme. Het heeft niks met ritmische muziek te maken alhoewel Shazam wel algoritmes gebruikt voor patroonherkenning in muziek. Google gebrukt het PageRank-zoekalgoritme en wanneer je naar een MP3-muziekbestand luistert dan is dit eerst met een compressie-algoritme tot een relatief klein bestand herleid vooraleer het op je mediaspeler is beland. Algoritmes spelen een cruciale rol in de verwerking van big data. Algoritmes zijn in de digitale wereld alomtegenwoordig, maar wat zijn het eigenlijk? Een nette verklaring van het begrip vinden we op Wikipedia:

“(een algoritme) is een eindige reeks instructiesdie vanuit een gegeven begintoestandnaar een beoogd doelleiden. Algoritmen staan in beginsel los van computerprogramma's, al worden voor de uitvoering van algoritmen vaak computers gebruikt. Het doel van een algoritme kan van alles zijn met een duidelijk resultaat. De instructies kunnen in het algemeen omgaan met eventualiteiten die bij het uitvoeren kunnen optreden. Algoritmen hebben in het algemeen stappen die zich herhalen (iteratie) of die beslissingen (logica of vergelijkingen) vereisen om de taak te voltooien.” 1

3.5.1 Sorteeralgoritmes

In wezen gaat het om een stappenplan waarvan je weet dat je tot een bepaald resultaat zal leiden. Het gaat dus verder dan lukraak proberen een bepaald resultaat te bereiken. Je weet heel goed welke stappen je na elkaar moet zetten om tot een resultaat te komen. Op school leer je bijvoorbeeld woordjes alfabetisch rangschikken. Dat doe je in eerste instantie door naar de eerste letter te kijken. Bevatten veel woorden dezelfde beginletters, dan rangschik je die woorden door naar de tweede letter en vervolgens naar de volgende letters te kijken. Rangschikking vereist dus een algoritme, een strikt stappenplan om tot het beoogde eindresultaat (een alfabetische volgorde) te bereiken. Algoritmes blijven dus niet beperkt tot computerwetenschappen, maar je vindt ze al een “eeuwigheid” terug in de wiskunde. In het tweede millennium voor Chr. gebruikten de Babyloniërs algoritmes voor het berekenen van machten en vierkantswortels.

Het alfabetisch rangschikken van woorden en het ordenen volgens grootte van getallen lijkt voor ons erg makkelijk. Maar het vraagt wel een stappenplan in ons hoofd, ook al doe je het na een tijdje zonder na te denken. Hoe beter het algoritme, hoe sneller de procedure. Dit soort algoritmes wordt reeds van in de beginjaren van de computer gebruikt in de computerwetenschappen. John von Neumann bedacht het “sort merge”-algoritme in de 1945. Het sorteert gegevens door het splitsen, ordenen en weer samenvoegen (merge) van data. Tony Hoare bedacht in 1959 het Quicksort-algoritme, dat zoals de naam al doet vermoeden, sneller werkt dan “sort merge”. 2 In 1964 bedacht J.W.J. Williams het “heapsort”-sorteeralgoritme. 3

Zonder dit soort “sorteeralgoritmes” zouden heel wat moderne computertechnieken zoals data mining, AI, linkanalyse... ondenkbaar zijn.

3.5.2 Conversie en compressie

De het Fourier-transformatie-algoritme en de Fast Fourier-transformatie of het FFT-algoritme liggen aan de basis van heel wat compressie-algoritmen zoals JPG en MP3. Een Fourier-tansformatie zet een geluidssignaal of lichtintensiteit om in een golffunctie. Het internet, WiFi, een smartphone, computer, router, communicatiesatellieten enz., zo wat alle toestellen waarin een soort computer aanwezig is, gebruikt het deze algoritmen. Het meet analoge signalen doorheen de tijd en tekent die uit als een golf op basis van de gemeten frequenties. Door signalen op te zetten in (golf)functies, kan de intensiteit van de golf eveneens getransformeerd (vervormd) worden. Het FFT-algoritme wordt bijvoorbeed gebruikt bij afbeeldingsfilters waarbij men de intensiteit van kleuren of belichting 'transformeert'. Bij compressie worden lage intensiteitsverschillen weggegooid waardoor de bestandsgrootte erg verkleind.

"Fourier-transformaties worden gebruikt bij het omzetten van analoge signalen in digitale data en worden onder meer toegepast bij signaalverwerking, maar spelen ook een rol bij de compressie van beelden. Een complex signaal wordt met fft gereduceerd tot een aantal eenvoudig digitaal te representeren componenten. Daarvoor wordt een analoog sample opgedeeld in kleine stukjes, waarna de stukjes worden geanalyseerd en geconverteerd naar een digitaal signaal." 4

Compressie-algoritmes spelen een bijzonder belangrijke rol. Ze zorgen ervoor dat data kleiner worden, maar vaak gaat dit gepaard met kwaliteitsverlies. De algoritmes maken een afweging tussen kwaliteit en kwantiteit. In 3.2.5 (Compressie) leerde je al meer over de belangrijkste compressie-algoritmes voor afbeelding. In deel 6.2.7 (Codecs en containers) lees je meer over compressie van film.

3.5.3 Foutcorrectie

Het klinkt in de eerste plaats al indrukwekkend, het “ Proportional Integral Derivative Algorithm” maar wat het doet is al even tot de verbeelding sprekend. Een PID-controllerberekent constant foutwaardes als het verschil tussen de gemeten signaalwaarde en het gewenste resultaat en werkt vervolgens de fout weg. PID-controllers worden in de industrie toegepast, maar ook in meer populaire toepassingen. Zangers zingen in een opnamestudio niet altijd netjes op de toon, doorheen een zangpartij zitten ze vaak wel eens net boven of net onder de juiste toon. Dat wil nog niet zeggen dat ze ronduit vals zingen, maar ze zitten zelden loepzuiver op de toon. Autotuningzorgt ervoor dat al die foutjes verdwijnen in de uiteindelijke gemixte opname. Het lied “Believe” van de zangeres Cher zou de eerste popsong zijn die van autotuning gebruik heeft gemaakt. Je merkt meteen het verschil als je naar opnames uit de jaren 1960 of 1970 luistert en die vergelijkt met opnames uit de digitale periode vanaf 1984. Beluister bijvoorbeeld eens het album “Communique” van Dire Straits en het loepzuivere digitale geluid van “Brothers in Arms” van diezelfde groep. Niet dat we Dire Straits en Mark Knopfler “verdenken” van autotuning, maar de digitaliseringsalgoritmes hebben een blijvende “stempel” gedrukt op alle opnames vanaf de komst van de CD.

3.5.4 Dijkstra

Het Dijkstra-algoritme is vooral bekend als het kortste pad-algoritme. Het beschrijft de kortste afstand tussen twee punten.

“Het algoritme van Dijkstra wordt gebruikt door verschillende internetprotocollen, voor het vinden van de kortste route tussen computers of routers. Het algoritme van Dijkstra geeft gegarandeerd het kortste pad, als er überhaupt een pad tussen A en B bestaat, maar kan hier wel lang over doen. De snelheid van het algoritme is afhankelijk van de manier waarop de punten en lijnen opgeslagen zijn in het geheugen van de computer.” 5

3.5.5 Linkanalyse

Welke links bovenaan verschijnen in Googleszoekresultaten wordt bepaald door het PageRank-algoritme. Facebooktoont bij iedere gebruiker een andere newsfeedgebaseerd op de “vrienden” met wie je het meest contact hebt (op Facebook dan toch), berichten die de meeste “likes” hebben gekregen enz. Wat je te zien krijgt, hangt dus af van een heleboel factoren en wordt bepaald door een linkanalyse-algoritme. Uiteraard verschillen de algoritmen maar de basis voor linkanalyse werd gelegd in 1976 door Gabriel Pinski en Francis Narin.

“Who uses this algorithm? Google in its Page Rank, Facebook when it shows you your news feed (this is the reason why Facebook news feed is not an algorithm but the result of one), Google+ and Facebook friend suggestion, LinkedIn suggestions for jobs and contacts, Netflix and Hulu for movies, YouTube for videos, etc. Each one has a different objective and different parameters, but the math behind each remains the same.

Finally, I’d like to say that even thought it seems like Google was the first company to work with this type of algorithms, in 1996 (two years before Google) a little search engine called “RankDex” , founded by Robin Li, was already using this idea for page ranking. Finally Massimo Marchiori, the founder of “HyperSearch”, used an algorithm of page rank based on the relations between single pages. (The two founders are mentioned in the patents of Google).” 6

3.5.6 Suggesties?

Wanneer je op twee verschillende computers van twee verschillende “mensen” dezelfde zoekterm invoert in Google krijg je vaak andere zoekresultaten. Googles PageRank baseert de zoekresultaten immers ook op uw zoekgeschiedenis en toont op basis daarvan ook andere advertenties via het Google Adwords-algoritme. Wanneer je een zoekterm begint in te voeren toont Google Suggest reeds een reeks mogelijkheden waaruit je een optie kan selecteren. Ook iTunes, Amazon en Netflix tonen op basis van uw zoekgeschiedenis en aankopen andere producten die u wellicht interesseren. Eli Pariser noemt dit “informatie determinisme”. De gebruiker zit in een soort van “filter bubbel” waar hij zelf voor een deel de controle over verliest. Je kan dus niet zelf meer kiezen wat je te zien krijgt, algoritmes bepalen dit voor u. Vraag is of je, puur uit marketingoogpunt, op die manier geen potentiële kopers van bepaalde producten mist.

Online dating is eveneens een voorbeeld van een veelgebruikte dienst die op basis van suggestie-algoritmes functioneert. Het matching-algoritme van OKCupid (een online datingdienst) werd afgeleverd door de Harvardwiskundige Christian Rudder. Het maakt een “ruwe” match op basis van gemeenschappelijke interesses. Vraag is natuurlijk of iemand met gelijkaardige interesses sowieso de beste partner is. Daarom berekent het algoritme eveneens hoe belangrijk elke vraag is voor de andere partij.

3.5.7 Veiligheid

Steeds meer computergebruikers plakken hun webcam af met een stukje plakband, iedereen weet dat je privacy wel eens kan geschonden worden door al je internetavonturen. Toch rekenen we wel op veiligheid als we online bankieren of wanneer we een reis boeken via Booking.com en onze creditcardgegevens invullen in een App Store of in PayPal. Zonder dit gevoel van zekerheid en veiligheid zou je wel gek moeten zijn om je bankkaartgegevens ergens achter te laten. Het RSA-algoritme(ooit geschreven door de firma RSA) en het Secure hash-algoritmezorgen ervoor dat onze data veilig en versleuteld worden uitgewisseld tussen onze thuiscomputer en de servers van banken en online winkels. Een ander belangrijk algoritme in de wereld van de cryptografie is het Integer factorization- algoritme.

3.5.8 Controle en voorspelling

In 1948 schreef George Orwell het boek “1984” waarin hij scherpe kritiek leverde aan het adres van de USSR. Hij schetste

“een onmenselijke dictatoriale eenpartijstaat die in alle opzichten volledig beheerst wordt door de Partij. De alom aanwezige leider van de Partij en het land wordt Big Brother genoemd. Iedere bewoner van het land wordt continu in de gaten gehouden via camera'sdie zelfs in de huizen zijn geïnstalleerd. Dit gebeurt onder de slogan ‘ Big Brother is watching you’ (‘Grote Broer houdt je in de gaten’).” 7 Ondertussen leven wij in het westen niet in dictatoriale eenpartijstaten, maar Big Brother lijkt heel reëel. Ieder van ons wordt in de gaten gehouden, zij het niet door mensen, maar door algoritmes. Vanuit de USA houdt het National Security Agency (NSA) en zijn internationale partners (Five Eyes: US, Australië, Canada, Nieuw-Zeeland, Groot-Brittannië) wereldwijd miljoenen mensen in de gaten. Ze monitoren telefoongesprekken, SMS-berichten, e-mailberichten, webcambeelden, GPS-locaties enz. De hoeveelheid verzamelde informatie is veel te groot om te laten analyseren en interpreteren door mensen. De analyse gebeurt automatisch met behulp van krachtige algoritmes.

Sommige algoritmes zoals IBM's CRUSH, gaan nog een stukje verder. CRUSH of “ Criminal Reduction Utilizing Statistical History” zorgt voor “predictive analysis”en 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...

“In the future, these systems will largely take over the work of analysts. Criminals will be tracked by sophisticated algorithms that monitor internet activity, GPS, personal digital assistants, biosignatures, and all communications in real time. Unmanned aerial vehicles will increasingly be used to track potential offenders to predict intent through their body movements and other visual clues.” 8

De film Minority Report van Steven Spielberg uit 2002 toont al een glimp van waartoe dit in de toekomst kan leiden.

Algoritmes voor predictieve analyse zijn reeds lang in gebruik in de beurswereld. De analyse van razendsnel voorbijvliegende transacties gebeurt met behulp van slimme algoritmes. Soms kloppen de predicties niet, zoals bij de “Flash Crash” van 2010.

3.5.9 Dobbelen

Als je dobbelt met een dobbelsteen of de lotto speelt, speel je letterlijk met “toeval”. Een computer kan eveneens een lukraak getal genereren. In de meeste programmeertalen kan je de functie om een random getal te genereren eenvoudig oproepen. Random-getalgenerators zijn belangrijk in beveiliging en cryptografie, games, AI enz.

3.6 Mechanische, elektronische en digitale computers

Rekenen kost veel te veel tijd, tijd die je aan aangenamer bezigheden kan besteden. Dat merkte men ook bij de Amerikaanse volkstelling van 1880: 500 ambtenaren hadden 7 jaar lang de handen vol om alle gegevens te verwerken. Herman Hollerith (1860–1929) was ambtenaar bij het landelijk bureau voor statistiek. Hij zag in dat je met de automatische verwerking van ponskaarten veel sneller zou kunnen werken. In 1890 introduceerde hij zijn Hollerithmachine. Gegevens zoals geslacht, leeftijd en nationaliteit van elke inwoner werden op ponskaarten opgeslagen. De machine telde en sorteerde! Met behulp van 42 machines slaagden hetzelfde aantal ambtenaren erin om de klus op een maand te klaren. In 1939 startte IBM met de ontwikkeling van een rekenmachine ,die vijf jaar later onder de naam Automatic Sequence Calculator (Mark I) het levenslicht zou zien. Het toestel werd samen met Harvard University ontwikkeld en was maar eventjes 15 meter lang en 2,5 meter hoog. De Duitser Konrad Zuse (1910– 1995) kende het werk van Babbage niet toen hij van start ging met zijn eigen rekenmachine, die volgens het binaire talstelsel van Leibnizwerkte. Zijn eerste model (Z1) gebruikte nog mechanische schakelingen, maar beschikte wel al over een geheugen. Stilaan begon hij te experimenteren met elektromechanische verbindingen, wat resulteerde in de Z3, de eerste computer waarbij zowel het geheugen als de processor elektromagnetisch functioneerde. Het binaire talstelsel volstond niet voor de verwerking van gegevens. Een elektronische schakeling levert een 1 wanneer er een stroomstoot doorgaat en een 0 wanneer dit niet het geval is. Bij computers is het van belang meerdere schakelingen te kunnen combineren. Soms mag een stroomstoot pas worden doorgegeven wanneer meerdere schakelaars op 1 staan, in andere gevallen volstaat het dat een van beide schakelaars een stroomstoot doorgeeft. De benodigde wiskunde werd geleverd door het werk van de Schotse wiskundige George Boole (1815–1864). Hij schreef in 1847 een boek waarin hij het binaire talstelsel combineerde met de logische verbindingen and, or, not. Voor de rekeneenheden van computers leverde dit de gepaste oplossing om meerdere verbindingen te kunnen combineren. De Brit Alan Turing (1912–1954) ontwikkelde een theoretisch model voor een ‘computer’ onder de naam turingmachine. Deze Logical Computing Machine bleef bij een gedachte-experiment. Turing werd vooral beroemd omdat hij tijdens de Tweede Wereldoorlog de geheime Enigma- code kon kraken. Hiervoor 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 teruggevonden. Hij zou zelfmoord hebben gepleegd door te bijten in een met cyanide vergiftigde appel. Volgens de legende 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 oorlog 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 programma’s 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. Hierdoor 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 toelaten een grote stroom aan of uit te zetten met een kleine stroom. Hierdoor waren ze erg geschikt voor gebruik in computers. Maar het resulteerde wel in een zeer groot toestel met meer dan 700.000 onderdelen en 80 kilometer elektrische draden. 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 afgaf. Om te voorkomen dat de draad volledig verbrandde onder invloed van de lucht, plaatste hij het in een luchtledige glazen bol. Veel onderzoekers begonnen te experimenteren met de mogelijkheden van de lamp en dit 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 18.000 buizen en was in alle opzichten sneller dan de Mark I. Toch had een elektronenbuis ook heel wat nadelen. Ze was niet alleen duur en erg breekbaar, maar slorpte ook massa’s 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 (transfer­resistor) 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 ‘ic’ (integrated circuit), maar is bij het grote publiek vooral bekend geworden onder de naam ‘chip’.

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 ‘chiptechnologiegeneratie’ met transistors die slechts half zo groot zijn als die van de vorige generatie. Uiteraard kan dit 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 stilaan een einde. De initiële investeringen voor het ontwerp van een chip zijn door de miniaturisatie zo hoog geworden dat de prijzen enkel nog zakken bij immense productievolumes. Van grote invloed op de miniaturisatieis de consumentenelektronica met steeds lagere prijzen. De schaling leidt er ook toe dat we elektronische toestellen steeds sneller als voorbijgestreefd beschouwen, wat de wegwerpmaatschappij in de hand werkt.

1“Algoritme”, ( https://nl.wikipedia.org/wiki/Algoritme), Geraadpleegd op 19 oktober 2015.

2“Quick sort”, ( https://en.wikipedia.org/wiki/Quicksort), Geraadpleegd op 19 oktober 2015.

3“Heapsort”, ( https://en.wikipedia.org/wiki/Heapsort), Geraadpleegd op 19 oktober 2015.

4DE MOOR, W., "Sneller algoritme voor Fourier-transformaties ontwikkeld", (http://tweakers.net/nieuws/79444/sneller-algoritme-voor-fourier-transformaties-ontwikkeld.html), 2012, Geraadpleegd op 19 oktober 2015.

5GUNNINK, M., "Padvinder vindt pad: over Pathfinding", (http://kninnug.nl/padvinder/index.html), Geraadpleegd op 20 oktober 2015.

6OTERO, M., "The real 10 algorithms that dominate our world" (https://medium.com/@_marcos_otero/the-real-10-algorithms-that-dominate-our-world-e95fa9f16c04), 2014, Geraadpleegd op 19 oktober 2015.

7“Big Brother (George Orwell)”, ( https://nl.wikipedia.org/wiki/Big_Brother_(George_Orwell)). Geraadpleegd op 20 oktober 2015.

8DVORSKY, G., "The 10 algorithms that dominate our world", (http://io9.com/the-10-algorithms-that-dominate-our-world-1580110464), 2014, Geraadpleegd op 20 oktober 2015.

Disclaimer

5 Jan

Disclaimer

1. Algemeen

U mag de diensten van WoWL en Schoolvoorbeeld gebruiken om de inhouden te bekijken, te en/of te lezen op voorwaarde dat u zich volledig aan de algemene voorwaarden en de toepasselijke wetgeving houdt. Door het gebruik van deze diensten aanvaardt u automatisch en onvoorwaardelijk derze voorwaarden. De ontwikkelaars van WoWL en Schoolvoorbeeld kunnen deze voorwaarden ten allen tijde veranderen.

Indien u inhouden toevoegt of publiceert die door intellectuele eigendomsrechten beschermd zijn bent u hier zelf verantwoordelijk voor de publicatie en vrijwaart u de ontwikkelaars en WoWL tegen aanspraken van derden. U verleent bij publicatie aan WoWL het recht om de lessen online beschikbaar te stellen en digitaal te verspreiden. U vrijwaart hierbij WoWL en de ontwikkelaars tegen aanspraken van derden of andere rechthebbenden.

Het aanbrengen van een links naar WoWl, Schoolvoorbeeld of onderliggende diensten en pagina vanaf uw eigen website of vanaf sociale media mag en wordt zelfs aangemoedigd. De link en het webadres moet duidelijk zichtbaar zijn.

Het embedden van inhouden van WoWL kan uitsluitend voor het incidenteel gebruik van deze content voor eigen, niet-commerciële doeleinden, binnen de grenzen van deze algemene voorwaarden.

WoWL, de ontwikkelaar of de beheerders ervan, hebben ondermeer het recht om bijdragen te weren/verwijderen of aan te passen die:

  • extremistisch, pornografisch, racistisch, seksistisch, beledigend of lasterlijk zijn;
  • laster en eerroof kunnen betekenen
  • oncontroleerbare beschuldigingen of beweringen bevatten
  • agressieve of haatdragende taal bevatten
  • racistische terminologie bevatten
  • waarvan de zinnen in hoofdletters zijn geschreven
  • spellingfouten bevatten
  • smaad of laster bevatten
  • juridische of maatschappelijk ongepast lijken

Hiervoor kan pre- of postmoderatie worden gebruikt. Inhouden kunnen ook ingekort worden. WoWL heeft het recht om inhoudsfilters toe te passen. 
Vragen of opmerkingen kan u richten aan de ontwikkelaar van WoWL. 

2. Rechten van derden

  • U mag de dienst niet gebruiken om inbreuk te maken op de toepasselijke wetgeving en/of op rechten van de ontwikkelaars of derden, waaronder auteursrechten, naburige rechten, merkenrechten of enige andere intellectuele eigendomsrechten of rechten met betrekking tot de bescherming van privacy van andere gebruikers en/of derden.
  • U mag geen inhouden publiceren of toevoegen die in strijd zijn met de openbare orde of de goede zeden.
  • U mag geen inhouden publiceren of toevoegen die discriminerend, beledigend, lasterlijk of kwetsend is of op een andere manier inbreuk plegen op de rechten van anderen.
  • U erkent uitdrukkelijk dat de diensten van WoWL en Schoolvoorbeeld beschermd zijn door intellectuele eigendomsrechten van VRT en haar licentiegevers, waaronder onder meer auteursrechten en naburige rechten, databankrechten, merkenrechten en bescherming op computerprogramma’s.

3. Gebruikersrechten

  • U mag WoWL en Schoolvoorbeeld enkel gebruiken voor persoonlijke, educatieve en niet-commerciële doeleinden.
  • U mag de door u zelf aangemaakte inhouden downloaden en de gedownloade inhouden decompileren, ‘reverse-engineeren’, bewerken, kopiëren.
  • U mag de code niet aanpassen zodanig dat ze schadelijk is voor derden of hun digitale systemen.

4. Verantwoordelijkheid

  1. Wij zijn niet verantwoordelijk voor mogelijke schade aan uw computers (onder welke vorm ook) en/of klanten- en/of inkomstenverlies opgelopen door het gebruik van het geleverde product. U bent als klant verantwoordelijk voor het gebruik van het geleverde product en de gevolgen daarvan.
  2. Wij zijn niet verantwoordelijk voor problemen met de hardware, de software en/of malafide software (o.a. virussen) op de computers waarop het geleverde product wordt gebruikt.
  3. Wij zijn niet verantwoordelijk voor dataverlies tengevolge van onoordeelkundig gebruik, hardwarematige problemen of een update van het computersysteem waarop het product wordt ingezet.
  4. De verantwoordelijkheid voor het gebruik van de software en alle gevolgen door het gebruik ervan liggen bij de gebruiker.
  5. Wij dragen geen verantwoordelijkheid voor de auteursrechten of de correctheid van de informatie die in de databank of het systeem wordt ingevoerd. De verantwoordelijkheid voor het gebruik van tekst, afbeeldingen, film of andere vormen van multimedia en digitale informatie binnen het systeem ligt bij de gebruiker (in de hoedanigheid van zijn digitale profiel) die deze informatie aan het systeem heeft toegevoegd.
  6. De gebruiker die digitaal lesmateriaal ontwerpt, is zelf verantwoordelijk voor het naleven en het controleren van de auteursrechten en voor eventuele bronvermeldingen.
  7. De gebruiker mag het samengestelde materiaal niet verkopen of voor commerciële doeleinden benutten tenzij hiervoor vooraf schriftelijke toestemming door de ontwerper van WoWL is verleend.
  8. De software wordt geleverd as-is, in de staat waarin hij zich bevindt. De correcte werking is afhankelijk van de werking van de webserver, de databanksoftware en de middleware-scriptingtaal. De naam van de originele auteur moet ten allen tijd bewaard blijven. De code mag enkel voor het gestelde doel gebruikt worden en niet worden doorverkocht of gepubliceerd.
  9. (Her)Gebruik van delen van de code (zoals Agnes.js) mag enkel indien de gebruiker de originele publicatierechten naleeft die in de code zijn opgenomen en de originele programmeurs vermeldt.
  10. De aansprakelijkheid van WoWL en het ontwikkelteam (Kris Merckx, Philip Wolk, Tine Truijen) voor verborgen gebreken is in elk geval beperkt tot het bedrag van de bestelling. Indien de gebruiker het systeem gratis gebruikt, kan hij de ontwikkelaars niet financieel verantwoordelijk stellen voor schendingen van de rechten van hemzelf of van derden.
  11. WoWL en het ontwikkelteam (Kris Merckx, Philip Wolk, Tine Truijen) is tegenover de gebruiker of een derde niet aansprakelijk voor enige onrechtstreekse schade, bedrijfsschade, winstderving of omzetverlies die zich op eender welke manier voordoet als gevolg van een gebrek in een product of een gebruik van het product.
  12. WoWL en het ontwikkelteam (Kris Merckx, Philip Wolk, Tine Truijen) kan niet aansprakelijk worden gesteld voor inbreuken op wetgeving van het land waar het product wordt geleverd, buiten België.
  13. WoWL en het ontwikkelteam (Kris Merckx, Philip Wolk, Tine Truijen) kan niet aansprakelijk worden gesteld voor alle ongemakken of schade inherent aan het gebruik van het internet, zoals een onderbreking van de diensten, indringing van buitenaf (hacking), of aanwezigheid van virussen.

Vaarwel open internet

Netneutraliteit

Uit Wikipedia, de vrije encyclopedie

Netneutraliteitis het trefwoord, waaronder de discussie over de openheid van het internetplaatsvindt. Het gaat daarbij om de vraag of providers bepaalde soorten internetverkeer met voorrang dan wel met vertraging mogen behandelen. Providers betalen direct of indirect voor de hoeveelheid data, die hun klanten versturen en bepaalde toepassingen veroorzaken veel meer data dan andere. De klanten betalen veelal een vast tarief gebaseerd op de theoretische capaciteit van hun verbinding; de provider baseert de tarieven op het gemiddelde gebruik en uitschieters naar boven zijn, zakelijk gezien, niet welkom.

Achtergrond

Het internet is een open, wereldwijd netwerkvan computerverbindingen, waarbij heel veel kleine commerciële netwerken onderling verbonden zijn, zodat gebruikers via dit netwerk terechtkunnen bij andere gebruikers en zo informatie en bestanden uitwisselen. Op zich is het internet heel open, maar providers kunnen restricties stellen, zodat (eind)gebruikers niet meer een volledige keuzevrijheid hebben.

In principe staan netwerkpartijen, verbindingspartijen, knooppunten en hostingproviders neutraaltegenover de informatiestromen. Alleen de eindgebruikers en de dienstenleveranciers zijn verantwoordelijk voor wat zij verspreiden en communiceren. Van de infrastructuurpartijen wordt verwacht dat zij zo open en neutraal mogelijk vrije uitwisseling en communicatie over hun netwerken toestaan en geven hiertoe een ' best effort'-garantie af.

Nederland, Chilien de Verenigde Statenzijn vooralsnog de enige drie landen waar netneutraliteit in de wet is vastgelegd. In de Verenigde Staten besloot de Federal Communications Commission op 26 feb 2015 de neutraliteit van het net veilig te stellen door het internet onder te brengen in Title II van de Communications Act. Dit erkent het als een nutsbedrijf met de daarbij behorende beperkingen. Door de aanname van ' wetsvoorstelnr. 4915-19' werd in 2010 de Chileense telecommunicatiewet geamendeerd. Sindsdien bepaalt deze wet onder meer dat internetprovidersgeen invloed meer mogen uitoefenen op online data en de bereikbaarheid daarvan. De providers dienen aan de volgende vijf verplichtingen te voldoen:

  • Providers mogen op geen enkele wijze iemand de mogelijkheid tot het internetgebruik ontnemen of belemmeren, tenzij een maatregel in het belang is van de privacy van een gebruiker of van het weren van internetvirussen en dergelijke (art. 15A sub a).
  • Providers moeten services voor ouderlijk toezicht aanbieden (art. 15A sub d).
  • Providers dienen hun klanten te voorzien van een in een voor de klant begrijpelijke taal geschreven exemplaar van hun contract, met daarin alle informatie over hun internetverbinding (art. 15A sub b).
  • Providers moeten de volgende zaken garanderen: de privacy van de gebruiker, bescherming tegen virussen en netwerkbeveiliging(art. 15C).
  • Providers dienen toegang te verlenen tot alle beschikbare data op het internet (art. 15A sub c), met andere woorden, discriminatie is verboden.

Op 22 juni 2011 stemde de Nederlandse Tweede Kamerin met een voorstel om netneutraliteit op te nemen in de telecomwet . Na instemming van de Eerste Kameris de nieuwe Telecomwet van kracht geworden op 1 januari 2013. In deze gewijzigde wet wordt vrije toegang tot het internet gegarandeerd en is het verboden nieuwe diensten zoals WhatsApp, Viber en Skype te blokkeren. Daarmee wordt de zogeheten netneutraliteit wettelijk vastgelegd. Nederland is hiermee het tweede land in de wereld, en de eerste in de EUdie een dergelijke stap neemt .

Dimensionering

Dankzij schaling, goede concurrentie en dimensionering is het mogelijk geworden dat miljoenen eindgebruikers permanent, breedbandig tegen vaste kosten onbeperkt gebruik kunnen maken van hun aansluiting. Dimensionering houdt in dat de exploitant van het commerciële netwerk ervan uitgaat dat niet elke abonnee 24 uur per dag zijn verbinding maximaal benut. De totale netwerkcapaciteit en de capaciteit naar andere providers wordt bij alle providers (zowel kabelinternetals ADSL) verdeeld onder alle gebruikers. Elke netwerkaanbieder doet aan dimensionering, echter de overboekingsfactor verschilt per provider en wordt niet aan consumenten bekendgemaakt. In de praktijk geldt dat elke gebruiker op het moment van gebruik voldoende capaciteit heeft om alle denkbare breedbandige toepassingen te gebruiken. Een uitzondering op deze dimensionering zijn professionele verbindingen: deze worden vaak onoverboekt of met een lagere overboekingsfactor aangeboden.

Grootgebruikers

Elk commercieel toegangsnetwerk dat toegang biedt aan consumenten heeft te maken met grootgebruikers. Dit is vaak een klein percentage gebruikers dat verantwoordelijk is voor het leeuwendeel van de belasting op het netwerk. Het percentage verschilt per provider, bij de ene provider is 2% van de abonnees verantwoordelijk voor 80% van al het verkeer op het netwerk, bij de andere provider is 5% verantwoordelijk voor 60% van al het verkeer op het netwerk. Deze groep gebruikers claimt een onevenredig deel van de capaciteit van het netwerk.

Peer-to-peer

P2P-netwerk

Met name P2P-diensten zijn de oorzaak van de extra belasting op alle netwerken. De meeste providers geven aan dat P2P-verkeer 60% van al het verkeer betreft. Zonder filtering zou P2P-verkeer de netwerken en de onderlinge verbindingen tot boven 100% belasten, wat normaal gebruik voor andere diensten en andere gebruikers onmogelijk zou maken.

P2P niet zo efficiënt als gedacht

P2P-verkeer heeft als nadeel dat het vrij ongebreideld groeit: P2P-distributie lijkt goedkoper omdat het hostingkosten voor de aanbieder wegneemt, maar is in macro-economisch perspectief duurder omdat per P2P-download of -stream meer dataverkeer wordt gegenereerd dan bij een reguliere download of stream. Dit is te wijten aan communicatie-overhead en parityfeeds. De extra belasting verschilt per netwerk, per type content en per provider, maar schommelt tussen de 15% en 40%, met name bij realtimediensten zoals P2P-telefonie en P2P-televisie is dit effect sterk.

Omdat toegangsproviders vaak ook hostingproviders zijn, missen ze enerzijds de hostinginkomsten en anderzijds worden ze geconfronteerd met extra belasting op het netwerk. Dit heeft in het Verenigd Koninkrijk geleid tot een boycot van de BBCdoor alle providers omdat ze verrast werden door een enorme toename van dataverkeer op het netwerk in verband met de lancering van de "BBC Peer2Peer iPlayer".

Fair use policies

Om excessief gebruik van het netwerk te kunnen beheren, hanteren veel providers een fair use policy(FUP). In deze FUP's staat dat oneigenlijk en excessief gebruik niet wordt toegestaan: elke abonnee heeft immers een evenredig recht op capaciteit. Als een bepaalde gebruiker(sgroep) een andere gebruiker(sgroep) hindert dan mag de provider bijvoorbeeld het gebruik inperken, de gebruiker afsluiten, of laten betalen naar ratio. De policy verschilt per provider en wordt niet altijd even duidelijk gepubliceerd.

Schaling

Een andere manier om met de grote toename van verkeer om te gaan is netwerkschaling. De netwerken en de interverbindingen van de providers worden steeds groter. Alle infrastructuurpartijen investeren elk jaar in een verdubbeling tot wel vertienvoudiging van de netwerkcapaciteit. Providers kunnen echter niet onbeperkt blijven schalen: de investeringen zullen hoe dan ook gedekt moeten worden door inkomsten uit de abonnees. In een sterk concurrerende markt is het voor providers echter onmogelijk de maandprijs te verhogen: consumenten stappen dan massaal over.

Traffic shaping

Een andere veel toegepaste manier om de belasting op het netwerk te kunnen beheren is traffic shaping . Om te voorkomen dat een bepaald type dienst het netwerk dusdanig overbelast dat het andere gebruikers gaat hinderen of de provider onevenredig op kosten jaagt, kan de provider overgaan tot het inperken van dit type verkeer. Vrijwel alle providers optimaliseren de stromen data over hun netwerk, maar geven geen openheid over welk type diensten worden geoptimaliseerd en tot op welke hoogte dit wordt gedaan.

Tegenstanders van traffic shaping stellen dat het innovatie zou tegenhouden: nieuwe diensten worden mogelijk belemmerd. Voorstanders van traffic shaping stellen dat het innovatie juist bevordert: er blijft door shaping altijd ruimte gegarandeerd voor nieuwe innovatieve diensten.

Alternatieven

Bijvoorbeeld voor grootschalige videodistributie is onder de hoede van de AMS-IX in Nederland een project gestart tussen internetproviders, omroepen en streamingvideo-experts, onder meer XS4ALL, Surfnet, NPO, RTL en Jet Stream. Deze werkgroep werkt aan het vergroten van de videodistributiecapaciteit op het internet in Nederland, waarbij de kwaliteit van dienstverlening wordt verhoogd, de kosten worden verlaagd en de netwerken en de onderlinge verbindingen juist ontlast. Door slimme logistieke distributietechniek wordt netneutraliteit op een positieve manier gerealiseerd, immers andere diensten hebben ook voordeel bij de vrijgekomen capaciteit op de verbindingen.

In verschillende landen

Verenigde Staten

Providers vinden dat ze onevenredig op kosten worden gejaagd door sommige dienstenaanbieders en gebruikers(groepen) en vinden dat ze hun netwerk en andere dienstenaanbieders en gebruikers(groepen) moeten kunnen blijven beschermen tegen wildgroei. Ook zijn er providers die vinden dat ze specifieke dienstverleners voorrang mogen geven, realtime- en bedrijfskritische diensten bijvoorbeeld. Weer andere providers vinden dat ze hier ook extra kosten aan dienstverleners voor mogen berekenen. Diverse dienstverleners vinden dat op zich een interessant idee, mits men gegarandeerde doorgifte, dus voorrang, verkrijgt.

In het meest ongunstige geval kan een toegangsprovider diensten plotseling frustreren of volledig blokkeren ten behoeve van eigen diensten, zonder dat de abonnee hier weet van heeft of de kans heeft om over te stappen. Daarom willen veel belangenorganisaties dat providers stoppen met het filteren van verkeer en dat de providers hun netwerken maar moeten schalen. De kosten hiervoor zal de accessprovider echter wel doorberekenen aan de eindgebruikers of de dienstverleners. Veel dienstverleners en consumenten zijn bang dat ze meer moeten gaan betalen.

Op 26 februari 2015 voerde de Amerikaanse Federal Communications Commissionnetneutraliteit in door internetprovidersals common carrierste classificeren.

De nieuwe, door president Trump benoemde voorzitter van de FCC, Ajit Pai, stelde op 21 november 2017 voor om deze netneutraliteit opnieuw terug te draaien. Zijn voorstel is op 14 december 2017 met 3 ( Republikeinen) tegen 2 ( Democraten) aangenomen, zodat de regulering inzake netneutraliteit wordt afgeschaft.

Nederland

In Nederland wordt minder gepolariseerd gedacht over netneutraliteit. Providers, consumentenorganisaties, internetjuristen en dienstverleners kwamen tot deze stellingen tijdens een bijeenkomst van het ECP van het Ministerie van Economische Zaken :

  • Providers moeten altijd in staat kunnen zijn hun netwerk te dimensioneren en het netwerk voor alle gebruikers bruikbaar te houden.
  • Daartoe mogen zij grootgebruikers en excessief wildgroeiende protocollen redelijkerwijs inperken.
  • Providers mogen dienstenaanbieders nooit blokkeren ten behoeve van eigen diensten.
  • Providers mogen specifieke diensten voorrang geven op voorwaarde dat dit niet ten koste gaat van andere diensten.
  • Providers mogen specifieke dienstverleners geen voorrang geven en niet benadelen.
  • Providers moeten dezelfde prijsstellingen voor externe dienstenaanbieders hanteren als men intern voor vergelijkbare diensten gebruikt.

Er gaan stemmen op om providers tot meer openheid te manen: communiceer de overboekingsfactoren, de trafficshapingregels en de fairusepolicy's duidelijk naar consumenten, zodat zij een eerlijke keuze kunnen maken. Providers kunnen hier ook voordeel van hebben: ze kunnen zich profileren als een optimale gamingprovider of als een optimale webtv-provider bijvoorbeeld.

Met de Wet van 10 mei 2012 tot wijziging van de Telecommunicatiewet ter implementatie van de herziene telecommunicatierichtlijnenis onder meer artikel 7.4a van de Telecommunicatiewetingevoerd dat bepaalt dat aanbieders van openbare elektronische communicatienetwerken waarover internettoegangsdiensten worden geleverd en aanbieders van internettoegangsdiensten geen diensten of toepassingen op het internet belemmeren of vertragen, waaronder het rekenen van verschillende tarieven voor verschillende internettoepassingen, bij hetzelfde datagebruik (met enkele uitzonderingen).

Het blokkeren van diensten met veel dataverkeer, zoals YouTubeen Spotify, op wifi in NS-treinen is bijvoorbeeld wel toegestaan. Hierbij is het onduidelijk waarom alternatieven als het in zijn algemeenheid (technisch) beperken van de beschikbare bandbreedte per gebruiker onmogelijk werden geacht.

België

Sinds begin 2011 staat netneutraliteit in België op de politieke agenda. Jef Van den Bergh( CD&V) en Valérie Déom( PS) dienden elk een wetsvoorstel in. In juni 2011 werden er in de Kamer van Volksvertegenwoordigershoorzittingen georganiseerd met betrekking tot netneutraliteit. Minister Van Quickenbornetoonde zich voorstander van een open internet.

Vincent Van Quickenborne

CD&V, N-VA& PSdienden op 7 juli 2011 een gezamenlijk tekstvoorstel in.

Frankrijk

Op 12 april 2011 keurde de Commissie economische zaken van het Franse parlement het rapport van Laure de La Raudière ( UMP) goed. Het rapport omvat negen wetsvoorstellen waarvan Proposition n°1 & 2 slaan op netneutraliteit.

Europese Unie

Op 20 oktober 2011 heeft de industriecommissie van het Europees Parlementunaniem een resolutie aangenomen aangaande netneutraliteit, waarbij de commissie benadrukt dat providers internetverkeer gelijk moeten behandelen.

Voorbeelden van zeer, minder en niet-kritische diensten

Er is redelijke consensus over welke diensten voorrang (zogeheten QoS, Quality of Service) zouden mogen genieten en welke met normale ('best effort') garantie kan worden doorgegeven. De definitie van kritische diensten en niet-kritische diensten kan per provider, per abonnee en per dienstenaanbieder nog verschillen. Van deze diensten kan worden aangenomen dat ze zeer, minder of niet-kritisch zijn.

Zeer kritische diensten zijn bijvoorbeeld:

  • Voice over IP(realtimeaudio- en -videocommunicatie moet ongestoord kunnen werken)
  • Gaming (realtime gaminginformatie moet ongestoord kunnen werken)
  • Streaming media(realtime live- en ondemand radio en televisie moet ongestoord kunnen werken)
  • Bedrijfsprocessen (ondanks dat bedrijfsprocessen op zakelijke verbindingen thuis horen moeten deze vaak realtimediensten ongehinderd kunnen werken, betaaldiensten bijvoorbeeld)

Kritische diensten zijn bijvoorbeeld:

  • E-mail(de snelheid is niet primair van belang, de onbelemmerde doorgifte en beschikbaarheid wel)
  • Surfen(de snelheid is niet primair van belang, de onbelemmerde doorgifte en beschikbaarheid wel)
  • Chat(de snelheid is niet primair van belang, de onbelemmerde doorgifte en beschikbaarheid wel)

Niet-kritische diensten zijn bijvoorbeeld:

  • Downloads(de snelheid en beschikbaarheid zijn primair een belang van de aanbieder zelf, de downloadduur is niet schadelijk voor de consumptie)
  • P2P-downloads (de snelheid en beschikbaarheid zijn primair een belang van de gebruikers zelf, de downloadduur is niet schadelijk voor de consumptie)
  • Usenetdownloads(de snelheid en beschikbaarheid zijn primair een belang van de gebruikers zelf, de downloadduur is niet schadelijk voor de consumptie)

Voorbeelden van netneutraliteitincidenten in Nederland

  • Het Netvan KPNwas bij de start een afgesloten platform: er was geen toegang tot het internet mogelijk, maar werd wel als internetprovider gepresenteerd.
  • Tiscaliblokkeerde in 2005 de radiostreams van Radio 538omdat men vond dat hun hostingprovider misbruik maakte van de peeringovereenkomst: er werd eenzijdig dataverkeer afgeleverd, en niet wederzijds verwerkt.
  • Vodafonestelde in 2007 in de leveringsvoorwaarden van een aantrekkelijk 'sim-only'-mobielabonnement dat het data-abonnement niet gebruikt mag worden voor VoIP-diensten van derden, om inkomsten uit telefoontikken te garanderen en probeerde deze diensten actief te blokkeren.
  • iModevan KPN was bij de start een afgesloten platform: er was zeer beperkte toegang tot het internet mogelijk, ten behoeve van de eigen portal.
  • Vodafone Livevan Vodafone was bij de start een afgesloten platform: er was zeer beperkte toegang tot het internet mogelijk, ten behoeve van de eigen portal.
  • UMTS-netwerken van vrijwel alle mobiele operators blokkeerden tot 2007 toegang tot internetvideodiensten, ten behoeve van de eigen videodiensten.
  • UMTS-aanbieders filteren voor goedkopere pakketten het streamingverkeer, limiteren dit, of vragen hier een extra vergoeding voor.
  • Veel contenteigenaren laten exploitanten toegang tot content limiteren tot een geografische grens omdat men hun licentiemodellen nog niet heeft aangepast aan de wereldwijdheid van het internet en proberen zo prijsverschillen en releasedata in de markt in stand te houden. Een voorbeeld is de Olympische Spelen die het publiceren van het NOS Journaal op internet hindert omdat er mogelijk beelden van de Spelen in voorkomen.

Externe links

Bronnen, noten en/of referenties
  1. ↑ Huffington Post
  2. ↑ Obama krijgt zijn zin met netneutraliteit in VS , nos.nl, 26 februari 2015
  3. ↑ ( es) Wetsvoorstel nr. 4915-19op sil.congreso.cl. Geraadpleegd op 28 juli 2010.
  4. ↑ Gerson Lehrman Group (22 juli 2010). "Chile's Approach To Net Neutrality". Geraadpleegd op 28 juli 2010.
  5. ↑ Kamer neemt nieuwe telecomwet unaniem aan
  6. ↑ Nu.nl Netneutraliteit opgenomen in telecomwet
  7. ↑ Bits of Freedom - The Netherlands first country in Europe to launch net neutrality
  8. ↑ How the FCC Can Save the Open Internet. The Wall Street Journal(21 november 2017). Geraadpleegd op 24 november 2017
  9. ↑ Eva Schram, Netneutraliteit in gevaar in de Verenigde Staten. knack.be(22 november 2017). Geraadpleegd op 24 november 2017
  10. ↑ VS schrappen netneutraliteit. Het Laatste Nieuws(14 december 2017). Geraadpleegd op 15 december 2017
  11. ↑ Netneutraliteit afgeschaft in de VS. Tweakers(14 december 2017). Geraadpleegd op 15 december 2017
  12. ↑ https://www.acm.nl/nl/publicaties/publicatie/12507/T-Mobile-mag-gratis-internet-in-NS-treinen-beperken
  13. ↑ tekstvoorstel 53 1467/002dekamer.be, geraadpleegd 27 augustus 2011
  14. ↑ rapport de La Raudièreasseblee-nationale.fr, geraadpleegd 27 augustus 2011
  15. ↑ Europarlement benadrukt noodzaak netneutraliteit, nu.nl, 22 oktober 2011

test

Netneutraliteit

Uit Wikipedia, de vrije encyclopedie

Netneutraliteitis het trefwoord, waaronder de discussie over de openheid van het internetplaatsvindt. Het gaat daarbij om de vraag of providers bepaalde soorten internetverkeer met voorrang dan wel met vertraging mogen behandelen. Providers betalen direct of indirect voor de hoeveelheid data, die hun klanten versturen en bepaalde toepassingen veroorzaken veel meer data dan andere. De klanten betalen veelal een vast tarief gebaseerd op de theoretische capaciteit van hun verbinding; de provider baseert de tarieven op het gemiddelde gebruik en uitschieters naar boven zijn, zakelijk gezien, niet welkom.

Achtergrond

Het internet is een open, wereldwijd netwerkvan computerverbindingen, waarbij heel veel kleine commerciële netwerken onderling verbonden zijn, zodat gebruikers via dit netwerk terechtkunnen bij andere gebruikers en zo informatie en bestanden uitwisselen. Op zich is het internet heel open, maar providers kunnen restricties stellen, zodat (eind)gebruikers niet meer een volledige keuzevrijheid hebben.

In principe staan netwerkpartijen, verbindingspartijen, knooppunten en hostingproviders neutraaltegenover de informatiestromen. Alleen de eindgebruikers en de dienstenleveranciers zijn verantwoordelijk voor wat zij verspreiden en communiceren. Van de infrastructuurpartijen wordt verwacht dat zij zo open en neutraal mogelijk vrije uitwisseling en communicatie over hun netwerken toestaan en geven hiertoe een ' best effort'-garantie af.

Nederland, Chilien de Verenigde Statenzijn vooralsnog de enige drie landen waar netneutraliteit in de wet is vastgelegd. In de Verenigde Staten besloot de Federal Communications Commission op 26 feb 2015 de neutraliteit van het net veilig te stellen door het internet onder te brengen in Title II van de Communications Act. Dit erkent het als een nutsbedrijf met de daarbij behorende beperkingen. Door de aanname van ' wetsvoorstelnr. 4915-19' werd in 2010 de Chileense telecommunicatiewet geamendeerd. Sindsdien bepaalt deze wet onder meer dat internetprovidersgeen invloed meer mogen uitoefenen op online data en de bereikbaarheid daarvan. De providers dienen aan de volgende vijf verplichtingen te voldoen:

  • Providers mogen op geen enkele wijze iemand de mogelijkheid tot het internetgebruik ontnemen of belemmeren, tenzij een maatregel in het belang is van de privacy van een gebruiker of van het weren van internetvirussen en dergelijke (art. 15A sub a).
  • Providers moeten services voor ouderlijk toezicht aanbieden (art. 15A sub d).
  • Providers dienen hun klanten te voorzien van een in een voor de klant begrijpelijke taal geschreven exemplaar van hun contract, met daarin alle informatie over hun internetverbinding (art. 15A sub b).
  • Providers moeten de volgende zaken garanderen: de privacy van de gebruiker, bescherming tegen virussen en netwerkbeveiliging(art. 15C).
  • Providers dienen toegang te verlenen tot alle beschikbare data op het internet (art. 15A sub c), met andere woorden, discriminatie is verboden.

Op 22 juni 2011 stemde de Nederlandse Tweede Kamerin met een voorstel om netneutraliteit op te nemen in de telecomwet . Na instemming van de Eerste Kameris de nieuwe Telecomwet van kracht geworden op 1 januari 2013. In deze gewijzigde wet wordt vrije toegang tot het internet gegarandeerd en is het verboden nieuwe diensten zoals WhatsApp, Viber en Skype te blokkeren. Daarmee wordt de zogeheten netneutraliteit wettelijk vastgelegd. Nederland is hiermee het tweede land in de wereld, en de eerste in de EUdie een dergelijke stap neemt .

Dimensionering

Dankzij schaling, goede concurrentie en dimensionering is het mogelijk geworden dat miljoenen eindgebruikers permanent, breedbandig tegen vaste kosten onbeperkt gebruik kunnen maken van hun aansluiting. Dimensionering houdt in dat de exploitant van het commerciële netwerk ervan uitgaat dat niet elke abonnee 24 uur per dag zijn verbinding maximaal benut. De totale netwerkcapaciteit en de capaciteit naar andere providers wordt bij alle providers (zowel kabelinternetals ADSL) verdeeld onder alle gebruikers. Elke netwerkaanbieder doet aan dimensionering, echter de overboekingsfactor verschilt per provider en wordt niet aan consumenten bekendgemaakt. In de praktijk geldt dat elke gebruiker op het moment van gebruik voldoende capaciteit heeft om alle denkbare breedbandige toepassingen te gebruiken. Een uitzondering op deze dimensionering zijn professionele verbindingen: deze worden vaak onoverboekt of met een lagere overboekingsfactor aangeboden.

Grootgebruikers

Elk commercieel toegangsnetwerk dat toegang biedt aan consumenten heeft te maken met grootgebruikers. Dit is vaak een klein percentage gebruikers dat verantwoordelijk is voor het leeuwendeel van de belasting op het netwerk. Het percentage verschilt per provider, bij de ene provider is 2% van de abonnees verantwoordelijk voor 80% van al het verkeer op het netwerk, bij de andere provider is 5% verantwoordelijk voor 60% van al het verkeer op het netwerk. Deze groep gebruikers claimt een onevenredig deel van de capaciteit van het netwerk.

Peer-to-peer

P2P-netwerk

Met name P2P-diensten zijn de oorzaak van de extra belasting op alle netwerken. De meeste providers geven aan dat P2P-verkeer 60% van al het verkeer betreft. Zonder filtering zou P2P-verkeer de netwerken en de onderlinge verbindingen tot boven 100% belasten, wat normaal gebruik voor andere diensten en andere gebruikers onmogelijk zou maken.

P2P niet zo efficiënt als gedacht

P2P-verkeer heeft als nadeel dat het vrij ongebreideld groeit: P2P-distributie lijkt goedkoper omdat het hostingkosten voor de aanbieder wegneemt, maar is in macro-economisch perspectief duurder omdat per P2P-download of -stream meer dataverkeer wordt gegenereerd dan bij een reguliere download of stream. Dit is te wijten aan communicatie-overhead en parityfeeds. De extra belasting verschilt per netwerk, per type content en per provider, maar schommelt tussen de 15% en 40%, met name bij realtimediensten zoals P2P-telefonie en P2P-televisie is dit effect sterk.

Omdat toegangsproviders vaak ook hostingproviders zijn, missen ze enerzijds de hostinginkomsten en anderzijds worden ze geconfronteerd met extra belasting op het netwerk. Dit heeft in het Verenigd Koninkrijk geleid tot een boycot van de BBCdoor alle providers omdat ze verrast werden door een enorme toename van dataverkeer op het netwerk in verband met de lancering van de "BBC Peer2Peer iPlayer".

Fair use policies

Om excessief gebruik van het netwerk te kunnen beheren, hanteren veel providers een fair use policy(FUP). In deze FUP's staat dat oneigenlijk en excessief gebruik niet wordt toegestaan: elke abonnee heeft immers een evenredig recht op capaciteit. Als een bepaalde gebruiker(sgroep) een andere gebruiker(sgroep) hindert dan mag de provider bijvoorbeeld het gebruik inperken, de gebruiker afsluiten, of laten betalen naar ratio. De policy verschilt per provider en wordt niet altijd even duidelijk gepubliceerd.

Schaling

Een andere manier om met de grote toename van verkeer om te gaan is netwerkschaling. De netwerken en de interverbindingen van de providers worden steeds groter. Alle infrastructuurpartijen investeren elk jaar in een verdubbeling tot wel vertienvoudiging van de netwerkcapaciteit. Providers kunnen echter niet onbeperkt blijven schalen: de investeringen zullen hoe dan ook gedekt moeten worden door inkomsten uit de abonnees. In een sterk concurrerende markt is het voor providers echter onmogelijk de maandprijs te verhogen: consumenten stappen dan massaal over.

Traffic shaping

Een andere veel toegepaste manier om de belasting op het netwerk te kunnen beheren is traffic shaping . Om te voorkomen dat een bepaald type dienst het netwerk dusdanig overbelast dat het andere gebruikers gaat hinderen of de provider onevenredig op kosten jaagt, kan de provider overgaan tot het inperken van dit type verkeer. Vrijwel alle providers optimaliseren de stromen data over hun netwerk, maar geven geen openheid over welk type diensten worden geoptimaliseerd en tot op welke hoogte dit wordt gedaan.

Tegenstanders van traffic shaping stellen dat het innovatie zou tegenhouden: nieuwe diensten worden mogelijk belemmerd. Voorstanders van traffic shaping stellen dat het innovatie juist bevordert: er blijft door shaping altijd ruimte gegarandeerd voor nieuwe innovatieve diensten.

Alternatieven

Bijvoorbeeld voor grootschalige videodistributie is onder de hoede van de AMS-IX in Nederland een project gestart tussen internetproviders, omroepen en streamingvideo-experts, onder meer XS4ALL, Surfnet, NPO, RTL en Jet Stream. Deze werkgroep werkt aan het vergroten van de videodistributiecapaciteit op het internet in Nederland, waarbij de kwaliteit van dienstverlening wordt verhoogd, de kosten worden verlaagd en de netwerken en de onderlinge verbindingen juist ontlast. Door slimme logistieke distributietechniek wordt netneutraliteit op een positieve manier gerealiseerd, immers andere diensten hebben ook voordeel bij de vrijgekomen capaciteit op de verbindingen.

In verschillende landen

Verenigde Staten

Providers vinden dat ze onevenredig op kosten worden gejaagd door sommige dienstenaanbieders en gebruikers(groepen) en vinden dat ze hun netwerk en andere dienstenaanbieders en gebruikers(groepen) moeten kunnen blijven beschermen tegen wildgroei. Ook zijn er providers die vinden dat ze specifieke dienstverleners voorrang mogen geven, realtime- en bedrijfskritische diensten bijvoorbeeld. Weer andere providers vinden dat ze hier ook extra kosten aan dienstverleners voor mogen berekenen. Diverse dienstverleners vinden dat op zich een interessant idee, mits men gegarandeerde doorgifte, dus voorrang, verkrijgt.

In het meest ongunstige geval kan een toegangsprovider diensten plotseling frustreren of volledig blokkeren ten behoeve van eigen diensten, zonder dat de abonnee hier weet van heeft of de kans heeft om over te stappen. Daarom willen veel belangenorganisaties dat providers stoppen met het filteren van verkeer en dat de providers hun netwerken maar moeten schalen. De kosten hiervoor zal de accessprovider echter wel doorberekenen aan de eindgebruikers of de dienstverleners. Veel dienstverleners en consumenten zijn bang dat ze meer moeten gaan betalen.

Op 26 februari 2015 voerde de Amerikaanse Federal Communications Commissionnetneutraliteit in door internetprovidersals common carrierste classificeren.

De nieuwe, door president Trump benoemde voorzitter van de FCC, Ajit Pai, stelde op 21 november 2017 voor om deze netneutraliteit opnieuw terug te draaien. Zijn voorstel is op 14 december 2017 met 3 ( Republikeinen) tegen 2 ( Democraten) aangenomen, zodat de regulering inzake netneutraliteit wordt afgeschaft.

Nederland

In Nederland wordt minder gepolariseerd gedacht over netneutraliteit. Providers, consumentenorganisaties, internetjuristen en dienstverleners kwamen tot deze stellingen tijdens een bijeenkomst van het ECP van het Ministerie van Economische Zaken :

  • Providers moeten altijd in staat kunnen zijn hun netwerk te dimensioneren en het netwerk voor alle gebruikers bruikbaar te houden.
  • Daartoe mogen zij grootgebruikers en excessief wildgroeiende protocollen redelijkerwijs inperken.
  • Providers mogen dienstenaanbieders nooit blokkeren ten behoeve van eigen diensten.
  • Providers mogen specifieke diensten voorrang geven op voorwaarde dat dit niet ten koste gaat van andere diensten.
  • Providers mogen specifieke dienstverleners geen voorrang geven en niet benadelen.
  • Providers moeten dezelfde prijsstellingen voor externe dienstenaanbieders hanteren als men intern voor vergelijkbare diensten gebruikt.

Er gaan stemmen op om providers tot meer openheid te manen: communiceer de overboekingsfactoren, de trafficshapingregels en de fairusepolicy's duidelijk naar consumenten, zodat zij een eerlijke keuze kunnen maken. Providers kunnen hier ook voordeel van hebben: ze kunnen zich profileren als een optimale gamingprovider of als een optimale webtv-provider bijvoorbeeld.

Met de Wet van 10 mei 2012 tot wijziging van de Telecommunicatiewet ter implementatie van de herziene telecommunicatierichtlijnenis onder meer artikel 7.4a van de Telecommunicatiewetingevoerd dat bepaalt dat aanbieders van openbare elektronische communicatienetwerken waarover internettoegangsdiensten worden geleverd en aanbieders van internettoegangsdiensten geen diensten of toepassingen op het internet belemmeren of vertragen, waaronder het rekenen van verschillende tarieven voor verschillende internettoepassingen, bij hetzelfde datagebruik (met enkele uitzonderingen).

Het blokkeren van diensten met veel dataverkeer, zoals YouTubeen Spotify, op wifi in NS-treinen is bijvoorbeeld wel toegestaan. Hierbij is het onduidelijk waarom alternatieven als het in zijn algemeenheid (technisch) beperken van de beschikbare bandbreedte per gebruiker onmogelijk werden geacht.

België

Sinds begin 2011 staat netneutraliteit in België op de politieke agenda. Jef Van den Bergh( CD&V) en Valérie Déom( PS) dienden elk een wetsvoorstel in. In juni 2011 werden er in de Kamer van Volksvertegenwoordigershoorzittingen georganiseerd met betrekking tot netneutraliteit. Minister Van Quickenbornetoonde zich voorstander van een open internet.

Vincent Van Quickenborne

CD&V, N-VA& PSdienden op 7 juli 2011 een gezamenlijk tekstvoorstel in.

Frankrijk

Op 12 april 2011 keurde de Commissie economische zaken van het Franse parlement het rapport van Laure de La Raudière ( UMP) goed. Het rapport omvat negen wetsvoorstellen waarvan Proposition n°1 & 2 slaan op netneutraliteit.

Europese Unie

Op 20 oktober 2011 heeft de industriecommissie van het Europees Parlementunaniem een resolutie aangenomen aangaande netneutraliteit, waarbij de commissie benadrukt dat providers internetverkeer gelijk moeten behandelen.

Voorbeelden van zeer, minder en niet-kritische diensten

Er is redelijke consensus over welke diensten voorrang (zogeheten QoS, Quality of Service) zouden mogen genieten en welke met normale ('best effort') garantie kan worden doorgegeven. De definitie van kritische diensten en niet-kritische diensten kan per provider, per abonnee en per dienstenaanbieder nog verschillen. Van deze diensten kan worden aangenomen dat ze zeer, minder of niet-kritisch zijn.

Zeer kritische diensten zijn bijvoorbeeld:

  • Voice over IP(realtimeaudio- en -videocommunicatie moet ongestoord kunnen werken)
  • Gaming (realtime gaminginformatie moet ongestoord kunnen werken)
  • Streaming media(realtime live- en ondemand radio en televisie moet ongestoord kunnen werken)
  • Bedrijfsprocessen (ondanks dat bedrijfsprocessen op zakelijke verbindingen thuis horen moeten deze vaak realtimediensten ongehinderd kunnen werken, betaaldiensten bijvoorbeeld)

Kritische diensten zijn bijvoorbeeld:

  • E-mail(de snelheid is niet primair van belang, de onbelemmerde doorgifte en beschikbaarheid wel)
  • Surfen(de snelheid is niet primair van belang, de onbelemmerde doorgifte en beschikbaarheid wel)
  • Chat(de snelheid is niet primair van belang, de onbelemmerde doorgifte en beschikbaarheid wel)

Niet-kritische diensten zijn bijvoorbeeld:

  • Downloads(de snelheid en beschikbaarheid zijn primair een belang van de aanbieder zelf, de downloadduur is niet schadelijk voor de consumptie)
  • P2P-downloads (de snelheid en beschikbaarheid zijn primair een belang van de gebruikers zelf, de downloadduur is niet schadelijk voor de consumptie)
  • Usenetdownloads(de snelheid en beschikbaarheid zijn primair een belang van de gebruikers zelf, de downloadduur is niet schadelijk voor de consumptie)

Voorbeelden van netneutraliteitincidenten in Nederland

  • Het Netvan KPNwas bij de start een afgesloten platform: er was geen toegang tot het internet mogelijk, maar werd wel als internetprovider gepresenteerd.
  • Tiscaliblokkeerde in 2005 de radiostreams van Radio 538omdat men vond dat hun hostingprovider misbruik maakte van de peeringovereenkomst: er werd eenzijdig dataverkeer afgeleverd, en niet wederzijds verwerkt.
  • Vodafonestelde in 2007 in de leveringsvoorwaarden van een aantrekkelijk 'sim-only'-mobielabonnement dat het data-abonnement niet gebruikt mag worden voor VoIP-diensten van derden, om inkomsten uit telefoontikken te garanderen en probeerde deze diensten actief te blokkeren.
  • iModevan KPN was bij de start een afgesloten platform: er was zeer beperkte toegang tot het internet mogelijk, ten behoeve van de eigen portal.
  • Vodafone Livevan Vodafone was bij de start een afgesloten platform: er was zeer beperkte toegang tot het internet mogelijk, ten behoeve van de eigen portal.
  • UMTS-netwerken van vrijwel alle mobiele operators blokkeerden tot 2007 toegang tot internetvideodiensten, ten behoeve van de eigen videodiensten.
  • UMTS-aanbieders filteren voor goedkopere pakketten het streamingverkeer, limiteren dit, of vragen hier een extra vergoeding voor.
  • Veel contenteigenaren laten exploitanten toegang tot content limiteren tot een geografische grens omdat men hun licentiemodellen nog niet heeft aangepast aan de wereldwijdheid van het internet en proberen zo prijsverschillen en releasedata in de markt in stand te houden. Een voorbeeld is de Olympische Spelen die het publiceren van het NOS Journaal op internet hindert omdat er mogelijk beelden van de Spelen in voorkomen.

Externe links

Bronnen, noten en/of referenties
  1. ↑ Huffington Post
  2. ↑ Obama krijgt zijn zin met netneutraliteit in VS , nos.nl, 26 februari 2015
  3. ↑ ( es) Wetsvoorstel nr. 4915-19op sil.congreso.cl. Geraadpleegd op 28 juli 2010.
  4. ↑ Gerson Lehrman Group (22 juli 2010). "Chile's Approach To Net Neutrality". Geraadpleegd op 28 juli 2010.
  5. ↑ Kamer neemt nieuwe telecomwet unaniem aan
  6. ↑ Nu.nl Netneutraliteit opgenomen in telecomwet
  7. ↑ Bits of Freedom - The Netherlands first country in Europe to launch net neutrality
  8. ↑ How the FCC Can Save the Open Internet. The Wall Street Journal(21 november 2017). Geraadpleegd op 24 november 2017
  9. ↑ Eva Schram, Netneutraliteit in gevaar in de Verenigde Staten. knack.be(22 november 2017). Geraadpleegd op 24 november 2017
  10. ↑ VS schrappen netneutraliteit. Het Laatste Nieuws(14 december 2017). Geraadpleegd op 15 december 2017
  11. ↑ Netneutraliteit afgeschaft in de VS. Tweakers(14 december 2017). Geraadpleegd op 15 december 2017
  12. ↑ https://www.acm.nl/nl/publicaties/publicatie/12507/T-Mobile-mag-gratis-internet-in-NS-treinen-beperken
  13. ↑ tekstvoorstel 53 1467/002dekamer.be, geraadpleegd 27 augustus 2011
  14. ↑ rapport de La Raudièreasseblee-nationale.fr, geraadpleegd 27 augustus 2011
  15. ↑ Europarlement benadrukt noodzaak netneutraliteit, nu.nl, 22 oktober 2011

Veel informatie

Een massa informatie

De wereld van vandaag is grondig anders dan vroeger. Daar twijfel je helemaal niet aan.  Voor mijn boek over Augmented Reality (Academic Service, 2011, Amsterdam) schreef ik de volgende inleiding:

"1927. Mijn moeder ziet het levenslicht in een lemen boerderij met aarden vloer. Waterleiding is er niet. Water halen ze aan de dorpspomp. Het laatste nieuws vernemen ze ’s avonds aan, de rand van de straat wanneer ze samenkomen met de buren. De meester van de jongensschool, de zusters van de vrije school zijn de bronnen die de waarheid in pacht hebben. De pastoor preekt elke zondag welke kranten en boeken je wel of niet mag lezen.

1992. Ik maak mijn eindwerk. Voor informatie moet ik op zoek in de bibliotheek of ga ik te rade bij iemand die het weten kan. Teksten schrijf ik met de hand uit. Een buurman heeft een typemachine en zal alles uittikken. Een paar jaar later koop ik een computer, op dat moment al een oud ding, met Windows 3.1 en WordPerfect. Mijn moeder snapt die combinatie niet. Het lijkt op een tv met typemachine of net omgekeerd. Maar ze is wel verwonderd.

2011. Ik loop door een onbekende stad en richt mijn mobiele telefoon op een bepaald gebouw. Het toestel tovert informatie over de architect en de geschiedenis van het gebouw op het scherm zonder dat ik ook maar één zoekterm hebt ingegeven. Bovendien vertelt de smartphone ook nog eens dat op nauwelijks honderd meter naar het westen een interessante boekhandel te vinden is waar ik toeristische gidsen over de omgeving kan kopen. Wegwijzers en kaarten worden boven op het beeld van de omgeving geplakt op het touchscreen van mijn smartphone. In die winkel scan ik met het toestel QR-codes op de achterflap van het boek om een e-bookversie te kopen. Een Friend Finder-app toont me op een Google Maps-kaart dat mijn vrouw ondertussen een museum bezoekt. Handig om elkaar snel weer terug te vinden. Verdwalen hoort er niet meer bij. Zij krijgt op haar smartphone automatisch informatie over de aanwezige kunstwerken of 3D-modellen van verdwenen gebouwen. Welkom in de wereld van augmented reality."

Ondertussen zitten we al bijna tien jaar verder. Augmented Reality raakt stilaan ingeburgerd, ook al heb je de naam of het begrip nog niet vaak gehoord. AI en Big Data zijn al even ronkende namen. Augmented Reality, Artificial Intelligence en Big Data gaan hand in hand. 

Overal en voortdurend laat iedereen van ons 'sporen' achter. We maken foto's, posten op sociale media, sturen mails... en vooral, we laten sporen achter zonder het zelf te beseffen. We maken ons zorgen over cookies (deze site die ik heb gebouwd, vraagt er ook om), maar ondertussen laat onze smartphone overal sporen achter. Hij vertelt 'derde partijen' waar we ons bevinden. Onze foto's vermelden de precieze locatie waar ze zijn genomen. Stappentellers registreren niet enkel onze bewegingen, maar bewaren die data eveneens online voor latere analyse. 

90% van alle data die de mensheid heeft gegenereerd in haar geschiedenis, dateert van de laatste jaren. Snellere computersystemen, AI-algoritmes, compactere opslagmedia... maken een analyse van al deze gegevens mogelijk. Mensen komen daar steeds minder aan te pas. In Europa gelden strikte privacyregels (de GDPR-wetgeving) maar in landen als China gebruikt de overheid technologie voor een sociaal controlesysteem. Gaan we in Europa of in ons land ook die richting uit?

Leven van hun pen

Leven van hun pen


Wanhopige brieven

Bij Charlottes terugkeer in Haworth verwachtte iedereen dat ze een school zou oprichten. Haar hoofd stond er echter niet naar. Uiteindelijk liet ze kaartjes drukken waarop ‘The Misses Brontë’s Establishment’ werd geadverteerd. De kaartjes werden her en der uitgedeeld, ook door kennissen en vrienden van hen, maar er meldden zich geen leerlingen.

Charlotte voelde zich depressief. Monsieur Heger had beloofd met haar te corresponderen maar zij stuurde hem veel meer brieven dan hij haar, en uiteindelijk schreef hij haar helemaal niet meer. In de brieven liet ze haar gevoelens voor hem de vrije loop. De trotse Charlotte bedelde om een beetje aandacht. Ze schreef:


“Monsieur, the poor do not need much to live – they only ask for the crumbs of bread which fall from the rich man’s table – but if one refuses them these crumbs of bread – they die of hunger – Nor do I need much affection from those I love – I would not know what to do with an absolute and complete friendship – I am not used to such a thing – but you once showed me a little interest when I was your pupil in Brussels – and I cling on to preserving that little interest – I cling on to it as I cling on to life…”

Er zijn slechts vier brieven van Charlotte Brontë aan Constantin Heger bewaard. Drie ervan zijn gescheurd, waarna de stukken met strookjes papier (1x) of met naald en draad (2x) weer aan elkaar zijn gezet. Men vermoedt dat Heger de brieven heeft verscheurd en in een papiermand gegooid, en dat Madame Heger ze eruit heeft gevist en ‘gerestaureerd’ om – indien nodig – de onschuld van haar man te bewijzen. Je kunt in die brieven uiteraard ook het bewijs lezen dat er ‘iets’ was tussen hen, dat zijn gedrag op de een of andere manier haar gevoelens moet of kan hebben opgewekt of aangewakkerd. Er lijkt een consensus te bestaan om Monsieur Heger vrij te pleiten. Ik ben geneigd om te denken dat hij zich aan een zekere mate van dubbelzinnigheid zal hebben bezondigd. Charlotte zal er hoe dan ook vatbaar voor zijn geweest. Ze was niet gewend aan galanterie én ze verging van eenzaamheid.

Beeld van ‘heilige’ Charlotte aan diggelen

Na de dood van hun ouders hadden de kinderen Heger een serieus probleem: wat moesten ze aanvangen met die brieven? Charlotte Brontë was intussen beroemd, brieven van haar kon je niet zomaar weggooien, laat staan verbranden. Uiteindelijk schonken ze de brieven in 1913 aan het British Museum, waar ze – onder strenge voorwaarden – kunnen worden geraadpleegd. Op 29 juli 1913 werden ze in The Timesgepubliceerd. Het beeld dat zich intussen had gevormd van ‘brave, deugdzame, heilige’ Charlotte viel aan diggelen.

Er is gesuggereerd dat Charlotte in die brieven eigenlijk al bezig was Constantin Heger om te timmeren tot een personage. Dat lijkt me een interessante denkpiste. In Jane Eyreduikt Heger op in de figuur van Rochester en in Villetteals Paul Emanuel. Beide personages zijn overduidelijk door Heger geïnspireerd, maar het gaat ook om transformaties. Het zijn geen letterlijke, waarheidsgetrouwe portretten. Heger prikkelde haar verbeelding en in die verbeelding nam hij andere contouren en eigenschappen aan. Tegelijkertijd bleef hij herkenbaar als ‘the Master’, ‘le Maître’. Charlotte gebruikte de romans om haar geheime en verboden verlangens in vervulling te laten gaan. De romance die ze zelf niet had gekend, beleefde ze op papier. Papier is – zoals geweten – erg geduldig.

Gepubliceerd

Maar laat ik terugkeren naar 1844. Charlotte was dus terug uit Brussel en depressief. Desondanks broedde ze op een plan om van haar pen te leven, niet alleen zij zou dat kunnen doen, maar ook haar zussen. Ze wist hen te overhalen om hun gedichten uit te geven. Het werd één bundel met werk van hen alle drie. Ze kozen mannelijke pseudoniemen met behoud van hun initialen, en een eenvoudige titel: Poemsby Currer, Ellis and Acton Bell (1846). De publicatie vergde een investering van £31, waarvoor de erfenis van hun tante werd aangesproken. Helaas bracht de publicatie niets op; er werd slechts één exemplaar verkocht. De bundel werd wel opgemerkt en kreeg lovende kritieken.

Charlotte besloot dat ze een betere kans zouden maken met proza. Anne stuurde het manuscript op van Agnes Grey, Emily dat van Wuthering Heights (Woeste hoogten)en Charlotte dat van The Professor. The Professorspeelt zich af in België en heeft een mannelijk hoofdpersonage, een Engelsman die naar Brussel reist om er les te geven. Hij zal verliefd worden op een van zijn leerlingen en er is uiteraard een happy end. Anders dan in Villettegebruikt Charlotte hier de echte plaatsnamen: België, Brussel, Oostende.

De romans van Emily en Anne werden door een uitgever aanvaard. Een andere uitgever, George Smith, schreef Charlotte een brief waarin hij interesse betoonde voor haar werk. Hij wil The Professorniet publiceren, maar ze mag hem altijd haar volgende manuscript voorleggen. Dat hoefde hij Charlotte geen twee keer te zeggen. Ze was intussen al een klein jaar aan het schrijven aan Jane Eyre, de roman die haar beroemd zou maken. Ze legde de laatste hand aan het manuscript en stuurde het op. Dit keer was de uitgever enthousiast, meer dan enthousiast zelfs. Hij bood haar honderd pond voor het copyright.

Roem en rouw

Jane Eyrewerd een gigantisch succes, zo gigantisch dat de man die de rechten had gekocht van Wuthering Heightsen Agnes Grey, zich haastte om ook deze romans uit te geven. Zoals nogal wat mensen was hij ervan overtuigd dat achter de namen Currer, Acton en Ellis Bell één en dezelfde persoon schuilging. En zo verschenen de debuutromans van de drie zusjes eind 1847.

Het gerucht dat de drie romans door dezelfde auteur geschreven waren, bleek zo hardnekkig dat Anne en Charlotte naar Londen trokken om te bewijzen dat het wel degelijk drie verschillende schrijvers betrof, én dat ze vrouwen waren. Emily wilde niet meekomen, die bleef liever in Haworth.

Het literaire succes maakte hen niet rijk, maar bracht wel wat geld in het laatje. Anne schreef en publiceerde een tweede roman, The Tenant of Wildfell Hall. Ook Emily zou aan een tweede boek hebben gewerkt, maar dat is niet bewaard. Helaas werd het succes overschaduwd door rampspoed: kort na elkaar stierven Branwell, Emily en Anne. Ik denk dat we ons niet kunnen voorstellen hoe verpletterend dat verlies moet zijn geweest voor Charlotte en haar vader.

Na de dood van haar zussen kreeg Charlotte de taak hun literaire nalatenschap te beheren. Er wordt beweerd dat ze het manuscript van Emily’s tweede, onaffe roman zou hebben vernietigd om de reputatie van haar zus te beschermen. De heftigheid in het werk van de Brontës deed inderdaad de wenkbrauwen fronsen. De stijl en de thema’s werden vaak als ‘coarse’ bestempeld: niet verfijnd, en vooral onvrouwelijk. Waar haalden die jonge, ongetrouwde vrouwen al die passie vandaan die ze hun personages toedichtten?

Charlotte schrok van die reacties en hamerde op het onderscheid tussen de vrouw, de schrijfster en de personages. Daarom ook bleef ze haar pseudoniem gebruiken, want dat gaf haar vrijheid als schrijfster. De heersende verwachtingen wat betreft vrouwelijkheid en gepast – of vooral deftig – vrouwelijk gedrag zaten haar als schrijver – of schrijfster – in de weg. Ze wenste er geen rekening mee te houden, maar ze wilde ook niet dat er enige verwarring bestond tussen haar personages en zijzelf.

Onmogelijke romances

De biografie die Elizabeth Gaskell twee jaar na Charlottes dood publiceerde, zette dat onberispelijke imago verder in de verf. Nochtans was Gaskell in Brussel geweest, en de kans is groot dat Madame Heger haar toen Charlottes brieven aan haar man heeft laten lezen. Gaskell besloot er het zwijgen toe te doen, iets wat Charlotte vast zou hebben gewaardeerd. Maar kijk, de populariteit van haar werk zwengelde de nieuwsgierigheid van lezers en onderzoekers aan. Privacy is haar niet meer gegund.

Ook over Branwell is intussen veel uit de doeken gedaan, maar dat is weer een ander verhaal. Dit saillant detail wil ik u echter niet onthouden. Branwell begon een affaire met de moeder van de kinderen voor wie hij als huisleraar was ingehuurd. Ze werden betrapt en Branwell werd ontslagen. Hij moet zwaar verliefd zijn geweest, en bazuinde uit hoe diep hij wel in de put zat. Na de dood van de man van zijn minnares was hij ervan overtuigd dat ze met hem zou hertrouwen, maar ze koos voor een Lord en werd een Lady. Branwell was er kapot van en zocht vergetelheid in drank en opium. Ook zijn gedrag werd een bron van inspiratie voor zijn zussen. In The Tenant of Wildfell Hallhield Anne een fel pleidooi tegen alcoholmisbruik.

Branwell liep te koop met zijn liefdesverdriet, Charlotte moest het hare voor zich houden. Dat stemde haar bitter. Branwell genoot ook veel grotere seksuele vrijheid dan zijn zussen. Zolang ze ongehuwd waren, hadden de meisjes geen enkele seksuele vrijheid. Van Branwell weten we dat hij een kind heeft verwekt bij een meid (niet in Haworth, wel bij het eerste gezin waar hij als huisleraar in dienst was, de reden trouwens voor zijn ontslag). Er werd een jongetje geboren dat maar heel kort heeft geleefd. Desondanks melden er zich met enige regelmaat afstammelingen…

Belgen mogen hoe dan ook best wel trots zijn op ‘ons’ cruciale aandeel in leven en werk van Charlotte Brontë. Ze heeft er de man ontmoet die haar ambitie voedde en aanmoedigde, en haar talent verder ontwikkelde. En vooral wekte hij in haar een passie op die wel een creatieve uitweg moest vinden. De onmogelijke romance dook in allerlei vormen en verschijningen op in haar werk. Het werd het verhaal dat moest worden verteld, telkens opnieuw. Fictie gunde haar personages meer dan zij van het leven kreeg. En uiteindelijk bracht het haar de erkenning waar ze zo naar snakte.

België als decor

Twee van Charlottes romans spelen zich af in België. In Villettedoopt ze Brussel om tot Villette, petite ville, kleine stad, de hoofdstad van Labassecour, het boerenerf, haar naam voor België. Dat ze zich weinig flatterend heeft uitgelaten over België en de Belgen moeten we dan maar voor lief nemen. Uiteindelijk zeggen die soms haast denigrerende uitspraken minstens evenveel over Charlotte Brontë als over onze ‘voorvaderen’. De vooroordelen die uit de volgende zin spreken zijn zo extreem dat ze grappig worden: ‘”Do you like Villette?” I asked. – “Pretty well. The natives, you know, are intensely stupid and vulgar; but there are some nice English families.”’ Charlotte laat een personage dat zeggen, en je mag de auteur en haar personages uiteraard niet laten samenvallen, maar er zijn weinig andere geluiden over België te horen in haar werk of in haar brieven, tenzij wanneer ze het over het eten heeft, en het comfort op de school.

Laat ik afronden met een kleine Belgische anekdote. In haar roman Shirleyintroduceert Charlotte Brontë de Belgische Hortense. Zij vindt dat de Engelse Caroline moet leren kousen stoppen, maar dan zo dat je niet kunt zien dat de kous is gestopt. De techniek heet ‘mazen’, een term die ik mijn moeder vaak heb horen gebruiken. Zij was daar bijzonder bedreven in. Caroline krijgt van Hortense twee kousen zonder hielen met de opdracht de hielen te herstellen. Avond na avond zit Caroline daar met die kapotte kousen in haar schoot, maar de gaten worden geen millimeter kleiner. Ze weet niet hoe eraan te beginnen. Gelukkig heeft Hortense een broer die af en toe tegen Caroline zegt: leg die kousen weg, ik wil het met jou over Shakespeare hebben. Wat een opluchting voor Caroline! ‘Mazen’ wordt in de roman voorgesteld als een Belgische specialisme. Belgische vrouwen konden het erg goed, althans volgens Hortense, én leerden het op jonge leeftijd. Hortense blonk er al op haar zesde in uit en werd ervoor overladen met lof. De tijden zijn ook in België onherkenbaar veranderd, maar wie weet wordt de nobele kunst van het mazen ooit in ere hersteld.

Wie meer wil weten over de Brontës in Brussel kan de zoektocht aanvatten op de website van The Brussels Brontë Society. Onder ‘Books and Articles’ vind je de referenties van de interessante boeken die de Britse expat Helen McEwan aan het onderwerp heeft gewijd. In 2006 richtte McEwan de Brusselse afdeling van de Brontë Society op. Mede dankzij haar enthousiasme en inzet ontdekken meer en meer Belgen dit fascinerende hoofdstukje uit onze vaderlandse geschiedenis.

Veel informatie

Een massa informatie

De wereld van vandaag is grondig anders dan vroeger. Daar twijfel je helemaal niet aan.  Voor mijn boek over Augmented Reality (Academic Service, 2011, Amsterdam) schreef ik de volgende inleiding:

"1927. Mijn moeder ziet het levenslicht in een lemen boerderij met aarden vloer. Waterleiding is er niet. Water halen ze aan de dorpspomp. Het laatste nieuws vernemen ze ’s avonds aan, de rand van de straat wanneer ze samenkomen met de buren. De meester van de jongensschool, de zusters van de vrije school zijn de bronnen die de waarheid in pacht hebben. De pastoor preekt elke zondag welke kranten en boeken je wel of niet mag lezen.

1992. Ik maak mijn eindwerk. Voor informatie moet ik op zoek in de bibliotheek of ga ik te rade bij iemand die het weten kan. Teksten schrijf ik met de hand uit. Een buurman heeft een typemachine en zal alles uittikken. Een paar jaar later koop ik een computer, op dat moment al een oud ding, met Windows 3.1 en WordPerfect. Mijn moeder snapt die combinatie niet. Het lijkt op een tv met typemachine of net omgekeerd. Maar ze is wel verwonderd.

2011. Ik loop door een onbekende stad en richt mijn mobiele telefoon op een bepaald gebouw. Het toestel tovert informatie over de architect en de geschiedenis van het gebouw op het scherm zonder dat ik ook maar één zoekterm hebt ingegeven. Bovendien vertelt de smartphone ook nog eens dat op nauwelijks honderd meter naar het westen een interessante boekhandel te vinden is waar ik toeristische gidsen over de omgeving kan kopen. Wegwijzers en kaarten worden boven op het beeld van de omgeving geplakt op het touchscreen van mijn smartphone. In die winkel scan ik met het toestel QR-codes op de achterflap van het boek om een e-bookversie te kopen. Een Friend Finder-app toont me op een Google Maps-kaart dat mijn vrouw ondertussen een museum bezoekt. Handig om elkaar snel weer terug te vinden. Verdwalen hoort er niet meer bij. Zij krijgt op haar smartphone automatisch informatie over de aanwezige kunstwerken of 3D-modellen van verdwenen gebouwen. Welkom in de wereld van augmented reality."

Ondertussen zitten we al bijna tien jaar verder. Augmented Reality raakt stilaan ingeburgerd, ook al heb je de naam of het begrip nog niet vaak gehoord. AI en Big Data zijn al even ronkende namen. Augmented Reality, Artificial Intelligence en Big Data gaan hand in hand. 

Overal en voortdurend laat iedereen van ons 'sporen' achter. We maken foto's, posten op sociale media, sturen mails... en vooral, we laten sporen achter zonder het zelf te beseffen. We maken ons zorgen over cookies (deze site die ik heb gebouwd, vraagt er ook om), maar ondertussen laat onze smartphone overal sporen achter. Hij vertelt 'derde partijen' waar we ons bevinden. Onze foto's vermelden de precieze locatie waar ze zijn genomen. Stappentellers registreren niet enkel onze bewegingen, maar bewaren die data eveneens online voor latere analyse. 

90% van alle data die de mensheid heeft gegenereerd in haar geschiedenis, dateert van de laatste jaren. Snellere computersystemen, AI-algoritmes, compactere opslagmedia... maken een analyse van al deze gegevens mogelijk. Mensen komen daar steeds minder aan te pas. In Europa gelden strikte privacyregels (de GDPR-wetgeving) maar in landen als China gebruikt de overheid technologie voor een sociaal controlesysteem. Gaan we in Europa of in ons land ook die richting uit?

...

...  

Leven van hun pen

Leven van hun pen


Wanhopige brieven

Bij Charlottes terugkeer in Haworth verwachtte iedereen dat ze een school zou oprichten. Haar hoofd stond er echter niet naar. Uiteindelijk liet ze kaartjes drukken waarop ‘The Misses Brontë’s Establishment’ werd geadverteerd. De kaartjes werden her en der uitgedeeld, ook door kennissen en vrienden van hen, maar er meldden zich geen leerlingen.

Charlotte voelde zich depressief. Monsieur Heger had beloofd met haar te corresponderen maar zij stuurde hem veel meer brieven dan hij haar, en uiteindelijk schreef hij haar helemaal niet meer. In de brieven liet ze haar gevoelens voor hem de vrije loop. De trotse Charlotte bedelde om een beetje aandacht. Ze schreef:


“Monsieur, the poor do not need much to live – they only ask for the crumbs of bread which fall from the rich man’s table – but if one refuses them these crumbs of bread – they die of hunger – Nor do I need much affection from those I love – I would not know what to do with an absolute and complete friendship – I am not used to such a thing – but you once showed me a little interest when I was your pupil in Brussels – and I cling on to preserving that little interest – I cling on to it as I cling on to life…”

Er zijn slechts vier brieven van Charlotte Brontë aan Constantin Heger bewaard. Drie ervan zijn gescheurd, waarna de stukken met strookjes papier (1x) of met naald en draad (2x) weer aan elkaar zijn gezet. Men vermoedt dat Heger de brieven heeft verscheurd en in een papiermand gegooid, en dat Madame Heger ze eruit heeft gevist en ‘gerestaureerd’ om – indien nodig – de onschuld van haar man te bewijzen. Je kunt in die brieven uiteraard ook het bewijs lezen dat er ‘iets’ was tussen hen, dat zijn gedrag op de een of andere manier haar gevoelens moet of kan hebben opgewekt of aangewakkerd. Er lijkt een consensus te bestaan om Monsieur Heger vrij te pleiten. Ik ben geneigd om te denken dat hij zich aan een zekere mate van dubbelzinnigheid zal hebben bezondigd. Charlotte zal er hoe dan ook vatbaar voor zijn geweest. Ze was niet gewend aan galanterie én ze verging van eenzaamheid.

Beeld van ‘heilige’ Charlotte aan diggelen

Na de dood van hun ouders hadden de kinderen Heger een serieus probleem: wat moesten ze aanvangen met die brieven? Charlotte Brontë was intussen beroemd, brieven van haar kon je niet zomaar weggooien, laat staan verbranden. Uiteindelijk schonken ze de brieven in 1913 aan het British Museum, waar ze – onder strenge voorwaarden – kunnen worden geraadpleegd. Op 29 juli 1913 werden ze in The Timesgepubliceerd. Het beeld dat zich intussen had gevormd van ‘brave, deugdzame, heilige’ Charlotte viel aan diggelen.

Er is gesuggereerd dat Charlotte in die brieven eigenlijk al bezig was Constantin Heger om te timmeren tot een personage. Dat lijkt me een interessante denkpiste. In Jane Eyreduikt Heger op in de figuur van Rochester en in Villetteals Paul Emanuel. Beide personages zijn overduidelijk door Heger geïnspireerd, maar het gaat ook om transformaties. Het zijn geen letterlijke, waarheidsgetrouwe portretten. Heger prikkelde haar verbeelding en in die verbeelding nam hij andere contouren en eigenschappen aan. Tegelijkertijd bleef hij herkenbaar als ‘the Master’, ‘le Maître’. Charlotte gebruikte de romans om haar geheime en verboden verlangens in vervulling te laten gaan. De romance die ze zelf niet had gekend, beleefde ze op papier. Papier is – zoals geweten – erg geduldig.

Gepubliceerd

Maar laat ik terugkeren naar 1844. Charlotte was dus terug uit Brussel en depressief. Desondanks broedde ze op een plan om van haar pen te leven, niet alleen zij zou dat kunnen doen, maar ook haar zussen. Ze wist hen te overhalen om hun gedichten uit te geven. Het werd één bundel met werk van hen alle drie. Ze kozen mannelijke pseudoniemen met behoud van hun initialen, en een eenvoudige titel: Poemsby Currer, Ellis and Acton Bell (1846). De publicatie vergde een investering van £31, waarvoor de erfenis van hun tante werd aangesproken. Helaas bracht de publicatie niets op; er werd slechts één exemplaar verkocht. De bundel werd wel opgemerkt en kreeg lovende kritieken.

Charlotte besloot dat ze een betere kans zouden maken met proza. Anne stuurde het manuscript op van Agnes Grey, Emily dat van Wuthering Heights (Woeste hoogten)en Charlotte dat van The Professor. The Professorspeelt zich af in België en heeft een mannelijk hoofdpersonage, een Engelsman die naar Brussel reist om er les te geven. Hij zal verliefd worden op een van zijn leerlingen en er is uiteraard een happy end. Anders dan in Villettegebruikt Charlotte hier de echte plaatsnamen: België, Brussel, Oostende.

De romans van Emily en Anne werden door een uitgever aanvaard. Een andere uitgever, George Smith, schreef Charlotte een brief waarin hij interesse betoonde voor haar werk. Hij wil The Professorniet publiceren, maar ze mag hem altijd haar volgende manuscript voorleggen. Dat hoefde hij Charlotte geen twee keer te zeggen. Ze was intussen al een klein jaar aan het schrijven aan Jane Eyre, de roman die haar beroemd zou maken. Ze legde de laatste hand aan het manuscript en stuurde het op. Dit keer was de uitgever enthousiast, meer dan enthousiast zelfs. Hij bood haar honderd pond voor het copyright.

Roem en rouw

Jane Eyrewerd een gigantisch succes, zo gigantisch dat de man die de rechten had gekocht van Wuthering Heightsen Agnes Grey, zich haastte om ook deze romans uit te geven. Zoals nogal wat mensen was hij ervan overtuigd dat achter de namen Currer, Acton en Ellis Bell één en dezelfde persoon schuilging. En zo verschenen de debuutromans van de drie zusjes eind 1847.

Het gerucht dat de drie romans door dezelfde auteur geschreven waren, bleek zo hardnekkig dat Anne en Charlotte naar Londen trokken om te bewijzen dat het wel degelijk drie verschillende schrijvers betrof, én dat ze vrouwen waren. Emily wilde niet meekomen, die bleef liever in Haworth.

Het literaire succes maakte hen niet rijk, maar bracht wel wat geld in het laatje. Anne schreef en publiceerde een tweede roman, The Tenant of Wildfell Hall. Ook Emily zou aan een tweede boek hebben gewerkt, maar dat is niet bewaard. Helaas werd het succes overschaduwd door rampspoed: kort na elkaar stierven Branwell, Emily en Anne. Ik denk dat we ons niet kunnen voorstellen hoe verpletterend dat verlies moet zijn geweest voor Charlotte en haar vader.

Na de dood van haar zussen kreeg Charlotte de taak hun literaire nalatenschap te beheren. Er wordt beweerd dat ze het manuscript van Emily’s tweede, onaffe roman zou hebben vernietigd om de reputatie van haar zus te beschermen. De heftigheid in het werk van de Brontës deed inderdaad de wenkbrauwen fronsen. De stijl en de thema’s werden vaak als ‘coarse’ bestempeld: niet verfijnd, en vooral onvrouwelijk. Waar haalden die jonge, ongetrouwde vrouwen al die passie vandaan die ze hun personages toedichtten?

Charlotte schrok van die reacties en hamerde op het onderscheid tussen de vrouw, de schrijfster en de personages. Daarom ook bleef ze haar pseudoniem gebruiken, want dat gaf haar vrijheid als schrijfster. De heersende verwachtingen wat betreft vrouwelijkheid en gepast – of vooral deftig – vrouwelijk gedrag zaten haar als schrijver – of schrijfster – in de weg. Ze wenste er geen rekening mee te houden, maar ze wilde ook niet dat er enige verwarring bestond tussen haar personages en zijzelf.

Onmogelijke romances

De biografie die Elizabeth Gaskell twee jaar na Charlottes dood publiceerde, zette dat onberispelijke imago verder in de verf. Nochtans was Gaskell in Brussel geweest, en de kans is groot dat Madame Heger haar toen Charlottes brieven aan haar man heeft laten lezen. Gaskell besloot er het zwijgen toe te doen, iets wat Charlotte vast zou hebben gewaardeerd. Maar kijk, de populariteit van haar werk zwengelde de nieuwsgierigheid van lezers en onderzoekers aan. Privacy is haar niet meer gegund.

Ook over Branwell is intussen veel uit de doeken gedaan, maar dat is weer een ander verhaal. Dit saillant detail wil ik u echter niet onthouden. Branwell begon een affaire met de moeder van de kinderen voor wie hij als huisleraar was ingehuurd. Ze werden betrapt en Branwell werd ontslagen. Hij moet zwaar verliefd zijn geweest, en bazuinde uit hoe diep hij wel in de put zat. Na de dood van de man van zijn minnares was hij ervan overtuigd dat ze met hem zou hertrouwen, maar ze koos voor een Lord en werd een Lady. Branwell was er kapot van en zocht vergetelheid in drank en opium. Ook zijn gedrag werd een bron van inspiratie voor zijn zussen. In The Tenant of Wildfell Hallhield Anne een fel pleidooi tegen alcoholmisbruik.

Branwell liep te koop met zijn liefdesverdriet, Charlotte moest het hare voor zich houden. Dat stemde haar bitter. Branwell genoot ook veel grotere seksuele vrijheid dan zijn zussen. Zolang ze ongehuwd waren, hadden de meisjes geen enkele seksuele vrijheid. Van Branwell weten we dat hij een kind heeft verwekt bij een meid (niet in Haworth, wel bij het eerste gezin waar hij als huisleraar in dienst was, de reden trouwens voor zijn ontslag). Er werd een jongetje geboren dat maar heel kort heeft geleefd. Desondanks melden er zich met enige regelmaat afstammelingen…

Belgen mogen hoe dan ook best wel trots zijn op ‘ons’ cruciale aandeel in leven en werk van Charlotte Brontë. Ze heeft er de man ontmoet die haar ambitie voedde en aanmoedigde, en haar talent verder ontwikkelde. En vooral wekte hij in haar een passie op die wel een creatieve uitweg moest vinden. De onmogelijke romance dook in allerlei vormen en verschijningen op in haar werk. Het werd het verhaal dat moest worden verteld, telkens opnieuw. Fictie gunde haar personages meer dan zij van het leven kreeg. En uiteindelijk bracht het haar de erkenning waar ze zo naar snakte.

België als decor

Twee van Charlottes romans spelen zich af in België. In Villettedoopt ze Brussel om tot Villette, petite ville, kleine stad, de hoofdstad van Labassecour, het boerenerf, haar naam voor België. Dat ze zich weinig flatterend heeft uitgelaten over België en de Belgen moeten we dan maar voor lief nemen. Uiteindelijk zeggen die soms haast denigrerende uitspraken minstens evenveel over Charlotte Brontë als over onze ‘voorvaderen’. De vooroordelen die uit de volgende zin spreken zijn zo extreem dat ze grappig worden: ‘”Do you like Villette?” I asked. – “Pretty well. The natives, you know, are intensely stupid and vulgar; but there are some nice English families.”’ Charlotte laat een personage dat zeggen, en je mag de auteur en haar personages uiteraard niet laten samenvallen, maar er zijn weinig andere geluiden over België te horen in haar werk of in haar brieven, tenzij wanneer ze het over het eten heeft, en het comfort op de school.

Laat ik afronden met een kleine Belgische anekdote. In haar roman Shirleyintroduceert Charlotte Brontë de Belgische Hortense. Zij vindt dat de Engelse Caroline moet leren kousen stoppen, maar dan zo dat je niet kunt zien dat de kous is gestopt. De techniek heet ‘mazen’, een term die ik mijn moeder vaak heb horen gebruiken. Zij was daar bijzonder bedreven in. Caroline krijgt van Hortense twee kousen zonder hielen met de opdracht de hielen te herstellen. Avond na avond zit Caroline daar met die kapotte kousen in haar schoot, maar de gaten worden geen millimeter kleiner. Ze weet niet hoe eraan te beginnen. Gelukkig heeft Hortense een broer die af en toe tegen Caroline zegt: leg die kousen weg, ik wil het met jou over Shakespeare hebben. Wat een opluchting voor Caroline! ‘Mazen’ wordt in de roman voorgesteld als een Belgische specialisme. Belgische vrouwen konden het erg goed, althans volgens Hortense, én leerden het op jonge leeftijd. Hortense blonk er al op haar zesde in uit en werd ervoor overladen met lof. De tijden zijn ook in België onherkenbaar veranderd, maar wie weet wordt de nobele kunst van het mazen ooit in ere hersteld.

Wie meer wil weten over de Brontës in Brussel kan de zoektocht aanvatten op de website van The Brussels Brontë Society. Onder ‘Books and Articles’ vind je de referenties van de interessante boeken die de Britse expat Helen McEwan aan het onderwerp heeft gewijd. In 2006 richtte McEwan de Brusselse afdeling van de Brontë Society op. Mede dankzij haar enthousiasme en inzet ontdekken meer en meer Belgen dit fascinerende hoofdstukje uit onze vaderlandse geschiedenis.

Pricavy

Link Privacy Policy

Over ons privacybeleid

Uw privacy is belangrijk voor ons. Wij verwerken daarom uitsluitend gegevens die wij nodig hebben voor (het verbeteren van) onze dienstverlening en gaan zorgvuldig om met de informatie die wij over u en uw gebruik van onze diensten hebben verzameld. Wij stellen uw gegevens nooit voor commerciële doelstellingen ter beschikking aan derden.

Dit privacybeleid is van toepassing op het gebruik van deze website en de diensten in het verlengde hiervan. De ingangsdatum voor de geldigheid van deze voorwaarden is 1 september 2020, met het publiceren van een nieuwe versie vervalt de geldigheid van alle voorgaande versies. Dit privacybeleid beschrijft welke gegevens over u door ons worden verzameld, waar deze gegevens voor worden gebruikt en met wie en onder welke voorwaarden deze gegevens eventueel met derden kunnen worden gedeeld. Ook leggen wij aan u uit op welke wijze wij uw gegevens opslaan en hoe wij uw gegevens tegen misbruik beschermen en welke rechten u heeft met betrekking tot de door u aan ons verstrekte persoonsgegevens.

Als u vragen heeft over ons privacybeleid kunt u contact opnemen met onze contactpersoon voor privacyzaken, u vindt de contactgegevens aan het einde van ons privacybeleid.

Algemeen doel van de gegevensverwerking

Wij gebruiken uw gegevens uitsluitend ten behoeve van onze dienstverlening. Dat wil zeggen dat het doel van de verwerking altijd direct verband houdt met de opdracht die u verstrekt. Wij gebruiken uw gegevens niet voor (gerichte) marketing. Als u gegevens met ons deelt en wij gebruiken deze gegevens om – anders dan op uw verzoek – op een later moment contact met u op te nemen, vragen wij u hiervoor expliciet toestemming. Uw gegevens worden niet met derden gedeeld, anders dan om aan boekhoudkundige en overige administratieve verplichtingen te voldoen.

Deze derden zijn allemaal tot geheimhouding gehouden op grond van de overeenkomst tussen hen en ons of een eed of wettelijke verplichting.

Automatisch verzamelde gegevens

Gegevens die automatisch worden verzameld door onze website worden verwerkt met het doel onze dienstverlening verder te verbeteren. Deze gegevens (bijvoorbeeld uw IP-adres, webbrowser en besturingssysteem) zijn geen persoonsgegevens.

Medewerking aan fiscaal en strafrechtelijk onderzoek In voorkomende gevallen kan Duurzaam Beleggen Academy en UCLL Leuven vzw op grond van een wettelijke verplichting worden gehouden tot het delen van uw gegevens in verband met fiscaal of strafrechtelijk onderzoek van overheidswege. In een dergelijk geval zijn wij gedwongen uw gegevens te delen, maar wij zullen ons binnen de mogelijkheden die de wet ons biedt daartegen verzetten.

Onze website en uw gegevensverwerking

De e-learning is ontwikkeld met het platform OpleidingNU (www.opleidingNU.nl). Persoonsgegevens die u ten behoeve van onze dienstverlening aan ons beschikbaar stelt, worden met deze partij gedeeld.

Deze hebben toegang tot uw gegevens om ons (technische) ondersteuning te bieden, zij zullen uw gegevens nooit gebruiken voor een ander doel. Op basis van de overeenkomst die wij met hen hebben gesloten, zijn ze verplicht om passende beveiligingsmaatregelen te nemen. Deze beveiligingsmaatregelen bestaan bijvoorbeeld uit de toepassing van SSL-encryptie en een sterk wachtwoordbeleid.

De website maakt verder gebruik van cookies om technische informatie te verzamelen met betrekking tot uw gebruik van de software, er worden geen persoonsgegevens verzameld en/of opgeslagen. Verzamelde gegevens zouden eventueel wel binnen het eigen concern gedeeld kunnen worden om de dienstverlening verder te verbeteren.

Webhosting

Webhosting- en e-maildiensten worden afgenomen van Combell nv die persoonsgegevens verwerkt namens ons. Uw gegevens worden niet voor eigen doeleinden door hen gebruikt. Wel kan deze partij metagegevens verzamelen over het gebruik van de diensten. Dit zijn geen persoonsgegevens. Combell nv heeft passende technische en organisatorische maatregelen genomen om verlies en ongeoorloofd gebruik van uw persoonsgegevens te voorkomen. Combell nv is op grond van de overeenkomst tot geheimhouding verplicht.

E-mail en mailinglijsten met behulp van MailChimp

Wij versturen onze e-mail nieuwsbrieven met MailChimp. MailChimp zal uw naam en e-mailadres nooit voor eigen doeleinden gebruiken. Onderaan elke e-mail die geautomatiseerd en via onze website wordt verzonden, ziet u de ‘unsubscribe’ link. U kunt daarmee uitschrijven en ontvangt onze nieuwsbrief dan niet meer. Uw persoonsgegevens worden door MailChimp beveiligd opgeslagen. MailChimp maakt gebruik van cookies en andere internettechnologieën die inzichtelijk maken of e-mails worden geopend en gelezen. MailChimp behoudt zich het recht voor om uw gegevens te gebruiken voor het verder verbeteren van de dienstverlening en in het kader daarvan informatie met derden te delen.

Betalingen via zogenaamde Payment processors

Voor het afhandelen van een (deel van) de betalingen in onze webwinkel maken wij gebruik van het platform OpleidingNU (www.opleidingNU.nl). OpleidingNU verwerkt uw naam, adres en woonplaatsgegevens en uw betaalgegevens zoals uw bankrekening- of creditcardnummer. OpleidingNU heeft passende technische en organisatorische maatregelen genomen om uw persoonsgegevens te beschermen. OpleidingNU behoudt zich het recht voor uw gegevens te gebruiken om de dienstverlening verder te verbeteren en in het kader daarvan (geanonimiseerde) gegevens met derden te delen. Alle hierboven genoemde waarborgen met betrekking tot de bescherming van uw persoonsgegevens zijn eveneens van toepassing op de onderdelen van OpleidingNU dienstverlening waarvoor zij derden inschakelen. Mollie bewaart uw gegevens niet langer dan op grond van de wettelijke termijnen is toegestaan.

Verzenden en logistiek via PostNL / BPost

Voor de verzending van uw bestelling maken wij gebruik van de diensten van PostNL / BPost voor het uitvoeren van de leveringen. Het is daarvoor noodzakelijk dat wij uw naam, adres en woonplaatsgegevens met deze bedrijven delen. De pakketdiensten gebruiken deze gegevens alleen ten behoeve van het uitvoeren van de overeenkomst. In het geval dat een pakketdienst onderaannemers inschakelt, stelt deze uw gegevens ook aan deze partijen ter beschikking.

Facturatie en boekhouden

Voor onze administratie en boekhouding maken wij gebruik van een administratiesysteem. Uw naam, e-mailadres, adres en woonplaatsgegevens en details met betrekking tot uw bestelling worden hierin opgeslagen. Deze gegevens worden gebruikt voor het administreren van verkoopfacturen en betalingen.

Externe verkoopkanalen zoals Bol.com

Wij verkopen (een deel van) onze artikelen ook via het platform van Bol.com. Als u via dit platform een bestelling plaatst, dan deelt Bol.com uw bestel- en persoonsgegevens met ons. Wij gebruiken deze gegevens om uw bestelling af te handelen. Wij gaan vertrouwelijk met uw gegevens om en hebben passende technische en organisatorische maatregelen getroffen om uw gegevens te beschermen tegen verlies en ongeoorloofd gebruik.

Bewaartermijnen

Wij bewaren uw gegevens zolang u klant van ons bent. Dit betekent dat wij uw gegevens bewaren totdat u aangeeft dat u niet langer van onze diensten gebruik wenst te maken. Als u dit bij ons aangeeft zullen wij dit tevens opvatten als een vergeetverzoek. Op grond van toepasselijke administratieve verplichtingen dienen wij facturen met uw (persoons)gegevens te bewaren, deze gegevens zullen wij dus voor zolang de toepasselijke termijn loopt bewaren.

Uw rechten

Op grond van de geldende Belgische en Europese wetgeving heeft u als betrokkene bepaalde rechten met betrekking tot de persoonsgegevens die door of namens ons worden verwerkt. Wij leggen u hieronder uit welke rechten dit zijn en hoe u zich op deze rechten kunt beroepen.

In beginsel sturen wij om misbruik te voorkomen afschriften en kopieën van uw gegevens enkel naar uw bij ons reedsbekende e-mailadres. In het geval dat u de gegevens op een ander e-mailadres of bijvoorbeeld per post wenst te ontvangen, zullen wij u vragen zich te legitimeren. Wij houden een administratie bij van afgehandelde verzoeken, in het geval van een vergeetverzoek administreren wij geanonimiseerde gegevens. Alle afschriften en kopieën van gegevens ontvangt u in de machineleesbare gegevensindeling die wij binnen onze systemen hanteren.

U heeft te allen tijde het recht om een klacht in te dienen bij de Gegevensbeschermingsautoriteit als u vermoedt dat wij uw persoonsgegevens op een verkeerde manier gebruiken.

Inzagerecht

U heeft altijd het recht om de gegevens die wij (laten) verwerken en die betrekking hebben op uw persoon of daartoe herleidbaar zijn, in te zien. U kunt een verzoek met die strekking doen aan onze contactpersoon voor privacyzaken. U ontvangt dan binnen 30 dagen een reactie op uw verzoek. Als uw verzoek wordt ingewilligd, sturen wij u op het bij ons bekende e-mailadres een kopie van alle gegevens met een overzicht van de verwerkers die deze gegevens onder zich hebben, onder vermelding van de categorie waaronder wij deze gegevens hebben opgeslagen.

Rectificatierecht

U heeft altijd het recht om de gegevens die wij (laten) verwerken en die betrekking hebben op uw persoon of daartoe herleidbaar zijn, te laten aanpassen. U kunt een verzoek met die strekking doen aan onze contactpersoon voor privacyzaken. U ontvangt dan binnen 30 dagen een reactie op uw verzoek. Als uw verzoek wordt ingewilligd sturen wij u op het bij ons bekende e-mailadres een bevestiging dat de gegevens zijn aangepast.

Recht op beperking van de verwerking

U heeft altijd het recht om de gegevens die wij (laten) verwerken die betrekking hebben op uw persoon of daartoe herleidbaar zijn, te beperken. U kunt een verzoek met die strekking doen aan onze contactpersoon voor privacyzaken. U ontvangt dan binnen 30 dagen een reactie op uw verzoek. Als uw verzoek wordt ingewilligd sturen wij u op het bij ons bekende e-mailadres een bevestiging dat de gegevens tot u de beperking opheft niet langer worden verwerkt.

Recht op overdraagbaarheid

U heeft altijd het recht om de gegevens die wij (laten) verwerken en die betrekking hebben op uw persoon of daartoe herleidbaar zijn, door een andere partij te laten uitvoeren. U kunt een verzoek met die strekking doen aan onze contactpersoon voor privacyzaken. U ontvangt dan binnen 30 dagen een reactie op uw verzoek. Als uw verzoek wordt ingewilligd sturen wij u op het bij ons bekende e-mailadres afschriften of kopieën van alle gegevens over u die wij hebben verwerkt of in opdracht van ons door andere verwerkers of derden zijn verwerkt. Naar alle waarschijnlijkheid kunnen wij in een dergelijk geval de dienstverlening niet langer voortzetten, omdat de veilige koppeling van databestanden dan niet langer kan worden gegarandeerd.

Recht van bezwaar en overige rechten

U heeft in voorkomende gevallen het recht bezwaar te maken tegen de verwerking van uw persoonsgegevens door of in opdracht van ons. Als u bezwaar maakt zullen wij onmiddellijk de gegevensverwerking staken in afwachting van de afhandeling van uw bezwaar. Is uw bezwaar gegrond dat zullen wij afschriften en/of kopieën van gegevens die wij (laten) verwerken aan u ter beschikking stellen en daarna de verwerking blijvend staken.

U heeft bovendien het recht om niet aan geautomatiseerde individuele besluitvorming of profiling te worden onderworpen. Wij verwerken uw gegevens niet op zodanige wijze dat dit recht van toepassing is. Bent u van mening dat dit wel zo is, neem dan contact op met onze contactpersoon voor privacyzaken.

Cookies door Google Analytics en derde partijen

Via onze website kunnen cookies geplaatst worden van het Amerikaanse bedrijf Google, als deel van de “Analytics”-dienst. Wij gebruiken deze dienst om bij te houden en rapportages te krijgen over hoe bezoekers de website gebruiken. Deze verwerker is mogelijk verplicht op grond van geldende wet- en regelgeving inzage te geven in deze gegevens. Wij hebben Google niet toegestaan de verkregen analytics-informatie te gebruiken voor andere Google diensten.

In het geval dat softwareoplossingen van derde partijen gebruik maken van cookies is dit vermeld in hun privacyverklaring.

Wijzigingen in het privacybeleid

Wij behouden te allen tijde het recht ons privacybeleid te wijzigen. Op deze pagina vindt u echter altijd de meest recente versie. Als het nieuwe privacybeleid gevolgen heeft voor de wijze waarop wij reeds verzamelde gegevens met betrekking tot u verwerken, dan brengen wij u daarvan per e-mail op de hoogte.

Contactgegevens

Duurzaam Beleggen Academy en UCLL Leuven vzw
Geldenaaksebaan 335
3001 Heverlee
België

+32 375 300

 info@duurzambeleggen.academy



Contactpersoon voor privacyzaken: Siem de Rijter

Deel 1 - digitale verwerkingssystemen

Onderstaand artikel uit Cursus multimedia (K. Merckx)

Computers, laptops, tablets, smartphones, internet of things... Hoe maken we die digitale en elektronische wereld bevattelijk? Er is meer onder de zon dan de strijd tussen Microsoft en Apple of Android en iOS. In dit hoofdstuk leer je je weg te vinden in wat digitaal en elektronisch nu eigenlijk is. Hoe verhouden de diverse toestellen zich tot elkaar? Wat is het verschil tussen de boordcomputer in je auto en je laptop? Is je TV ook een computer als je ermee op internet kan?

1.1 Je weg vinden in het elektronische en digitale landschap

Je zal een stap voor zijn op de meerderheid van het grote publiek dat zulke toestellen wel massaal gebruikt, maar eigenlijk niet goed weet hoe die werken en nog veel minder hoe je zo'n toestellen zelf op maat kan bouwen. Wat leeft er allemaal in die “digitale wereld”? Wat is het verschil of de verhouding tussen analoog en digitaal, tussen elektronica en computers, tussen computers en microcontrollers, tussen embedded systemen en firmware, tussen hardware en software? Volg je nog? Ok, laat het ons een even allemaal op een rijtje zetten. Opgelet: we staan niet stil bij klassieke computers of televisietoestellen of diverse “merken”.

1.1.1 Hardware en software

Een computer(de hardware), of het nu gaat om een klassiek desktop-onding, een tablet, smartphone of een laptop, bestaat uit een hoop onderdelen. Je vindt er een processor in, een tijdelijk werkgeheugen (RAM), een opslagmedium (harde schijf, SSD, SD...), invoerapparaten (muis, touchscreen, toetsenbord...) en ook een outputsysteem (bestanden, scherm, webserver...). Al die diverse toestellen doen in wezen niet zo'n aardig verschillende dingen. Ze verwerken invoer en tonen en/of bewaren de uitvoer. Dat heb je op de schoolbanken geleerd. Ze kunnen niet zonder “software”, de ongrijpbare programma's die ergens virtueel zijn “geïnstalleerd” als digitale gegevens op een opslagmedium. De softwaregeeft onder de vorm van “binaire” code instructies aan de toestellen, verwerkt de invoer en presenteert de uitvoer.

Software bestaat op diverse niveaus:

1. een basissysteem (bios, uefi) dat de contacten tussen alle onderdelen regelt,

2. een besturingssysteem (zoals Android, iOS, Linux, Mac OS X, UNIX, Windows...)

3. of gewoon software met een heel specifieke taak (zoals GIMP, MS Word of... Processing).

Maar er bestaan ook andere verschijningsvormen die men gemakshalve eveneens aanduidt met de naam “computer”, maar in wezen niet helemaal voldoen aan de definitie hier boven. Een microcontroller is zo'n “computer”. Men gebruikt een microcontroller of microprocessor om elektronische apparatuur te besturen. Heel wat moderne apparaten bevatten zo'n microcontroller: een magnetron, een auto, een wasmachine, sommige telefoons...


Er bestaan ook kruisbestuivingentussen beide. De immens populaire Raspberry Piis daar een voorbeeld van.

1.1.2 Embedded systemen en firmware

Ongetwijfeld heb je op het vlak van “consumentenelektronica” al gehoord over “ embedded systemen” en “ firmware”. Een embedded system (ingebed of geïntegreerd systeem) is heel vaak gebaseerd op een microcontroller (met een microprocessor en/of DSP of 'digital signal processor') of op een SoC (System on a chip). Het vervult een bepaalde functie binnen een groter mechanisch of elektrisch systeem.In een koelkast kan het de temperatuur regelen, in een wasmachine regelt het de functie van alle “programma-instellingen”, in je auto zorgt het voor alle foutmeldingen die op je dashboard verschijnen, maar ook voor alle andere digitale informatie, voor het aansturen van bepaalde onderdelen van je motor enz.

Vroeger bestonden regelsystemenhoofdzakelijk uit mechanische en later elektronische onderdelen. Nu neemt de in een “microcontroller” geïntegreerde software veel van die taken over. Een microcontroller integreert hardware en software. Er zit geen “harde schijf” in waarop de software manueel kan geïnstalleerd worden, vaak zit de software geïntegreerd in de hardware, als vrijwel niet te wijzigen programma's. Soms kan de ingesloten software geüpdated worden, dan spreekt men van “ firmware”.

1.1.3 Voordelen en nadelen

Zo'n integratie biedt tal van voordelen in vergelijking met een “computer”.

  • 1. De verwerking gebeurt real time (beeld je maar eens in dat je auto zou werken op Windows),
  • 2. snel
  • 3. en verbruikt zeer weinig energie.
  • 4. Een embedded systeem is ook veel goedkoper.

Nadeel is dat de functionaliteit heel beperkt is. Je kan bijvoorbeeld geen tekstverwerker installeren in je koelkast of videomontagesoftware in je auto.

Het Leuvense IT-bedrijf EASICS ontwikkelde de beeldherkenningshardware waarmee de sorteermachines van de Belgische firma BEST zijn uitgerust.De hardware van EASICS herkent tegen een onwaarschijnlijk hoog tempo “ongewenste” elementen tussen bijvoorbeeld razendsnel voorbij rollende frieten, krenten, garnalen, spijkers of wat dan ook en activeert een luchtdrukstraal die het ongewenste element wegspuit. Een “multifunctionele” computer, hoe krachtig en snel ook, zou er niet in slagen om die taak zo snel af te handelen. Omdat de programmacode in de chip is gecodeerd, verloopt de verwerking hier onwaarschijnlijk snel.
Even bekeken volgens et IPO-model: input = beeld van camera, processing = herkennen van ongewenste elementen, output en feedback = verwijderen van ongewenst element.

Vaak worden embedded systemen met één bepaald doel voor ogen ontwikkeld, zijn ze heel “gespecialiseerd”, maar je kan ook herbruikbare microcontrollersontwikkelen... en dan zitten we bij de Arduinoaan het juiste adres als “startersmodel”.


Een eigenhandig gebouwde smartphone op basis van een Arduino-microcontroller.

1.1.4 Embedded systeem

Een “embedded systeem” bevat een sensorgedeeltedat informatie uit de werkelijkheid kan registreren. In een tweede fase kan het die informatie digitaliseren. Die digitale informatie moet verwerkt worden door de “microprocessor” of de firmware. In een laatste fase zal een “ actuator” bepaalde onderdelen aansturen of zorgen voor zichtbare of hoorbare output.

1.1.5 SoC's en microcontrollers

Naast de term “microcontroller” en “embedded system” duikt ook wel eens de term “system on a chip” (SoC)op. Een SoC (met een C wel te begrijpen), integreert alle componenten van een computer en/of elektronisch systeem op één enkele chip. SoC's worden veelvuldig toegepast in de markt van mobiele consumentenelektronica. Een “embedded systeem” bevat vaak een SoC.

Oeps, waar ligt dan de grens tussen een “microcontroller” en een “SoC”? De term “System on a chip” is in dat geval niet de beste keuze geweest. Immers, een “microcontroller” is vaak pas echt gebaseerd op één enkele chip, waardoor het beschikbare RAM-geheugen vaak onder de 100 kb blijft. Een SoC bevat vaak een veel snellere processor met meer werkgeheugen waardoor het in staat is om een besturingssystemen zoals Linux te draaien. Het is dus niet altijd echt één chip, want een SoC maakt vaak gebruik van externe geheugenchips (SD-kaartje, RAM...). Een modern besturingssysteem, hoe compact ook, heeft wel wat meer nodig dan 100 kb. Het begrip SoC verwijst dus eerder naar een zeer sterke integratie van de chips, waardoor kleinere systemen mogelijk worden.

1.2 Digitale “dingen”

Waarom zou je met zulke toestellen aan de slag gaan of er tijd in steken, want in wezen zijn ze veel trager dan een standaard “computer” of zelfs een goedkope smartphone? Embedded systemen en microcontrollers zijn aan een ware veroveringstocht bezig. Wellicht hoorde je de term “internet of things”al eens vallen. Ruwweg houdt dit in dat stilaan elk huishoudelijk toestel, maar ook auto's, bewakingscamera'sen domoticasystemenzulke embedded systemen aan boord hebben. Wanneer je al die dingen (things) aansluit op het internet, krijg je een allesomvattend netwerk van digitaal verbonden toestellen: het internet of things. We stellen ons hier even geen vragen over de gevolgen en gevaren voor de privacy en de ethiek.

Kortom, embedded systemen, SoC's en microcontrollers zijn niet meer weg te denken uit de wereld van vandaag en morgen. Be prepared!Wees voorbereid, want wie het kent, kan er zijn voordeel uit halen en zich behoeden voor al te grote 'schendingen' van zijn vrijheid en privacy. Hoe meer je erover weet, hoe beter je er mee kan omgaan, hoe beter je het systeem kan “hacken” (=uit elkaar halen en begrijpen).

1.3 Analoog naar digitaal

De fysieke wereld waarin wij leven gedraagt zich analoog. Natuurkundige fenomenen zoals licht, geluid, temperatuur ... kunnen voortdurend wijzigen. Een elektronisch apparaat zet signalen uit de omgeving (geluid, licht, warmte ...) om in elektrische signalen (spanningen, stromen ...). Net zoals een foto-elektrische cel licht omzet in een elektrisch signaal, zet een microfoon drukgolven in de lucht om in een veranderlijke elektrische spanning.
Een computer is een elektronisch systeem, maar niet elk elektronisch systeem is een computer;Een televisietoestel verwerkt net zoals een computer een binnenkomend signaal met behulp van elektronische onderdelen en toont die op het scherm. Maar dit betekent daarom nog niet dat een televisietoestel dan ook een "digitaal" systeem is; Digitale systemen verwerken alle invoer met behulp van binaire code. 

1.3.1 Sensoren

Zonder dat we het zelf goed en wel beseffen worden we omringd door sensoren. Je vindt ze in je mobiele telefoons (camera, microfoon, accelerometer ...), het toetsenbord en de muis van je computer, de thermostaat van de verwarming, in automatische lampen, het scherm van een tabletcomputer ... Als je na een nachtje stappen aan de kant wordt gezet door de politie, vind je ze zelfs in de alcoholtester (een chemische sensor). Omdat de opgewekte elektrische signalen vaak te zwak zijn om bruikbaar te zijn, bevat veel elektronica ingebouwde of aangesloten versterkers. Analoog houdt in dat de informatie als een continue golf of ‘stroom’ 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 1 in beweging. Deze beweging wordt omgezet in een veranderlijk elektrisch signaal, dat opgeslagen kan worden op magneetbanden. Analoog betekent dus ‘naar analogie met de werkelijkheid’. Analoge signalen zijn erg onderhevig aan storingen of interferenties van bijvoorbeeld andere apparaten.

1.3.2 Actuatoren

Actuatorenvormen een ander onderdeel van een elektronisch systeem: zij zetten elektrische signalen om in andere signalen zoals mechanische kracht, geluid ... Een luidspreker is een bekend voorbeeld van een actuator. Hij laat de lucht trillen door eerst zelf te trillen. Zo zet een elektrische motor elektriciteit om in een mechanische beweging, een lamp en een beeldscherm zetten elektrische energie om in licht enzovoort.

Naast de invoer via sensoren en de uitvoer via actuatoren voert de elektronica zelf een aantal berekeningen, algoritmes of programma’s uit op de binnenkomende signalen. Elektronica kan naar analogie met de werkelijkheid het elektrische signaal continue bewaren, zoals dit bijvoorbeeld met geluid op een magneetband gebeurt. Toch kunnen hier wat fouten of afwijkingen optreden. Als je destijds een audiocassette te lang op een warm dashboard liet liggen, merkte je het aan de geluidskwaliteit!


Een klassieke audiocassette bewaarde geluid analoog op een magneetband .

1.3.3 Discretisatie

Elektronisch is nog wat anders dan digitaal , ook al hoor je de termen weleens door elkaar gebruiken. Het sleutelwoord bij digitaal is ‘ discretisatie ’ in ruimte en tijd.Wanneer we analoge informatie digitaliseren, plaatsen we een denkbeeldig raster over de fysieke wereld en meten we de binnenkomende signalen enkel op bepaalde tijdstippen, meestal op vaste intervallen. Dit gebeurt doorgaans zeer snel, want anders zouden we veel ‘informatie’ missen. Discretisatie in ruimte en tijd heet in het vakjargon ook wel bemonstering, maar is vooral bekend onder de Engelse benaming ‘sampling’. Een sample of een monster van een beeld noemen we een ‘picture element’ of ‘pixel’. Een digitaal systeem meet ook de signaalniveaus (discretisatie van de signaalwaarden), zoals de lichtintensiteit van een pixel.

1.3.4 Afspraken

Bij het bouwen van zo’n systeem moeten er vooraf afsprakengemaakt worden. Bij een afbeelding kan dit gaan om de hoeveelheid pixels die men horizontaal of verticaal wil meten, bij geluid over het aantal metingen per seconde. Een audio-cd bevat bijvoorbeeld 44100 samples of metingen per seconde (sample rate van 44.100 Hertz = 44,1 kHz). Elke sample of meting wordt uitgedrukt als een getal tussen 0 en een vooraf bepaalde maximale waarde. Hoe hoger die waarde, hoe groter het bereik en hoe nauwkeuriger het signaal kan worden gemeten en weergegeven. Wanneer we licht meten met slechts twee lichtintensiteitswaarden, bevat ons eindresultaat enkel wit of zwart.

1.3.5 Binair coderen, ruis en foutonderdrukking

Simpel gezegd werkt een elektronisch of digitaal toestel op basis van elektriciteit en die kent ruwweg maar twee toestanden: aan (1) of uit (0). Het lijkt dus op het eerste gezicht niet zo eenvoudig om getallen hoger dan de waarde 1 te meten of te bewaren in een digitale omgeving. Daarom maken digitale systemen gebruik van het binaire stelsel, een tweetallig getalsysteem dat alle getallen weergeeft met de symbolen 0 en 1.

Een binair cijfer of bit (binary digit) kan dus slechts twee vormen aannemen: een 0 of een 1. Een binair getal noemen we anders naargelang het bereik. Zo noemen we een getal van 8 bits een byte. Wij leren op school letterlijk tellen op onze vingers (digitus in het Latijn) en we gebruiken daarom niet voor niets een tiendelig of decimaal talstelsel. Daarom is het ook even wennen als we met binaire getallen aan het tellen gaan. Je leert meer over binaire getallen via deze link


Een bereik van 8 bits geeft 2 tot macht 8 (256) mogelijke waarden. Een audio-cd heeft een bereik van 16 bits of 32.768 mogelijke waarden. Deze vorm van discretisatie beïnvloedt in sterke mate de kwaliteit. Hoe lager het aantal beschikbare bits of hoe trager het bemonsteren gebeurt, hoe lager de kwaliteit. Een te hoog bereik is echter evenmin zinvol. Het menselijk oor kan de extra kwaliteit toch niet altijd waarnemen. Daarom probeert men vaak een gulden middenweg te vinden tussen kwaliteit en ‘beperkingen’,zoals opslagcapaciteit en doorvoersnelheid (bijvoorbeeld de snelheid van de internetverbinding). In onze tijd worden digitale gegevens ook opgeslagen en voor langere tijd bewaard.

Hoe gaat dit fysisch 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 2 geldige waarden kennen, namelijk 0 of 1. In een elektronische schakeling kunnen we dit 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 transistor ...

Samengevat betekent ‘digitaal’ dus dat we de informatie bewaren als een reeks binaire getallen.Een geluidsgolf kunnen we bijvoorbeeld weergeven als een reeks getallen met een bepaalde grootte. Als we die getallen op een grafiek zetten, zien we de oorspronkelijke golf weer verschijnen. Digitale informatie wordt altijd met binaire en niet met decimale getallen weergegeven. In het binaire stelsel wordt elk getal voorgesteld als een combinatie van nullen en enen. Binaire getallen zijn uitermate geschikt om door elektrische schakelingen of bedrading te sturen omdat die enkel maar een aan-toestand (1) en uit-toestand (0) herkennen. In een analoog systeem kan elke gewenste waarde tussen een bepaalde ondergrens en bovengrens worden voorgesteld.

Als er ruisoptreedt door bijvoorbeeld slijtage op een magneetband of een elektromagnetische storing, kan het oorspronkelijk signaal niet meer onderscheiden worden van de ruis. De ruis die er achteraf bijgekomen is, heeft de oorspronkelijke signaalniveaus immers aangetast. Ook in een digitaal systeem kan ruis optreden. Een kras in een optische schijf zoals een cd kan putjes minder diep maken of elektromagnetische storingen kunnen bepaalde zones op een harde schijf demagnetiseren. Toch kan over het algemeen het oorspronkelijke niveau hersteld worden (als de storing niet te groot is) omdat elke bit slechts twee geldige waarden heeft: het is ofwel 1 ofwel 0 en daaruit moet het systeem zelf kiezen. Een kras kan bij wijze van spreken van 0 een 0,3 maken, maar die waarde ligt dichter bij de 0 dan bij de 1. Enkel een 0,5 zou een twijfelgeval kunnen worden. Als de schade door slijtage, ruis of storingen dus niet te groot is, kan een digitaal systeem de oorspronkelijke informatie of kwaliteit volledig herstellen. Maar zelfs in het geval van grote schade kan men door codeertechnieken (het uitrekenen van bepaalde controlegetallen over groepen van bits) de fouten toch nog herstellen (uiteraard binnen bepaalde grenzen). Sommige systemen maken gebruik van symbolen die meer dan twee waarden kunnen aannemen, waarbij één geheugencel 2 of 3 bit aan informatie kan bevatten. Dit soort transistors houden pakketjes elektronen van 4 of 8 verschillende (nominale) groottes vast. Zulke systemen zullen echter sneller falen bij kleine storingen of ruis. Toepassingen die een hoge betrouwbaarheid vereisen (zoals medische implantaten of ruimtevaart) zullen daarom 1 bit-cellen gebruiken. Digitalisering biedt nog tal van andere voordelen. Zodra een signaal is gedigitaliseerd, kan het makkelijk bewerkt en aangepast worden. Voor het toepassen van een filter op een afbeelding hebben we bijvoorbeeld niet langer een speciaal onderdeel of toestel nodig, dit kan met een computerprogramma. Dezelfde geheugendragers kunnen gebruikt worden om verschillende vormen van informatie te bewaren: foto’s, tekst, muziek, beeld, programma’s …

1.3.6 Van digitaal naar analoog

Pulsbreedtemodulatie (PWM of pulse width modulation)is het begrip als het gaat om het omzetten van digitale signalen naar analoge signalen. Cool, echt een begrip om mee uit te pakken aan de toog van je stamcafé, maar je kan best toch zorgen dat je dan tenminste weet waarover je het hebt. Zeker als die onbekende man op de hoek van de toog een ingenieur blijkt te zijn. Ben je er klaar voor?

Stel dat je dit boek nu niet zou lezen, maar dat je naar de audioversie ervan zou luisteren, dan zou het geluid van mijn opgenomen stem de lucht laten trillen. De luchtdeeltjes zouden als een voortdurend wijzigende golf je oren bereiken, met steeds wisselende pieken en dalen: een analoog geluidssignaal, naar “analogie” met de werkelijkheid. Nochtans werkt die luispreker op basis van elektrische signalen die nu eens uit en dan weer aan kunnen staan. Ofwel stuur je een pulsje stroom, ofwel niet, want elektriciteit beweegt nu eenmaal niet zoals een golf zeewater. Het is het een of het ander bij elektriciteit. De stroom staat aan of uit, 1 of 0. Hoe kan je dan met elektrische stroom een geluidsgolf genereren, een motor zachter laten draaien, een LED-licht dimmen?

Je kent het antwoord al, met PWM! Maar hoe gaat dit nu in zijn werk?Met PWM moduleren we de stroom. We schakelen bliksemsnel tussen 5V en 0V. Stel dat je de voltage de helft van de tijd instelt op 5V en de helft van de tijd op 0V dan krijg je een gemiddelde stroom van 5V of een “duty cycle” van 50%. Laat je de stroom 10% van de tijd op 5V staan, dan krijg je gemiddeld 0.5V. Als je op deze manier een motor aanstuurt, zal de motor langzamer draaien bij een lagere duty cycle. De motor krijgt dan wel zijn maximale spanning, maar niet continu. M.a.w. als je de schakelaar continu aan laat staan, zal je motor constant snel draaien, je LED-licht continu “fel” branden. Als je snel aan en uit pulst, zal de motor zachter beginnen draaien en je licht dimmen.

1.3.7 Programmeerbare automaten zijn zeer oud (randinformatie)

Het binaire talstelsel werd “bedacht” door de wiskundige en filosoof Gottfried Wilhelm Leibniz (1646– 1716), een tijdgenoot van het onovertroffen genie Isaac Newton (1643–1727). In zijn tijd zag niemand het nut in van zo’n binair talstelsel en hij zelf gebruikte het vermoedelijk enkel in filosofische discussies over godsdienst: de 1 zou daarbij staan voor het bestaan van God en de 0 voor de afwezigheid van God. Andere vondsten van Leibniz, zoals het ‘is gelijk aan’-teken (=) of de dubbele punt bij delingen (:), raakten wel ingeburgerd. Het binaire getalsysteem werd in de eerste helft van de 20e eeuw dankbaar opgevist voor gebruik in de eerste digitale computers.

Ook al was het binaire talstelsel nog niet uitgevonden, toch bestond het “digitaal” programmeren van machines al veel langer. Heron van Alexandrië bouwde tweeduizend jaar geleden automatische 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. Hierdoor begon het gewicht met enige vertraging te zakken. Aan de andere kant hingen twee touwen. Elke 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 ‘timer’-functie in te bouwen. Hiervoor plakte hij met was een stuk van het touw vast aan de as. Het zakkende gewicht trok het was stilaan los. Als het touw eenmaal was losgekomen, begon de as weer te roteren.


Je zou de instructies voor Herons robot kunnen uitschrijven in de code voor Lego® Mindstorms- robots:

task main(){
OnFwd(OUT_A,75);
OnFwd(OUT_B,100);
Wait(3000);

De OnFwd-instructie laat de motor naar keuze (A of B) vooruitbewegen. De Wait-instructie laat het toestel voor een bepaalde duur (milliseconden) halt houden. Uiteraard schreef Heron geen programmeerinstructies. Ze waren vastgelegd in zijn machine, maar op zo’n manier dat je het toestel kon herprogrammeren door de pinnen te verplaatsen. Het programma werd ‘opgeslagen’ in de assen met wat we binaire instructies 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.

Wellicht bestond de techniek voor het programmeren van toestellen al langer en heeft Heron het niet zelf bedacht. De techniek om toestellen te programmeren dook ook op bij Islamgeleerden, in middeleeuwse klokken, bij Leonardo da Vinci. In de 18e eeuw paste men de techniek enigszins aan door de cilinders met pinnen te vervangen door kaarten met gaten (ponskaarten). Men begon ze in te zetten voor het automatisch weven van kleren in weefgetouwen (Jacquard). De techniek van de ponskaart als middel om gegevens of programma-instructies te bewaren, bleef in gebruik als opslagmedium voor computers tot in de jaren 1980.

 Een ponskaart voor de opslag van geprogrammeerde muziek (19e eeuw).

1.4 Microcontrollers en SoC's voor doe-het-zelvers

1.4.1 Arduino

De Arduino is niet enkel een microcontroller. Het is een speciaal ontworpen bord voor het programmeren en het maken van “prototypes” met Atmel-microcontrollers. Als je er al eentje hebt aangeschaft, zal je ondertussen wel weten dat het goedkoop is. Voor een kleine 25 euro haal je een Arduino UNO in huis. Bovendien is het aardig makkelijk om mee te werken. Je sluit het via USB aan op je computer. Arduino-programma's schrijf je met een gratis stuk software. (http://arduino.cc/en/Main/Software).

De Arduino krijgt stroom via een USB-verbinding, maar kan ook los van de computer functioneren via een netadapter of batterijen. De Arduino meldt zich bij uw computer aan als een “virtuele seriële poort”. Als je code schrijft, kan je ze met een eenvoudige klik op de knop uploaden naar de Arduino. De standaard Arduino beschikt over 32 KB flashgeheugen om je code te bewaren. Dat is niet veel, maar ruim voldoende voor de meeste projecten.

Een Arduino telt 13 digitale en 6 analoge pins om externe hardware en sensoren aan te sluiten. Voor wie wat meer thuis is in de elektronicawereld: het bord heeft ook een ICSP-connector waarmee je de Arduino rechtstreeks als een serieel toestel kan aanspreken. Via deze poort kan je de Arduino “herstarten” (bootload) wanneer de chip niet meer met je computer wil “spreken”.

Afhankelijk van het project dat je wilt bouwen, kan je extra bordjes, sensoren of uitvoerapparaten op de Arduino aansluiten of in de pins “klikken”. Wanneer je een gewenst onderdeel aankoopt, vind je op de website van de fabrikant over het algemeen het schema voor het bouwen van de hardware-applicatie en de benodigde code. Controleer dit vooraf zodat je niet voor ongewenste verrassingen komt te staan. Houd er ook rekening mee dat je voor sommige modules met een soldeerbout overweg moet kunnen.

Sensoren

Gyroscoop, accelerometer, ultrasone sensor, GPS, IR-afstandssensor, verstelbare IR-sensor, bewegingssensor

Shields

Wifi, Ethernet, Motor, Color LCD, AM&FM­ontvanger, VoiceBox (voice en sound synthesizer), Musical Intrument, Audio Player, Joystick, Xbee

Modules en adapters

Voide recognition, radiocommunicatie, Xbee, Bluetooth, Wiichunk­adapter, SD­ lezer, Power over ethernet­module, GSM­module

1.4.2 Wiring

Wiring is de naam van een hardwareproject, een soort broertje of zusje voor Arduino. Meer informatie vind je op . Net zoals Arduino is Wiring een open-source elektronica prototyping platform. Wat open source is, leer je in een later hoofdstuk.
Je kan er op heel eenvoudige manier een “prototype” van een programmeerbare elektronische schakeling mee bouwen.

1.4.3 Raspberry Pi

De Raspberry Pi is een minicomputer (ook wel een singleboardcomputer genoemd) met een ARM-processor die ook dienst kan doen als microcontroller voor kleine elektronicaprojecten. Vermits het een gewone computer is, kan je er ook randapparatuur zoals een muis en toetsenbord (via USB), een microfoon, luidspreker of beeldscherm (TV via HDMI) op aansluiten. Een hele rits Linux-distributies (maar ook bijvoorbeeld Risc OS en Plan 9) zijn geschikt om op de Pi geïnstalleerd te worden. Het toestel kan ingezet worden als fileserver, NAS, mailserver... Voor een kleine 50 euro koop je een Raspberry Pi wat mede heeft bijgedragen tot zijn gigantische succes.


Een Raspberry Pi met een Linuxbesturingssysteem via HDMI aangesloten op een televisie.

1.4.4 Intel Galileo

Processorfabrikant Intel keek al snel met groeiend ongenoegen naar het succes van de op een ARM-processor gebouwde Raspberry Pi. Daarom lanceerde het bedrijf zijn eigen minicomputer aan onder de naam Intel Galileo. Het toestel draait op de energiezuinige Quark x1000-SoC.

Omdat de Raspberry Pi ook kan gebruikt worden voor elektronicaprojecten zag Intel de Arduino als een nuttige bongenoot in de zijn "oorlog" tegen het ARM-geweld. De Galileo is daarom niet alleen compatibel met zijn "Pentium Instruction Set Architecture", maar ook met de Arduino-bibliotheken en IDE.

1.4.5 Little bits

Wie toch zijn eigen elektronica wil “programmeren” en samenstellen zonder één letter code te schrijven of met kabels of soldeerbouten aan de slag te moeten gaan, moet zeker eens kijken naar Little bits. Met de eenvoud van Lego bouw je met Little bits coole elektronicaprojecten. Je klikt de diverse onderdelen poepsimpel via kleine magneetjes aan elkaar en klaar is kees.


1.5 Oefeningen

Audacity: Tijdens de les digitaliseren we audio met het open sourceprogramma Audacity ( www.audacityteam.org). We bekijken hoe het audiosignaal er in digitale vorm uitziet.

Adobe Photoshop / GIMP:We zetten een foto om in zwart-wit en verlagen het aantal pixels drastisch. We bekijken hoe discretisatie aan het werk is gegaan.

http://www.ardeco.be/sirk/screen.html:Pixelweergave met een raster. Hoe stuur je boodschappen door in binair formaat?

Sporen en privacy

Sporen en privacy


Algoritmes

3.5 Algoritmes die ons (digitale) leven dirigeren

Ongetwijfeld heb je het woord al eens gehoord: een algoritme. Het heeft niks met ritmische muziek te maken alhoewel Shazam wel algoritmes gebruikt voor patroonherkenning in muziek. Google gebrukt het PageRank-zoekalgoritme en wanneer je naar een MP3-muziekbestand luistert dan is dit eerst met een compressie-algoritme tot een relatief klein bestand herleid vooraleer het op je mediaspeler is beland. Algoritmes spelen een cruciale rol in de verwerking van big data. Algoritmes zijn in de digitale wereld alomtegenwoordig, maar wat zijn het eigenlijk? Een nette verklaring van het begrip vinden we op Wikipedia:

“(een algoritme) is een eindige reeks instructiesdie vanuit een gegeven begintoestandnaar een beoogd doelleiden. Algoritmen staan in beginsel los van computerprogramma's, al worden voor de uitvoering van algoritmen vaak computers gebruikt. Het doel van een algoritme kan van alles zijn met een duidelijk resultaat. De instructies kunnen in het algemeen omgaan met eventualiteiten die bij het uitvoeren kunnen optreden. Algoritmen hebben in het algemeen stappen die zich herhalen (iteratie) of die beslissingen (logica of vergelijkingen) vereisen om de taak te voltooien.” 1

3.5.1 Sorteeralgoritmes

In wezen gaat het om een stappenplan waarvan je weet dat je tot een bepaald resultaat zal leiden. Het gaat dus verder dan lukraak proberen een bepaald resultaat te bereiken. Je weet heel goed welke stappen je na elkaar moet zetten om tot een resultaat te komen. Op school leer je bijvoorbeeld woordjes alfabetisch rangschikken. Dat doe je in eerste instantie door naar de eerste letter te kijken. Bevatten veel woorden dezelfde beginletters, dan rangschik je die woorden door naar de tweede letter en vervolgens naar de volgende letters te kijken. Rangschikking vereist dus een algoritme, een strikt stappenplan om tot het beoogde eindresultaat (een alfabetische volgorde) te bereiken. Algoritmes blijven dus niet beperkt tot computerwetenschappen, maar je vindt ze al een “eeuwigheid” terug in de wiskunde. In het tweede millennium voor Chr. gebruikten de Babyloniërs algoritmes voor het berekenen van machten en vierkantswortels.

Het alfabetisch rangschikken van woorden en het ordenen volgens grootte van getallen lijkt voor ons erg makkelijk. Maar het vraagt wel een stappenplan in ons hoofd, ook al doe je het na een tijdje zonder na te denken. Hoe beter het algoritme, hoe sneller de procedure. Dit soort algoritmes wordt reeds van in de beginjaren van de computer gebruikt in de computerwetenschappen. John von Neumann bedacht het “sort merge”-algoritme in de 1945. Het sorteert gegevens door het splitsen, ordenen en weer samenvoegen (merge) van data. Tony Hoare bedacht in 1959 het Quicksort-algoritme, dat zoals de naam al doet vermoeden, sneller werkt dan “sort merge”. 2 In 1964 bedacht J.W.J. Williams het “heapsort”-sorteeralgoritme. 3

Zonder dit soort “sorteeralgoritmes” zouden heel wat moderne computertechnieken zoals data mining, AI, linkanalyse... ondenkbaar zijn.

3.5.2 Conversie en compressie

De het Fourier-transformatie-algoritme en de Fast Fourier-transformatie of het FFT-algoritme liggen aan de basis van heel wat compressie-algoritmen zoals JPG en MP3. Een Fourier-tansformatie zet een geluidssignaal of lichtintensiteit om in een golffunctie. Het internet, WiFi, een smartphone, computer, router, communicatiesatellieten enz., zo wat alle toestellen waarin een soort computer aanwezig is, gebruikt het deze algoritmen. Het meet analoge signalen doorheen de tijd en tekent die uit als een golf op basis van de gemeten frequenties. Door signalen op te zetten in (golf)functies, kan de intensiteit van de golf eveneens getransformeerd (vervormd) worden. Het FFT-algoritme wordt bijvoorbeed gebruikt bij afbeeldingsfilters waarbij men de intensiteit van kleuren of belichting 'transformeert'. Bij compressie worden lage intensiteitsverschillen weggegooid waardoor de bestandsgrootte erg verkleind.

"Fourier-transformaties worden gebruikt bij het omzetten van analoge signalen in digitale data en worden onder meer toegepast bij signaalverwerking, maar spelen ook een rol bij de compressie van beelden. Een complex signaal wordt met fft gereduceerd tot een aantal eenvoudig digitaal te representeren componenten. Daarvoor wordt een analoog sample opgedeeld in kleine stukjes, waarna de stukjes worden geanalyseerd en geconverteerd naar een digitaal signaal." 4

Compressie-algoritmes spelen een bijzonder belangrijke rol. Ze zorgen ervoor dat data kleiner worden, maar vaak gaat dit gepaard met kwaliteitsverlies. De algoritmes maken een afweging tussen kwaliteit en kwantiteit. In 3.2.5 (Compressie) leerde je al meer over de belangrijkste compressie-algoritmes voor afbeelding. In deel 6.2.7 (Codecs en containers) lees je meer over compressie van film.

3.5.3 Foutcorrectie

Het klinkt in de eerste plaats al indrukwekkend, het “ Proportional Integral Derivative Algorithm” maar wat het doet is al even tot de verbeelding sprekend. Een PID-controllerberekent constant foutwaardes als het verschil tussen de gemeten signaalwaarde en het gewenste resultaat en werkt vervolgens de fout weg. PID-controllers worden in de industrie toegepast, maar ook in meer populaire toepassingen. Zangers zingen in een opnamestudio niet altijd netjes op de toon, doorheen een zangpartij zitten ze vaak wel eens net boven of net onder de juiste toon. Dat wil nog niet zeggen dat ze ronduit vals zingen, maar ze zitten zelden loepzuiver op de toon. Autotuningzorgt ervoor dat al die foutjes verdwijnen in de uiteindelijke gemixte opname. Het lied “Believe” van de zangeres Cher zou de eerste popsong zijn die van autotuning gebruik heeft gemaakt. Je merkt meteen het verschil als je naar opnames uit de jaren 1960 of 1970 luistert en die vergelijkt met opnames uit de digitale periode vanaf 1984. Beluister bijvoorbeeld eens het album “Communique” van Dire Straits en het loepzuivere digitale geluid van “Brothers in Arms” van diezelfde groep. Niet dat we Dire Straits en Mark Knopfler “verdenken” van autotuning, maar de digitaliseringsalgoritmes hebben een blijvende “stempel” gedrukt op alle opnames vanaf de komst van de CD.

3.5.4 Dijkstra

Het Dijkstra-algoritme is vooral bekend als het kortste pad-algoritme. Het beschrijft de kortste afstand tussen twee punten.

“Het algoritme van Dijkstra wordt gebruikt door verschillende internetprotocollen, voor het vinden van de kortste route tussen computers of routers. Het algoritme van Dijkstra geeft gegarandeerd het kortste pad, als er überhaupt een pad tussen A en B bestaat, maar kan hier wel lang over doen. De snelheid van het algoritme is afhankelijk van de manier waarop de punten en lijnen opgeslagen zijn in het geheugen van de computer.” 5

3.5.5 Linkanalyse

Welke links bovenaan verschijnen in Googleszoekresultaten wordt bepaald door het PageRank-algoritme. Facebooktoont bij iedere gebruiker een andere newsfeedgebaseerd op de “vrienden” met wie je het meest contact hebt (op Facebook dan toch), berichten die de meeste “likes” hebben gekregen enz. Wat je te zien krijgt, hangt dus af van een heleboel factoren en wordt bepaald door een linkanalyse-algoritme. Uiteraard verschillen de algoritmen maar de basis voor linkanalyse werd gelegd in 1976 door Gabriel Pinski en Francis Narin.

“Who uses this algorithm? Google in its Page Rank, Facebook when it shows you your news feed (this is the reason why Facebook news feed is not an algorithm but the result of one), Google+ and Facebook friend suggestion, LinkedIn suggestions for jobs and contacts, Netflix and Hulu for movies, YouTube for videos, etc. Each one has a different objective and different parameters, but the math behind each remains the same.

Finally, I’d like to say that even thought it seems like Google was the first company to work with this type of algorithms, in 1996 (two years before Google) a little search engine called “RankDex” , founded by Robin Li, was already using this idea for page ranking. Finally Massimo Marchiori, the founder of “HyperSearch”, used an algorithm of page rank based on the relations between single pages. (The two founders are mentioned in the patents of Google).” 6

3.5.6 Suggesties?

Wanneer je op twee verschillende computers van twee verschillende “mensen” dezelfde zoekterm invoert in Google krijg je vaak andere zoekresultaten. Googles PageRank baseert de zoekresultaten immers ook op uw zoekgeschiedenis en toont op basis daarvan ook andere advertenties via het Google Adwords-algoritme. Wanneer je een zoekterm begint in te voeren toont Google Suggest reeds een reeks mogelijkheden waaruit je een optie kan selecteren. Ook iTunes, Amazon en Netflix tonen op basis van uw zoekgeschiedenis en aankopen andere producten die u wellicht interesseren. Eli Pariser noemt dit “informatie determinisme”. De gebruiker zit in een soort van “filter bubbel” waar hij zelf voor een deel de controle over verliest. Je kan dus niet zelf meer kiezen wat je te zien krijgt, algoritmes bepalen dit voor u. Vraag is of je, puur uit marketingoogpunt, op die manier geen potentiële kopers van bepaalde producten mist.

Online dating is eveneens een voorbeeld van een veelgebruikte dienst die op basis van suggestie-algoritmes functioneert. Het matching-algoritme van OKCupid (een online datingdienst) werd afgeleverd door de Harvardwiskundige Christian Rudder. Het maakt een “ruwe” match op basis van gemeenschappelijke interesses. Vraag is natuurlijk of iemand met gelijkaardige interesses sowieso de beste partner is. Daarom berekent het algoritme eveneens hoe belangrijk elke vraag is voor de andere partij.

3.5.7 Veiligheid

Steeds meer computergebruikers plakken hun webcam af met een stukje plakband, iedereen weet dat je privacy wel eens kan geschonden worden door al je internetavonturen. Toch rekenen we wel op veiligheid als we online bankieren of wanneer we een reis boeken via Booking.com en onze creditcardgegevens invullen in een App Store of in PayPal. Zonder dit gevoel van zekerheid en veiligheid zou je wel gek moeten zijn om je bankkaartgegevens ergens achter te laten. Het RSA-algoritme(ooit geschreven door de firma RSA) en het Secure hash-algoritmezorgen ervoor dat onze data veilig en versleuteld worden uitgewisseld tussen onze thuiscomputer en de servers van banken en online winkels. Een ander belangrijk algoritme in de wereld van de cryptografie is het Integer factorization- algoritme.

3.5.8 Controle en voorspelling

In 1948 schreef George Orwell het boek “1984” waarin hij scherpe kritiek leverde aan het adres van de USSR. Hij schetste

“een onmenselijke dictatoriale eenpartijstaat die in alle opzichten volledig beheerst wordt door de Partij. De alom aanwezige leider van de Partij en het land wordt Big Brother genoemd. Iedere bewoner van het land wordt continu in de gaten gehouden via camera'sdie zelfs in de huizen zijn geïnstalleerd. Dit gebeurt onder de slogan ‘ Big Brother is watching you’ (‘Grote Broer houdt je in de gaten’).” 7 Ondertussen leven wij in het westen niet in dictatoriale eenpartijstaten, maar Big Brother lijkt heel reëel. Ieder van ons wordt in de gaten gehouden, zij het niet door mensen, maar door algoritmes. Vanuit de USA houdt het National Security Agency (NSA) en zijn internationale partners (Five Eyes: US, Australië, Canada, Nieuw-Zeeland, Groot-Brittannië) wereldwijd miljoenen mensen in de gaten. Ze monitoren telefoongesprekken, SMS-berichten, e-mailberichten, webcambeelden, GPS-locaties enz. De hoeveelheid verzamelde informatie is veel te groot om te laten analyseren en interpreteren door mensen. De analyse gebeurt automatisch met behulp van krachtige algoritmes.

Sommige algoritmes zoals IBM's CRUSH, gaan nog een stukje verder. CRUSH of “ Criminal Reduction Utilizing Statistical History” zorgt voor “predictive analysis”en 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...

“In the future, these systems will largely take over the work of analysts. Criminals will be tracked by sophisticated algorithms that monitor internet activity, GPS, personal digital assistants, biosignatures, and all communications in real time. Unmanned aerial vehicles will increasingly be used to track potential offenders to predict intent through their body movements and other visual clues.” 8

De film Minority Report van Steven Spielberg uit 2002 toont al een glimp van waartoe dit in de toekomst kan leiden.

Algoritmes voor predictieve analyse zijn reeds lang in gebruik in de beurswereld. De analyse van razendsnel voorbijvliegende transacties gebeurt met behulp van slimme algoritmes. Soms kloppen de predicties niet, zoals bij de “Flash Crash” van 2010.

3.5.9 Dobbelen

Als je dobbelt met een dobbelsteen of de lotto speelt, speel je letterlijk met “toeval”. Een computer kan eveneens een lukraak getal genereren. In de meeste programmeertalen kan je de functie om een random getal te genereren eenvoudig oproepen. Random-getalgenerators zijn belangrijk in beveiliging en cryptografie, games, AI enz.

3.6 Mechanische, elektronische en digitale computers

Rekenen kost veel te veel tijd, tijd die je aan aangenamer bezigheden kan besteden. Dat merkte men ook bij de Amerikaanse volkstelling van 1880: 500 ambtenaren hadden 7 jaar lang de handen vol om alle gegevens te verwerken. Herman Hollerith (1860–1929) was ambtenaar bij het landelijk bureau voor statistiek. Hij zag in dat je met de automatische verwerking van ponskaarten veel sneller zou kunnen werken. In 1890 introduceerde hij zijn Hollerithmachine. Gegevens zoals geslacht, leeftijd en nationaliteit van elke inwoner werden op ponskaarten opgeslagen. De machine telde en sorteerde! Met behulp van 42 machines slaagden hetzelfde aantal ambtenaren erin om de klus op een maand te klaren. In 1939 startte IBM met de ontwikkeling van een rekenmachine ,die vijf jaar later onder de naam Automatic Sequence Calculator (Mark I) het levenslicht zou zien. Het toestel werd samen met Harvard University ontwikkeld en was maar eventjes 15 meter lang en 2,5 meter hoog. De Duitser Konrad Zuse (1910– 1995) kende het werk van Babbage niet toen hij van start ging met zijn eigen rekenmachine, die volgens het binaire talstelsel van Leibnizwerkte. Zijn eerste model (Z1) gebruikte nog mechanische schakelingen, maar beschikte wel al over een geheugen. Stilaan begon hij te experimenteren met elektromechanische verbindingen, wat resulteerde in de Z3, de eerste computer waarbij zowel het geheugen als de processor elektromagnetisch functioneerde. Het binaire talstelsel volstond niet voor de verwerking van gegevens. Een elektronische schakeling levert een 1 wanneer er een stroomstoot doorgaat en een 0 wanneer dit niet het geval is. Bij computers is het van belang meerdere schakelingen te kunnen combineren. Soms mag een stroomstoot pas worden doorgegeven wanneer meerdere schakelaars op 1 staan, in andere gevallen volstaat het dat een van beide schakelaars een stroomstoot doorgeeft. De benodigde wiskunde werd geleverd door het werk van de Schotse wiskundige George Boole (1815–1864). Hij schreef in 1847 een boek waarin hij het binaire talstelsel combineerde met de logische verbindingen and, or, not. Voor de rekeneenheden van computers leverde dit de gepaste oplossing om meerdere verbindingen te kunnen combineren. De Brit Alan Turing (1912–1954) ontwikkelde een theoretisch model voor een ‘computer’ onder de naam turingmachine. Deze Logical Computing Machine bleef bij een gedachte-experiment. Turing werd vooral beroemd omdat hij tijdens de Tweede Wereldoorlog de geheime Enigma- code kon kraken. Hiervoor 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 teruggevonden. Hij zou zelfmoord hebben gepleegd door te bijten in een met cyanide vergiftigde appel. Volgens de legende 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 oorlog 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 programma’s 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. Hierdoor 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 toelaten een grote stroom aan of uit te zetten met een kleine stroom. Hierdoor waren ze erg geschikt voor gebruik in computers. Maar het resulteerde wel in een zeer groot toestel met meer dan 700.000 onderdelen en 80 kilometer elektrische draden. 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 afgaf. Om te voorkomen dat de draad volledig verbrandde onder invloed van de lucht, plaatste hij het in een luchtledige glazen bol. Veel onderzoekers begonnen te experimenteren met de mogelijkheden van de lamp en dit 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 18.000 buizen en was in alle opzichten sneller dan de Mark I. Toch had een elektronenbuis ook heel wat nadelen. Ze was niet alleen duur en erg breekbaar, maar slorpte ook massa’s 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 (transfer­resistor) 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 ‘ic’ (integrated circuit), maar is bij het grote publiek vooral bekend geworden onder de naam ‘chip’.

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 ‘chiptechnologiegeneratie’ met transistors die slechts half zo groot zijn als die van de vorige generatie. Uiteraard kan dit 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 stilaan een einde. De initiële investeringen voor het ontwerp van een chip zijn door de miniaturisatie zo hoog geworden dat de prijzen enkel nog zakken bij immense productievolumes. Van grote invloed op de miniaturisatieis de consumentenelektronica met steeds lagere prijzen. De schaling leidt er ook toe dat we elektronische toestellen steeds sneller als voorbijgestreefd beschouwen, wat de wegwerpmaatschappij in de hand werkt.

1“Algoritme”, ( https://nl.wikipedia.org/wiki/Algoritme), Geraadpleegd op 19 oktober 2015.

2“Quick sort”, ( https://en.wikipedia.org/wiki/Quicksort), Geraadpleegd op 19 oktober 2015.

3“Heapsort”, ( https://en.wikipedia.org/wiki/Heapsort), Geraadpleegd op 19 oktober 2015.

4DE MOOR, W., "Sneller algoritme voor Fourier-transformaties ontwikkeld", (http://tweakers.net/nieuws/79444/sneller-algoritme-voor-fourier-transformaties-ontwikkeld.html), 2012, Geraadpleegd op 19 oktober 2015.

5GUNNINK, M., "Padvinder vindt pad: over Pathfinding", (http://kninnug.nl/padvinder/index.html), Geraadpleegd op 20 oktober 2015.

6OTERO, M., "The real 10 algorithms that dominate our world" (https://medium.com/@_marcos_otero/the-real-10-algorithms-that-dominate-our-world-e95fa9f16c04), 2014, Geraadpleegd op 19 oktober 2015.

7“Big Brother (George Orwell)”, ( https://nl.wikipedia.org/wiki/Big_Brother_(George_Orwell)). Geraadpleegd op 20 oktober 2015.

8DVORSKY, G., "The 10 algorithms that dominate our world", (http://io9.com/the-10-algorithms-that-dominate-our-world-1580110464), 2014, Geraadpleegd op 20 oktober 2015.

Disclaimer

5 Jan

Disclaimer

1. Algemeen

U mag de diensten van WoWL en Schoolvoorbeeld gebruiken om de inhouden te bekijken, te en/of te lezen op voorwaarde dat u zich volledig aan de algemene voorwaarden en de toepasselijke wetgeving houdt. Door het gebruik van deze diensten aanvaardt u automatisch en onvoorwaardelijk derze voorwaarden. De ontwikkelaars van WoWL en Schoolvoorbeeld kunnen deze voorwaarden ten allen tijde veranderen.

Indien u inhouden toevoegt of publiceert die door intellectuele eigendomsrechten beschermd zijn bent u hier zelf verantwoordelijk voor de publicatie en vrijwaart u de ontwikkelaars en WoWL tegen aanspraken van derden. U verleent bij publicatie aan WoWL het recht om de lessen online beschikbaar te stellen en digitaal te verspreiden. U vrijwaart hierbij WoWL en de ontwikkelaars tegen aanspraken van derden of andere rechthebbenden.

Het aanbrengen van een links naar WoWl, Schoolvoorbeeld of onderliggende diensten en pagina vanaf uw eigen website of vanaf sociale media mag en wordt zelfs aangemoedigd. De link en het webadres moet duidelijk zichtbaar zijn.

Het embedden van inhouden van WoWL kan uitsluitend voor het incidenteel gebruik van deze content voor eigen, niet-commerciële doeleinden, binnen de grenzen van deze algemene voorwaarden.

WoWL, de ontwikkelaar of de beheerders ervan, hebben ondermeer het recht om bijdragen te weren/verwijderen of aan te passen die:

  • extremistisch, pornografisch, racistisch, seksistisch, beledigend of lasterlijk zijn;
  • laster en eerroof kunnen betekenen
  • oncontroleerbare beschuldigingen of beweringen bevatten
  • agressieve of haatdragende taal bevatten
  • racistische terminologie bevatten
  • waarvan de zinnen in hoofdletters zijn geschreven
  • spellingfouten bevatten
  • smaad of laster bevatten
  • juridische of maatschappelijk ongepast lijken

Hiervoor kan pre- of postmoderatie worden gebruikt. Inhouden kunnen ook ingekort worden. WoWL heeft het recht om inhoudsfilters toe te passen. 
Vragen of opmerkingen kan u richten aan de ontwikkelaar van WoWL. 

2. Rechten van derden

  • U mag de dienst niet gebruiken om inbreuk te maken op de toepasselijke wetgeving en/of op rechten van de ontwikkelaars of derden, waaronder auteursrechten, naburige rechten, merkenrechten of enige andere intellectuele eigendomsrechten of rechten met betrekking tot de bescherming van privacy van andere gebruikers en/of derden.
  • U mag geen inhouden publiceren of toevoegen die in strijd zijn met de openbare orde of de goede zeden.
  • U mag geen inhouden publiceren of toevoegen die discriminerend, beledigend, lasterlijk of kwetsend is of op een andere manier inbreuk plegen op de rechten van anderen.
  • U erkent uitdrukkelijk dat de diensten van WoWL en Schoolvoorbeeld beschermd zijn door intellectuele eigendomsrechten van VRT en haar licentiegevers, waaronder onder meer auteursrechten en naburige rechten, databankrechten, merkenrechten en bescherming op computerprogramma’s.

3. Gebruikersrechten

  • U mag WoWL en Schoolvoorbeeld enkel gebruiken voor persoonlijke, educatieve en niet-commerciële doeleinden.
  • U mag de door u zelf aangemaakte inhouden downloaden en de gedownloade inhouden decompileren, ‘reverse-engineeren’, bewerken, kopiëren.
  • U mag de code niet aanpassen zodanig dat ze schadelijk is voor derden of hun digitale systemen.

4. Verantwoordelijkheid

  1. Wij zijn niet verantwoordelijk voor mogelijke schade aan uw computers (onder welke vorm ook) en/of klanten- en/of inkomstenverlies opgelopen door het gebruik van het geleverde product. U bent als klant verantwoordelijk voor het gebruik van het geleverde product en de gevolgen daarvan.
  2. Wij zijn niet verantwoordelijk voor problemen met de hardware, de software en/of malafide software (o.a. virussen) op de computers waarop het geleverde product wordt gebruikt.
  3. Wij zijn niet verantwoordelijk voor dataverlies tengevolge van onoordeelkundig gebruik, hardwarematige problemen of een update van het computersysteem waarop het product wordt ingezet.
  4. De verantwoordelijkheid voor het gebruik van de software en alle gevolgen door het gebruik ervan liggen bij de gebruiker.
  5. Wij dragen geen verantwoordelijkheid voor de auteursrechten of de correctheid van de informatie die in de databank of het systeem wordt ingevoerd. De verantwoordelijkheid voor het gebruik van tekst, afbeeldingen, film of andere vormen van multimedia en digitale informatie binnen het systeem ligt bij de gebruiker (in de hoedanigheid van zijn digitale profiel) die deze informatie aan het systeem heeft toegevoegd.
  6. De gebruiker die digitaal lesmateriaal ontwerpt, is zelf verantwoordelijk voor het naleven en het controleren van de auteursrechten en voor eventuele bronvermeldingen.
  7. De gebruiker mag het samengestelde materiaal niet verkopen of voor commerciële doeleinden benutten tenzij hiervoor vooraf schriftelijke toestemming door de ontwerper van WoWL is verleend.
  8. De software wordt geleverd as-is, in de staat waarin hij zich bevindt. De correcte werking is afhankelijk van de werking van de webserver, de databanksoftware en de middleware-scriptingtaal. De naam van de originele auteur moet ten allen tijd bewaard blijven. De code mag enkel voor het gestelde doel gebruikt worden en niet worden doorverkocht of gepubliceerd.
  9. (Her)Gebruik van delen van de code (zoals Agnes.js) mag enkel indien de gebruiker de originele publicatierechten naleeft die in de code zijn opgenomen en de originele programmeurs vermeldt.
  10. De aansprakelijkheid van WoWL en het ontwikkelteam (Kris Merckx, Philip Wolk, Tine Truijen) voor verborgen gebreken is in elk geval beperkt tot het bedrag van de bestelling. Indien de gebruiker het systeem gratis gebruikt, kan hij de ontwikkelaars niet financieel verantwoordelijk stellen voor schendingen van de rechten van hemzelf of van derden.
  11. WoWL en het ontwikkelteam (Kris Merckx, Philip Wolk, Tine Truijen) is tegenover de gebruiker of een derde niet aansprakelijk voor enige onrechtstreekse schade, bedrijfsschade, winstderving of omzetverlies die zich op eender welke manier voordoet als gevolg van een gebrek in een product of een gebruik van het product.
  12. WoWL en het ontwikkelteam (Kris Merckx, Philip Wolk, Tine Truijen) kan niet aansprakelijk worden gesteld voor inbreuken op wetgeving van het land waar het product wordt geleverd, buiten België.
  13. WoWL en het ontwikkelteam (Kris Merckx, Philip Wolk, Tine Truijen) kan niet aansprakelijk worden gesteld voor alle ongemakken of schade inherent aan het gebruik van het internet, zoals een onderbreking van de diensten, indringing van buitenaf (hacking), of aanwezigheid van virussen.

test

Netneutraliteit

Uit Wikipedia, de vrije encyclopedie

Netneutraliteitis het trefwoord, waaronder de discussie over de openheid van het internetplaatsvindt. Het gaat daarbij om de vraag of providers bepaalde soorten internetverkeer met voorrang dan wel met vertraging mogen behandelen. Providers betalen direct of indirect voor de hoeveelheid data, die hun klanten versturen en bepaalde toepassingen veroorzaken veel meer data dan andere. De klanten betalen veelal een vast tarief gebaseerd op de theoretische capaciteit van hun verbinding; de provider baseert de tarieven op het gemiddelde gebruik en uitschieters naar boven zijn, zakelijk gezien, niet welkom.

Achtergrond

Het internet is een open, wereldwijd netwerkvan computerverbindingen, waarbij heel veel kleine commerciële netwerken onderling verbonden zijn, zodat gebruikers via dit netwerk terechtkunnen bij andere gebruikers en zo informatie en bestanden uitwisselen. Op zich is het internet heel open, maar providers kunnen restricties stellen, zodat (eind)gebruikers niet meer een volledige keuzevrijheid hebben.

In principe staan netwerkpartijen, verbindingspartijen, knooppunten en hostingproviders neutraaltegenover de informatiestromen. Alleen de eindgebruikers en de dienstenleveranciers zijn verantwoordelijk voor wat zij verspreiden en communiceren. Van de infrastructuurpartijen wordt verwacht dat zij zo open en neutraal mogelijk vrije uitwisseling en communicatie over hun netwerken toestaan en geven hiertoe een ' best effort'-garantie af.

Nederland, Chilien de Verenigde Statenzijn vooralsnog de enige drie landen waar netneutraliteit in de wet is vastgelegd. In de Verenigde Staten besloot de Federal Communications Commission op 26 feb 2015 de neutraliteit van het net veilig te stellen door het internet onder te brengen in Title II van de Communications Act. Dit erkent het als een nutsbedrijf met de daarbij behorende beperkingen. Door de aanname van ' wetsvoorstelnr. 4915-19' werd in 2010 de Chileense telecommunicatiewet geamendeerd. Sindsdien bepaalt deze wet onder meer dat internetprovidersgeen invloed meer mogen uitoefenen op online data en de bereikbaarheid daarvan. De providers dienen aan de volgende vijf verplichtingen te voldoen:

  • Providers mogen op geen enkele wijze iemand de mogelijkheid tot het internetgebruik ontnemen of belemmeren, tenzij een maatregel in het belang is van de privacy van een gebruiker of van het weren van internetvirussen en dergelijke (art. 15A sub a).
  • Providers moeten services voor ouderlijk toezicht aanbieden (art. 15A sub d).
  • Providers dienen hun klanten te voorzien van een in een voor de klant begrijpelijke taal geschreven exemplaar van hun contract, met daarin alle informatie over hun internetverbinding (art. 15A sub b).
  • Providers moeten de volgende zaken garanderen: de privacy van de gebruiker, bescherming tegen virussen en netwerkbeveiliging(art. 15C).
  • Providers dienen toegang te verlenen tot alle beschikbare data op het internet (art. 15A sub c), met andere woorden, discriminatie is verboden.

Op 22 juni 2011 stemde de Nederlandse Tweede Kamerin met een voorstel om netneutraliteit op te nemen in de telecomwet . Na instemming van de Eerste Kameris de nieuwe Telecomwet van kracht geworden op 1 januari 2013. In deze gewijzigde wet wordt vrije toegang tot het internet gegarandeerd en is het verboden nieuwe diensten zoals WhatsApp, Viber en Skype te blokkeren. Daarmee wordt de zogeheten netneutraliteit wettelijk vastgelegd. Nederland is hiermee het tweede land in de wereld, en de eerste in de EUdie een dergelijke stap neemt .

Dimensionering

Dankzij schaling, goede concurrentie en dimensionering is het mogelijk geworden dat miljoenen eindgebruikers permanent, breedbandig tegen vaste kosten onbeperkt gebruik kunnen maken van hun aansluiting. Dimensionering houdt in dat de exploitant van het commerciële netwerk ervan uitgaat dat niet elke abonnee 24 uur per dag zijn verbinding maximaal benut. De totale netwerkcapaciteit en de capaciteit naar andere providers wordt bij alle providers (zowel kabelinternetals ADSL) verdeeld onder alle gebruikers. Elke netwerkaanbieder doet aan dimensionering, echter de overboekingsfactor verschilt per provider en wordt niet aan consumenten bekendgemaakt. In de praktijk geldt dat elke gebruiker op het moment van gebruik voldoende capaciteit heeft om alle denkbare breedbandige toepassingen te gebruiken. Een uitzondering op deze dimensionering zijn professionele verbindingen: deze worden vaak onoverboekt of met een lagere overboekingsfactor aangeboden.

Grootgebruikers

Elk commercieel toegangsnetwerk dat toegang biedt aan consumenten heeft te maken met grootgebruikers. Dit is vaak een klein percentage gebruikers dat verantwoordelijk is voor het leeuwendeel van de belasting op het netwerk. Het percentage verschilt per provider, bij de ene provider is 2% van de abonnees verantwoordelijk voor 80% van al het verkeer op het netwerk, bij de andere provider is 5% verantwoordelijk voor 60% van al het verkeer op het netwerk. Deze groep gebruikers claimt een onevenredig deel van de capaciteit van het netwerk.

Peer-to-peer

P2P-netwerk

Met name P2P-diensten zijn de oorzaak van de extra belasting op alle netwerken. De meeste providers geven aan dat P2P-verkeer 60% van al het verkeer betreft. Zonder filtering zou P2P-verkeer de netwerken en de onderlinge verbindingen tot boven 100% belasten, wat normaal gebruik voor andere diensten en andere gebruikers onmogelijk zou maken.

P2P niet zo efficiënt als gedacht

P2P-verkeer heeft als nadeel dat het vrij ongebreideld groeit: P2P-distributie lijkt goedkoper omdat het hostingkosten voor de aanbieder wegneemt, maar is in macro-economisch perspectief duurder omdat per P2P-download of -stream meer dataverkeer wordt gegenereerd dan bij een reguliere download of stream. Dit is te wijten aan communicatie-overhead en parityfeeds. De extra belasting verschilt per netwerk, per type content en per provider, maar schommelt tussen de 15% en 40%, met name bij realtimediensten zoals P2P-telefonie en P2P-televisie is dit effect sterk.

Omdat toegangsproviders vaak ook hostingproviders zijn, missen ze enerzijds de hostinginkomsten en anderzijds worden ze geconfronteerd met extra belasting op het netwerk. Dit heeft in het Verenigd Koninkrijk geleid tot een boycot van de BBCdoor alle providers omdat ze verrast werden door een enorme toename van dataverkeer op het netwerk in verband met de lancering van de "BBC Peer2Peer iPlayer".

Fair use policies

Om excessief gebruik van het netwerk te kunnen beheren, hanteren veel providers een fair use policy(FUP). In deze FUP's staat dat oneigenlijk en excessief gebruik niet wordt toegestaan: elke abonnee heeft immers een evenredig recht op capaciteit. Als een bepaalde gebruiker(sgroep) een andere gebruiker(sgroep) hindert dan mag de provider bijvoorbeeld het gebruik inperken, de gebruiker afsluiten, of laten betalen naar ratio. De policy verschilt per provider en wordt niet altijd even duidelijk gepubliceerd.

Schaling

Een andere manier om met de grote toename van verkeer om te gaan is netwerkschaling. De netwerken en de interverbindingen van de providers worden steeds groter. Alle infrastructuurpartijen investeren elk jaar in een verdubbeling tot wel vertienvoudiging van de netwerkcapaciteit. Providers kunnen echter niet onbeperkt blijven schalen: de investeringen zullen hoe dan ook gedekt moeten worden door inkomsten uit de abonnees. In een sterk concurrerende markt is het voor providers echter onmogelijk de maandprijs te verhogen: consumenten stappen dan massaal over.

Traffic shaping

Een andere veel toegepaste manier om de belasting op het netwerk te kunnen beheren is traffic shaping . Om te voorkomen dat een bepaald type dienst het netwerk dusdanig overbelast dat het andere gebruikers gaat hinderen of de provider onevenredig op kosten jaagt, kan de provider overgaan tot het inperken van dit type verkeer. Vrijwel alle providers optimaliseren de stromen data over hun netwerk, maar geven geen openheid over welk type diensten worden geoptimaliseerd en tot op welke hoogte dit wordt gedaan.

Tegenstanders van traffic shaping stellen dat het innovatie zou tegenhouden: nieuwe diensten worden mogelijk belemmerd. Voorstanders van traffic shaping stellen dat het innovatie juist bevordert: er blijft door shaping altijd ruimte gegarandeerd voor nieuwe innovatieve diensten.

Alternatieven

Bijvoorbeeld voor grootschalige videodistributie is onder de hoede van de AMS-IX in Nederland een project gestart tussen internetproviders, omroepen en streamingvideo-experts, onder meer XS4ALL, Surfnet, NPO, RTL en Jet Stream. Deze werkgroep werkt aan het vergroten van de videodistributiecapaciteit op het internet in Nederland, waarbij de kwaliteit van dienstverlening wordt verhoogd, de kosten worden verlaagd en de netwerken en de onderlinge verbindingen juist ontlast. Door slimme logistieke distributietechniek wordt netneutraliteit op een positieve manier gerealiseerd, immers andere diensten hebben ook voordeel bij de vrijgekomen capaciteit op de verbindingen.

In verschillende landen

Verenigde Staten

Providers vinden dat ze onevenredig op kosten worden gejaagd door sommige dienstenaanbieders en gebruikers(groepen) en vinden dat ze hun netwerk en andere dienstenaanbieders en gebruikers(groepen) moeten kunnen blijven beschermen tegen wildgroei. Ook zijn er providers die vinden dat ze specifieke dienstverleners voorrang mogen geven, realtime- en bedrijfskritische diensten bijvoorbeeld. Weer andere providers vinden dat ze hier ook extra kosten aan dienstverleners voor mogen berekenen. Diverse dienstverleners vinden dat op zich een interessant idee, mits men gegarandeerde doorgifte, dus voorrang, verkrijgt.

In het meest ongunstige geval kan een toegangsprovider diensten plotseling frustreren of volledig blokkeren ten behoeve van eigen diensten, zonder dat de abonnee hier weet van heeft of de kans heeft om over te stappen. Daarom willen veel belangenorganisaties dat providers stoppen met het filteren van verkeer en dat de providers hun netwerken maar moeten schalen. De kosten hiervoor zal de accessprovider echter wel doorberekenen aan de eindgebruikers of de dienstverleners. Veel dienstverleners en consumenten zijn bang dat ze meer moeten gaan betalen.

Op 26 februari 2015 voerde de Amerikaanse Federal Communications Commissionnetneutraliteit in door internetprovidersals common carrierste classificeren.

De nieuwe, door president Trump benoemde voorzitter van de FCC, Ajit Pai, stelde op 21 november 2017 voor om deze netneutraliteit opnieuw terug te draaien. Zijn voorstel is op 14 december 2017 met 3 ( Republikeinen) tegen 2 ( Democraten) aangenomen, zodat de regulering inzake netneutraliteit wordt afgeschaft.

Nederland

In Nederland wordt minder gepolariseerd gedacht over netneutraliteit. Providers, consumentenorganisaties, internetjuristen en dienstverleners kwamen tot deze stellingen tijdens een bijeenkomst van het ECP van het Ministerie van Economische Zaken :

  • Providers moeten altijd in staat kunnen zijn hun netwerk te dimensioneren en het netwerk voor alle gebruikers bruikbaar te houden.
  • Daartoe mogen zij grootgebruikers en excessief wildgroeiende protocollen redelijkerwijs inperken.
  • Providers mogen dienstenaanbieders nooit blokkeren ten behoeve van eigen diensten.
  • Providers mogen specifieke diensten voorrang geven op voorwaarde dat dit niet ten koste gaat van andere diensten.
  • Providers mogen specifieke dienstverleners geen voorrang geven en niet benadelen.
  • Providers moeten dezelfde prijsstellingen voor externe dienstenaanbieders hanteren als men intern voor vergelijkbare diensten gebruikt.

Er gaan stemmen op om providers tot meer openheid te manen: communiceer de overboekingsfactoren, de trafficshapingregels en de fairusepolicy's duidelijk naar consumenten, zodat zij een eerlijke keuze kunnen maken. Providers kunnen hier ook voordeel van hebben: ze kunnen zich profileren als een optimale gamingprovider of als een optimale webtv-provider bijvoorbeeld.

Met de Wet van 10 mei 2012 tot wijziging van de Telecommunicatiewet ter implementatie van de herziene telecommunicatierichtlijnenis onder meer artikel 7.4a van de Telecommunicatiewetingevoerd dat bepaalt dat aanbieders van openbare elektronische communicatienetwerken waarover internettoegangsdiensten worden geleverd en aanbieders van internettoegangsdiensten geen diensten of toepassingen op het internet belemmeren of vertragen, waaronder het rekenen van verschillende tarieven voor verschillende internettoepassingen, bij hetzelfde datagebruik (met enkele uitzonderingen).

Het blokkeren van diensten met veel dataverkeer, zoals YouTubeen Spotify, op wifi in NS-treinen is bijvoorbeeld wel toegestaan. Hierbij is het onduidelijk waarom alternatieven als het in zijn algemeenheid (technisch) beperken van de beschikbare bandbreedte per gebruiker onmogelijk werden geacht.

België

Sinds begin 2011 staat netneutraliteit in België op de politieke agenda. Jef Van den Bergh( CD&V) en Valérie Déom( PS) dienden elk een wetsvoorstel in. In juni 2011 werden er in de Kamer van Volksvertegenwoordigershoorzittingen georganiseerd met betrekking tot netneutraliteit. Minister Van Quickenbornetoonde zich voorstander van een open internet.

Vincent Van Quickenborne

CD&V, N-VA& PSdienden op 7 juli 2011 een gezamenlijk tekstvoorstel in.

Frankrijk

Op 12 april 2011 keurde de Commissie economische zaken van het Franse parlement het rapport van Laure de La Raudière ( UMP) goed. Het rapport omvat negen wetsvoorstellen waarvan Proposition n°1 & 2 slaan op netneutraliteit.

Europese Unie

Op 20 oktober 2011 heeft de industriecommissie van het Europees Parlementunaniem een resolutie aangenomen aangaande netneutraliteit, waarbij de commissie benadrukt dat providers internetverkeer gelijk moeten behandelen.

Voorbeelden van zeer, minder en niet-kritische diensten

Er is redelijke consensus over welke diensten voorrang (zogeheten QoS, Quality of Service) zouden mogen genieten en welke met normale ('best effort') garantie kan worden doorgegeven. De definitie van kritische diensten en niet-kritische diensten kan per provider, per abonnee en per dienstenaanbieder nog verschillen. Van deze diensten kan worden aangenomen dat ze zeer, minder of niet-kritisch zijn.

Zeer kritische diensten zijn bijvoorbeeld:

  • Voice over IP(realtimeaudio- en -videocommunicatie moet ongestoord kunnen werken)
  • Gaming (realtime gaminginformatie moet ongestoord kunnen werken)
  • Streaming media(realtime live- en ondemand radio en televisie moet ongestoord kunnen werken)
  • Bedrijfsprocessen (ondanks dat bedrijfsprocessen op zakelijke verbindingen thuis horen moeten deze vaak realtimediensten ongehinderd kunnen werken, betaaldiensten bijvoorbeeld)

Kritische diensten zijn bijvoorbeeld:

  • E-mail(de snelheid is niet primair van belang, de onbelemmerde doorgifte en beschikbaarheid wel)
  • Surfen(de snelheid is niet primair van belang, de onbelemmerde doorgifte en beschikbaarheid wel)
  • Chat(de snelheid is niet primair van belang, de onbelemmerde doorgifte en beschikbaarheid wel)

Niet-kritische diensten zijn bijvoorbeeld:

  • Downloads(de snelheid en beschikbaarheid zijn primair een belang van de aanbieder zelf, de downloadduur is niet schadelijk voor de consumptie)
  • P2P-downloads (de snelheid en beschikbaarheid zijn primair een belang van de gebruikers zelf, de downloadduur is niet schadelijk voor de consumptie)
  • Usenetdownloads(de snelheid en beschikbaarheid zijn primair een belang van de gebruikers zelf, de downloadduur is niet schadelijk voor de consumptie)

Voorbeelden van netneutraliteitincidenten in Nederland

  • Het Netvan KPNwas bij de start een afgesloten platform: er was geen toegang tot het internet mogelijk, maar werd wel als internetprovider gepresenteerd.
  • Tiscaliblokkeerde in 2005 de radiostreams van Radio 538omdat men vond dat hun hostingprovider misbruik maakte van de peeringovereenkomst: er werd eenzijdig dataverkeer afgeleverd, en niet wederzijds verwerkt.
  • Vodafonestelde in 2007 in de leveringsvoorwaarden van een aantrekkelijk 'sim-only'-mobielabonnement dat het data-abonnement niet gebruikt mag worden voor VoIP-diensten van derden, om inkomsten uit telefoontikken te garanderen en probeerde deze diensten actief te blokkeren.
  • iModevan KPN was bij de start een afgesloten platform: er was zeer beperkte toegang tot het internet mogelijk, ten behoeve van de eigen portal.
  • Vodafone Livevan Vodafone was bij de start een afgesloten platform: er was zeer beperkte toegang tot het internet mogelijk, ten behoeve van de eigen portal.
  • UMTS-netwerken van vrijwel alle mobiele operators blokkeerden tot 2007 toegang tot internetvideodiensten, ten behoeve van de eigen videodiensten.
  • UMTS-aanbieders filteren voor goedkopere pakketten het streamingverkeer, limiteren dit, of vragen hier een extra vergoeding voor.
  • Veel contenteigenaren laten exploitanten toegang tot content limiteren tot een geografische grens omdat men hun licentiemodellen nog niet heeft aangepast aan de wereldwijdheid van het internet en proberen zo prijsverschillen en releasedata in de markt in stand te houden. Een voorbeeld is de Olympische Spelen die het publiceren van het NOS Journaal op internet hindert omdat er mogelijk beelden van de Spelen in voorkomen.

Externe links

Bronnen, noten en/of referenties
  1. ↑ Huffington Post
  2. ↑ Obama krijgt zijn zin met netneutraliteit in VS , nos.nl, 26 februari 2015
  3. ↑ ( es) Wetsvoorstel nr. 4915-19op sil.congreso.cl. Geraadpleegd op 28 juli 2010.
  4. ↑ Gerson Lehrman Group (22 juli 2010). "Chile's Approach To Net Neutrality". Geraadpleegd op 28 juli 2010.
  5. ↑ Kamer neemt nieuwe telecomwet unaniem aan
  6. ↑ Nu.nl Netneutraliteit opgenomen in telecomwet
  7. ↑ Bits of Freedom - The Netherlands first country in Europe to launch net neutrality
  8. ↑ How the FCC Can Save the Open Internet. The Wall Street Journal(21 november 2017). Geraadpleegd op 24 november 2017
  9. ↑ Eva Schram, Netneutraliteit in gevaar in de Verenigde Staten. knack.be(22 november 2017). Geraadpleegd op 24 november 2017
  10. ↑ VS schrappen netneutraliteit. Het Laatste Nieuws(14 december 2017). Geraadpleegd op 15 december 2017
  11. ↑ Netneutraliteit afgeschaft in de VS. Tweakers(14 december 2017). Geraadpleegd op 15 december 2017
  12. ↑ https://www.acm.nl/nl/publicaties/publicatie/12507/T-Mobile-mag-gratis-internet-in-NS-treinen-beperken
  13. ↑ tekstvoorstel 53 1467/002dekamer.be, geraadpleegd 27 augustus 2011
  14. ↑ rapport de La Raudièreasseblee-nationale.fr, geraadpleegd 27 augustus 2011
  15. ↑ Europarlement benadrukt noodzaak netneutraliteit, nu.nl, 22 oktober 2011

SCHOON TOCH

© 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 –info@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 ‘buiten de hersenen’ te bewaren en waarom doen we dit? Waarom verzamelen grote techbedrijven, zoals Google en Facebook, massa’s 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 ‘artificial intelligence’, 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 ‘mazurka’ en ‘wals’.

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 ‘vergezelde’ 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 ‘brain computer interface’, 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 ‘AI’ krijgen, vaak niet meer zijn dan slimme wiskundige constructies. Andere technieken, gebaseerd op neurale netwerken en ‘deep learning’, 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 ‘slimme’ auto daarentegen kan je eenvoudig misleiden door een ‘adversarial patch’ 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 ‘natuurlijke intelligentie’ 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?

‘Mensen die opscheppen over hun IQ zijn losers.’

– Stephen Hawking

‘De maatstaf voor intelligentie is het vermogen om te veranderen.’

– Albert Einstein

‘In werkelijkheid is “intelligentie” een louter vocale klank geworden, een woord met zoveel betekenissen dat het er uiteindelijk geen heeft.’

– 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: ‘emoties’ en ‘creativiteit’. 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 ‘alle grote prestaties van de wetenschap moeten beginnen met intuïtieve kennis.’ 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: ‘Hij kan het niet uitleggen, maar hij is wel heel intelligent.’ Anderzijds hoor je: ‘Een moeilijk probleem eenvoudig kunnen uitleggen, getuigt van intelligentie.’

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 (‘g’) vind je in het centrum van de cirkel. Hoe dichter een vaardigheid bij ‘g’ 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 ‘de mist ingaan’. 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 ‘g-factor’ of ‘algemene intelligentie’. De g-factor staat voor een soort ‘all round’-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 ‘algemene intelligentie’ 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 ‘nadenken’ 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

‘Natuurlijk heb ik geen van de termen “intelligentie”, “begrip” of “besef” 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 “begrip” is dat het iets is dat nodig is voor “intelligentie”, dan zal een argument dat de niet-computationele aard van “begrip" vaststelt, ook de niet-computationele aard van “intelligentie” vaststellen. (…) Intelligentie vereist begrip. Begrip vereist besef (= “awareness”). Besef beschouw ik als één aspect – het passieve aspect – van het verschijnsel bewustzijn. Bewustzijn heeft ook een actief aspect, namelijk het gevoel van vrije wil.’

– 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, emotie…

Intelligentie en leven

Tenzij je gelooft in ‘intelligent design’, 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 ‘intelligent design’, 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. ‘Intelligent design’ 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 ‘kunstmatige intelligentie’.

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 ‘regels’ 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 ‘homeostase’. 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 ‘vooruit moeten denken’. We proberen tenslotte te ‘overleven’. 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 ‘interactieve’ 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 ‘maken’ 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 ‘erkend ambacht’. Mensen noemen haar ‘creatief’ en ‘kunstzinnig’, 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 ‘geniaal’ of ‘zeer intelligent’ 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 ‘geniaal’. Maar niemand zal hen naast pakweg Albert Einstein plaatsen, ook al noemt iedereen Einstein ‘geniaal’.

Mijn moeder zei vaak: ‘Ik ben misschien maar een dom mens, maar ik heb toch vaak gelijk.’ 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 ‘dom’. 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 ‘scheermes’ van de middeleeuwse Engelse filosoof Willem Ockham denken: ‘entia non sunt multiplicanda praeter necessitatem’ (= ‘je moet het aantal zijden niet groter maken dan nodig’). 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 ‘vader op zoon’, 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 ‘intelligentie’ 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]

  1. 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, categorisatie…
  2. 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.
  3. ‘Hogere’ redeneerprocessen berusten op de formele regels van de logica. Bijvoorbeeld: een stelling kan niet zowel waar als onwaar zijn.
  4. 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 ‘intelligentie’ op een schaal probeert vast te leggen. Maar kan je intelligentie wel echt goed meten? Gelden die vier principes ook echt voor ‘iedereen’, 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]

‘Weet 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 (…) 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.’

[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: ‘rieko’, ‘luoro’, ‘paro’ en ‘winjo’. ‘Luoro’ omvat sociale kwaliteiten, zoals respect en verantwoordelijkheid. ‘Paro’ komt overeen met praktisch denken, ‘winjo’ met begrip. ‘Rieko’ 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 ‘voordeel’ 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]

‘Ik denk dat het belangrijk is om erop te wijzen dat non-verbale tests of visuele tests het meest cultuurgebonden zijn. (…) Ze zijn niet “cultuurvrij” en ze zijn niet “cultureel eerlijk”; in feite zijn ze minder eerlijk dan verbale tests.’

[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 ‘ja’ 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 empathie…

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 commando’s, 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 ‘Rico, haal de dino’, 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 ‘veronderstelling van wederzijdse exclusiviteit’. 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 ‘kunstmatige intelligentie’.

Bij de spiegeltest gaan onderzoekers de intelligentie na op basis van het vermogen tot zelfherkenning. Maar zo’n 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 ‘denken’. 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 ‘denken’. 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 (‘agents’) en tussen de hele groep en haar leefomgeving. Ze vinden voedsel en kunnen de locatie daarvan aan elkaar ‘vertellen’. Net zoals in een bedrijf bestaat er een verregaande taakverdeling. Ze bouwen als groep hun nest zonder dat de individuele leden hiervoor een plan ‘in het hoofd’ hebben. Bijen ketenen zich aan elkaar vast om warmte op te wekken om de was om een honingraat ‘zachter’ te maken en makkelijker bewerkbaar. In de wetenschap bestempelt men deze interactieve collectieve intelligentie als ‘zwermintelligentie’. Een groep of zwerm lijkt over een inherente vorm van ‘zelforganisatie’ 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: ‘ant colony optimization’, ‘artificial bee colony’, en ‘social spider optimization’. 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 ‘eusocialiteit’. Zo’n samenleving voldoet aan de volgende drie eisen:

[opsomming]

  1. 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 verzamelen…
  2. Volwassen insecten werken samen om voor de ‘jongen’ te zorgen.
  3. 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 ‘solitaire’ dieren niet ziet. Vanuit evolutionair perspectief kan je een mierenkolonie dan ook beschouwen als een ‘superorganisme’. Geleidelijk zijn er grote morfologische verschillen in de vrouwelijke ‘kasten’ 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 “voorgeprogrammeerd” 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 gedragsprogramma’s. Kuikens zijn geboren met mechanismen die, net zoals bij de mens, het leren sturen, op zo’n 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 zittend…. 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 “kunstmatige intelligentie” zouden bestempelen. Immers, zo’n 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

‘Het moet nog bewezen worden dat intelligentie enige overlevingswaarde heeft.’

– Arthur C. Clarke

‘Intelligentie is belangrijker dan kracht, dat is de reden waarom de aarde wordt geregeerd door mensen en niet door dieren.’

– 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 ‘beter kunnen denken’ 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 zo’n 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 ‘goede’ 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 ‘bekenden’ 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 ‘getal’ 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 zo’n 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 ‘kritische massa’ 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 meer…

Het verband tussen groeps- en hersengrootte bij primaten kan te maken hebben met de voedingsgewoonte van de soort. Primaten die afhankelijk zijn van ‘schaars voedsel’, 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 gorilla’s 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 ‘het wild’ 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 ‘witte stof’ toe, een proces dat bekendstaat als myelinisatie. Dit betekent dat er een soort isolatielaag ontstaat rond de zenuwbanen, zo’n 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 zo’n 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 ‘leren’ lopen. Kinderen doen er jaren over voordat ze ‘volleerd’ 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, dieren…), 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 zo’n 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 ‘beter’?

Onderzoekers als Cosmides, Pinker en Tooby stellen dat dieren beschikken over ‘domeinspecifieke intelligentie’. Mensen zouden daarentegen beschikken over ‘improvisatie-intelligentie’, 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]

‘…op het eerste gezicht lijken er slechts twee biologisch mogelijke keuzes te zijn voor geëvolueerde geesten: ofwel algemene onbekwaamheid, ofwel smalle bekwaamheden.’

[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, boomerang…). 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 parka’s 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 iglo’s. 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 ‘verlies van kennis’. In 1861 en 1863 overwinterden de ontdekkingsreizigers Elisha Kane en Isaac Hayes bij een groep Inuit. Vreemd genoeg gebruiken die geen kajaks. Hun iglo’s 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, ‘wijze’ 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. ‘Grote inzichten’ 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 ‘cultureel leren’:

[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 (‘gevaarlijke dieren’, ‘giftige planten’);
  • overtuigingen (goden, ziektekiemen, enzovoort);
  • sociale normen (taboes, rituelen, fooien);
  • normen voor beloning en straf;
  • sociale motivaties (altruïsme, eerlijkheid…);
  • 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 ‘leraar’ 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, vertrouwen…, maar ook op gelijkenissen met onszelf, zoals geslacht, ras, subcultuur, taal, temperament…

[inspringen]

‘Dergelijke 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.’

– 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 ‘leerlingen’ 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 ‘leerlingen’ 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 ‘beschermende’ 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, zombies…

Hersenen worden kleiner

Als je veel zuchtende leraren mag geloven, worden jongeren ‘dommer’. 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 ‘fysieke neuroarchitectuur’ (= ‘solid brains’) én ‘liquid brains’. Onder vloeiende breinen verstaan onderzoekers interacties tussen de leden van de groep waardoor een soort ‘collectieve intelligentie’ of zwermintelligentie ontstaat. Immers, gedecentraliseerde netwerken van ‘hersenen’ 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 ‘landbouw’ (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 ‘aanpassing’ 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 ‘uit ons hoofd’ 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 zo’n 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 ‘boodschapper’. Dit molecuul is betrokken bij sociale leerprocessen. In de volksmond bestempelt men oxytocine daarom weleens als het ‘knuffelhormoon’. 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

‘Het is niettemin een vergissing om over de mens te spreken, zelfs als we alleen kijken naar de omstandigheden waaraan hij is blootgesteld, als “veel meer gedomesticeerd” (…) de mens verschilt sterk van elk strikt gedomesticeerd dier; want zijn voortplanting is nooit lang gecontroleerd geweest, noch door methodische noch door onbewuste selectie.’

– 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 ‘wilden’, zei men weleens toen ik nog een kind was. Het woord ‘beschaving’ duikt nog maar zelden op in de wetenschappelijk literatuur. Het lijkt vervangen door de hypothese van ‘zelfdomesticatie’. 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 zo’n 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}

‘Het 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.’

[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 ‘rustiger’ waren, die zelf de neiging vertoonden om dichter bij de mens te gaan wonen. Hare suggereerde dat ook bij bonobo’s een vorm van zelfdomesticatie is voorgekomen. Vrouwelijke samenwerkingsverbanden zouden mannelijke agressie en mannelijke allianties hebben tegengewerkt. Vraag blijft natuurlijk of zo’n vorm van zelfdomesticatie zich ook bij de mens heeft voorgedaan. Sánchez-Villagra en Van Schaik (2019) omschrijven HSD (‘human self domestication’) als volgt:

[inspringen]

‘De 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.’

[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 bonobo’s 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 ‘alloparenting’ (= 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 ‘uitvoerende controle’ (lees: intelligentie) nodig, maar ook ‘emotionele controle’ (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 ‘ander’), 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 ‘mimesis’: handgebaren, lichaamstaal, gezichtsuitdrukkingen, mimiek, pantomime, muziek… Communicatie maakt samenwerking mogelijk tijdens de jacht, maar ook tijdens het leren vervaardigen van werktuigen. Een betere ‘uitvoerende’ 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 ‘loslaten’ van controle. Muziek zet de ontvanger aan om ritme en tonaliteit na te bootsen. Als je een drumslag (‘beat’) hoort, dan kunnen onze hersenen de volgende ‘beat’ 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, begrafenissen…

Keehn onderscheidt vijf eigenschappen die noodzakelijk zijn om je te laten ‘meesleuren’ (= entrainment) door muziek:

[begin opsomming]

  1. complex vocaal leren;
  2. vermogen om te imiteren;
  3. vermogen om complexe opeenvolgingen te leren;
  4. neiging om sociale banden te vormen;
  5. 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]

  1. vaardigheid om mimetisch te communiceren;
  2. 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 ‘prototypes’ 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 ‘slachtoffer’.

Denken en taal

‘Niets vult een snelle geest beter aan dan een langzame tong. En niets verergert een langzame geest beter dan een snelle tong.’

– 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]

‘Evolutionair 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.’

[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 ‘aanvoelen’ als we geen namen hadden om objecten en ervaringen te benoemen of geen woorden waarmee we ‘vragen’ 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 ‘interne monoloog’. Op gelijksoortige wijze denken dove mensen in beelden, gebarentaal, het ‘zien’ 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 ‘uit het niets verscheen’. 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 ‘trial and error’, 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.

      1. Waarneming, cultuur en taal

‘En 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.’

– Homeros, Odyssee, Boek V

‘Wijndonkere zee’ is de vertaling van het Oudgriekse ‘oînops póntos’. Een letterlijke vertaling is ‘wijngezichtszee’ (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 ‘oînops’ ook om de vacht van ossen te beschrijven. Kleurde de Egeïsche Zee in Homeros’ 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 ‘blauw’. 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: ‘porphyra’ (donkerpaars), ‘khloros’ en ‘erythros’ (rood).

Het Oudgrieks was niet de enige taal waarin het woord ‘blauw’ ontbrak. In Het Nieuwe Testamentkomt de kleur ‘blauw’ niet één keer voor. Het oude Japans gebruikte hetzelfde woord om ‘blauw’ en ‘groen’ (青 Ao) te beschrijven en zelfs het moderne Japans kleurt bloeiende bomen in als ‘zeer blauw’.

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-witfoto’s zou bladeren? Jason Antic is een onderzoeker naar ‘deep learning’-technieken uit San Diego. Hij ontwikkelde het DeOldify-algoritme, waarin hij met behulp van kunstmatige intelligentie zwart-witbeelden (zowel films als foto’s) kan inkleuren. Het algoritme bekijkt elke pixel in de afbeelding en probeert in te schatten of te ‘voorspellen’ 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]

‘De 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 (…) 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!)… 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.’

[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 ‘groen’ 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 ‘blauw’ en ‘groen’ 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 ‘universum’ eveneens niet bestaat.

Bovendien halen de fotoreceptoren in onze ogen heel wat ‘trucjes’ 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 ‘wit’ signaal te geven, moet het signalen ontvangen van zowel rood als groen, die elkaar dan ‘opheffen’. De test toont aan hoe makkelijk het menselijk gezichtsvermogen kan worden ‘verschoven’ (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 ‘gezien’ 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 ‘blauw’ 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.

      1. Taal bepaalt wat we denken

‘Dat taal een instrument is van de menselijke rede, en niet slechts een medium voor de uitdrukking van gedachten, is een algemeen erkende waarheid.’

– George Boole, Laws of Thought

‘Door 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.’

– 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 ‘tijd’ 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 ‘woorden’ 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 (‘hoi’ = één, een beetje, weinig…) dat in de buurt komt van wat wij een ‘cijfer’ 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 ‘ik heb gedronken’, 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 Chomsky’s 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 ‘tijd’, ‘maand’ of ‘jaar’. 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 ‘tijd’ en ‘beweging in de ruimte’. Ze hebben geen begrippen voor ‘volgende week’ of ‘vorig jaar’, 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]

‘We beschikken over heel wat metaforen voor tijd en het voorbijgaan ervan. Wij zien tijd als een ding. Wij zeggen “Het weekend is bijna voorbij” of “Ik heb geen tijd” 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.’

[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 ‘Notation as a Tool of Thought’ zei hij:

[begin inspringen]

‘Het 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.’

[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 ‘Newspeak’. 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 ‘cultuur’ 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 ‘C’, 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 ‘mentale werkruimte’, 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]

  1. Het verhoogt de snelheid en efficiëntie van de verwerkingsprocessen in de cortex.
  2. 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.
  3. 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.
  4. 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 ‘onbewust’ gebeurt, beschikt de mens eveneens over een werkgeheugen, zoals het RAM-geheugen van een computersysteem:

[inspringen]

‘Het 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.’

– 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 ‘machine learning’ en kunstmatige intelligentie.

Hoofdstuk 3 – 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 ‘kunstmatige intelligentie’. 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 ‘exteroceptieve’ zintuigen, omdat ze ons data verschaffen over de buitenwereld. Ze zorgen ervoor dat we onze ‘umwelt’ 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 ‘interoceptieve’ 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 ‘zintuig’ 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 ‘snel wegrennen’ 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 ‘tastzin’ 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 ‘wandelen’. 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 ‘het 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.’ 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 ‘waar te nemen’. 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 ‘gevoel’ 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 ‘merkt’ 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 ‘moeite’ 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 ‘verspillen’ 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

‘And if they had the words I could tell to you
To help you on the way down the road
I couldn’t quote you no Dickens, Shelley or Keats
’Cause it’s all been said before
Make the best out of the bad, just laugh it off, ha
You didn’t have to come here anyway
So remember, every picture tells a story, don’t it’

– R. Stewart, ‘Every picture tells a story’

Maart 2016. Ik stond naast mijn vader toen hij zijn laatste woorden sprak. ‘Ik ga toch nog niet dood,’ 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 foto’s heb gezien. Bij het opruimen van zijn kamer vond ik een stapel oude foto’s 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]

‘Het 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 kwamen…’

[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]

‘Fotografie is een medium dat beroemd is om het bevriezen van tijd. Het woord “snapshot” 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.’

Fong Qi Wei

[einde inspringen]

Leggen onze hersenen elk levensmoment vast zoals een fototoestel of een filmcamera dat doet? Hoe verbinden mijn herinneringen de foto’s van mijn vader met de bijhorende verhalen? Bevat ons hoofd een soort ‘life log’, 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. ‘Lifelogging’ 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 ‘Total Recall’ 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 ‘still’ 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 (‘samplen’) en de informatie discretiseren zoals bij digitalisering gebeurt?

Het sleutelwoord bij digitaal is ‘discretisatie’ 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 ‘sample’ of een monster van een digitale foto bestaat uit een verzameling van ‘picture elements’ 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 ‘taggen’ 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]

‘Het algoritmische beeld wordt niet langer beheerst door geometrische projectie, maar door algoritmische verwerking.’

[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]

‘Ritmiek is inderdaad alomtegenwoordig, niet alleen in de hersenactiviteit maar ook in de hersenfunctie. Voor de waarneming betekent dit dat, ondanks het “feit” dat we de wereld ervaren als een continuüm, we niet constant “monsters” nemen van de wereld, maar in discrete momentopnames, bepaald door de cycli van hersenritmes.’

[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 foto’s 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]

‘Elke kennis van de geschiedenis van de fotografie toont aan dat manipulatie een integraal onderdeel is van fotografie. (…) 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 “frames” kunnen erop of ernaast worden gereproduceerd. En de context, ten slotte, is bepalend.’

– Martha Rosler

‘Elke dag genereert internet triljoenen beelden en video's (…). Het volume aan foto’s en video’s 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.’

– 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. Foto’s 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 zo’n geval spreekt men van CGI of ‘computer generated images’.

Het gebruik van camera’s in mobiele telefoons, tabletcomputers en laptops heeft ertoe geleid dat het maken van foto’s niet alleen veel goedkoper is geworden, maar dat de stap om een foto te maken is geminimaliseerd. Dankzij sociale media is het delen van foto’s 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 ‘big data’ 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 bewakingscamera’s 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 ‘visual image reconstruction from brain activity’ 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 ‘gesimuleerden’ (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 foto’s 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 ‘blur’ (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 (‘smooth’), maar de 24 ‘verversingen’ 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 (‘afterimage’). 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 zo’n 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 bloed…, kunnen voortdurend wijzigen.

Een elektronisch apparaat zet signalen uit de omgeving (geluid, licht, warmte …) om in elektrische signalen (spanningen, stromen …). Om informatie uit de werkelijkheid ‘waar te nemen’ 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 …), 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 ‘stroom’ 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 ‘naar analogie met de werkelijkheid’. 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, temperatuur…) 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 ‘digit’). Zo krijg je een reeks cijfers/’digits’ 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 ‘rechthoekig’. 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 ‘picture element’ (pixel). Elke meting, of het nu om geluid of beeld gaat, noemen we een ‘sample’. In het Nederlands noemen we dit proces ‘discretisatie’.

Het volledige proces van het digitaliseren van data wordt uitvoerig beschreven in hoofdstuk 4.

Hoofdstuk 4 – Geheugenapparaten en verwerkingseenheden

‘Denk 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.’

– 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 ‘uit het hoofd’ te bewaren en uitwisseling en verspreiding van kennis en vaardigheden mogelijk te maken en te versnellen.

Net zoals bij het concept ‘intelligentie’ is het niet eenvoudig om een pasklare definitie voor het begrip ‘data’ of ‘gegevens’ te geven. Gegevens vormen een (op de een of andere manier) waarneembare registratie van ‘feiten’ of ‘abstracte concepten’ 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 ‘data’. 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 ‘vastpakken’, hooguit voelen.

De opslag van data gebeurt op zo’n 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 ‘ruwe data’, ‘informatie’ en ‘kennis’. 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 ‘woord’ 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 ‘leren’, 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;
  • …

[einde opsomming]

Natuurlijke replicatoren en ‘memes’

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 ‘life computing’. 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 ‘voorouderlijke overlevingstechnieken’ gebeurt in het DNA. De registratie van ziektes ligt vast in de antilichamen van het immuunsysteem, de geschiedenis van ‘vroegere ervaringen’ op haar beurt in het zenuwstelsel en neuronen. Collectieve herinneringen worden niet-genetisch geërfd in de meest uiteenlopende vormen en in door mensen bedachte ‘geheugenapparaten’. 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 ‘gene’ (gen), bedacht hij de term ‘meme’, etymologisch verwijzend naar het Griekse ‘mimeme’ (imitatie) en naar het Franse ‘même’ (hetzelfde). Voorbeelden van ‘memes’ zijn deuntjes, ideeën, slagzinnen, kledingmode, manieren om potten te bakken of bogen te bouwen, enzovoort.

[begin inspringen]

‘Zoals genen zich voortplanten in de genenpoel door via sperma of eicellen van lichaam naar lichaam te springen, zo planten “memes” zich voort in de “memes”-poel door van brein naar brein te springen via een proces dat, in ruime zin, “imitatie” kan worden genoemd.’

– Richard Dawkins, The Selfish Gene,1976

      1. Kalenders

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 ‘vermoeden van rekenkunde’. 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.

      1. 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 ‘geheugenapparaat’. 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 ‘vertalen’ 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 massa’s 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 ‘kopiëren’. 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 pagina’s 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]

‘In 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. (…) 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.’

[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.

      1. 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 ‘bedenkers’ in de achttiende eeuw. Pas in 1860 zou Christopher Latham Sholes (1819-1890) uit Milwaukee, actief als uitgever, politicus en journalist, zijn ‘Type-writer’ 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 ‘shift’-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]

‘Ik 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. (…) Ik bouwde wijzer dan ik wist en de wereld heeft er baat bij.’

[einde inspringen]

Een andere belangrijke uitvinding voor de administratie was de kopieermachine. Niemand minder dan James Watt (1736-1819), de legendarische ‘uitvinder’ 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 zo’n 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 firma’s 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 ‘blueprinting’, 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 filmcamera’s 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 ‘camera obscura’ (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]

‘Het 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 beeld…’

(eigen vertaling)

[einde inspringing]

Theon van Alexandrië (335-405) vermeldt eveneens het principe van de camera obscura:

[inspringing]

‘Kaarslicht 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.’

[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 ‘heliografie’ (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 ‘heliogravure’. In datzelfde jaar zou het hem ook lukken om een eerste echte ‘foto’ 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 foto’s 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 foto’s niet reproduceren.

Dankzij het ‘calotype’, ook ‘talbotype’ genoemd, van William Henry Fox Talbot (1800-1877) werd het mogelijk om foto’s 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 foto’s 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 ‘peepshow’. 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 ‘bioscoop’ 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 huiskamer…

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 ‘luisteren’ 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 ‘stoom’ door een fluitje.

Charles Bourseul (1829-1912) publiceerde in 1854 een artikel in L’Illustration de Parisonder de titel ‘Téléphonie électrique’:

[Inspringen]

‘Als 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.’

[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 ‘telefoon’. 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 nota’s 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 ‘dictafoon’. 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 ‘phonograph’).

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 ‘ether’ 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.

      1. 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. Zo’n 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 ‘Whole Earth’ 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 ‘tags’ om makkelijk kleitabletten met bepaalde informatie te kunnen terugvinden. Op de meest zichtbare bovenhoek van de tabletten werden korte notities aangebracht, zo’n 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 d’universalismeuit 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 (‘réseau’) van ‘computers’ (hij noemde het ‘elektrische telescopen’) 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 ‘vlechtwerk van associatieve sporen’ 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 ‘netwerken’ 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-‘adres’ 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 (‘internet relay chat’), 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 (‘hypertext markup language’) 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 (‘hypertext transfer protocol’) uitgewerkt. Berners-Lee ontwierp ook de eerste webbrowser, een programma waarmee je webpagina’s online kan bekijken. Hij doopte zijn systeem ‘World Wide Web’, kortweg www. Al snel sprongen ook gewone mensen en bedrijven op de trein door hun eigen websites (een verzameling webpagina’s) te publiceren.

Weldra was er op het groeiende web behoefte aan een zoekmechanisme om een weg te vinden in die overvloed van pagina’s 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 webpagina’s 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 ‘robot’, 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 pagina’s 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 pagina’s nog links naar andere pagina’s, 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 ‘packet switching’. Tom Igoe legt het in zijn boek Making Things Talkals volgt uit:

[inspringen]

‘Vergelijk 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 (…) 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. (…) 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.’

[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 ‘figuurlijk’ 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]

‘Hij 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.’

[einde inspringen]

Deze geheugenkunst, die ook in de Middeleeuwen werd beoefend, steunde op twee pijlers: ‘loci’ (plaatsen) en ‘imagines’ (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 ‘geheugenkunst’ de volledige werken van Vergilius achterstevoren kon voordragen. Wat het nut daarvan is, ontgaat me, maar het zou wel getuigen van een knap staaltje ‘geheugentechniek’.

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 foto’s, bewaren computers op elektromagnetische opslagmedia, zoals magneetbanden en harde schijven. Optische media, zoals cd’s en dvd’s, 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 ‘eeuwigheid’ 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 ‘yamatarajabhanasalaga’. 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]

‘Als een drummer bijvoorbeeld “ya” zegt, dan bedoelt hij eigenlijk “ya-ma-ta” en dat staat voor het drietal 011. Zegt hij “bha” dan bedoelt hij “bha-na-sa” 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: “ma-na-ja-la” (…) en dat is de verkorte vorm om te zeggen “111-000-010-0”, ofwel “lang-lang-lang-kort-kort-kort-kort-lang-kort-kort”. 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.’

[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 Ashtādhyāyī.Uiteraard staan de lettergrepen in het mnemotechnische onzinwoord ‘yamātārājabhānasalagā’ 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 ‘De Bruijn-rij’, 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 ‘zoek-en-vervang’-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 ‘kocht’ 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-cd’s te halen en te converteren naar het MP3-formaat. Al snel kwam er software beschikbaar waarmee mensen overal ter wereld hun muziekcollectie konden ‘delen’. Muziek van internet halen werd een fluitje van een cent – 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 ‘lossy’. Dit betekent dat de gegevens die tijdens de compressie worden weggelaten, niet meer kunnen worden teruggehaald, ze zijn verloren (‘lost’). 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 ‘computer vision’ 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

‘Een 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.’

– Leibniz, 1679

De uitspraak ‘Alles is getal’ 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, dvd’s, 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 ‘mazurka’ en ‘wals’.

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 ‘patronen’ 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 ‘locatie-gebaseerd’. De ponsschijven van de muziekdoos werkten op gelijksoortige wijze. Elk ‘gat’ 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 ‘digitaliseren’?

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 ‘a’ op een beeldscherm bestaat uit een reeks kleine ‘lampjes’ (picture elements’ = 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 ‘A’ 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-toetsenborden…) 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]

  1. Jij drukt een toets in op je toetsenbord.
  2. De toets correspondeert met een decimaal getal.
  3. De computer vertaalt het decimale getal naar een binair getal.
  4. 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 ‘k’.

De vergelijking met een kruiswoordraadsel doet een beetje afbreuk aan de inventiviteit van deze vondst. De zender ‘scant’ 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 ‘discretisatie’ 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]

‘De 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 zo’n manier dat ze velden hebben in het midden, rechts en links. Dan verdelen ze de letters op zo’n manier dat “alpha” tot “theta” hun plaats krijgen aan de linkerkant, die van “iota” tot “pi” in het midden, en die van “rho” tot “psi” aan de rechterkant. Als ze bijvoorbeeld de letter “rho” willen zenden, dan steken ze één fakkel in de lucht aan de rechterkant, voor “sigma” twee (…). 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.’

[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 n’est 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 foto’s 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 zo’n 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 ‘optellend’ of additief kleursysteem, ook wel het ‘RGB-kleursysteem’ 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]

  1. Een digitaal systeem legt een ‘raster’ (met x-aantal kolommen en y-aantal rijen) over een afbeelding. Elk vakje in zo’n 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.
  2. Voor elke pixel wordt de waarde voor de drie basiskleuren gemeten.
  3. Voor elke pixel ‘onthoudt’ 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.
  4. 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.

‘Vierkanten waren de meest logische keuze,’ zegt Kirsch. ‘Natuurlijk was het niet de enige mogelijkheid, maar we gebruikten vierkanten. Het was iets heel dwaas waar iedereen in de wereld sindsdien aan lijdt.’

Kirsch probeert zijn ‘fout’ 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 foto’s, documenten uit een tekstverwerker, presentaties, films…, 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 foto’s of filmpjes maakt.

Een voorbeeld: een letter ‘a’ (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 foto’s, bewaren computers op elektromagnetische opslagmedia, zoals magneetbanden en harde schijven. Optische media, zoals cd’s en dvd’s, 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 transistor…

Hoofdstuk 5 – Uit onze handen en uit ons hoofd

‘DNA is als een computerprogramma, maar veel, veel geavanceerder dan alle software ooit gemaakt.’

– 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 zo’n proces een ‘stappenplan’ of ‘algoritme’. 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 auto’s 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 (‘robotic process automation’). Dit betekent niet per se dat je ‘robots’ inzet, maar dat je manueel (denk)werk vervangt door software of andere geautomatiseerde processen. Doemscenario’s 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]

‘(…) 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.’

[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 zo’n manier dat je het toestel kon herprogrammeren door de pinnen te verplaatsen. Het programma werd ‘opgeslagen’ in de assen met wat we ‘binaire instructies’ 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 ‘steen’ 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 ‘An Ancient Greek Computer’. Volgens de vaststellingen van de Solla Price diende het toestel om de bewegingen van sterren en planeten te berekenen en te voorspellen.

Het woord ‘computer’ is afgeleid van ‘to compute’ (= 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 ‘computer’ 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 ‘analoge computer’.

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 ‘eenvoudigere’ 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 ‘surface imaging’) 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 ‘slimmer’ 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 ‘schatten’ 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 ‘pin-and-slot’-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 ‘pin’-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 macro’s 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 ‘pinmechanismen’ 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 ‘clock’ en ‘timepiece’. ‘Clock’ verwijst altijd naar het mechanische geluid dat het uurwerk produceert, terwijl een ‘timepiece’ 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 Banū Mūsā (zonen van Mozes, naar de naam van hun vader), waren in opdracht van de Abassidische kalief al-Ma’mun 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 Kitāb 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 Kitāb 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 ‘vingerzettingen’. 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 ma’rifat al-hiyal al-handasiyya( Boek der kennis van mechanische toestellen).

Net zoals de Banū Mūsā liet hij zich inspireren door klassieke voorbeelden. In het christelijke Praag werd de astronomische klok in de veertiende eeuw uitgerust met een reeks ‘automaten’. 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 ‘elementen’ of ‘organen’ 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 ‘object-georiënteerd programmeren’, 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 ‘mechanische onderdelen’. 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 ‘robots’ te bouwen die zich ‘zelfstandig’ konden bewegen.

In 1550 schreef Giorgio Vasari (1511-1574) in zijn boek over het leven van de belangrijkste Italiaanse kunstenaars:

[begin inspringen]

‘Toen 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.’

[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 pianola’s. 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 ‘computer’ onder de naam ‘turingmachine’. 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 programma’s 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 (‘transfer-resistor’) 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 ‘IC’ (‘integrated circuit’), maar is bij het grote publiek vooral bekend geworden onder de naam ‘chip’.

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 ‘chiptechnologiegeneratie’ 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 ‘doet iets’ 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 één 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 ‘compiler’ 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 ‘communicatie’ 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 ‘interface’.

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 (‘glass teletype’). 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, TI…) 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 (‘pointing devices’), zoals de trackbal, de lichtpen, joysticks en… de muis. Hij vergeleek hun snelheid en nauwkeurigheid. Uit alle ‘kandidaten’, 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 (‘graphic user interface’ – 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, uitklapmenu’s 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 ‘What you see is what you get’-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 computerfirma’s 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 Sony’s 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]

‘Toen 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.’

[einde inspringing]

De smartphone groeide in ‘no time’ uit tot een verlengstuk van de mens. Anders dan een hamer die fysieke arbeid verlicht, verhoogt en verbetert (‘augmentation’) 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 ‘cloud’) 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 ‘user interfaces’ evolueren snel naar meer directe en natuurlijke omgangsvormen: het herkennen van handgebaren, spraakherkenning, gezichtsherkenning… De combinatie van NUI’s (‘natural user interfaces’) met ‘augmented reality’ en het IoT (Internet of Things) ‘verhoogt’ niet enkel de mens, maar herschept eveneens de menselijke habitat tot een ‘verhoogde’ werkelijkheid. Slimme machines raken ondergedompeld in de natuurlijk menselijke omgeving. Een hoge mate van ‘immersie’ 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, ‘smart’ toestellen die met het internet zijn verbonden, verzamelen met behulp van sensoren massa’s 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 Alexa…), smartwatches, ‘beacons’, slimme auto’s, 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, SSD…) 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 (‘data collection’) dienen in dat geval een onderzoeksdoel. Dat doel kan van zeer uiteenlopende aard zijn:

[begin opsomming]

wetenschappelijk;

  • academisch;
  • marketing gerelateerd;
  • predictief;
  • politiek;
  • juridisch;
  • …

[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 ‘kennis’. 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, gyroscoop…) en communicatietechnologieën (4G, Bluetooth, NFC…) 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 ‘computer’, maar in wezen niet helemaal voldoen aan de definitie hierboven. Een microcontroller is zo’n ‘computer’. Men gebruikt een microcontroller of microprocessor om elektronische apparatuur te besturen. Heel wat moderne apparaten bevatten zo’n 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 auto’s, bewakingscamera’s en domoticasystemen zulke embedded systemen aan boord hebben. Wanneer je al die dingen (‘things’) 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 ‘klassieke computer’.

[begin opsomming]

  • De verwerking gebeurt ‘real time’ (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 ‘microcontroller’ en ‘embedded system’ duikt ook wel eens de term ‘system on a chip’ (SoC) op. Een SoC integreert alle componenten van een computer en/of elektronisch systeem op één enkele chip. SoC’s 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 zo’n 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 ‘kans’. 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 (‘silicon’ 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 – Machines die leren en kunstmatige intelligentie

‘AI… 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.’

– Minsky & McCarthy

‘Wanneer 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.’

– Nikola Tesla, When Woman is Boss, 1926

‘De 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 “dat in staat is zijn omgeving te ontvangen, te herkennen en te identificeren zonder enige menselijke training of controle”.’

– 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 ‘mechanische leven’, 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 ‘The man from the future’ 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, ‘central processing unit’) 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 bibliotheek…). 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 ‘achterliggende overeenkomst met menselijke hersenen’. Volgens Wells zou de encyclopedie immers de rol spelen van ‘de cerebrale cortex voor deze essentiële ganglia’. Door nieuwe technologieën, zoals het toenmalige ‘microfilm’, te integreren zou het mensen in staat stellen om de informatie op elk gewenst moment te raadplegen:

[inspringen]

‘Elke 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.’

[einde inspringen]

In 1962 schreef Arthur C. Clarke in zijn boek Profiles of the Futuredat de ontwikkeling van het ‘Wereldbrein’ van Wells in twee fasen zou verlopen. In eerste instantie moest een soort ‘wereldbibliotheek’ 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 ‘Wereldbrein’ tot stand komen: een supercomputer die zich met behulp van kunstmatige intelligentie zou ontwikkelen tot een superintelligent systeem. Het ‘Wereldbrein’ zou de ‘Wereldbibliotheek’ 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]

‘Het 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 “mechanische hersenen” genoemd en soms “sequentie gestuurde rekenmachines” 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.’

[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 ‘reuzenhersenen’ beschouwen. Het boek bulkte van een blind vertrouwen in de mogelijkheden van ‘mechanische breinen’. Berkeley somde een aantal taken op waartoe deze denkende machines in staat waren:

[opsomming]

  1. leren wat je hen vertelt;
  2. instructies toepassen wanneer dat nodig is;
  3. cijfers lezen en onthouden;
  4. optellen, aftrekken, vermenigvuldigen, delen en afronden;
  5. getallen opzoeken in tabellen;
  6. een uitkomst bekijken en een keuze maken;
  7. lange ketens van deze bewerkingen achter elkaar doen;
  8. een antwoord uitschrijven;
  9. controleren of een antwoord goed is;
  10. weten dat een opgave klaar is en naar de volgende gaan;
  11. bepalen van hun eigen instructies;
  12. 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]

‘Door Simon te ontwerpen zullen we ontdekken hoe we de fysieke uitrusting voor het verwerken van informatie op zo’n 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.’

[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: ‘Een systeem kan niet intelligent zijn als het niet over deze eigenschappen beschikt.’

De studie van zelfregulerende systemen die zichzelf corrigeren door feedback, heet ‘cybernetica’. 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 ‘cybernetica’ naar het Griekse ‘kybernētēs’, wat stuurman, gouverneur, piloot of roer betekent. Dankzij sciencefictionfilms en robotica raakte de term ook bekend in de populaire cultuur. Een ‘cyborg’ vormt een (voorlopig denkbeeldige) combinatie van mens en machine. We kennen ook het begrip ‘cyberspace’.

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]

‘ 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. (…) 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.’

[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 ‘inputs’ 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 ‘vuren’. Daarmee begon de lange start naar het proberen begrijpen en modelleren van de complexe processen in de hersenen. De beroemd geworden uitspraak van Hebb, ‘Cells that fire together, wire together’, vormde de basis van het zogenoemde ‘Hebbiaans leren’. Ook drempellogica (‘treshold logic’), waarbij een continue invoer wordt omgezet in ‘discrete’ (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 ‘invoer’ in het oog van een vlieg bepaalde in welke richting het insect zou vliegen. In zijn poging om dat ‘beslissingssysteem’ 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 ‘geleerd’ door achter elkaar de ‘inputs’ 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]

‘De 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 (…) Toch staan we op het punt getuige te zijn van de geboorte van zo’n machine – een machine die in staat is zijn omgeving waar te nemen, te herkennen en te identificeren zonder enige menselijke training of controle.’

– Frank Rosenblatt, 1958

[einde inspringen]

The New York Timesmeldde dat dit ‘brein’ 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 ‘onthouden’ 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 ‘mechanische ruimteverkenners’. ‘In het begin,’ zo stelde Rosenblatt, ‘zal de Perceptron verkeerde beslissingen nemen, maar hij zal wijzer worden naarmate hij meer ervaring opdoet.’ De laboratoriummedewerkers droomden nog verder vooruit:

[inspringen]

‘De 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.’

[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 ‘gewogen’ 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. ‘Deep learning’ 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 ‘eveneens een mens’ 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 ‘chatbot’. ELIZA simuleerde een psychotherapeut, een goed uitgangspunt om in vraag-antwoordstijl te werken. Omdat de kennis van ELIZA erg beperkt was, antwoordde de ‘chatbot’ vaak met open vragen zoals ‘Waarom zeg je dat je hoofdpijn hebt?’. 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, software…) 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 ‘natural language processing’ 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 ‘if-else’-structuren. Je kent het wel: ‘Als (if) je braaf bent, krijg je een koekje, anders (else) een stokje.’ 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 ‘if’- en ‘else’-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 ‘onverwachte invoer’ 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 vertaalprogramma’s 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 ‘leren’. Recent ligt de focus op een combinatie van beide technieken: de ‘harde regeltjes’-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 IBM’s supercomputer Watson de uitdaging aan en won: hij versloeg met glans de ‘all-time-greatest human Jeopardy champions, Ken Jennings en Brad Rutter’. 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 ‘neuraal netwerk’. 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: ‘Dit is de kat’. Je zoontje heeft echter nog nooit een hond gezien. De kans bestaat dat hij bij zijn eerste ontmoeting met een hond zegt: ‘Kijk mama, kat!’ Jij zal dan zeggen: ‘Nee hoor, dat is een hond.’ 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 ‘supervised learning’, 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 (‘machine learning’). We voeren de AI-software eerst met trainingssets (of datasets). Dat kunnen bijvoorbeeld een reeks foto’s van honden zijn. Door een massa foto’s van honden als trainingssets aan de software te voeren, leert het neuraal netwerk geleidelijk aan zelf honden op andere foto’s 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 ‘invalshoeken’ (bovenaanzicht, achteraanzicht…) 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 ‘inputs’ (afwegingen) die elk hun eigen gewicht krijgen. Het netwerk ‘berekent’ een beslissing en stuurt die uit als ‘uitvoer’.

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 ‘supervised learning’ 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 ‘casino’ en ‘penisverlenging’ bevatten, zullen spamberichten zijn. Maar stel dat je vriend je een mail stuurt met de melding ‘Ga je vanavond mee naar het casino?’, 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 ‘We gaan je ziekteverlof verlengen’, dan wil je niet dat de combinatie van ‘verlengen’ en ‘penis’ 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.

Zo’n 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 ‘true negative’ (geen spam), in het andere ‘true positive’ (wel degelijk spam). Andere termen kunnen leiden tot de classificatie ‘false positive’ of ‘false negative’. 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 (‘true positive’, ‘true negative’), maar even zeer fout (‘false positive’ of ‘true negative’). In dit laatste geval moet het algoritme worden bijgestuurd.

Bij ‘supervised learning’ leert het algoritme uit voorbeelden. Bij bekrachtigingsleren (‘reinforcement learning’) 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 ‘leren’. 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 ‘onthouden’.

Bij ongecontroleerd leren (‘unsupervised learning’) krijgt het algoritme geen voorbeelden, maar moet het zelf elementen indelen (categoriseren) op basis van gemeenschappelijke kenmerken. Bij ‘unsupervised learning’ 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 ‘algoritme’ 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 van’ supervised’ en ‘unsupervised learning’ voor. Een kind dat leert lopen, krijgt daarbij wel hulp van volwassenen (die houden toezicht of geven een ‘helpend handje’), maar welke spieren de peuter moet gebruiken, dat leert de peuter letterlijk ‘zelf’ zonder toezicht.

Vaak proberen programmeurs een stukje van de menselijke hersenen na te bouwen. Ze bouwen met codes een hersencel (neuron) na, een zogenoemd ‘artificieel neuraal netwerk’. 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 ‘supervised learning’ 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 zo’n 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 ‘beperkt’ (‘narrow AI’).

Toch is AI aan een niet te stuiten opmars bezig. Amazon, Netflix en Spotify geven hun gebruikers aanbevelingen (‘recommendations’) op basis van het gedrag van andere bezoekers en op basis van overeenkomsten tussen bepaalde producten. Zelfrijdende auto’s voorspellen het rijgedrag van de auto’s 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 (‘haar’ of ‘bal’ 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 ‘hond’ en de bijhorende geluiden. Denk maar aan de moeders en de vaders die vragen: ‘En, hoe doet de hond? Nee, niet “miauw”.’ 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 ‘wereldontologie’ 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 (‘sentence breaking’) 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 (‘word segmentation’), 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, uitroepend…) wordt bepaald door de ‘discourse analysis’.

De machine kijkt vervolgens naar de individuele woorden en probeert die te herleiden tot hun basis of stam in een proces dat ‘stemming’ en ‘morphological segmentation’ heet. In een taal als het Engels is dit een relatief eenvoudig proces: ‘open’ is de ‘stam’ 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 ‘wortel’ 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 ‘stemming’ sinds 2003. Voor die tijd zou de zoekterm ‘vis’ niet ook ‘vissen’ of ‘gevist’ hebben opgeleverd.

Dit kan leiden tot foute resultaten. De machine kan te veel resultaten leveren (‘overstemming’), zoals wanneer je ‘universiteit’ zoekt en ook ‘universum’ krijgt. In dit geval behandelt de machine beide woorden door hun gemeenschappelijke stam als synoniemen. In andere gevallen krijg je te weinig zoekresultaten (‘understemming’).

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 ‘named entity recognition’ 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 (‘part-of-speech tagging’).

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 (‘word sense disambiguation’).

Via ‘natural language understanding’ probeert een NLP-systeem logica te vinden in korte fragmenten tekst. Welke adjectieven horen bij zelfstandige naamwoorden (‘conference resolution’)? Wat zijn de onderlinge relaties tussen objecten in een zin (‘relationship extraction’)? Op die manier probeert een NLP-systeem de zin te ‘analyseren’, 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 (‘sentiment analysis’).

In veel tekstverwerkingsprogramma’s 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 (‘natural language processing’) nam grote stappen voorwaarts. Spelling- en grammaticaregels worden niet langer per taal gecodeerd (‘rule based’). 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 ‘natuurlijke taal’ produceert. WordSmith, van de softwareproducent Automated Insights, produceerde in 2013 wereldwijd driehonderd miljoen nieuwsverslagen voor diverse klanten, meer dan alle ‘menselijke’ journalisten samen en vooral veel goedkoper.

Wikipedia zette in 2002 voor het eerst een robotjournalist in. Die ‘Rambot’ 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 ‘objectieve’ 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 ‘taalbegrip’? 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 (‘speech recognition’) 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 (‘speech segmentation’) is vreselijk moeilijk te programmeren.

‘Natural language generation’, 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 ‘toon voor toon’ genereren van spraak (‘speech synthesis’).

In ‘machine translation’ komen alle toeters en bellen van NLP-systemen en ‘natural language generation’ 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 ‘tijd’ 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 ‘denken’ 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 ‘machine learning’. De software leert dus voortdurend zelf bij en wordt alsmaar beter.

ANN’s en ‘deep learning’

Artificial Neural Networks of ANN’s zijn statistische modellen, geïnspireerd en ‘gemodelleerd’ naar biologische neurale netwerken. Menselijke hersenen bevatten naar schatting ongeveer honderd miljard neuronen. Die neuronen vormen netwerken die informatie uitwisselen en daaruit ook kunnen ‘leren’. Hoe het precies allemaal werkt, is nog niet helemaal duidelijk, maar dingen ‘leren’ zou gebeuren door het versterken van verbindingen tussen neuronen. Beslissingen (van ‘iemand een mep in het gezicht geven’ tot ‘een keuze maken tussen friet en shoarma’) worden genomen op basis van de inputs die neuronen krijgen. De uitvoer van het ‘netwerk’ vormt de definitieve beslissing.

ANN’s 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. ANN’s gebruiken diverse algoritmes en kunnen ook meerdere vormen (‘architectures’) 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 – Organizing Kohonen Rule, Hopfield Network Law, LMS algorithm (Least Mean Square), Competitive Learning…

Neurale netwerken kunnen meerdere lagen bevatten. We spreken dan van een ‘multilayer perceptron’. Elke laag in zo’n netwerk probeert bijvoorbeeld patronen te herkennen in een afbeelding. Als een patroon is gevonden, activeert het algoritme de volgende ‘verborgen’ laag. De eerste laag herkent bijvoorbeeld randen in de afbeelding. De volgende laag combineert de gevonden randen, enzovoort. Hoe meer lagen zo’n 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 foto’s) 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 ‘multilayer perceptrons’ worden gecombineerd, spreekt men van ‘deep learning’. ‘Deep learning’ splitst een probleem op in meerdere lagen. De eerste laag herkent bijvoorbeeld bepaalde vormen (cirkels, driehoeken…). De tweede laag identificeert dan bijvoorbeeld de ‘ogen’ (twee ronde of ovale vormen naast elkaar). De derde laag herkent dan het gezicht…. 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 ‘sentiment analysis’ (links de dataset, rechts een voorspelling).

Decision Tree (beslissingsboom) kent een stamboomachtige structuur. Bij elke ‘tak’ test je een bepaalde voorwaarde of attribuut dat de uitvoer naar de volgende tak bepaalt. Opgelet: het kan leiden tot ‘overfit’ 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 ‘overfitting’ 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 ‘vector’, omdat elk datapunt een x- en y-positie krijgt in een grafiek (of vectorruimte). SVM’s werken goed bij kleine datasets waar weinig ruis in staat en zo goed als geen overlappende categorieën. SVM’s 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 ‘groen’, dan is de kans groot dat jij dat ook doet. Bij K = 5 kijk je naar de vijf dichtstbij gelegen ‘buren’ (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 ‘unsupervised’ leermethode. Het verdeelt data in een door de gebruiker bepaalt aantal klassen (k = 1, k = 4…). 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 ‘langetermijngeheugen’ werd uitvoerig beschreven in het document ‘Attention Is All You Need’ (Vaswani et all, 2017). De auteurs introduceerden hiermee een nieuw neuraal netwerk, het transformermodel. Een ‘encoder’ ontvangt alle voorgaande tekst als ‘invoer’, een ‘decoder’ genereert stap voor stap een uitvoer (het volgende woord), terwijl hij gevoed wordt met de vorige ‘uitvoer’. Het aandachtsmechanisme en het langetermijngeheugen zorgen ervoor dat ‘transformatoren’ 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.

‘Deep learning’ 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 ‘zien’ als mensen of dieren. Met onze ogen kunnen we niet alleen zien (‘vision’), maar we herkennen ook objecten (‘recognition’). Willen we een computer informatie in beelden leren herkennen, dan spreken we van ‘computer vision’ en ‘image recognition’.

In winkels ‘herkennen’ 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 (‘optical character recognition’) 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 ‘nieuw’. 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 ‘deep learning’-onderzoek. De gegevens zijn gratis beschikbaar voor onderzoekers voor niet-commercieel gebruik. Via een selectie van gegevens uit zo’n databank leert ‘image recognition’-software stapsgewijs dat zowel een pekinees als een pitbull honden zijn. Bovendien moet de software leren dat zowel Disney’s Pluto, als Lassie een hond is.

Alleen als een robot snel en accuraat objecten kan herkennen, kan hij (zij?) net zoals echte mensen ‘rondlopen’. Zelfrijdende auto’s bijvoorbeeld gebruiken AI-gebaseerde computer ‘vision’ en ‘image recognition’ 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 (‘object segmentation’), 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 ‘umwelt’, ook zal leiden tot een vorm van ‘kunstmatig bewustzijn’ is een ander verhaal.

GAN’s 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 ‘deep learning’ 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 collega’s van de universiteit van Montreal werkte hij het model verder uit en publiceerde er een artikel over onder de naam ‘Generative Adversarial Nets’. Het leverde Goodfellow een baan op bij Google Research en een functie bij OpenAI. GAN’s leidden tot heel veel innovaties op het vlak van machinaal leren.

Beeldclassificatie is vaak nog tijdrovend en duur. Stel dat je een ‘deep neural network’ wil leren om katten te herkennen, dan moet je het eerst voeden met een massa foto’s 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 ‘fictieve kat’ 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 ‘pixelgegevens’. De generator gaat net zo lang door tot hij de discriminator kan wijsmaken dat het om een authentiek schilderij van Van Gogh gaat.

GAN’s 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 ‘deep fake video’. 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 GAN’s te kunnen inschatten en nieuwe toepassingen te bedenken. Een robot of zelfrijdende auto kan met behulp van GAN’s 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 GAN’s ook is, ze hebben wel wat beperkingen. Ze hebben nog steeds een overvloed aan trainingsgegevens nodig. Als je bijvoorbeeld een ‘deep fake video’ 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. GAN’s 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 ‘conversational understanding’. ‘Hoe meer je met Tay chat,’ zei Microsoft, ‘hoe slimmer hij wordt, mensen leren betrekken door middel van een informeel en speels gesprek.’ 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 ‘black box’. 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. ‘Kredietwaardigheid’ 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, ‘bias’ 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 ‘AI-bias’ 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

‘De 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. (…) Het belichaamt niet alleen onze angst voor wetenschap en techniek, maar ook die voor wat wij zullen worden.’

– Thomas Lombardo, Center for Future Consciousness

‘Er 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 zo’n 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?’

– 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 Čapek gebruikte het woord ‘robot’ voor het eerst in 1920 in zijn toneelstuk R.U.R.( Rosumovi Univerzální Robotiof Rossums Universele Robots). Het woord, dat overigens niet door hemzelf, maar door zijn broer Josef is bedacht, is afgeleid van het Tsjechische ‘robota’, dat ‘verplichte arbeid’ 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 ‘Runaround’ 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 ‘nulde wet’ 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]

‘Het zou kunnen dat de grote neurale netwerken van vandaag een beetje bewust zijn.’

– 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]

‘Het is teleurstellend om te zien dat zoveel prominente mensen dit idee belachelijk maken (…) 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. (…) Ik denk eigenlijk niet dat we een duidelijke lijn kunnen trekken tussen modellen die “niet bewust” zijn versus “misschien enigszins bewust”. (…) Ik weet ook niet zeker of een van deze modellen bewust is.’

[Einde inspringen]

Klopt dit? Kan het zijn dat AI een bewustzijn ontwikkelt hoewel een definitie van zowel ‘intelligentie’ als ‘bewustzijn’ 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 ‘kunstmatige’ versie van intelligentie en bewustzijn. Paul Nunez noemt het begrip ‘artificiële intelligentie’ een ‘provocerend en overdreven etiket’:

[inspringen]

‘(…) 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 “kunstmatige intelligentie”, zolang “intelligentie” maar niet wordt gelijkgesteld met “bewustzijn”. 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.’

– 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 ‘publieke bewustzijn’. Een machine kan je echter niet zomaar ‘bewust’ 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 ‘machine consciousness’:

[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. IBM’s 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 ‘globale werkruimte’ 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 ‘ervaren’ 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 ‘onintelligent’ als ze niet kan lezen?

Algemene kunstmatige intelligentie

‘We 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.’

– 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 ‘cloud’. Daar wordt dat ‘patroon’ 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 ‘menselijke intelligentie’ evenaren of zelfs voorbijstreven?

Herbert Roitblat tempert de verwachtingen in zijn boek Algorithms Are Not Enough.Natuurlijke intelligentie, zo stelt hij, stelt baby’s 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 ‘kunstmatige intelligentie’ 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]

‘Einstein 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.’

[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;
  • …

[einde opsomming]

Demis Hassabis, voormalig schaakgrootmeester en videospelletjesontwerper, behaalde diploma’s 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 ‘gewoon maar software’. ‘Het zijn dingen die werken,’ zo stelt hij. Hij wil veel verder gaan. Hassabis haalt zijn inspiratie uit het menselijk brein en probeert de eerste ‘general-purpose learning machine’ 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 ‘weefsel van de geschiedenis’. 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 ‘general-purpose’-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 DNN’s (‘deep neural networks’). In DeepQ combineerden ze DNN’s 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 ‘eiwitvouwprobleem’. 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 ‘opvouwen’. AlphaFold loste dit oude probleem in een ‘oogwenk’ op door de 3D-vouwvorm van eiwitten te ‘voorspellen’.

      1. 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]

‘Als data de nieuwe olie is, dan is China het nieuwe Saoedi-Arabië.’

– 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 ‘mentale’ arbeid en ‘cognitief werk’ 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]

‘Kunstmatige intelligentie is de toekomst, niet alleen voor Rusland, maar voor de hele mensheid. (…) 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.’

– 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 ‘cloud computing’ en AI.

Hij heeft het onder meer over ‘cloud robotics’. Robots, waaronder drones, zullen hun ‘geleerde ervaringen’ uploaden naar de ‘cloud’ 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 ‘cloud’ 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 auto’s. Ga zo maar door…

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 ‘9 to 5 job’, 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]

‘Slimme 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.’

[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 zo’n 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]

‘Deze 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.’

[Einde inspringen]

De nieuwe Leviathan of redder van de wereld

‘Wij 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.’

– 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]

‘De natuur (de manier waarop God de wereld heeft gemaakt en regeert) wordt geïmiteerd door de mens (…) 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?’

– 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 ‘goed’ je bent als burger. Leviathanof Metropolis… wanneer is de grens overschreden? Wat waren de ‘spoetnikmomenten’ 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 ‘spoetnikmoment’ 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, ‘chief software officer’ van het Pentagon, nam in 2021 ontslag, omdat hij het niet kon aanzien dat China de VS voorbijstreefde op het gebied van AI en ‘machine learning’. 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 ‘taalbegrip’ zal zoekmachines grondig transformeren, net zoals ‘deep fake’-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 ‘metaverse’. 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]

  1. een verbod om het vliegtuig of de trein te nemen;
  2. beperkte internetsnelheid;
  3. het ontzeggen van toegang tot de beste scholen voor hun kinderen;
  4. het ontzeggen van bepaalde banen;
  5. het ontzeggen van toegang tot bepaalde (betere) hotels;
  6. het afnemen van je hond;
  7. een publiekelijke bestempeling als een ‘slecht burger’.

[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 ‘deep tech’, waartoe AI, ‘quantum computing’ en blockchain behoren.

Of het nu gaat om hoogtechnologische bedrijven, zoals het Amerikaanse Meta (Facebook, Instagram, WhatsApp…), Microsoft, Apple of Google of om de Chinese overheid…, 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 ‘game changer’ die het leven op aarde grondig zal veranderen.

[inspringen]

‘De 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 risico’s te minimaliseren. We moeten, om het met zijn woorden te zeggen, ‘de wijsheidsrace winnen’. In de analoge wereld leren we uit ‘trial-and-error’, 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 collega’s 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 alignment’ 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.

      1. 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 zo’n digitale onderdompeling inderdaad mogelijk is of niet reeds het geval is. Immersieve technieken zijn in de digitale wereld alomtegenwoordig. Computersimulaties, 3D-games, ‘virtual reality’, ‘augmented reality’, online games (MMORPG’s)… 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 ‘singulariteit’ 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 ‘regels’ en ‘beperkingen’ in te stellen. Een van de eerste resultaten van die oproep is de ‘internationale’ bereidheid om een halt toe te roepen aan de ontwikkeling van autonome robots die op het ‘slagveld’ 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 z’n 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 Banū Mūsā, 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

Uithethoofd_schoon

© 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 –info@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 ‘buiten de hersenen’ te bewaren en waarom doen we dit? Waarom verzamelen grote techbedrijven, zoals Google en Facebook, massa’s 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 ‘artificial intelligence’, 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 ‘mazurka’ en ‘wals’.

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 ‘vergezelde’ 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 ‘brain computer interface’, 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 ‘AI’ krijgen, vaak niet meer zijn dan slimme wiskundige constructies. Andere technieken, gebaseerd op neurale netwerken en ‘deep learning’, 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 ‘slimme’ auto daarentegen kan je eenvoudig misleiden door een ‘adversarial patch’ 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 ‘natuurlijke intelligentie’ 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?

‘Mensen die opscheppen over hun IQ zijn losers.’

– Stephen Hawking

‘De maatstaf voor intelligentie is het vermogen om te veranderen.’

– Albert Einstein

‘In werkelijkheid is “intelligentie” een louter vocale klank geworden, een woord met zoveel betekenissen dat het er uiteindelijk geen heeft.’

– 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: ‘emoties’ en ‘creativiteit’. 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 ‘alle grote prestaties van de wetenschap moeten beginnen met intuïtieve kennis.’ 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: ‘Hij kan het niet uitleggen, maar hij is wel heel intelligent.’ Anderzijds hoor je: ‘Een moeilijk probleem eenvoudig kunnen uitleggen, getuigt van intelligentie.’

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 (‘g’) vind je in het centrum van de cirkel. Hoe dichter een vaardigheid bij ‘g’ 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 ‘de mist ingaan’. 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 ‘g-factor’ of ‘algemene intelligentie’. De g-factor staat voor een soort ‘all round’-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 ‘algemene intelligentie’ 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 ‘nadenken’ 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

‘Natuurlijk heb ik geen van de termen “intelligentie”, “begrip” of “besef” 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 “begrip” is dat het iets is dat nodig is voor “intelligentie”, dan zal een argument dat de niet-computationele aard van “begrip" vaststelt, ook de niet-computationele aard van “intelligentie” vaststellen. (…) Intelligentie vereist begrip. Begrip vereist besef (= “awareness”). Besef beschouw ik als één aspect – het passieve aspect – van het verschijnsel bewustzijn. Bewustzijn heeft ook een actief aspect, namelijk het gevoel van vrije wil.’

– 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, emotie…

Intelligentie en leven

Tenzij je gelooft in ‘intelligent design’, 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 ‘intelligent design’, 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. ‘Intelligent design’ 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 ‘kunstmatige intelligentie’.

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 ‘regels’ 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 ‘homeostase’. 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 ‘vooruit moeten denken’. We proberen tenslotte te ‘overleven’. 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 ‘interactieve’ 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 ‘maken’ 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 ‘erkend ambacht’. Mensen noemen haar ‘creatief’ en ‘kunstzinnig’, 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 ‘geniaal’ of ‘zeer intelligent’ 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 ‘geniaal’. Maar niemand zal hen naast pakweg Albert Einstein plaatsen, ook al noemt iedereen Einstein ‘geniaal’.

Mijn moeder zei vaak: ‘Ik ben misschien maar een dom mens, maar ik heb toch vaak gelijk.’ 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 ‘dom’. 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 ‘scheermes’ van de middeleeuwse Engelse filosoof Willem Ockham denken: ‘entia non sunt multiplicanda praeter necessitatem’ (= ‘je moet het aantal zijden niet groter maken dan nodig’). 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 ‘vader op zoon’, 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 ‘intelligentie’ 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]

  1. 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, categorisatie…
  2. 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.
  3. ‘Hogere’ redeneerprocessen berusten op de formele regels van de logica. Bijvoorbeeld: een stelling kan niet zowel waar als onwaar zijn.
  4. 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 ‘intelligentie’ op een schaal probeert vast te leggen. Maar kan je intelligentie wel echt goed meten? Gelden die vier principes ook echt voor ‘iedereen’, 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]

‘Weet 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 (…) 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.’

[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: ‘rieko’, ‘luoro’, ‘paro’ en ‘winjo’. ‘Luoro’ omvat sociale kwaliteiten, zoals respect en verantwoordelijkheid. ‘Paro’ komt overeen met praktisch denken, ‘winjo’ met begrip. ‘Rieko’ 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 ‘voordeel’ 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]

‘Ik denk dat het belangrijk is om erop te wijzen dat non-verbale tests of visuele tests het meest cultuurgebonden zijn. (…) Ze zijn niet “cultuurvrij” en ze zijn niet “cultureel eerlijk”; in feite zijn ze minder eerlijk dan verbale tests.’

[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 ‘ja’ 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 empathie…

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 commando’s, 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 ‘Rico, haal de dino’, 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 ‘veronderstelling van wederzijdse exclusiviteit’. 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 ‘kunstmatige intelligentie’.

Bij de spiegeltest gaan onderzoekers de intelligentie na op basis van het vermogen tot zelfherkenning. Maar zo’n 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 ‘denken’. 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 ‘denken’. 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 (‘agents’) en tussen de hele groep en haar leefomgeving. Ze vinden voedsel en kunnen de locatie daarvan aan elkaar ‘vertellen’. Net zoals in een bedrijf bestaat er een verregaande taakverdeling. Ze bouwen als groep hun nest zonder dat de individuele leden hiervoor een plan ‘in het hoofd’ hebben. Bijen ketenen zich aan elkaar vast om warmte op te wekken om de was om een honingraat ‘zachter’ te maken en makkelijker bewerkbaar. In de wetenschap bestempelt men deze interactieve collectieve intelligentie als ‘zwermintelligentie’. Een groep of zwerm lijkt over een inherente vorm van ‘zelforganisatie’ 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: ‘ant colony optimization’, ‘artificial bee colony’, en ‘social spider optimization’. 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 ‘eusocialiteit’. Zo’n samenleving voldoet aan de volgende drie eisen:

[opsomming]

  1. 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 verzamelen…
  2. Volwassen insecten werken samen om voor de ‘jongen’ te zorgen.
  3. 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 ‘solitaire’ dieren niet ziet. Vanuit evolutionair perspectief kan je een mierenkolonie dan ook beschouwen als een ‘superorganisme’. Geleidelijk zijn er grote morfologische verschillen in de vrouwelijke ‘kasten’ 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 “voorgeprogrammeerd” 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 gedragsprogramma’s. Kuikens zijn geboren met mechanismen die, net zoals bij de mens, het leren sturen, op zo’n 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 zittend…. 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 “kunstmatige intelligentie” zouden bestempelen. Immers, zo’n 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

‘Het moet nog bewezen worden dat intelligentie enige overlevingswaarde heeft.’

– Arthur C. Clarke

‘Intelligentie is belangrijker dan kracht, dat is de reden waarom de aarde wordt geregeerd door mensen en niet door dieren.’

– 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 ‘beter kunnen denken’ 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 zo’n 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 ‘goede’ 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 ‘bekenden’ 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 ‘getal’ 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 zo’n 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 ‘kritische massa’ 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 meer…

Het verband tussen groeps- en hersengrootte bij primaten kan te maken hebben met de voedingsgewoonte van de soort. Primaten die afhankelijk zijn van ‘schaars voedsel’, 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 gorilla’s 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 ‘het wild’ 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 ‘witte stof’ toe, een proces dat bekendstaat als myelinisatie. Dit betekent dat er een soort isolatielaag ontstaat rond de zenuwbanen, zo’n 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 zo’n 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 ‘leren’ lopen. Kinderen doen er jaren over voordat ze ‘volleerd’ 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, dieren…), 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 zo’n 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 ‘beter’?

Onderzoekers als Cosmides, Pinker en Tooby stellen dat dieren beschikken over ‘domeinspecifieke intelligentie’. Mensen zouden daarentegen beschikken over ‘improvisatie-intelligentie’, 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]

‘…op het eerste gezicht lijken er slechts twee biologisch mogelijke keuzes te zijn voor geëvolueerde geesten: ofwel algemene onbekwaamheid, ofwel smalle bekwaamheden.’

[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, boomerang…). 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 parka’s 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 iglo’s. 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 ‘verlies van kennis’. In 1861 en 1863 overwinterden de ontdekkingsreizigers Elisha Kane en Isaac Hayes bij een groep Inuit. Vreemd genoeg gebruiken die geen kajaks. Hun iglo’s 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, ‘wijze’ 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. ‘Grote inzichten’ 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 ‘cultureel leren’:

[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 (‘gevaarlijke dieren’, ‘giftige planten’);
  • overtuigingen (goden, ziektekiemen, enzovoort);
  • sociale normen (taboes, rituelen, fooien);
  • normen voor beloning en straf;
  • sociale motivaties (altruïsme, eerlijkheid…);
  • 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 ‘leraar’ 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, vertrouwen…, maar ook op gelijkenissen met onszelf, zoals geslacht, ras, subcultuur, taal, temperament…

[inspringen]

‘Dergelijke 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.’

– 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 ‘leerlingen’ 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 ‘leerlingen’ 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 ‘beschermende’ 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, zombies…

Hersenen worden kleiner

Als je veel zuchtende leraren mag geloven, worden jongeren ‘dommer’. 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 ‘fysieke neuroarchitectuur’ (= ‘solid brains’) én ‘liquid brains’. Onder vloeiende breinen verstaan onderzoekers interacties tussen de leden van de groep waardoor een soort ‘collectieve intelligentie’ of zwermintelligentie ontstaat. Immers, gedecentraliseerde netwerken van ‘hersenen’ 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 ‘landbouw’ (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 ‘aanpassing’ 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 ‘uit ons hoofd’ 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 zo’n 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 ‘boodschapper’. Dit molecuul is betrokken bij sociale leerprocessen. In de volksmond bestempelt men oxytocine daarom weleens als het ‘knuffelhormoon’. 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

‘Het is niettemin een vergissing om over de mens te spreken, zelfs als we alleen kijken naar de omstandigheden waaraan hij is blootgesteld, als “veel meer gedomesticeerd” (…) de mens verschilt sterk van elk strikt gedomesticeerd dier; want zijn voortplanting is nooit lang gecontroleerd geweest, noch door methodische noch door onbewuste selectie.’

– 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 ‘wilden’, zei men weleens toen ik nog een kind was. Het woord ‘beschaving’ duikt nog maar zelden op in de wetenschappelijk literatuur. Het lijkt vervangen door de hypothese van ‘zelfdomesticatie’. 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 zo’n 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}

‘Het 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.’

[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 ‘rustiger’ waren, die zelf de neiging vertoonden om dichter bij de mens te gaan wonen. Hare suggereerde dat ook bij bonobo’s een vorm van zelfdomesticatie is voorgekomen. Vrouwelijke samenwerkingsverbanden zouden mannelijke agressie en mannelijke allianties hebben tegengewerkt. Vraag blijft natuurlijk of zo’n vorm van zelfdomesticatie zich ook bij de mens heeft voorgedaan. Sánchez-Villagra en Van Schaik (2019) omschrijven HSD (‘human self domestication’) als volgt:

[inspringen]

‘De 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.’

[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 bonobo’s 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 ‘alloparenting’ (= 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 ‘uitvoerende controle’ (lees: intelligentie) nodig, maar ook ‘emotionele controle’ (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 ‘ander’), 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 ‘mimesis’: handgebaren, lichaamstaal, gezichtsuitdrukkingen, mimiek, pantomime, muziek… Communicatie maakt samenwerking mogelijk tijdens de jacht, maar ook tijdens het leren vervaardigen van werktuigen. Een betere ‘uitvoerende’ 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 ‘loslaten’ van controle. Muziek zet de ontvanger aan om ritme en tonaliteit na te bootsen. Als je een drumslag (‘beat’) hoort, dan kunnen onze hersenen de volgende ‘beat’ 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, begrafenissen…

Keehn onderscheidt vijf eigenschappen die noodzakelijk zijn om je te laten ‘meesleuren’ (= entrainment) door muziek:

[begin opsomming]

  1. complex vocaal leren;
  2. vermogen om te imiteren;
  3. vermogen om complexe opeenvolgingen te leren;
  4. neiging om sociale banden te vormen;
  5. 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]

  1. vaardigheid om mimetisch te communiceren;
  2. 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 ‘prototypes’ 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 ‘slachtoffer’.

Denken en taal

‘Niets vult een snelle geest beter aan dan een langzame tong. En niets verergert een langzame geest beter dan een snelle tong.’

– 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]

‘Evolutionair 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.’

[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 ‘aanvoelen’ als we geen namen hadden om objecten en ervaringen te benoemen of geen woorden waarmee we ‘vragen’ 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 ‘interne monoloog’. Op gelijksoortige wijze denken dove mensen in beelden, gebarentaal, het ‘zien’ 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 ‘uit het niets verscheen’. 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 ‘trial and error’, 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.

      1. Waarneming, cultuur en taal

‘En 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.’

– Homeros, Odyssee, Boek V

‘Wijndonkere zee’ is de vertaling van het Oudgriekse ‘oînops póntos’. Een letterlijke vertaling is ‘wijngezichtszee’ (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 ‘oînops’ ook om de vacht van ossen te beschrijven. Kleurde de Egeïsche Zee in Homeros’ 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 ‘blauw’. 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: ‘porphyra’ (donkerpaars), ‘khloros’ en ‘erythros’ (rood).

Het Oudgrieks was niet de enige taal waarin het woord ‘blauw’ ontbrak. In Het Nieuwe Testamentkomt de kleur ‘blauw’ niet één keer voor. Het oude Japans gebruikte hetzelfde woord om ‘blauw’ en ‘groen’ (青 Ao) te beschrijven en zelfs het moderne Japans kleurt bloeiende bomen in als ‘zeer blauw’.

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-witfoto’s zou bladeren? Jason Antic is een onderzoeker naar ‘deep learning’-technieken uit San Diego. Hij ontwikkelde het DeOldify-algoritme, waarin hij met behulp van kunstmatige intelligentie zwart-witbeelden (zowel films als foto’s) kan inkleuren. Het algoritme bekijkt elke pixel in de afbeelding en probeert in te schatten of te ‘voorspellen’ 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]

‘De 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 (…) 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!)… 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.’

[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 ‘groen’ 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 ‘blauw’ en ‘groen’ 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 ‘universum’ eveneens niet bestaat.

Bovendien halen de fotoreceptoren in onze ogen heel wat ‘trucjes’ 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 ‘wit’ signaal te geven, moet het signalen ontvangen van zowel rood als groen, die elkaar dan ‘opheffen’. De test toont aan hoe makkelijk het menselijk gezichtsvermogen kan worden ‘verschoven’ (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 ‘gezien’ 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 ‘blauw’ 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.

      1. Taal bepaalt wat we denken

‘Dat taal een instrument is van de menselijke rede, en niet slechts een medium voor de uitdrukking van gedachten, is een algemeen erkende waarheid.’

– George Boole, Laws of Thought

‘Door 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.’

– 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 ‘tijd’ 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 ‘woorden’ 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 (‘hoi’ = één, een beetje, weinig…) dat in de buurt komt van wat wij een ‘cijfer’ 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 ‘ik heb gedronken’, 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 Chomsky’s 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 ‘tijd’, ‘maand’ of ‘jaar’. 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 ‘tijd’ en ‘beweging in de ruimte’. Ze hebben geen begrippen voor ‘volgende week’ of ‘vorig jaar’, 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]

‘We beschikken over heel wat metaforen voor tijd en het voorbijgaan ervan. Wij zien tijd als een ding. Wij zeggen “Het weekend is bijna voorbij” of “Ik heb geen tijd” 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.’

[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 ‘Notation as a Tool of Thought’ zei hij:

[begin inspringen]

‘Het 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.’

[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 ‘Newspeak’. 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 ‘cultuur’ 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 ‘C’, 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 ‘mentale werkruimte’, 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]

  1. Het verhoogt de snelheid en efficiëntie van de verwerkingsprocessen in de cortex.
  2. 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.
  3. 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.
  4. 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 ‘onbewust’ gebeurt, beschikt de mens eveneens over een werkgeheugen, zoals het RAM-geheugen van een computersysteem:

[inspringen]

‘Het 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.’

– 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 ‘machine learning’ en kunstmatige intelligentie.

Hoofdstuk 3 – 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 ‘kunstmatige intelligentie’. 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 ‘exteroceptieve’ zintuigen, omdat ze ons data verschaffen over de buitenwereld. Ze zorgen ervoor dat we onze ‘umwelt’ 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 ‘interoceptieve’ 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 ‘zintuig’ 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 ‘snel wegrennen’ 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 ‘tastzin’ 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 ‘wandelen’. 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 ‘het 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.’ 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 ‘waar te nemen’. 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 ‘gevoel’ 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 ‘merkt’ 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 ‘moeite’ 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 ‘verspillen’ 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

‘And if they had the words I could tell to you
To help you on the way down the road
I couldn’t quote you no Dickens, Shelley or Keats
’Cause it’s all been said before
Make the best out of the bad, just laugh it off, ha
You didn’t have to come here anyway
So remember, every picture tells a story, don’t it’

– R. Stewart, ‘Every picture tells a story’

Maart 2016. Ik stond naast mijn vader toen hij zijn laatste woorden sprak. ‘Ik ga toch nog niet dood,’ 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 foto’s heb gezien. Bij het opruimen van zijn kamer vond ik een stapel oude foto’s 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]

‘Het 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 kwamen…’

[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]

‘Fotografie is een medium dat beroemd is om het bevriezen van tijd. Het woord “snapshot” 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.’

Fong Qi Wei

[einde inspringen]

Leggen onze hersenen elk levensmoment vast zoals een fototoestel of een filmcamera dat doet? Hoe verbinden mijn herinneringen de foto’s van mijn vader met de bijhorende verhalen? Bevat ons hoofd een soort ‘life log’, 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. ‘Lifelogging’ 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 ‘Total Recall’ 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 ‘still’ 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 (‘samplen’) en de informatie discretiseren zoals bij digitalisering gebeurt?

Het sleutelwoord bij digitaal is ‘discretisatie’ 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 ‘sample’ of een monster van een digitale foto bestaat uit een verzameling van ‘picture elements’ 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 ‘taggen’ 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]

‘Het algoritmische beeld wordt niet langer beheerst door geometrische projectie, maar door algoritmische verwerking.’

[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]

‘Ritmiek is inderdaad alomtegenwoordig, niet alleen in de hersenactiviteit maar ook in de hersenfunctie. Voor de waarneming betekent dit dat, ondanks het “feit” dat we de wereld ervaren als een continuüm, we niet constant “monsters” nemen van de wereld, maar in discrete momentopnames, bepaald door de cycli van hersenritmes.’

[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 foto’s 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]

‘Elke kennis van de geschiedenis van de fotografie toont aan dat manipulatie een integraal onderdeel is van fotografie. (…) 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 “frames” kunnen erop of ernaast worden gereproduceerd. En de context, ten slotte, is bepalend.’

– Martha Rosler

‘Elke dag genereert internet triljoenen beelden en video's (…). Het volume aan foto’s en video’s 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.’

– 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. Foto’s 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 zo’n geval spreekt men van CGI of ‘computer generated images’.

Het gebruik van camera’s in mobiele telefoons, tabletcomputers en laptops heeft ertoe geleid dat het maken van foto’s niet alleen veel goedkoper is geworden, maar dat de stap om een foto te maken is geminimaliseerd. Dankzij sociale media is het delen van foto’s 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 ‘big data’ 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 bewakingscamera’s 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 ‘visual image reconstruction from brain activity’ 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 ‘gesimuleerden’ (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 foto’s 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 ‘blur’ (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 (‘smooth’), maar de 24 ‘verversingen’ 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 (‘afterimage’). 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 zo’n 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 bloed…, kunnen voortdurend wijzigen.

Een elektronisch apparaat zet signalen uit de omgeving (geluid, licht, warmte …) om in elektrische signalen (spanningen, stromen …). Om informatie uit de werkelijkheid ‘waar te nemen’ 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 …), 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 ‘stroom’ 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 ‘naar analogie met de werkelijkheid’. 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, temperatuur…) 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 ‘digit’). Zo krijg je een reeks cijfers/’digits’ 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 ‘rechthoekig’. 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 ‘picture element’ (pixel). Elke meting, of het nu om geluid of beeld gaat, noemen we een ‘sample’. In het Nederlands noemen we dit proces ‘discretisatie’.

Het volledige proces van het digitaliseren van data wordt uitvoerig beschreven in hoofdstuk 4.

Hoofdstuk 4 – Geheugenapparaten en verwerkingseenheden

‘Denk 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.’

– 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 ‘uit het hoofd’ te bewaren en uitwisseling en verspreiding van kennis en vaardigheden mogelijk te maken en te versnellen.

Net zoals bij het concept ‘intelligentie’ is het niet eenvoudig om een pasklare definitie voor het begrip ‘data’ of ‘gegevens’ te geven. Gegevens vormen een (op de een of andere manier) waarneembare registratie van ‘feiten’ of ‘abstracte concepten’ 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 ‘data’. 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 ‘vastpakken’, hooguit voelen.

De opslag van data gebeurt op zo’n 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 ‘ruwe data’, ‘informatie’ en ‘kennis’. 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 ‘woord’ 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 ‘leren’, 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;
  • …

[einde opsomming]

Natuurlijke replicatoren en ‘memes’

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 ‘life computing’. 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 ‘voorouderlijke overlevingstechnieken’ gebeurt in het DNA. De registratie van ziektes ligt vast in de antilichamen van het immuunsysteem, de geschiedenis van ‘vroegere ervaringen’ op haar beurt in het zenuwstelsel en neuronen. Collectieve herinneringen worden niet-genetisch geërfd in de meest uiteenlopende vormen en in door mensen bedachte ‘geheugenapparaten’. 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 ‘gene’ (gen), bedacht hij de term ‘meme’, etymologisch verwijzend naar het Griekse ‘mimeme’ (imitatie) en naar het Franse ‘même’ (hetzelfde). Voorbeelden van ‘memes’ zijn deuntjes, ideeën, slagzinnen, kledingmode, manieren om potten te bakken of bogen te bouwen, enzovoort.

[begin inspringen]

‘Zoals genen zich voortplanten in de genenpoel door via sperma of eicellen van lichaam naar lichaam te springen, zo planten “memes” zich voort in de “memes”-poel door van brein naar brein te springen via een proces dat, in ruime zin, “imitatie” kan worden genoemd.’

– Richard Dawkins, The Selfish Gene,1976

      1. Kalenders

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 ‘vermoeden van rekenkunde’. 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.

      1. 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 ‘geheugenapparaat’. 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 ‘vertalen’ 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 massa’s 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 ‘kopiëren’. 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 pagina’s 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]

‘In 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. (…) 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.’

[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.

      1. 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 ‘bedenkers’ in de achttiende eeuw. Pas in 1860 zou Christopher Latham Sholes (1819-1890) uit Milwaukee, actief als uitgever, politicus en journalist, zijn ‘Type-writer’ 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 ‘shift’-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]

‘Ik 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. (…) Ik bouwde wijzer dan ik wist en de wereld heeft er baat bij.’

[einde inspringen]

Een andere belangrijke uitvinding voor de administratie was de kopieermachine. Niemand minder dan James Watt (1736-1819), de legendarische ‘uitvinder’ 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 zo’n 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 firma’s 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 ‘blueprinting’, 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 filmcamera’s 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 ‘camera obscura’ (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]

‘Het 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 beeld…’

(eigen vertaling)

[einde inspringing]

Theon van Alexandrië (335-405) vermeldt eveneens het principe van de camera obscura:

[inspringing]

‘Kaarslicht 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.’

[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 ‘heliografie’ (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 ‘heliogravure’. In datzelfde jaar zou het hem ook lukken om een eerste echte ‘foto’ 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 foto’s 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 foto’s niet reproduceren.

Dankzij het ‘calotype’, ook ‘talbotype’ genoemd, van William Henry Fox Talbot (1800-1877) werd het mogelijk om foto’s 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 foto’s 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 ‘peepshow’. 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 ‘bioscoop’ 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 huiskamer…

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 ‘luisteren’ 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 ‘stoom’ door een fluitje.

Charles Bourseul (1829-1912) publiceerde in 1854 een artikel in L’Illustration de Parisonder de titel ‘Téléphonie électrique’:

[Inspringen]

‘Als 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.’

[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 ‘telefoon’. 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 nota’s 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 ‘dictafoon’. 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 ‘phonograph’).

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 ‘ether’ 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.

      1. 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. Zo’n 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 ‘Whole Earth’ 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 ‘tags’ om makkelijk kleitabletten met bepaalde informatie te kunnen terugvinden. Op de meest zichtbare bovenhoek van de tabletten werden korte notities aangebracht, zo’n 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 d’universalismeuit 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 (‘réseau’) van ‘computers’ (hij noemde het ‘elektrische telescopen’) 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 ‘vlechtwerk van associatieve sporen’ 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 ‘netwerken’ 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-‘adres’ 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 (‘internet relay chat’), 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 (‘hypertext markup language’) 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 (‘hypertext transfer protocol’) uitgewerkt. Berners-Lee ontwierp ook de eerste webbrowser, een programma waarmee je webpagina’s online kan bekijken. Hij doopte zijn systeem ‘World Wide Web’, kortweg www. Al snel sprongen ook gewone mensen en bedrijven op de trein door hun eigen websites (een verzameling webpagina’s) te publiceren.

Weldra was er op het groeiende web behoefte aan een zoekmechanisme om een weg te vinden in die overvloed van pagina’s 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 webpagina’s 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 ‘robot’, 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 pagina’s 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 pagina’s nog links naar andere pagina’s, 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 ‘packet switching’. Tom Igoe legt het in zijn boek Making Things Talkals volgt uit:

[inspringen]

‘Vergelijk 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 (…) 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. (…) 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.’

[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 ‘figuurlijk’ 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]

‘Hij 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.’

[einde inspringen]

Deze geheugenkunst, die ook in de Middeleeuwen werd beoefend, steunde op twee pijlers: ‘loci’ (plaatsen) en ‘imagines’ (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 ‘geheugenkunst’ de volledige werken van Vergilius achterstevoren kon voordragen. Wat het nut daarvan is, ontgaat me, maar het zou wel getuigen van een knap staaltje ‘geheugentechniek’.

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 foto’s, bewaren computers op elektromagnetische opslagmedia, zoals magneetbanden en harde schijven. Optische media, zoals cd’s en dvd’s, 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 ‘eeuwigheid’ 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 ‘yamatarajabhanasalaga’. 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]

‘Als een drummer bijvoorbeeld “ya” zegt, dan bedoelt hij eigenlijk “ya-ma-ta” en dat staat voor het drietal 011. Zegt hij “bha” dan bedoelt hij “bha-na-sa” 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: “ma-na-ja-la” (…) en dat is de verkorte vorm om te zeggen “111-000-010-0”, ofwel “lang-lang-lang-kort-kort-kort-kort-lang-kort-kort”. 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.’

[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 Ashtādhyāyī.Uiteraard staan de lettergrepen in het mnemotechnische onzinwoord ‘yamātārājabhānasalagā’ 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 ‘De Bruijn-rij’, 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 ‘zoek-en-vervang’-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 ‘kocht’ 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-cd’s te halen en te converteren naar het MP3-formaat. Al snel kwam er software beschikbaar waarmee mensen overal ter wereld hun muziekcollectie konden ‘delen’. Muziek van internet halen werd een fluitje van een cent – 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 ‘lossy’. Dit betekent dat de gegevens die tijdens de compressie worden weggelaten, niet meer kunnen worden teruggehaald, ze zijn verloren (‘lost’). 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 ‘computer vision’ 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

‘Een 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.’

– Leibniz, 1679

De uitspraak ‘Alles is getal’ 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, dvd’s, 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 ‘mazurka’ en ‘wals’.

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 ‘patronen’ 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 ‘locatie-gebaseerd’. De ponsschijven van de muziekdoos werkten op gelijksoortige wijze. Elk ‘gat’ 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 ‘digitaliseren’?

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 ‘a’ op een beeldscherm bestaat uit een reeks kleine ‘lampjes’ (picture elements’ = 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 ‘A’ 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-toetsenborden…) 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]

  1. Jij drukt een toets in op je toetsenbord.
  2. De toets correspondeert met een decimaal getal.
  3. De computer vertaalt het decimale getal naar een binair getal.
  4. 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 ‘k’.

De vergelijking met een kruiswoordraadsel doet een beetje afbreuk aan de inventiviteit van deze vondst. De zender ‘scant’ 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 ‘discretisatie’ 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]

‘De 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 zo’n manier dat ze velden hebben in het midden, rechts en links. Dan verdelen ze de letters op zo’n manier dat “alpha” tot “theta” hun plaats krijgen aan de linkerkant, die van “iota” tot “pi” in het midden, en die van “rho” tot “psi” aan de rechterkant. Als ze bijvoorbeeld de letter “rho” willen zenden, dan steken ze één fakkel in de lucht aan de rechterkant, voor “sigma” twee (…). 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.’

[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 n’est 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 foto’s 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 zo’n 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 ‘optellend’ of additief kleursysteem, ook wel het ‘RGB-kleursysteem’ 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]

  1. Een digitaal systeem legt een ‘raster’ (met x-aantal kolommen en y-aantal rijen) over een afbeelding. Elk vakje in zo’n 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.
  2. Voor elke pixel wordt de waarde voor de drie basiskleuren gemeten.
  3. Voor elke pixel ‘onthoudt’ 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.
  4. 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.

‘Vierkanten waren de meest logische keuze,’ zegt Kirsch. ‘Natuurlijk was het niet de enige mogelijkheid, maar we gebruikten vierkanten. Het was iets heel dwaas waar iedereen in de wereld sindsdien aan lijdt.’

Kirsch probeert zijn ‘fout’ 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 foto’s, documenten uit een tekstverwerker, presentaties, films…, 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 foto’s of filmpjes maakt.

Een voorbeeld: een letter ‘a’ (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 foto’s, bewaren computers op elektromagnetische opslagmedia, zoals magneetbanden en harde schijven. Optische media, zoals cd’s en dvd’s, 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 transistor…

Hoofdstuk 5 – Uit onze handen en uit ons hoofd

‘DNA is als een computerprogramma, maar veel, veel geavanceerder dan alle software ooit gemaakt.’

– 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 zo’n proces een ‘stappenplan’ of ‘algoritme’. 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 auto’s 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 (‘robotic process automation’). Dit betekent niet per se dat je ‘robots’ inzet, maar dat je manueel (denk)werk vervangt door software of andere geautomatiseerde processen. Doemscenario’s 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]

‘(…) 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.’

[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 zo’n manier dat je het toestel kon herprogrammeren door de pinnen te verplaatsen. Het programma werd ‘opgeslagen’ in de assen met wat we ‘binaire instructies’ 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 ‘steen’ 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 ‘An Ancient Greek Computer’. Volgens de vaststellingen van de Solla Price diende het toestel om de bewegingen van sterren en planeten te berekenen en te voorspellen.

Het woord ‘computer’ is afgeleid van ‘to compute’ (= 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 ‘computer’ 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 ‘analoge computer’.

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 ‘eenvoudigere’ 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 ‘surface imaging’) 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 ‘slimmer’ 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 ‘schatten’ 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 ‘pin-and-slot’-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 ‘pin’-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 macro’s 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 ‘pinmechanismen’ 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 ‘clock’ en ‘timepiece’. ‘Clock’ verwijst altijd naar het mechanische geluid dat het uurwerk produceert, terwijl een ‘timepiece’ 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 Banū Mūsā (zonen van Mozes, naar de naam van hun vader), waren in opdracht van de Abassidische kalief al-Ma’mun 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 Kitāb 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 Kitāb 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 ‘vingerzettingen’. 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 ma’rifat al-hiyal al-handasiyya( Boek der kennis van mechanische toestellen).

Net zoals de Banū Mūsā liet hij zich inspireren door klassieke voorbeelden. In het christelijke Praag werd de astronomische klok in de veertiende eeuw uitgerust met een reeks ‘automaten’. 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 ‘elementen’ of ‘organen’ 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 ‘object-georiënteerd programmeren’, 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 ‘mechanische onderdelen’. 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 ‘robots’ te bouwen die zich ‘zelfstandig’ konden bewegen.

In 1550 schreef Giorgio Vasari (1511-1574) in zijn boek over het leven van de belangrijkste Italiaanse kunstenaars:

[begin inspringen]

‘Toen 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.’

[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 pianola’s. 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 ‘computer’ onder de naam ‘turingmachine’. 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 programma’s 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 (‘transfer-resistor’) 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 ‘IC’ (‘integrated circuit’), maar is bij het grote publiek vooral bekend geworden onder de naam ‘chip’.

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 ‘chiptechnologiegeneratie’ 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 ‘doet iets’ 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 één 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 ‘compiler’ 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 ‘communicatie’ 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 ‘interface’.

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 (‘glass teletype’). 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, TI…) 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 (‘pointing devices’), zoals de trackbal, de lichtpen, joysticks en… de muis. Hij vergeleek hun snelheid en nauwkeurigheid. Uit alle ‘kandidaten’, 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 (‘graphic user interface’ – 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, uitklapmenu’s 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 ‘What you see is what you get’-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 computerfirma’s 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 Sony’s 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]

‘Toen 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.’

[einde inspringing]

De smartphone groeide in ‘no time’ uit tot een verlengstuk van de mens. Anders dan een hamer die fysieke arbeid verlicht, verhoogt en verbetert (‘augmentation’) 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 ‘cloud’) 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 ‘user interfaces’ evolueren snel naar meer directe en natuurlijke omgangsvormen: het herkennen van handgebaren, spraakherkenning, gezichtsherkenning… De combinatie van NUI’s (‘natural user interfaces’) met ‘augmented reality’ en het IoT (Internet of Things) ‘verhoogt’ niet enkel de mens, maar herschept eveneens de menselijke habitat tot een ‘verhoogde’ werkelijkheid. Slimme machines raken ondergedompeld in de natuurlijk menselijke omgeving. Een hoge mate van ‘immersie’ 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, ‘smart’ toestellen die met het internet zijn verbonden, verzamelen met behulp van sensoren massa’s 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 Alexa…), smartwatches, ‘beacons’, slimme auto’s, 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, SSD…) 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 (‘data collection’) dienen in dat geval een onderzoeksdoel. Dat doel kan van zeer uiteenlopende aard zijn:

[begin opsomming]

wetenschappelijk;

  • academisch;
  • marketing gerelateerd;
  • predictief;
  • politiek;
  • juridisch;
  • …

[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 ‘kennis’. 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, gyroscoop…) en communicatietechnologieën (4G, Bluetooth, NFC…) 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 ‘computer’, maar in wezen niet helemaal voldoen aan de definitie hierboven. Een microcontroller is zo’n ‘computer’. Men gebruikt een microcontroller of microprocessor om elektronische apparatuur te besturen. Heel wat moderne apparaten bevatten zo’n 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 auto’s, bewakingscamera’s en domoticasystemen zulke embedded systemen aan boord hebben. Wanneer je al die dingen (‘things’) 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 ‘klassieke computer’.

[begin opsomming]

  • De verwerking gebeurt ‘real time’ (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 ‘microcontroller’ en ‘embedded system’ duikt ook wel eens de term ‘system on a chip’ (SoC) op. Een SoC integreert alle componenten van een computer en/of elektronisch systeem op één enkele chip. SoC’s 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 zo’n 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 ‘kans’. 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 (‘silicon’ 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 – Machines die leren en kunstmatige intelligentie

‘AI… 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.’

– Minsky & McCarthy

‘Wanneer 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.’

– Nikola Tesla, When Woman is Boss, 1926

‘De 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 “dat in staat is zijn omgeving te ontvangen, te herkennen en te identificeren zonder enige menselijke training of controle”.’

– 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 ‘mechanische leven’, 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 ‘The man from the future’ 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, ‘central processing unit’) 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 bibliotheek…). 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 ‘achterliggende overeenkomst met menselijke hersenen’. Volgens Wells zou de encyclopedie immers de rol spelen van ‘de cerebrale cortex voor deze essentiële ganglia’. Door nieuwe technologieën, zoals het toenmalige ‘microfilm’, te integreren zou het mensen in staat stellen om de informatie op elk gewenst moment te raadplegen:

[inspringen]

‘Elke 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.’

[einde inspringen]

In 1962 schreef Arthur C. Clarke in zijn boek Profiles of the Futuredat de ontwikkeling van het ‘Wereldbrein’ van Wells in twee fasen zou verlopen. In eerste instantie moest een soort ‘wereldbibliotheek’ 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 ‘Wereldbrein’ tot stand komen: een supercomputer die zich met behulp van kunstmatige intelligentie zou ontwikkelen tot een superintelligent systeem. Het ‘Wereldbrein’ zou de ‘Wereldbibliotheek’ 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]

‘Het 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 “mechanische hersenen” genoemd en soms “sequentie gestuurde rekenmachines” 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.’

[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 ‘reuzenhersenen’ beschouwen. Het boek bulkte van een blind vertrouwen in de mogelijkheden van ‘mechanische breinen’. Berkeley somde een aantal taken op waartoe deze denkende machines in staat waren:

[opsomming]

  1. leren wat je hen vertelt;
  2. instructies toepassen wanneer dat nodig is;
  3. cijfers lezen en onthouden;
  4. optellen, aftrekken, vermenigvuldigen, delen en afronden;
  5. getallen opzoeken in tabellen;
  6. een uitkomst bekijken en een keuze maken;
  7. lange ketens van deze bewerkingen achter elkaar doen;
  8. een antwoord uitschrijven;
  9. controleren of een antwoord goed is;
  10. weten dat een opgave klaar is en naar de volgende gaan;
  11. bepalen van hun eigen instructies;
  12. 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]

‘Door Simon te ontwerpen zullen we ontdekken hoe we de fysieke uitrusting voor het verwerken van informatie op zo’n 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.’

[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: ‘Een systeem kan niet intelligent zijn als het niet over deze eigenschappen beschikt.’

De studie van zelfregulerende systemen die zichzelf corrigeren door feedback, heet ‘cybernetica’. 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 ‘cybernetica’ naar het Griekse ‘kybernētēs’, wat stuurman, gouverneur, piloot of roer betekent. Dankzij sciencefictionfilms en robotica raakte de term ook bekend in de populaire cultuur. Een ‘cyborg’ vormt een (voorlopig denkbeeldige) combinatie van mens en machine. We kennen ook het begrip ‘cyberspace’.

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]

‘ 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. (…) 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.’

[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 ‘inputs’ 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 ‘vuren’. Daarmee begon de lange start naar het proberen begrijpen en modelleren van de complexe processen in de hersenen. De beroemd geworden uitspraak van Hebb, ‘Cells that fire together, wire together’, vormde de basis van het zogenoemde ‘Hebbiaans leren’. Ook drempellogica (‘treshold logic’), waarbij een continue invoer wordt omgezet in ‘discrete’ (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 ‘invoer’ in het oog van een vlieg bepaalde in welke richting het insect zou vliegen. In zijn poging om dat ‘beslissingssysteem’ 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 ‘geleerd’ door achter elkaar de ‘inputs’ 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]

‘De 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 (…) Toch staan we op het punt getuige te zijn van de geboorte van zo’n machine – een machine die in staat is zijn omgeving waar te nemen, te herkennen en te identificeren zonder enige menselijke training of controle.’

– Frank Rosenblatt, 1958

[einde inspringen]

The New York Timesmeldde dat dit ‘brein’ 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 ‘onthouden’ 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 ‘mechanische ruimteverkenners’. ‘In het begin,’ zo stelde Rosenblatt, ‘zal de Perceptron verkeerde beslissingen nemen, maar hij zal wijzer worden naarmate hij meer ervaring opdoet.’ De laboratoriummedewerkers droomden nog verder vooruit:

[inspringen]

‘De 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.’

[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 ‘gewogen’ 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. ‘Deep learning’ 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 ‘eveneens een mens’ 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 ‘chatbot’. ELIZA simuleerde een psychotherapeut, een goed uitgangspunt om in vraag-antwoordstijl te werken. Omdat de kennis van ELIZA erg beperkt was, antwoordde de ‘chatbot’ vaak met open vragen zoals ‘Waarom zeg je dat je hoofdpijn hebt?’. 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, software…) 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 ‘natural language processing’ 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 ‘if-else’-structuren. Je kent het wel: ‘Als (if) je braaf bent, krijg je een koekje, anders (else) een stokje.’ 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 ‘if’- en ‘else’-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 ‘onverwachte invoer’ 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 vertaalprogramma’s 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 ‘leren’. Recent ligt de focus op een combinatie van beide technieken: de ‘harde regeltjes’-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 IBM’s supercomputer Watson de uitdaging aan en won: hij versloeg met glans de ‘all-time-greatest human Jeopardy champions, Ken Jennings en Brad Rutter’. 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 ‘neuraal netwerk’. 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: ‘Dit is de kat’. Je zoontje heeft echter nog nooit een hond gezien. De kans bestaat dat hij bij zijn eerste ontmoeting met een hond zegt: ‘Kijk mama, kat!’ Jij zal dan zeggen: ‘Nee hoor, dat is een hond.’ 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 ‘supervised learning’, 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 (‘machine learning’). We voeren de AI-software eerst met trainingssets (of datasets). Dat kunnen bijvoorbeeld een reeks foto’s van honden zijn. Door een massa foto’s van honden als trainingssets aan de software te voeren, leert het neuraal netwerk geleidelijk aan zelf honden op andere foto’s 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 ‘invalshoeken’ (bovenaanzicht, achteraanzicht…) 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 ‘inputs’ (afwegingen) die elk hun eigen gewicht krijgen. Het netwerk ‘berekent’ een beslissing en stuurt die uit als ‘uitvoer’.

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 ‘supervised learning’ 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 ‘casino’ en ‘penisverlenging’ bevatten, zullen spamberichten zijn. Maar stel dat je vriend je een mail stuurt met de melding ‘Ga je vanavond mee naar het casino?’, 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 ‘We gaan je ziekteverlof verlengen’, dan wil je niet dat de combinatie van ‘verlengen’ en ‘penis’ 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.

Zo’n 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 ‘true negative’ (geen spam), in het andere ‘true positive’ (wel degelijk spam). Andere termen kunnen leiden tot de classificatie ‘false positive’ of ‘false negative’. 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 (‘true positive’, ‘true negative’), maar even zeer fout (‘false positive’ of ‘true negative’). In dit laatste geval moet het algoritme worden bijgestuurd.

Bij ‘supervised learning’ leert het algoritme uit voorbeelden. Bij bekrachtigingsleren (‘reinforcement learning’) 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 ‘leren’. 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 ‘onthouden’.

Bij ongecontroleerd leren (‘unsupervised learning’) krijgt het algoritme geen voorbeelden, maar moet het zelf elementen indelen (categoriseren) op basis van gemeenschappelijke kenmerken. Bij ‘unsupervised learning’ 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 ‘algoritme’ 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 van’ supervised’ en ‘unsupervised learning’ voor. Een kind dat leert lopen, krijgt daarbij wel hulp van volwassenen (die houden toezicht of geven een ‘helpend handje’), maar welke spieren de peuter moet gebruiken, dat leert de peuter letterlijk ‘zelf’ zonder toezicht.

Vaak proberen programmeurs een stukje van de menselijke hersenen na te bouwen. Ze bouwen met codes een hersencel (neuron) na, een zogenoemd ‘artificieel neuraal netwerk’. 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 ‘supervised learning’ 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 zo’n 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 ‘beperkt’ (‘narrow AI’).

Toch is AI aan een niet te stuiten opmars bezig. Amazon, Netflix en Spotify geven hun gebruikers aanbevelingen (‘recommendations’) op basis van het gedrag van andere bezoekers en op basis van overeenkomsten tussen bepaalde producten. Zelfrijdende auto’s voorspellen het rijgedrag van de auto’s 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 (‘haar’ of ‘bal’ 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 ‘hond’ en de bijhorende geluiden. Denk maar aan de moeders en de vaders die vragen: ‘En, hoe doet de hond? Nee, niet “miauw”.’ 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 ‘wereldontologie’ 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 (‘sentence breaking’) 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 (‘word segmentation’), 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, uitroepend…) wordt bepaald door de ‘discourse analysis’.

De machine kijkt vervolgens naar de individuele woorden en probeert die te herleiden tot hun basis of stam in een proces dat ‘stemming’ en ‘morphological segmentation’ heet. In een taal als het Engels is dit een relatief eenvoudig proces: ‘open’ is de ‘stam’ 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 ‘wortel’ 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 ‘stemming’ sinds 2003. Voor die tijd zou de zoekterm ‘vis’ niet ook ‘vissen’ of ‘gevist’ hebben opgeleverd.

Dit kan leiden tot foute resultaten. De machine kan te veel resultaten leveren (‘overstemming’), zoals wanneer je ‘universiteit’ zoekt en ook ‘universum’ krijgt. In dit geval behandelt de machine beide woorden door hun gemeenschappelijke stam als synoniemen. In andere gevallen krijg je te weinig zoekresultaten (‘understemming’).

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 ‘named entity recognition’ 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 (‘part-of-speech tagging’).

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 (‘word sense disambiguation’).

Via ‘natural language understanding’ probeert een NLP-systeem logica te vinden in korte fragmenten tekst. Welke adjectieven horen bij zelfstandige naamwoorden (‘conference resolution’)? Wat zijn de onderlinge relaties tussen objecten in een zin (‘relationship extraction’)? Op die manier probeert een NLP-systeem de zin te ‘analyseren’, 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 (‘sentiment analysis’).

In veel tekstverwerkingsprogramma’s 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 (‘natural language processing’) nam grote stappen voorwaarts. Spelling- en grammaticaregels worden niet langer per taal gecodeerd (‘rule based’). 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 ‘natuurlijke taal’ produceert. WordSmith, van de softwareproducent Automated Insights, produceerde in 2013 wereldwijd driehonderd miljoen nieuwsverslagen voor diverse klanten, meer dan alle ‘menselijke’ journalisten samen en vooral veel goedkoper.

Wikipedia zette in 2002 voor het eerst een robotjournalist in. Die ‘Rambot’ 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 ‘objectieve’ 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 ‘taalbegrip’? 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 (‘speech recognition’) 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 (‘speech segmentation’) is vreselijk moeilijk te programmeren.

‘Natural language generation’, 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 ‘toon voor toon’ genereren van spraak (‘speech synthesis’).

In ‘machine translation’ komen alle toeters en bellen van NLP-systemen en ‘natural language generation’ 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 ‘tijd’ 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 ‘denken’ 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 ‘machine learning’. De software leert dus voortdurend zelf bij en wordt alsmaar beter.

ANN’s en ‘deep learning’

Artificial Neural Networks of ANN’s zijn statistische modellen, geïnspireerd en ‘gemodelleerd’ naar biologische neurale netwerken. Menselijke hersenen bevatten naar schatting ongeveer honderd miljard neuronen. Die neuronen vormen netwerken die informatie uitwisselen en daaruit ook kunnen ‘leren’. Hoe het precies allemaal werkt, is nog niet helemaal duidelijk, maar dingen ‘leren’ zou gebeuren door het versterken van verbindingen tussen neuronen. Beslissingen (van ‘iemand een mep in het gezicht geven’ tot ‘een keuze maken tussen friet en shoarma’) worden genomen op basis van de inputs die neuronen krijgen. De uitvoer van het ‘netwerk’ vormt de definitieve beslissing.

ANN’s 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. ANN’s gebruiken diverse algoritmes en kunnen ook meerdere vormen (‘architectures’) 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 – Organizing Kohonen Rule, Hopfield Network Law, LMS algorithm (Least Mean Square), Competitive Learning…

Neurale netwerken kunnen meerdere lagen bevatten. We spreken dan van een ‘multilayer perceptron’. Elke laag in zo’n netwerk probeert bijvoorbeeld patronen te herkennen in een afbeelding. Als een patroon is gevonden, activeert het algoritme de volgende ‘verborgen’ laag. De eerste laag herkent bijvoorbeeld randen in de afbeelding. De volgende laag combineert de gevonden randen, enzovoort. Hoe meer lagen zo’n 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 foto’s) 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 ‘multilayer perceptrons’ worden gecombineerd, spreekt men van ‘deep learning’. ‘Deep learning’ splitst een probleem op in meerdere lagen. De eerste laag herkent bijvoorbeeld bepaalde vormen (cirkels, driehoeken…). De tweede laag identificeert dan bijvoorbeeld de ‘ogen’ (twee ronde of ovale vormen naast elkaar). De derde laag herkent dan het gezicht…. 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 ‘sentiment analysis’ (links de dataset, rechts een voorspelling).

Decision Tree (beslissingsboom) kent een stamboomachtige structuur. Bij elke ‘tak’ test je een bepaalde voorwaarde of attribuut dat de uitvoer naar de volgende tak bepaalt. Opgelet: het kan leiden tot ‘overfit’ 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 ‘overfitting’ 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 ‘vector’, omdat elk datapunt een x- en y-positie krijgt in een grafiek (of vectorruimte). SVM’s werken goed bij kleine datasets waar weinig ruis in staat en zo goed als geen overlappende categorieën. SVM’s 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 ‘groen’, dan is de kans groot dat jij dat ook doet. Bij K = 5 kijk je naar de vijf dichtstbij gelegen ‘buren’ (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 ‘unsupervised’ leermethode. Het verdeelt data in een door de gebruiker bepaalt aantal klassen (k = 1, k = 4…). 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 ‘langetermijngeheugen’ werd uitvoerig beschreven in het document ‘Attention Is All You Need’ (Vaswani et all, 2017). De auteurs introduceerden hiermee een nieuw neuraal netwerk, het transformermodel. Een ‘encoder’ ontvangt alle voorgaande tekst als ‘invoer’, een ‘decoder’ genereert stap voor stap een uitvoer (het volgende woord), terwijl hij gevoed wordt met de vorige ‘uitvoer’. Het aandachtsmechanisme en het langetermijngeheugen zorgen ervoor dat ‘transformatoren’ 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.

‘Deep learning’ 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 ‘zien’ als mensen of dieren. Met onze ogen kunnen we niet alleen zien (‘vision’), maar we herkennen ook objecten (‘recognition’). Willen we een computer informatie in beelden leren herkennen, dan spreken we van ‘computer vision’ en ‘image recognition’.

In winkels ‘herkennen’ 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 (‘optical character recognition’) 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 ‘nieuw’. 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 ‘deep learning’-onderzoek. De gegevens zijn gratis beschikbaar voor onderzoekers voor niet-commercieel gebruik. Via een selectie van gegevens uit zo’n databank leert ‘image recognition’-software stapsgewijs dat zowel een pekinees als een pitbull honden zijn. Bovendien moet de software leren dat zowel Disney’s Pluto, als Lassie een hond is.

Alleen als een robot snel en accuraat objecten kan herkennen, kan hij (zij?) net zoals echte mensen ‘rondlopen’. Zelfrijdende auto’s bijvoorbeeld gebruiken AI-gebaseerde computer ‘vision’ en ‘image recognition’ 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 (‘object segmentation’), 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 ‘umwelt’, ook zal leiden tot een vorm van ‘kunstmatig bewustzijn’ is een ander verhaal.

GAN’s 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 ‘deep learning’ 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 collega’s van de universiteit van Montreal werkte hij het model verder uit en publiceerde er een artikel over onder de naam ‘Generative Adversarial Nets’. Het leverde Goodfellow een baan op bij Google Research en een functie bij OpenAI. GAN’s leidden tot heel veel innovaties op het vlak van machinaal leren.

Beeldclassificatie is vaak nog tijdrovend en duur. Stel dat je een ‘deep neural network’ wil leren om katten te herkennen, dan moet je het eerst voeden met een massa foto’s 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 ‘fictieve kat’ 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 ‘pixelgegevens’. De generator gaat net zo lang door tot hij de discriminator kan wijsmaken dat het om een authentiek schilderij van Van Gogh gaat.

GAN’s 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 ‘deep fake video’. 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 GAN’s te kunnen inschatten en nieuwe toepassingen te bedenken. Een robot of zelfrijdende auto kan met behulp van GAN’s 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 GAN’s ook is, ze hebben wel wat beperkingen. Ze hebben nog steeds een overvloed aan trainingsgegevens nodig. Als je bijvoorbeeld een ‘deep fake video’ 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. GAN’s 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 ‘conversational understanding’. ‘Hoe meer je met Tay chat,’ zei Microsoft, ‘hoe slimmer hij wordt, mensen leren betrekken door middel van een informeel en speels gesprek.’ 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 ‘black box’. 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. ‘Kredietwaardigheid’ 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, ‘bias’ 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 ‘AI-bias’ 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

‘De 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. (…) Het belichaamt niet alleen onze angst voor wetenschap en techniek, maar ook die voor wat wij zullen worden.’

– Thomas Lombardo, Center for Future Consciousness

‘Er 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 zo’n 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?’

– 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 Čapek gebruikte het woord ‘robot’ voor het eerst in 1920 in zijn toneelstuk R.U.R.( Rosumovi Univerzální Robotiof Rossums Universele Robots). Het woord, dat overigens niet door hemzelf, maar door zijn broer Josef is bedacht, is afgeleid van het Tsjechische ‘robota’, dat ‘verplichte arbeid’ 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 ‘Runaround’ 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 ‘nulde wet’ 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]

‘Het zou kunnen dat de grote neurale netwerken van vandaag een beetje bewust zijn.’

– 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]

‘Het is teleurstellend om te zien dat zoveel prominente mensen dit idee belachelijk maken (…) 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. (…) Ik denk eigenlijk niet dat we een duidelijke lijn kunnen trekken tussen modellen die “niet bewust” zijn versus “misschien enigszins bewust”. (…) Ik weet ook niet zeker of een van deze modellen bewust is.’

[Einde inspringen]

Klopt dit? Kan het zijn dat AI een bewustzijn ontwikkelt hoewel een definitie van zowel ‘intelligentie’ als ‘bewustzijn’ 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 ‘kunstmatige’ versie van intelligentie en bewustzijn. Paul Nunez noemt het begrip ‘artificiële intelligentie’ een ‘provocerend en overdreven etiket’:

[inspringen]

‘(…) 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 “kunstmatige intelligentie”, zolang “intelligentie” maar niet wordt gelijkgesteld met “bewustzijn”. 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.’

– 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 ‘publieke bewustzijn’. Een machine kan je echter niet zomaar ‘bewust’ 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 ‘machine consciousness’:

[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. IBM’s 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 ‘globale werkruimte’ 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 ‘ervaren’ 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 ‘onintelligent’ als ze niet kan lezen?

Algemene kunstmatige intelligentie

‘We 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.’

– 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 ‘cloud’. Daar wordt dat ‘patroon’ 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 ‘menselijke intelligentie’ evenaren of zelfs voorbijstreven?

Herbert Roitblat tempert de verwachtingen in zijn boek Algorithms Are Not Enough.Natuurlijke intelligentie, zo stelt hij, stelt baby’s 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 ‘kunstmatige intelligentie’ 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]

‘Einstein 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.’

[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;
  • …

[einde opsomming]

Demis Hassabis, voormalig schaakgrootmeester en videospelletjesontwerper, behaalde diploma’s 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 ‘gewoon maar software’. ‘Het zijn dingen die werken,’ zo stelt hij. Hij wil veel verder gaan. Hassabis haalt zijn inspiratie uit het menselijk brein en probeert de eerste ‘general-purpose learning machine’ 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 ‘weefsel van de geschiedenis’. 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 ‘general-purpose’-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 DNN’s (‘deep neural networks’). In DeepQ combineerden ze DNN’s 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 ‘eiwitvouwprobleem’. 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 ‘opvouwen’. AlphaFold loste dit oude probleem in een ‘oogwenk’ op door de 3D-vouwvorm van eiwitten te ‘voorspellen’.

      1. 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]

‘Als data de nieuwe olie is, dan is China het nieuwe Saoedi-Arabië.’

– 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 ‘mentale’ arbeid en ‘cognitief werk’ 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]

‘Kunstmatige intelligentie is de toekomst, niet alleen voor Rusland, maar voor de hele mensheid. (…) 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.’

– 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 ‘cloud computing’ en AI.

Hij heeft het onder meer over ‘cloud robotics’. Robots, waaronder drones, zullen hun ‘geleerde ervaringen’ uploaden naar de ‘cloud’ 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 ‘cloud’ 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 auto’s. Ga zo maar door…

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 ‘9 to 5 job’, 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]

‘Slimme 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.’

[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 zo’n 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]

‘Deze 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.’

[Einde inspringen]

De nieuwe Leviathan of redder van de wereld

‘Wij 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.’

– 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]

‘De natuur (de manier waarop God de wereld heeft gemaakt en regeert) wordt geïmiteerd door de mens (…) 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?’

– 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 ‘goed’ je bent als burger. Leviathanof Metropolis… wanneer is de grens overschreden? Wat waren de ‘spoetnikmomenten’ 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 ‘spoetnikmoment’ 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, ‘chief software officer’ van het Pentagon, nam in 2021 ontslag, omdat hij het niet kon aanzien dat China de VS voorbijstreefde op het gebied van AI en ‘machine learning’. 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 ‘taalbegrip’ zal zoekmachines grondig transformeren, net zoals ‘deep fake’-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 ‘metaverse’. 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]

  1. een verbod om het vliegtuig of de trein te nemen;
  2. beperkte internetsnelheid;
  3. het ontzeggen van toegang tot de beste scholen voor hun kinderen;
  4. het ontzeggen van bepaalde banen;
  5. het ontzeggen van toegang tot bepaalde (betere) hotels;
  6. het afnemen van je hond;
  7. een publiekelijke bestempeling als een ‘slecht burger’.

[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 ‘deep tech’, waartoe AI, ‘quantum computing’ en blockchain behoren.

Of het nu gaat om hoogtechnologische bedrijven, zoals het Amerikaanse Meta (Facebook, Instagram, WhatsApp…), Microsoft, Apple of Google of om de Chinese overheid…, 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 ‘game changer’ die het leven op aarde grondig zal veranderen.

[inspringen]

‘De 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 risico’s te minimaliseren. We moeten, om het met zijn woorden te zeggen, ‘de wijsheidsrace winnen’. In de analoge wereld leren we uit ‘trial-and-error’, 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 collega’s 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 alignment’ 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.

      1. 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 zo’n digitale onderdompeling inderdaad mogelijk is of niet reeds het geval is. Immersieve technieken zijn in de digitale wereld alomtegenwoordig. Computersimulaties, 3D-games, ‘virtual reality’, ‘augmented reality’, online games (MMORPG’s)… 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 ‘singulariteit’ 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 ‘regels’ en ‘beperkingen’ in te stellen. Een van de eerste resultaten van die oproep is de ‘internationale’ bereidheid om een halt toe te roepen aan de ontwikkeling van autonome robots die op het ‘slagveld’ 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 z’n 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 Banū Mūsā, 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

Veel informatie

Een massa informatie

De wereld van vandaag is grondig anders dan vroeger. Daar twijfel je helemaal niet aan.  Voor mijn boek over Augmented Reality (Academic Service, 2011, Amsterdam) schreef ik de volgende inleiding:

"1927. Mijn moeder ziet het levenslicht in een lemen boerderij met aarden vloer. Waterleiding is er niet. Water halen ze aan de dorpspomp. Het laatste nieuws vernemen ze ’s avonds aan, de rand van de straat wanneer ze samenkomen met de buren. De meester van de jongensschool, de zusters van de vrije school zijn de bronnen die de waarheid in pacht hebben. De pastoor preekt elke zondag welke kranten en boeken je wel of niet mag lezen.

1992. Ik maak mijn eindwerk. Voor informatie moet ik op zoek in de bibliotheek of ga ik te rade bij iemand die het weten kan. Teksten schrijf ik met de hand uit. Een buurman heeft een typemachine en zal alles uittikken. Een paar jaar later koop ik een computer, op dat moment al een oud ding, met Windows 3.1 en WordPerfect. Mijn moeder snapt die combinatie niet. Het lijkt op een tv met typemachine of net omgekeerd. Maar ze is wel verwonderd.

2011. Ik loop door een onbekende stad en richt mijn mobiele telefoon op een bepaald gebouw. Het toestel tovert informatie over de architect en de geschiedenis van het gebouw op het scherm zonder dat ik ook maar één zoekterm hebt ingegeven. Bovendien vertelt de smartphone ook nog eens dat op nauwelijks honderd meter naar het westen een interessante boekhandel te vinden is waar ik toeristische gidsen over de omgeving kan kopen. Wegwijzers en kaarten worden boven op het beeld van de omgeving geplakt op het touchscreen van mijn smartphone. In die winkel scan ik met het toestel QR-codes op de achterflap van het boek om een e-bookversie te kopen. Een Friend Finder-app toont me op een Google Maps-kaart dat mijn vrouw ondertussen een museum bezoekt. Handig om elkaar snel weer terug te vinden. Verdwalen hoort er niet meer bij. Zij krijgt op haar smartphone automatisch informatie over de aanwezige kunstwerken of 3D-modellen van verdwenen gebouwen. Welkom in de wereld van augmented reality."

Ondertussen zitten we al bijna tien jaar verder. Augmented Reality raakt stilaan ingeburgerd, ook al heb je de naam of het begrip nog niet vaak gehoord. AI en Big Data zijn al even ronkende namen. Augmented Reality, Artificial Intelligence en Big Data gaan hand in hand. 

Overal en voortdurend laat iedereen van ons 'sporen' achter. We maken foto's, posten op sociale media, sturen mails... en vooral, we laten sporen achter zonder het zelf te beseffen. We maken ons zorgen over cookies (deze site die ik heb gebouwd, vraagt er ook om), maar ondertussen laat onze smartphone overal sporen achter. Hij vertelt 'derde partijen' waar we ons bevinden. Onze foto's vermelden de precieze locatie waar ze zijn genomen. Stappentellers registreren niet enkel onze bewegingen, maar bewaren die data eveneens online voor latere analyse. 

90% van alle data die de mensheid heeft gegenereerd in haar geschiedenis, dateert van de laatste jaren. Snellere computersystemen, AI-algoritmes, compactere opslagmedia... maken een analyse van al deze gegevens mogelijk. Mensen komen daar steeds minder aan te pas. In Europa gelden strikte privacyregels (de GDPR-wetgeving) maar in landen als China gebruikt de overheid technologie voor een sociaal controlesysteem. Gaan we in Europa of in ons land ook die richting uit?

...

...  

Leven van hun pen

Leven van hun pen


Wanhopige brieven

Bij Charlottes terugkeer in Haworth verwachtte iedereen dat ze een school zou oprichten. Haar hoofd stond er echter niet naar. Uiteindelijk liet ze kaartjes drukken waarop ‘The Misses Brontë’s Establishment’ werd geadverteerd. De kaartjes werden her en der uitgedeeld, ook door kennissen en vrienden van hen, maar er meldden zich geen leerlingen.

Charlotte voelde zich depressief. Monsieur Heger had beloofd met haar te corresponderen maar zij stuurde hem veel meer brieven dan hij haar, en uiteindelijk schreef hij haar helemaal niet meer. In de brieven liet ze haar gevoelens voor hem de vrije loop. De trotse Charlotte bedelde om een beetje aandacht. Ze schreef:


“Monsieur, the poor do not need much to live – they only ask for the crumbs of bread which fall from the rich man’s table – but if one refuses them these crumbs of bread – they die of hunger – Nor do I need much affection from those I love – I would not know what to do with an absolute and complete friendship – I am not used to such a thing – but you once showed me a little interest when I was your pupil in Brussels – and I cling on to preserving that little interest – I cling on to it as I cling on to life…”

Er zijn slechts vier brieven van Charlotte Brontë aan Constantin Heger bewaard. Drie ervan zijn gescheurd, waarna de stukken met strookjes papier (1x) of met naald en draad (2x) weer aan elkaar zijn gezet. Men vermoedt dat Heger de brieven heeft verscheurd en in een papiermand gegooid, en dat Madame Heger ze eruit heeft gevist en ‘gerestaureerd’ om – indien nodig – de onschuld van haar man te bewijzen. Je kunt in die brieven uiteraard ook het bewijs lezen dat er ‘iets’ was tussen hen, dat zijn gedrag op de een of andere manier haar gevoelens moet of kan hebben opgewekt of aangewakkerd. Er lijkt een consensus te bestaan om Monsieur Heger vrij te pleiten. Ik ben geneigd om te denken dat hij zich aan een zekere mate van dubbelzinnigheid zal hebben bezondigd. Charlotte zal er hoe dan ook vatbaar voor zijn geweest. Ze was niet gewend aan galanterie én ze verging van eenzaamheid.

Beeld van ‘heilige’ Charlotte aan diggelen

Na de dood van hun ouders hadden de kinderen Heger een serieus probleem: wat moesten ze aanvangen met die brieven? Charlotte Brontë was intussen beroemd, brieven van haar kon je niet zomaar weggooien, laat staan verbranden. Uiteindelijk schonken ze de brieven in 1913 aan het British Museum, waar ze – onder strenge voorwaarden – kunnen worden geraadpleegd. Op 29 juli 1913 werden ze in The Timesgepubliceerd. Het beeld dat zich intussen had gevormd van ‘brave, deugdzame, heilige’ Charlotte viel aan diggelen.

Er is gesuggereerd dat Charlotte in die brieven eigenlijk al bezig was Constantin Heger om te timmeren tot een personage. Dat lijkt me een interessante denkpiste. In Jane Eyreduikt Heger op in de figuur van Rochester en in Villetteals Paul Emanuel. Beide personages zijn overduidelijk door Heger geïnspireerd, maar het gaat ook om transformaties. Het zijn geen letterlijke, waarheidsgetrouwe portretten. Heger prikkelde haar verbeelding en in die verbeelding nam hij andere contouren en eigenschappen aan. Tegelijkertijd bleef hij herkenbaar als ‘the Master’, ‘le Maître’. Charlotte gebruikte de romans om haar geheime en verboden verlangens in vervulling te laten gaan. De romance die ze zelf niet had gekend, beleefde ze op papier. Papier is – zoals geweten – erg geduldig.

Gepubliceerd

Maar laat ik terugkeren naar 1844. Charlotte was dus terug uit Brussel en depressief. Desondanks broedde ze op een plan om van haar pen te leven, niet alleen zij zou dat kunnen doen, maar ook haar zussen. Ze wist hen te overhalen om hun gedichten uit te geven. Het werd één bundel met werk van hen alle drie. Ze kozen mannelijke pseudoniemen met behoud van hun initialen, en een eenvoudige titel: Poemsby Currer, Ellis and Acton Bell (1846). De publicatie vergde een investering van £31, waarvoor de erfenis van hun tante werd aangesproken. Helaas bracht de publicatie niets op; er werd slechts één exemplaar verkocht. De bundel werd wel opgemerkt en kreeg lovende kritieken.

Charlotte besloot dat ze een betere kans zouden maken met proza. Anne stuurde het manuscript op van Agnes Grey, Emily dat van Wuthering Heights (Woeste hoogten)en Charlotte dat van The Professor. The Professorspeelt zich af in België en heeft een mannelijk hoofdpersonage, een Engelsman die naar Brussel reist om er les te geven. Hij zal verliefd worden op een van zijn leerlingen en er is uiteraard een happy end. Anders dan in Villettegebruikt Charlotte hier de echte plaatsnamen: België, Brussel, Oostende.

De romans van Emily en Anne werden door een uitgever aanvaard. Een andere uitgever, George Smith, schreef Charlotte een brief waarin hij interesse betoonde voor haar werk. Hij wil The Professorniet publiceren, maar ze mag hem altijd haar volgende manuscript voorleggen. Dat hoefde hij Charlotte geen twee keer te zeggen. Ze was intussen al een klein jaar aan het schrijven aan Jane Eyre, de roman die haar beroemd zou maken. Ze legde de laatste hand aan het manuscript en stuurde het op. Dit keer was de uitgever enthousiast, meer dan enthousiast zelfs. Hij bood haar honderd pond voor het copyright.

Roem en rouw

Jane Eyrewerd een gigantisch succes, zo gigantisch dat de man die de rechten had gekocht van Wuthering Heightsen Agnes Grey, zich haastte om ook deze romans uit te geven. Zoals nogal wat mensen was hij ervan overtuigd dat achter de namen Currer, Acton en Ellis Bell één en dezelfde persoon schuilging. En zo verschenen de debuutromans van de drie zusjes eind 1847.

Het gerucht dat de drie romans door dezelfde auteur geschreven waren, bleek zo hardnekkig dat Anne en Charlotte naar Londen trokken om te bewijzen dat het wel degelijk drie verschillende schrijvers betrof, én dat ze vrouwen waren. Emily wilde niet meekomen, die bleef liever in Haworth.

Het literaire succes maakte hen niet rijk, maar bracht wel wat geld in het laatje. Anne schreef en publiceerde een tweede roman, The Tenant of Wildfell Hall. Ook Emily zou aan een tweede boek hebben gewerkt, maar dat is niet bewaard. Helaas werd het succes overschaduwd door rampspoed: kort na elkaar stierven Branwell, Emily en Anne. Ik denk dat we ons niet kunnen voorstellen hoe verpletterend dat verlies moet zijn geweest voor Charlotte en haar vader.

Na de dood van haar zussen kreeg Charlotte de taak hun literaire nalatenschap te beheren. Er wordt beweerd dat ze het manuscript van Emily’s tweede, onaffe roman zou hebben vernietigd om de reputatie van haar zus te beschermen. De heftigheid in het werk van de Brontës deed inderdaad de wenkbrauwen fronsen. De stijl en de thema’s werden vaak als ‘coarse’ bestempeld: niet verfijnd, en vooral onvrouwelijk. Waar haalden die jonge, ongetrouwde vrouwen al die passie vandaan die ze hun personages toedichtten?

Charlotte schrok van die reacties en hamerde op het onderscheid tussen de vrouw, de schrijfster en de personages. Daarom ook bleef ze haar pseudoniem gebruiken, want dat gaf haar vrijheid als schrijfster. De heersende verwachtingen wat betreft vrouwelijkheid en gepast – of vooral deftig – vrouwelijk gedrag zaten haar als schrijver – of schrijfster – in de weg. Ze wenste er geen rekening mee te houden, maar ze wilde ook niet dat er enige verwarring bestond tussen haar personages en zijzelf.

Onmogelijke romances

De biografie die Elizabeth Gaskell twee jaar na Charlottes dood publiceerde, zette dat onberispelijke imago verder in de verf. Nochtans was Gaskell in Brussel geweest, en de kans is groot dat Madame Heger haar toen Charlottes brieven aan haar man heeft laten lezen. Gaskell besloot er het zwijgen toe te doen, iets wat Charlotte vast zou hebben gewaardeerd. Maar kijk, de populariteit van haar werk zwengelde de nieuwsgierigheid van lezers en onderzoekers aan. Privacy is haar niet meer gegund.

Ook over Branwell is intussen veel uit de doeken gedaan, maar dat is weer een ander verhaal. Dit saillant detail wil ik u echter niet onthouden. Branwell begon een affaire met de moeder van de kinderen voor wie hij als huisleraar was ingehuurd. Ze werden betrapt en Branwell werd ontslagen. Hij moet zwaar verliefd zijn geweest, en bazuinde uit hoe diep hij wel in de put zat. Na de dood van de man van zijn minnares was hij ervan overtuigd dat ze met hem zou hertrouwen, maar ze koos voor een Lord en werd een Lady. Branwell was er kapot van en zocht vergetelheid in drank en opium. Ook zijn gedrag werd een bron van inspiratie voor zijn zussen. In The Tenant of Wildfell Hallhield Anne een fel pleidooi tegen alcoholmisbruik.

Branwell liep te koop met zijn liefdesverdriet, Charlotte moest het hare voor zich houden. Dat stemde haar bitter. Branwell genoot ook veel grotere seksuele vrijheid dan zijn zussen. Zolang ze ongehuwd waren, hadden de meisjes geen enkele seksuele vrijheid. Van Branwell weten we dat hij een kind heeft verwekt bij een meid (niet in Haworth, wel bij het eerste gezin waar hij als huisleraar in dienst was, de reden trouwens voor zijn ontslag). Er werd een jongetje geboren dat maar heel kort heeft geleefd. Desondanks melden er zich met enige regelmaat afstammelingen…

Belgen mogen hoe dan ook best wel trots zijn op ‘ons’ cruciale aandeel in leven en werk van Charlotte Brontë. Ze heeft er de man ontmoet die haar ambitie voedde en aanmoedigde, en haar talent verder ontwikkelde. En vooral wekte hij in haar een passie op die wel een creatieve uitweg moest vinden. De onmogelijke romance dook in allerlei vormen en verschijningen op in haar werk. Het werd het verhaal dat moest worden verteld, telkens opnieuw. Fictie gunde haar personages meer dan zij van het leven kreeg. En uiteindelijk bracht het haar de erkenning waar ze zo naar snakte.

België als decor

Twee van Charlottes romans spelen zich af in België. In Villettedoopt ze Brussel om tot Villette, petite ville, kleine stad, de hoofdstad van Labassecour, het boerenerf, haar naam voor België. Dat ze zich weinig flatterend heeft uitgelaten over België en de Belgen moeten we dan maar voor lief nemen. Uiteindelijk zeggen die soms haast denigrerende uitspraken minstens evenveel over Charlotte Brontë als over onze ‘voorvaderen’. De vooroordelen die uit de volgende zin spreken zijn zo extreem dat ze grappig worden: ‘”Do you like Villette?” I asked. – “Pretty well. The natives, you know, are intensely stupid and vulgar; but there are some nice English families.”’ Charlotte laat een personage dat zeggen, en je mag de auteur en haar personages uiteraard niet laten samenvallen, maar er zijn weinig andere geluiden over België te horen in haar werk of in haar brieven, tenzij wanneer ze het over het eten heeft, en het comfort op de school.

Laat ik afronden met een kleine Belgische anekdote. In haar roman Shirleyintroduceert Charlotte Brontë de Belgische Hortense. Zij vindt dat de Engelse Caroline moet leren kousen stoppen, maar dan zo dat je niet kunt zien dat de kous is gestopt. De techniek heet ‘mazen’, een term die ik mijn moeder vaak heb horen gebruiken. Zij was daar bijzonder bedreven in. Caroline krijgt van Hortense twee kousen zonder hielen met de opdracht de hielen te herstellen. Avond na avond zit Caroline daar met die kapotte kousen in haar schoot, maar de gaten worden geen millimeter kleiner. Ze weet niet hoe eraan te beginnen. Gelukkig heeft Hortense een broer die af en toe tegen Caroline zegt: leg die kousen weg, ik wil het met jou over Shakespeare hebben. Wat een opluchting voor Caroline! ‘Mazen’ wordt in de roman voorgesteld als een Belgische specialisme. Belgische vrouwen konden het erg goed, althans volgens Hortense, én leerden het op jonge leeftijd. Hortense blonk er al op haar zesde in uit en werd ervoor overladen met lof. De tijden zijn ook in België onherkenbaar veranderd, maar wie weet wordt de nobele kunst van het mazen ooit in ere hersteld.

Wie meer wil weten over de Brontës in Brussel kan de zoektocht aanvatten op de website van The Brussels Brontë Society. Onder ‘Books and Articles’ vind je de referenties van de interessante boeken die de Britse expat Helen McEwan aan het onderwerp heeft gewijd. In 2006 richtte McEwan de Brusselse afdeling van de Brontë Society op. Mede dankzij haar enthousiasme en inzet ontdekken meer en meer Belgen dit fascinerende hoofdstukje uit onze vaderlandse geschiedenis.

Soorten databanken

Databanken in maten en gewichten

Databanksoftware voor huis-, tuin- en keukengebruik zoals bijvoorbeeld MS Access of Filemaker Pro, bieden een gebruiksvriendelijke interface voor CRUD-commando's. MS Access-databanken kunnen echter ook gebruikt worden voor databankopslag achter bedrijfssoftware die bijvoorbeeld geprogrammeerd is in Visual Basic of Visual C++.  

Grote toepassingen die heel veel data moeten kunnen verwerken, vereisen natuurlijk navenante databanksystemen. Op websites is de databank MySQL de grote nummer één. Het databanksysteem is open source en gratis te gebruiken.  Zeer grote toepassingen zoals ERP-software kunnen gebruik maken van MySQL of een ORACLE DATABASE. 

Databanken kunnen eveneens geautomatiseerd informatie verzamelen. In een aantal gevallen roept dit ernstige vragen op over schendingen van de privacy. De USA, Groot-Brittannië, Canada, Australië en Nieuw-Zeeland luisteren wereldwijd communicatiekanalen af via het spionagenetwerk ECHELON. Het marketingbedrijf Doubleclick probeert te achterhalen welke e-mailadressen achter IP-adressen verborgen zitten. Voor bedrijven zijn zulke data veel geld waard.  

Databanken zonder relaties 

RDBMS-databanken zijn niet het enige soort databank. Er bestaan nog heel wat andere manieren om data te bewaren. Zo zijn er NoSQL-databank, grafische databanken enz.

Niet alle databanken hebben baat bij een relationele structuur. Immers, de vaste tabellen- en kolommenstructuur maakt het moeilijk om een databank te “schalen”. 

  Een voorbeeld: stel dat je een databank maakt met een overzicht van alle ingrediënten in alle mogelijke voedingswaren. Hoe begin je daaraan met een klassieke relationele databank? Of je wil een analyse van clickstreams op een website. Niet elke webpagina telt even veel links waarop de gebruiker kan klikken en niet elke gebruiker gedraagt zich op identiek dezelfde manier.  Soms is de vaste structuur van de databank niet handig en voel je de nood om meer velden of kolommen toe te voegen. 

Bovendien is “ACID” in zulke gevallen minder relevant. Bij het voorbeeld van de clickstreams: als je een paar kliks mist, heeft dit geen zware gevolgen.  In dit soort gevallen gebruiken bedrijven steeds vaker zogenaamde NoSQL-databanken. Begrijp het niet verkeerd. De “No” wil niet zeggen dat dit soort databanken “anti-sql” is. “No” staat voor “Not Only SQL”. “Bekende voorbeelden zijn: digg, Twitter (beiden van MySQL naar Cassandra) LinkedIn (van Oracle en MySQL naar Voldemort), Craigslist (van MySQL naar MongoDB) en natuurlijk Facebook (van MySQL naar HBase).”

Cookies en browserdata

Websites en browsers

Ongetwijfeld heb je al meermaals cookies moeten aanvaarden bij het bezoeken van een website. Wat zijn cookies en waarom zijn ze zo belangrijk voor de werking van websites? Om dit te weten te komen, moet je wat inzicht krijgen in de werking van HTTP en het world wide web. 

Anders dan bij een telefoongesprek, blijft de verbinding tussen jouw computer en de webserver waarop een site gepubliceerd is, niet "open". Wanneer je een webpagina opvraagt via je browser (Google Chrome, Apple Safari, Mozilla Firefox, Microsoft Edge...) dan stuurt de server een kopie van alle bestanden die bij die ene webpagina horen, naar jouw browser. Wanneer je een website bezoekt, ben je dus niet echt "online". Je vraagt een pagina en krijgt van die pagina een kopie opgestuurd. Een uitzondering zijn streaming media zoals film en audio. Die krijg je slechts in "stukjes" doorgestuurd om te voorkomen dat je een perfecte kopie van de film of audio op je computersysteem zou kunnen kopiëren.  

Waarom is dit zo? Wanneer je iemand opbelt, zijn er slechts 2 mensen met elkaar verbonden en kan die verbinding tussen die 2 personen open blijven. Er worden immers slechts beperkte hoeveelheid "data" uitgewisseld. Indien bij het bezoek aan een website de verbinding met de bezoeker steeds blijven openstaan, dan zouden heel wat webservers (dat zijn ook maar 'gewone' computers) overbelast worden. Beeld je bijvoorbeeld in dat bij een sociale mediasite zoals Facebook alle verbindingen met alle bezoekers constant zouden blijven openliggen, dan zouden de webservers van Facebook voortdurend crashen. Een computer/server is immers niet gebouwd om miljoenen gebruikers tegelijkertijd te bedienen. Hoe vreemd het dus ook mag klinken... je kijkt bij het bezoeken van een site dus steeds naar... een kopie.

Wanneer je in je browser een webpagina opvraagt, stuurt je browser jouw vraag door naar de webserver. Heel wat webservers halen de gevraagde informatie eerst op uit een databank en sturen je het in een webpagina omgezette resultaat terug naar je browser als een "response".  
Meer informatie over webpagina's en hoe webpagina's werken leer je in de cursus  Een website bouwen met HTML. Over de werking van databanken en de in de afbeelding getoonde CRUD-transacties, leer je in de cursus  Databanken

Zonder cookies zou het web een zielloze bedoening zijn 

De server weet dus niet wie de informatie heeft opgevraagd omdat de verbinding telkens wordt verbroken. Hierdoor kan een server evenmin onthouden wie op een vorige pagina een gebruikersnaam of wachtwoord heeft ingevuld of een product aan een winkelmandje heeft toegevoegd. Immers: de "bezoeker" is niet echt "aanwezig" op de website; De bezoeker is enkel een "browser" (een user agent) die om bepaalde informatie vraagt (=een request) en een antwoord (=response) krijgt  toegestuurd. 

Om dit "probleem" op te lossen zijn COOKIESbedacht. Cookies zijn kleine tekstbestandjes die bepaalde stukjes informatie van de bezoeker in de browser (dus op de computer van de "bezoeker" kunnen bewaren. Een cookie kan ook op de server zelf worden bewaard. 

Stel je het als volgt voor: een browsercookie is een soort unieke sleutel die je als bezoeker toegestuurd krijgt. De browser bewaart die sleutel gedurende een bepaalde tijd. De server (de centrale computer waar de site is gepubliceerd) bewaart het slotje dat bij die unieke sleutel hoort. Wanneer dezelfde bezoeker een andere "request" stuurt, kunnen de browser en de server ook de sleutel uitwisselen en controleren of die sleutel op een bijhorend slotje past. 

Zonder cookies zou het gebruik van wachtwoorden en gebruikersnamen of het onthouden van producten in een winkelmandje onmogelijk zijn. Het zou hier zonder niet mogelijk zijn om sociale media websites, webmail, online bankieren of winkelen...te gebruiken. Kortom: het web zou een wat zielloze bedoening zijn. 

Soorten cookies

Cookies helpen websites de gebruiker te leren kennen, zodat de websites de gebruikerservaring kunnen personaliseren. E-commerce websites gebruiken bijvoorbeeld cookies om te weten welke koopwaar gebruikers in hun winkelwagentje hebben geplaatst. Daarnaast zijn sommige cookies noodzakelijk voor veiligheidsdoeleinden, zoals authenticatiecookies.

Een sessiecookie helpt een website de sessie van een gebruiker te volgen. Sessiecookies worden verwijderd nadat de sessie van een gebruiker is afgelopen - zodra deze uitlogt uit zijn account op een website of de website verlaat. Sessiecookies hebben geen vervaldatum, wat voor de browser betekent dat ze moeten worden verwijderd zodra de sessie is afgelopen.

In tegenstelling tot sessiecookies blijven persistente cookies gedurende een vooraf bepaalde tijd in de browser van een gebruiker, bijvoorbeeld een dag, een week, enkele maanden of zelfs jaren. Persistente cookies bevatten altijd een vervaldatum.

Authenticatiecookies helpen gebruikerssessies te beheren; ze worden gegenereerd wanneer een gebruiker via zijn browser inlogt op een account. Ze zorgen ervoor dat gevoelige informatie aan de juiste gebruikerssessies wordt geleverd door gebruikersaccountinformatie te koppelen aan een identificatiestring van een cookie.

Tracking cookies worden gegenereerd door tracking diensten. Ze registreren gebruikersactiviteiten en browsers sturen dit record naar de bijbehorende trackingdienst wanneer ze de volgende keer een website laden die die trackingdienst gebruikt.

Zoals de "zombies" in populaire fictie, regenereren zombiecookies nadat ze zijn verwijderd. Zombiecookies maken back-upversies van zichzelf buiten de typische opslaglocatie voor cookies van een browser. Ze gebruiken deze back-ups om opnieuw in een browser te verschijnen nadat ze zijn verwijderd. Zombiecookies worden soms gebruikt door gewetenloze advertentienetwerken en zelfs door cyberaanvallers.

Een third party cookie is een cookie die toebehoort aan een ander domein dan het domein dat in de browser wordt weergegeven. Cookies van derden worden meestal gebruikt voor traceringsdoeleinden. Ze staan in contrast met first-party cookies, die horen bij hetzelfde domein dat in de browser van de gebruiker wordt weergegeven.

Andere technieken om data te bewaren in de browser

Naast cookies bestaan er nog twee andere technieken om gebruikersgegevens in de browser op te slaan: lokale opslag en sessieopslag.  Cookies zijn de oudste techniek. Lokale opslag (local storage) en sessieopslag (session storage) zijn nieuwere technieken die zijn ontwikkeld om tekortkomingen van cookies teniet te doen.  

Alle drie zijn ze browseronafhankelijk. Dat betekent dat als bepaalde gegevens in de ene browser worden opgeslagen, ze niet worden opgeslagen in een andere browser op dezelfde machine. Zo zullen de gegevens die in Google Chrome zijn opgeslagen, niet worden opgeslagen in Firefox op dezelfde computer.

Ook delen verschillende gebruikers onderling geen cookies of lokale opslag. Dus als bepaalde gegevens zijn ingesteld voor één gebruiker, zal geen van de andere gebruikers dat kunnen zien.

De verschillen tussen cookies, local storage en session storage. Bron:  https://javascript.plainenglish.io/3-ways-to-store-data-in-the-browser-db11c412104b

Cookieszijn in feite op tekst gebaseerde gegevens met een naam-waardepaar. Cookies kunnen slechts 4 KB aan gegevens opslaan, wat veel minder is dan bij local storage en session storage.

Afhankelijk van de browser heeft local storageeen capaciteit van 5-10 MB. Local storage slaat alleen gegevens op in de browser en vervalt nooit, tenzij het handmatig wordt verwijderd. Lokale opslag is toegankelijk vanuit elk venster. Dat betekent dat als een gebruiker de browser sluit, de lokale opslag de volgende keer dat de gebruiker deze weer opent, wordt opgeslagen.

Bij session storageworden de bewaarde gegevens na de sessie verwijderd nl. wanneer de gebruiker de browser sluit. Sessie-opslag heeft een capaciteit van 5 MB.

Privacy en wetgeving

Sommige privacywetten, zoals de ePrivacy-richtlijn van de EU, behandelen en regelen het gebruik van cookies. Volgens deze richtlijn moeten gebruikers "geïnformeerde toestemming" geven - ze moeten worden geïnformeerd over de manier waarop de website cookies gebruikt en akkoord gaan met dit gebruik - voordat de website cookies kan gebruiken. (De uitzondering hierop zijn cookies die "strikt noodzakelijk" zijn voor het functioneren van de website). De General Data Protection Regulation (GDPR) van de EU beschouwt identificatiegegevens van cookies als persoonsgegevens, dus de regels daarvan gelden ook voor het gebruik van cookies in de EU. Bovendien vallen alle persoonsgegevens die door cookies worden verzameld onder de jurisdictie van de GDPR.  Grotendeels vanwege deze wetten tonen veel websites nu cookiebanners waarmee gebruikers de door die websites gebruikte cookies kunnen bekijken en controleren.

Informatie over het systeem opvragen

Ook zonder cookies of datastorage kan je browser heel wat informatie opvragen. Je kan vanuit een webpagina met javascriptcode bijvoorbeeld controleren welk computersysteem de computer gebruikt of in welke taal het systeem is ingesteld. Hierdoor kan een website bijvoorbeeld meteen in de juiste taal worden getoond als er meerdere taalversies beschikbaar zijn. Je kan op gelijkaardige manier ook de breedte en de hoogte, de kleurinstellingen en de rotatie van het scherm uitlezen.Ook dat is nuttig voor een webontwikkelaar, want hierdoor kan een website zich aanpassen aan het scherm van de bezoeker. 

Dienen cookies om de gebruiker of gebruikersinformatie te identificeren, dan ken je met systeeminformatie vooral het systeem of de browser identificeren.  

Browser fingerprinting

Het is echter ook mogelijk om de systeeminformatie te gebruiken om de bezoeker zelf te identificeren. We hebben het hier niet over de "naam" of "het adres" van de bezoeker, maar wel het "toestel". Het kan voor een website interessant zijn om te weten te komen of dat specifieke toestel al eens eerder een query verzond naar de website op de webserver. 

Omdat elk toestel wel specifieke instellingen heeft (bijvoorbeeld resolutie, versie van de browser, taalinstelling, kleuren of lettertypes....) kan een webontwikkelaar via javascript alle mogelijke systeeminformatie opvragen waarover hij informatie kan verwerven en op zoek gaan naar net die kleine verschilpunten. Door die informatie te controleren bij elk bezoek aan een webpagina op een specifieke site, kan je een soort van " unieke vingerafdruk" van het toestel detecteren

In de films hieronder leg ik uit wat je op die manier allemaal te weten kan komen.  

Een browser is een zandbak    

Soms heb je er als gebruiker zelf baat bij dat een webpagina je locatie kent. Denk bijvoorbeeld aan websites waarop je restaurants kan zoeken. 

Een browser vormt een soort van veilige zandbak (sandbox) op je toestel. De browser zorgt er niet alleen voor dat hij de "response" van de server omzet in een mooie weergave op je computerscherm. Hij leest de ontvangen HTML-, CSS- en javasccriptcode (dat zijn de drie fundamentele talen waaruit webpagina's zijn opgebouwd) en puzzelt die samen met de ontvangen media (foto's, geluid, film....) weer netjes in elkaar zoals de webontwikkelaar het bedoeld heeft. 

De browser controleert echter ook het gedrag van de webpagina zelf. Een webpagina kan niet om het even wat doen op je toestel. Met de genoemde talen HTML/CSS/JS krijgt een webontwikkelaar bijvoorbeeld geen toegang tot de harde schijf van de gebruiker. Wel kan hij in "cookies" dat zijn kleine tekstbestandjes die in een beveiligde map worden opgeslagen, gegevens wegschrijven. Het is ook mogelijk om data te bewaren in een soort van "kleine databank" in de browser zelf. Maar een webpagina krijgt geen toegang tot jouw documenten, tenzij je er zelf voor kiest om via een "uploadknop" een bestand te uploaden of posten. 

De webpagina vraagt via de browser toestemming om je microfoon te gebruiken.

Een webpagina kan al evenmin buiten je medeweten je camera of microfoon starten of toegang krijgen tot je locatiegegevens. Wil een website die informatie opvragen, dan zal de browser er voor zorgen dat de gebruiker hiervoor eerst de goedkeuring geeft. 

Natuurlijk is het mogelijk dat je via een website een virus downloadt, maar dan is dat niet een beveilgingsfout van je browser, maar eerder een geval van "misleiding" waarbij de website de bezoeker bijvoorbeeld "wijsmaakt" dat er iets mis is met zijn systeem. Een website kan echter niet uit zichzelf automatisch een bestand op je toestel downloaden en installeren of uitvoeren. Moest dit wel het geval zijn, dan zou geen enkel computersysteem langer dan een paar dagen "actief" zijn. 

Een browser is geen gratis dienst...

De meeste browsers zijn gratis te installeren. Dit betekent echter nog niet dat de fabrikant dit doet uit menslievendheid of kan doorgaan voor een moderne Robin Hood. De meeste browsers worden ontwikkeld door een groot bedrijf dat er ook andere belangen aan heeft dat je als internetgebruiker hun browser installeert. 

  • Chrome: Google
  • Safari: Apple
  • Edge: Microsoft
  • ...
Veel Chromegebruikers beschikken eveneens over een Gmail/Google-account. Vaak is die account actief in de achtergrond in je browser. Google kan op die manier perfect zien welke pagina's je bezoekt, want je surft in "hun" browser waarin ook je Google-account actief is. Bovendien staat in Chrome Google ingesteld als standaard zoekmachine.

Slim data uitwisselen

Communicatieprotocollen

Communicatie en het uitwisselen van data tussen twee apparaten en/of objecten is mogelijk als ze allebei dezelfde protocollen volgen en begrijpen: 

  • infrarood
  • WiFi
  • 3G/4G/5G
  • GPS
  • Bluetooth
  • NFC
  • ...

WiFi maakt het mogelijk om binnen een gebouw de internetverbinding van een router te delen. Met bluetooth kan je bestanden uitwisselen tussen twee toestellen. Bluetooth wordt veelvuldig ingezet voor het afspelen van muziek op draadloze luidsprekers…   Een slim gebruik van technieken als BLE, NFC, QR, RFID en beacons… maakt communicatie tussen fysieke objecten en digitale apparaten mogelijk. Zo kan je informatie uitwisselen tussen een boek en een website, betalingen uitvoeren of kan een kledingstuk in een winkel informatie verzenden naar je smartphone… Ze laten eveneens toe om objecten of een gebruiker te lokaliseren.

Markeringen

Met markeringen en patronen kan je zonder directe menselijke invoer, data tussen niet-elektronische objecten en elektronische toestellen mogelijk maken: 

  • streepjescodes
  • QR-codes (quick response)
  • hiro-codes
  • RFID-tags
  • ...
In bovengenoemde lijst vormt de RFID-tag de uitzondering. Streepjescodes, QR- en HIRO-codes kunnen eenvoudigweg met een klassieke printer worden afgedrukt. 

Meer info over de types van markeringen:  https://developer.mozilla.org/en-US/docs/Web/API/Barcode_Detection_API

QR-codes

De camera van je smartphone is eveneens een scanner waarmee je documenten kan fotograferen. Met een gepaste app kan je de documenten via OCR (optical character recognition) zelfs weer omzetten naar bewerkbare tekst. 

Bij heel wat smartphones herkent de camera al automatische QR-codes. De QR (quick  response) - code lijkt de opvolger van de streepjescode. Ze kan een prijs, maar ook tekstinformatie of een link bevatten. Banken gebruiken het bij hun mobiele apps om betalingen goed te keuren. Als een uitgever een QR-code toevoegt aan een boek, krijgt de lezer via de link in de QR-code toegang tot extra online informatie over het boek 

QR is een relatief eenvoudig te integreren techniek. Je hebt een stuk software nodig om de codes te genereren en de code kan je gewoon afdrukken op een printer. De eindgebruiker heeft een camera-app nodig op zijn smartphone en de nodige software om de code uit te lezen.    

NFC, RFID, beacons en BLE

RFID

Buitenshuis kan je makkelijk de locatie van iets of iemand bepalen aan de hand van een GPS-chip. Binnenshuis is dat een ander paar mouwen. Immers, zelfs al kan je aan de hand van de GPS-chip achterhalen dat iemand zich op een bepaalde plaats in een gebouw, bevindt, dan nog kan je moeilijk bepalen waar precies in dat gebouw of op welk verdiep. Immers, de binnenkant van de meeste gebouwen zijn privé of althans niet "publiek".

Soms zou het interessant kunnen zijn om te weten waar iemand zich bevindt. Denk bijvoorbeeld aan toepassingen voor marketingdoeleinden waarbij een product zelf een mogelijke "consument opmerkt". Of denk aan aan museum waarbij een cultureel artefact (een schilderij) begrijpt waar de bezoeker naar kijkt. 

Een aantal technieken kunnen hier interessant zijn:

  • BLE: bluetooth low energy
  • NFC: Near field communication
  • Beacons
  • ...
RFID, NFC en BLE daarentegen maken gebruik van radiogolven om informatie uit te wisselen. 

RFID (radio frequency identification) is een techniek om fysieke objecten of zelfs levende wezens “uniek” te identificeren. Een volledig RFID-systeem omvat een tag, een lezer (reader) en een antenne. De lezer (‘reader’) stuurt een signaal uit via de antenne. De ‘tag’ antwoordt daarop met de unieke informatie (bijvoorbeeld een productcode, een prijs…  Actieve RFID-tags beschikken over een eigen “energievoorziening” en kunnen zelf radiosignalen uitzenden tot ongeveer 100 m. Passieve RFID-tags krijgen hun energie van de elektromagnetische golven die de RFID-lezer uitzendt.  Omdat de radiogolven sterk genoeg moeten zijn, werken passieve tags enkel goed op beperkte afstand (direct contact tot ongeveer 25 meter).

NFC (near field communication) is een gespecialiseerd “familielid” van de RFID-technologie. Een NFC-toestel kan zowel een reader als een tag zijn. NFC-apparaten moeten zich (zoals de naam doet vermoeden: ‘near’) dicht bij elkaar, op een paar centimeter afstand, bevinden. Daarom gebruiken winkels het graag voor contactloos betalen. Je moet je bankkaart enkel nog tegen de betaalautomaat houden. Veilige uitwisseling van informatie is het hoofddoel van NFC. 

NFC vindt ondertussen zijn weg naar de nieuwe generatie smartphones. Als je twee NFC-smartphones in elkaars buurt houdt, kunnen ze foto’s uitwisselen (door bijvoorbeeld te ‘swipen’). Maar het is ook mogelijk om bijvoorbeeld affiches of posters uit te rusten met een NFC-tag om informatie uit te wisselen met de smartphones van de consumenten. Audioapparatuur uitgerust met NFC kan muziek afspelen door er simpelweg je smartphone op te leggen. Samengevat: NFC (Near Field Communication) is een draadloze manier om kleine hoeveelheden informatie uit te wisselen binnen een straal van 10 centimeter. De chip in je smartphone communiceert met een ander NFC-apparaat, zoals betaalsystemen, luidsprekers of andere smartphones, Beacons of iBeacons zijn kleine bluetoothzenders (bluetooth maakt gebruik van radiogolven). Een beacon ziet eruit als een klein doosje en bevat een Bluetooth Low Energy (BLE)-chip en een batterij. Elke beacon zendt onophoudelijk een uniek nummer uit. Een smartphone met BLE-ondersteuning kan dit signaal opvangen. Als je weet waar welke beacon staat, kan je binnen een gebouw of winkel te weten komen waar iemand zich bevindt. Beacons zijn dus een ideale manier van indoor positiebepaling, want daar is GPS minder bruikbaar. 

Apple omarmt BLE als alternatief voor NFC. Terwijl NFC slechts op enkele centimeters werkt, reikt BLE tot zelfs 70 meter. Belangrijk voordeel is dat er geen ingewikkelde installatie bij komt kijken. Je kan ze plaatsen waar je wil. Een iOS- of Android-toestel weet wie jij bent. In combinatie met beacons weet de smartphone-app waar je je bevindt. Als we even niet stilstaan met de gevolgen voor de privacy, dan schept deze technologie heel wat nieuwe mogelijkheden: Indoor plaatsbepaling en navigatie,  sales promotion (in-store promotie), loyalty (klantenkaarten), toegangscontrole (alternatief voor toegangspassen), transacties (contactloos betalen)…

Lilypad Arduino, wearable

Wearables en softwear

Wearables passen vooral in de gezondheidshype. Een wearable is een gadget dat op het lichaam wordt gedragen en informatie over je lichaam verzamelt. De meeste van die toestellen verzamzlen persoonlijke data over de gebruiker. Ze geven advies over en voor je gezondheid. Activity trackers zijn slimme toestellen die bijhouden hoeveel je beweegt en hoeveel calorieën je verbrandt. Sportwatches hebben nog extra functies: zoals het meten van je hartslag of je slaapritme,..

Maar de fabrikanten zijn vooral geïnteresseerd in de data die ze over de gebruikers kunnen varzamelen. Ze vormen een onderdeel van de big data die grote bedrijven als Google en Apple verzamelen en verkopen aan verzekeringsmaatschappijen en andere afnemers.

Met de LilyPad Arduino beschik je over een flexibele microcontroller om je kleding of textiel om te vormen tot slimme kleren (e-textile). Zelf spreken de ontwikkelaars in dit geval van softwear.

Data-herkenning met AI

De ontwikkeling van beeldherkennings-algoritmes in AI heeft een hoge vlucht genomen. Naast biometrische herkenning (herkenning van vingerafdruk en het "herkennen" van een iris (in je oog), zorgen algoritmes voor face en 'image' recognition voor een revolutie in data-uitwisseling. Ze maken het mogelijk om data "on the spot" of "on the fly" te herkennen. 

Een zelfrijdende auto herkent bijvoorbeeld meteen verkeersborden en verkeerslichten of andere weggebruikers. Image recognition-algoritmes herkennen meteen tekst in een afbeelding (bijvoorbeeld een nummerplaat van een auto), maar ook de verschillende objecten en onderdelen van een camerabeeld. Face recognitionkan gaan van het eenvoudigweg 'opmerken' van gezichten (mensen) tot het "herkennen" van mensen (met naam en toenaam). 

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 ‘deep learning’-onderzoek. De gegevens zijn gratis beschikbaar voor onderzoekers voor niet-commercieel gebruik. Via een selectie van gegevens uit zo’n databank leert ‘image recognition’-software stapsgewijs dat zowel een pekinees als een pitbull honden zijn. Bovendien moet de software leren dat zowel Disney’s Pluto, als Lassie een hond is.

Alleen als een robot snel en accuraat objecten kan herkennen, kan hij (zij?) net zoals echte mensen ‘rondlopen’. Zelfrijdende auto’s bijvoorbeeld gebruiken AI-gebaseerde computer ‘vision’ en ‘image recognition’ 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 (‘ object segmentation’), 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 ‘umwelt’, ook zal leiden tot een vorm van ‘kunstmatig bewustzijn’ is een ander verhaal.

De opkomst van 5G

Binnenshuis

Via Wifi maken we binnenshuisverbinding met het internet. Steeds meer toestellen binnenshuis zijn eveneens via de Wifi-connectie verbonden. Denk aan een smart-televisie, een Chromecast, Apple TV, een NAS-server... Maar ook domoticasystemen zijn vaak via Wifi met het internet verbonden waardoor je ze van buitenaf kan instellen. Dat brengt heel wat veiligheidsrisico's met zich mee.  

Duizenden gebouwbeheersystemen in 'slimme' huizen en kantoren wereldwijd zijn gemakkelijk toegankelijk voor hackers. Dat concludeert een ethische hacker van Computest op basis van een beveiligingsonderzoek naar de KNX-standaard voor huis- en gebouwautomatisering. Uit het onderzoek blijkt dat systemen op basis van deze standaard veelvuldig met het internet zijn verbonden. Omdat deze systemen echter geen enkele vorm van authenticatie bevatten, kunnen aanvallers ze gebruiken om de beveiliging, verlichting, airconditioning en verwarming van woningen en kantoren op afstand te bedienen. In totaal zijn er 17.444 gebouwen met systemen op basis van de KNX-standaard, waarvan 1.322 in Nederland. Daarmee is Nederland het land met de derde meeste locaties die kwetsbaar zijn voor hackers, na Duitsland en Spanje.
- Bron: 
https://www.computest.nl/en/news/news-and-press-releases/homes-offices-vulnerable-unsecure-domotica/ 

Lees ook:  https://www.weforum.org/agenda/2022/02/5-security-must-haves-for-internet-connected-consumer-products/

Buitenshuis

Welke sporen laat een moderne burger achter buitenshuis? Welke data worden verzameld en bewaard van onze activiteiten buitenshuis? We geven een paar voorbeelden: 

  • Bankverrichtingen: betalingen met smartphone of bankkaart
  • De locatie van je smartphone op (w)elk moment
  • Trajectcontroles
  • Parkeercamera's en parkeersensoren
  • Diefstalbeveiliging en camera's in winkels
  • Flitscamera's
  • Camera's in straten (over het algemeen enkel in steden)
  • Je internetgedrag buitenshuis
  • ...

Sneller en makkelijker data verzamelen via 5G

De komst van 5G zal het verzamelen en uitwisselen van data exponentieel doen toenemen. 

5G zal naar verwachting tot 1 miljoen aangesloten apparaten per vierkante kilometer ondersteunen, vergeleken met ongeveer 2.000 aangesloten apparaten per vierkante kilometer met 4G.  

De "voordelen" van 5G: 

  • gebruik van hogere frequenties
  • hoge bandbreedte;
  • verbeterde mobiele breedband;
  • een lagere latentie van 5 ms
  • hogere datasnelheden, die nieuwe technologische opties via 5G-netwerken mogelijk maken, zoals 4K-streaming of bijna-realtime streaming van virtuele realiteit (VR)
  • ...

De enorme hoeveelheid apparaten die kan worden aangesloten op een 5G-netwerk, zal een enorme uitbreiding van het aantal slimme toestellen dat data verzamelen tot gevolg hebben. Slimme camera's, maar ook auto's, fietsen, smartwatches, slimme brillen, smartphones, IoT-devices.... kunnen op die manier worden aangesloten op een matrix van onderling verbonden toestellen.  

Het uitwisselen van data via 5G stelt bedrijven in staat om bepaalde processen (zoals hun transport) te optimaliseren. 5G zal deze bedrijven in staat stellen dit desgewenst in real timete doen, aangezien de informatiesnelheden kunnen toenemen van gemiddeld 45Mbps (megabits per seconde) van het snelste huidige 4G mobiele netwerk tot een potentiële 1Gbps (gigabit per seconde).

Risico's

Dit houdt natuurlijk ook heel wat risico's in. 5G maakt sneller dataverkeer mogelijk, maar is niet standaard "veiliger" dan zijn voorganger 4G. Fabrikanten en bedrijven zullen veel makkelijker data kunnen verzamelen, maar de uitdagingen zijn tweeledig: hoe zorg je voor een betrouwbare en veilige vastlegging van data, verplaatsing en beheer van al die gegevens; en wie betaalt voor dit gegevensgebruik.

Bestuur, regelgeving en privacy 

Door de invoering van de GDPR-wetgeving zijn consumenten zich bewuster geworden van het verzamelen van gegevens, maar ook van de manier waarop die gegevens worden verzameld en in welke gegevens bedrijven geïnteresseerd zijn. De gemiddelde consument staat nog steeds open voor het delen van zijn gegevens, zolang het maar transparant gebeurt. 

Door de verbeterde gegevensverzameling die 5G mogelijk maakt, krijgen bedrijven meer inzicht in hoe hun producten - zoals auto's of huishoudelijke apparaten - worden gebruikt. Dit is ongelooflijk nuttig voor zaken als voorspellend onderhoud en zal de weg vrijmaken voor verbeteringen in de prestaties en het ontwerp van producten.

IoT - internet of things

Het IoT en miniaturisering

Onze computer, laptop, tablet en smartphone zijn niet de enige toestellen in onze omgeving die data over ieder van ons verzamelen.  Er bestaan ook andere verschijningsvormen die men gemakshalve eveneens aanduidt met de naam “computer”, maar in wezen niet helemaal voldoen aan de definitie hier boven. Een microcontroller is zo’n “computer”. Men gebruikt een microcontroller of microprocessor om elektronische apparatuur te besturen. 

Tekening van een Arduino-microcontroller.

Heel wat moderne apparaten bevatten zo'n 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. Wellicht hoorde je de term “internet of things” al eens vallen. Ruwweg houdt dit in dat stilaan elk huishoudelijk toestel, maar ook auto's, bewakingscamera's en domoticasystemen zulke embedded systemen aan boord hebben. Wanneer je al die dingen (things) aansluit op het internet, krijg je een allesomvattend netwerk van digitaal verbonden toestellen: het internet of things (IoT). We stellen ons hier even geen vragen over de gevolgen en gevaren voor de privacy en de ethiek.

Kortom, embedded systemen en microcontrollers zijn niet meer weg te denken uit de wereld van vandaag en   morgen.

Embedded systemen bieden tal van voordelenin vergelijking met een “computer”.

  1. De verwerking gebeurt real time (beeld je maar eens in dat je auto zou werken op Windows), 
  2. snel
  3. en verbruikt zeer weinig energie.
  4. Een embedded systeem is ook veel goedkoper.

Nadeelis dat de functionaliteit heel beperkt is. Je kan bijvoorbeeld geen tekstverwerker installeren in je koelkast of videomontagesoftware in je auto.  

UBO

Registreer je "Uiteindelijke Begunstigden"

Sinds 31 oktober is het UBO-register van kracht, maar pas tegen 30 september 2019 moet de eerste informatie overgemaakt zijn. Het UBO-register is een door het FOD Financiën beheerd orgaan waarin vennootschappen hun Uiteindelijke Begunstigden moeten aanmelden. Waarom is dat? Wat zijn Uiteindelijke Begunstigden? Om welke gegevens van welke personen gaat dat? En hoe zit het met privacy?

Waarom het UBO-register?

De vierde Europese anti-witwasrichtlijn (2015) werd in België omgezet in de wet van 18 september 2017 tot voorkoming van het witwassen van geld en de financiering van terrorisme en tot beperking van het gebruik van contanten. Op 14 augustus 2018 verscheen het KB dat de modaliteiten van het UBO-register regelt, dat dus op 31 oktober in werking trad en vennootschappen verplicht ten laatste op 30 september de nodige info over de zogenoemde Uiteindelijke Begunstigden over te maken. Het is de bedoeling correcte, actuele en toereikende informatiegegevens over hen beschikbaar te hebben.

En dat geldt voor welke rechtspersonen?

  • Vennootschappen opgericht in België, ongeacht hun grootte; ook vennootschappen zonder rechtspersoonlijkheid,
  • (Internationale) vzw's en stichtingen,
  • Trustees/trusts, fiduciebeheerders.

Wat en wie zijn Uiteindelijke Begunstigden?

  • In vennootschappen:
    • de personen die (on)rechtstreeks eigenaar zijn van +25% van de stemrechten, van de aandelen of van het kapitaal,
    • de personen die op een andere manier zeggenschap hebben, bv. zaakvoerders. Als die er niet zijn: het hoger leidinggevend personeel.
  • In vzw's en stichtingen zijn geen aandeelhouders of kapitaal: hier gaat het om de bestuurders, de personen gemachtigd om de vzw te vertegenwoordigen, de personen belast met het dagelijks bestuur, de personen voor wie de vzw of stichting is opgericht of er werken en de personen die langs andere controlemogelijkheden er zeggenschap uitoefenen.

Welke gegevens moeten overgemaakt worden in het register en hoe?

  • Identiteitsgegevens:
    • Naam en voornaam
    • Geboortedatum
    • Nationaliteit
    • Adres
    • Rijksregisternummer of identificatienummer Kruispuntbank en vergelijkbaar identificatiemiddel van land van herkomst
  • Datum wanneer de persoon UBO is geworden
  • Categorie van UBO:
    • Rechtstreeks
    • Onrechtstreeks: mét gegevens van de tussenliggende structuur
  • Omvang van het uiteindelijke belang, in percentages van aandelen of stemrechten
  • Of de persoon de UBO-kwalificatie afzonderlijk of samen met anderen vervult

Invoering van deze gegevens gebeurt online met e-ID via de website van FOD Financiën, onder de applicatie MyMinfin. Elke wijziging in de gegevens van de UBO’s moet binnen de maand gebeuren. Daarnaast moet elk jaar het register bijgewerkt worden. De Thesaurie brengt de UBO op de hoogte wanneer zijn gegevens zijn ingeschreven en bezorgt hem die. De gegevens worden bewaard tot tien jaar na de stopzetting van de activiteiten of het verlies van de rechtspersoonlijkheid.

Opgelet: de vennootschappen of andere rechtspersonen moeten hun UBO’s informeren over:

  • hun verplichting om bovenstaande gegevens aan het register mee te delen,
  • de registratie en bewaring van die gegevens in het register,
  • de naam en het adres van de dienst binnen de administratie van de Thesaurie belast met het beheer ervan,
  • de toegangsmogelijkheden tot het register,
  • het recht van de UBO om de gegevens op zijn naam in het register te kunnen inzien, te laten verbeteren of verwijderen als die fout zijn,
  • de bewaartermijn van de gegevens.

Wat als er niet voldaan wordt aan de registratieplicht?

Er zijn drie mogelijke inbreuken, met telkens een sanctie:

  • de vereiste informatie is niet ingewonnen en niet bijgehouden,
  • de informatie is niet (tijdig) overgemaakt aan het register,
  • de informatie is onvolledig of onjuist overgemaakt aan het register.

Administratieve boete bij elk van deze inbreuken: 250 tot 50.000 euro

Strafrechtelijke boete bij de eerste of tweede inbreuk daarbovenop: 50 tot 5.000 euro (met opdeciemen: 400 tot 40.000 euro

Wie heeft er zicht op die gegevens?

  • Politie, parket en de fiscus,
  • Organisaties onderworpen aan de preventieve anti-witwaswetgeving kunnen toegang krijgen (aan administratieve kosten en via één bepaald personeelslid): accountants, bedrijfsrevisoren, belastingconsulenten, advocaten, notarissen…
  • En sinds de vijfde Europese anti-witwasrichtlijn (2018) elke burger (ook aan administratieve kosten), zonder dat dit gemeld wordt aan de vennootschappen of UBO’s, maar slechts in beperkte mate: voornaam, geboortedatum, verblijfsadres of rijksregisternummer blijven onzichtbaar (zodat de UBO niet identificeerbaar is) en de gegevens zijn enkel via ondernemingsnummer of -naam raadpleegbaar (dus nooit door een natuurlijk persoon), om controle door bv. pers mogelijk te maken en voor het vertrouwen in de integriteit van zakelijke transacties en de financiële wereld.

Echter, elke UBO met een zogenaamd en aantoonbaar "legitiem belang" (minderjarig, handelingsonbekwaam, risico op fraude, chantage…) kan vragen de toegang tot het register te beperken.

De nieuwe btw-plicht voor niet-therapeutische behandelingen in 5 snelle vragen

Sinds begin dit jaar zijn verschillende (para)medische prestaties btw-plichtig. Wat die nieuwe regelgeving inhoudt, leggen we hier uit.

Wat is er precies veranderd?

Tot eind vorig jaar werd voor niet-therapeutische behandelingen door (para)medische beroepers geen btw aangerekend. Dat is nu anders: prestaties die geen therapeutisch doel hebben, zijn niet langer vrijgesteld van btw-plicht. Niet-therapeutische prestaties zijn over het algemeen acties die op andere zaken focussen dan op de gezondheid beschermen van een persoon.

Welke behandelingen zijn nog wel vrijgesteld van btw-plicht?

Alle therapeutische behandelingen. Daaronder vallen alle handelingen die verband houden met:

  • de bescherming
  • het behoud
  • de diagnose
  • de behandeling
  • het herstel
  • de genezing

van iemands gezondheid. Een voorbeeld: een medisch onderzoek ingericht door een werkgever kan vrijgesteld worden van btw, ten minste als het als doel heeft de gezondheid van een medewerker te beschermen. Kadert het medisch onderzoek in een juridische context, bijvoorbeeld, dan is er wel btw-plicht. Thuisverpleging na een esthetische ingreep, om een ander voorbeeld te geven, valt ook onder de btw-plicht.

Moet je als dienstverlener erkend zijn om nog btw-vrijstelling te krijgen?

Dat is niet langer het geval. Het onderscheid tussen wel/niet-gereglementeerde en wel/niet-erkende zorgverlening bestaat niet meer. Het zijn dus niet langer alleen erkende (para)medische zorgverleners die een btw-vrijstelling kunnen krijgen.

Wat met behandelingen met een 'dubbele' functie?

Bij behandelingen die zowel therapeutisch als niet-therapeutisch zijn, geeft het therapeutische aspect de doorslag - ook al maakt dat slechts 1% van de behandeling uit. In zo'n geval is de behandeling dus vrijgesteld van btw.

Hoe wordt het systeem gecontroleerd?

Elke zorgberoeper wordt geacht een dagontvangstenboek bij te houden met een overzicht van alle niet-therapeutische behandelingen. Die moeten apart geregistreerd worden. In een patiëntendossier is motivatie nodig waarom een behandeling van therapeutische aard is: de fiscus kan die motivatie namelijk controleren. (Privacy van een patiënt kan uiteraard gegarandeerd worden door de persoonsgegevens te anonimiseren.)

Types of databases

Databases in weights and measures

Database software for home, garden and kitchen use such as MS Access or Filemaker Pro, for example, provide a user-friendly interface for CRUD commands. However, MS Access databases can also be used for database storage behind enterprise software programmed, for example, in Visual Basic or Visual C++.  

Big applications that need to be able to handle a lot of data naturally require corresponding database systems. On Web sites, the database MySQL is the big number one. The database system is open source and free to use. Very large applications such as ERP software can use MySQL or an ORACLE DATABASE. 

Databases can also collect information in an automated fashion. In a number of cases, this raises serious questions about privacy violations. The USA, Britain, Canada, Australia and New Zealand eavesdrop on communication channels worldwide through the ECHELON spy network. The marketing company Doubleclick tries to find out which e-mail addresses are hidden behind IP addresses. For companies, such data are worth a lot of money.  

Databases without relationships 

RDBMS databases are not the only kind of database. There are many other ways to store data. There are NoSQL databases, graphical databases, etc.

Not all databases benefit from a relational structure. After all, the fixed table and column structure makes it difficult to "scale" a database. 

  An example: suppose you create a database listing all ingredients in all possible food products. How do you start that with a classical relational database? Or you want to analyze clickstreams on a website. Not every web page has the same number of links on which the user can click and not every user behaves identically.  Sometimes the fixed structure of the database is not convenient and you feel the need to add more fields or columns. 

In addition, "ACID" is less relevant in such cases. For the clickstreams example: if you miss a few clicks, there are no serious consequences.   In cases like this, companies are increasingly using so-called NoSQL databases. Don't misunderstand. The "No" does not mean that this type of database is "anti-sql." "No" stands for "Not Only SQL." "Well-known examples are: digg, Twitter (both from MySQL to Cassandra) LinkedIn (from Oracle and MySQL to Voldemort), Craigslist (from MySQL to MongoDB) and, of course, Facebook (from MySQL to HBase)."

Cookies and browser data

Websites and browsers

No doubt you have had to accept cookies more than once when visiting a website. What are cookies and why are they so important to the operation of Web sites? To find out, you need to gain some understanding of how HTTP and the World Wide Web work.

Unlike a phone call, the connection between your computer and the Web server on which a site is published does not remain "open." When you access a web page through your browser (Google Chrome, Apple Safari, Mozilla Firefox, Microsoft Edge...) the server sends a copy of all the files belonging to that one web page to your browser. So when you visit a Web site, you are not really "online." You are requesting a page and getting a copy of that page sent to you. An exception are streaming media such as film and audio. You only get those forwarded in "pieces" to avoid copying a perfect copy of the movie or audio onto your computer system.

When you request a Web page in your browser, your browser sends your request to the Web server. A lot of Web servers first retrieve the requested information from a database and send you the result converted into a Web page back to your browser as a "response."

When you request a Web page in your browser, your browser sends your request to the Web server. A lot of Web servers first retrieve the requested information from a database and send you the result converted into a Web page back to your browser as a "response."
Learn more about Web pages and how Web pages work in the Building a Web Site with HTML course. About how databases and the CRUD transactions shown in the image work, you will learn in the Database course

Without cookies, the web would be a soulless affair

Thus, the server does not know who requested the information because the connection is broken each time. This also prevents a server from remembering who entered a username or password on a previous page or added a product to a shopping cart. After all: the "visitor" is not really "present" on the website; The visitor is only a "browser" (a user agent) that asks for certain information (=a request) and receives an answer (=response).

To solve this "problem," COOKIES have been devised. Cookies are small text files that can store certain pieces of information about the visitor in the browser (i.e., on the "visitor's" computer. A cookie can also be stored on the server itself.

Imagine it like this: a browser cookie is a kind of unique key sent to you as a visitor. The browser stores that key for a certain amount of time. The server (the central computer where the site is published) stores the lock associated with that unique key. When the same visitor sends another "request," the browser and server can also exchange the key and check if that key fits a matching lock.

Without cookies, using passwords and usernames or remembering products in a shopping cart would be impossible. It would be impossible to use social media websites, webmail, online banking or shopping...without them. In short: the Web would be a somewhat soulless affair.

Different types of cookies

Caution: cookies do not collect "data," they store data!

Cookies help websites get to know the user so that the websites can personalize the user experience. For example, e-commerce Web sites use cookies to know what merchandise users have placed in their shopping cart. In addition, some cookies are necessary for security purposes, such as authentication cookies.

A session cookiehelps a website track a user's session. Session cookies are deleted after a user's session ends - as soon as they log out of their account on a website or leave the website. Session cookies have no expiration date, which means for the browser to delete them once the session has ended.

Unlike session cookies, persistent cookiesremain in a user's browser for a predetermined amount of time, such as a day, a week, several months or even years. Persistent cookies always contain an expiration date.

Authentication cookieshelp manage user sessions; they are generated when a user logs into an account through their browser. They ensure that sensitive information is delivered to the correct user sessions by associating user account information with an identification string from a cookie.

Tracking cookiesare generated by tracking services. They record user activity and browsers send this record to the corresponding tracking service the next time they load a website that uses that tracking service.

Like the "zombies" in popular fiction, zombie cookiesregenerate after they are deleted. Zombie cookies create backup versions of themselves outside a browser's typical cookie storage location. They use these backups to reappear in a browser after they are deleted. Zombie cookies are sometimes used by unscrupulous ad networks and even cyber attackers.

A third-party cookieis a cookie that belongs to a domain other than the domain displayed in the browser. Third-party cookies are usually used for tracking purposes. They contrast with first-party cookies, which belong to the same domain displayed in the user's browser.

Other techniques for storing (not collecting!) data in the browser

Besides cookies, there are two other techniques for storing user data in the browser: local storage and session storage. Cookies are the oldest technique. Local storage and session storage are newer techniques developed to overcome shortcomings of cookies.

All three are browser-independent. That means that if certain data is stored in one browser, it will not be stored in another browser on the same machine. For example, data stored in Google Chrome will not be stored in Firefox on the same computer.

Also, different users do not share cookies or local storage among themselves. So if certain data is set for one user, none of the other users will be able to see it.

The differences between cookies, local storage and session storage. Source:  https://javascript.plainenglish.io/3-ways-to-store-data-in-the-browser-db11c412104b

Cookies are basically text-based data with a name-value pair. Cookies can only store 4 KB of data, which is much less than local storage and session storage.

Depending on the browser, local storagehas a capacity of 5-10 MB. Local storage only stores data in the browser and never expires unless manually deleted. Local storage is accessible from any window. This means that if a user closes the browser, local storage is saved the next time the user opens it again.

With session storage, the retained data is deleted after the session when the user closes the browser. Session storage has a capacity of 5 MB.

Privacy and legislation

Some privacy laws, such as the EU's ePrivacy Directive, address and regulate the use of cookies. Under this directive, users must give "informed consent" - they must be informed about how the website uses cookies and agree to that use - before the website can use cookies. (The exception is cookies that are "strictly necessary" for the functioning of the website). The EU's General Data Protection Regulation (GDPR) considers cookie identification data to be personal data, so its rules also apply to the use of cookies in the EU. Moreover, all personal data collected by cookies fall under the jurisdiction of the GDPR. Largely because of these laws, many websites now display cookie banners that allow users to view and control the cookies used by those websites.

Getting information about the (computer) system or device

Even without cookies or data storage, your browser can retrieve or collect a lot of information. For example, you can use javascript code from a Web page to check what computer system the computer is using or what language the system is set in. This allows, for example, a website to be immediately displayed in the correct language if multiple language versions are available. You can also similarly read the width and height, color settings and rotation of the screen.This is also useful for a Web developer, because it allows a Web site to adapt to the visitor's screen.

If cookies serve to identify the user or user information, then with system information you can identify mainly the system or browser.

Browser fingerprinting

However, it is also possible to use the system information to identify the visitor himself. Here we are not talking about the visitor's "name" or "address," but rather the "device." It may be of interest to a Web site to find out if that particular device has sent a query to the Web site on the Web server before.

Because every device does have specific settings (e.g., resolution, browser version, language setting, colors or fonts....), a Web developer can use javascript to retrieve any system information he can acquire information about and look for just those little points of difference. By checking that information each time you visit a Web page on a specific site, you can detect a kind of "unique fingerprint" of the device.

In the films below, I explain what you can find out that way.

A browser is a sandbox

Sometimes, as a user yourself, you benefit from a Web page knowing your location. Consider, for example, websites that allow you to search for restaurants. 

A browser forms a kind of secure sandbox on your device. The browser not only takes care of converting the "response" from the server into a nice display on your computer screen. It reads the received HTML, CSS and JavaScript code (those are the three fundamental languages that make up Web pages) and puzzles it together with the received media (pictures, sound, movie....) back together neatly as the Web developer intended.

However, the browser also controls the behavior of the Web page itself. A Web page cannot do anything on your device. For example, with the HTML/CSS/JS languages mentioned, a Web developer cannot access the user's hard drive. However, it can write data into "cookies," which are small text files stored in a secure folder. It is also possible to store data in a kind of "small database" in the browser itself. But a Web page will not access your documents unless you choose to upload or post a file yourself via an "upload button."

The web page asks permission through the browser to use your microphone.

Nor can a Web page launch your camera or microphone or access your location information without your knowledge. If a Web site wants to request that information, the browser will make sure the user approves it first.

Natuurlijk is het mogelijk dat je via een website een virus downloadt, maar dan is dat niet een beveilgingsfout van je browser, maar eerder een geval van "misleiding" waarbij de website de bezoeker bijvoorbeeld "wijsmaakt" dat er iets mis is met zijn systeem. Een website kan echter niet uit zichzelf automatisch een bestand op je toestel downloaden en installeren of uitvoeren. Moest dit wel het geval zijn, dan zou geen enkel computersysteem langer dan een paar dagen "actief" zijn. 

A browser is not a free service...

Most browsers are free to install. However, this does not mean that the manufacturer does this out of humanity or can pass for a modern Robin Hood. Most browsers are developed by a large company that has other interests in having you, the Internet user, install their browser.

  • Chrome: Google
  • Safari: Apple
  • Edge: Microsoft
  • ...
Many Chrome users also have a Gmail/Google account. Often that account is active in the background in your browser. In this way, Google can perfectly see which pages you visit, because you surf in "their" browser in which your Google account is also active. Moreover, in Chrome, Google is set as the default search engine.

Smart data exchange

Communication Protocols

Communication and exchange of data between two devices and/or objects is possible if they both follow and understand the same protocols:

  • infrared
  • WiFi
  • 3G/4G/5G
  • GPS
  • Bluetooth
  • NFC
  • ...

WiFi allows you to share a router's Internet connection within a building. Bluetooth allows you to exchange files between two devices. Bluetooth is widely used to play music on wireless speakers... A clever use of techniques such as BLE, NFC, QR, RFID and beacons... enables communication between physical objects and digital devices. For example, you can exchange information between a book and a website, make payments or a garment in a store can send information to your smartphone... They also allow you to locate objects or a user.

Markers

With markers and patterns, you can enable data between non-electronic objects and electronic devices without direct human input:

  • bar codes
  • QR-codes (quick response)
  • hiro-codes
  • RFID-tags
  • ...
In the above list, the RFID tag is the exception. Bar codes, QR and HIRO codes can simply be printed with a conventional printer.

Learn more about the types of markings: https://developer.mozilla.org/en-US/docs/Web/API/Barcode_Detection_API

QR-codes

Your smartphone's camera is also a scanner that allows you to photograph documents. With an appropriate app, you can even convert the documents back to editable text via OCR (optical character recognition).

In quite a few smartphones, the camera already automatically recognizes QR codes. The QR (quick response) code seems to be the successor to the barcode. It can contain a price, but also text information or a link. Banks use it with their mobile apps to approve payments. When a publisher adds a QR code to a book, the link in the QR code allows the reader to access additional online information about the book

QR is a relatively easy technique to integrate. You need a piece of software to generate the codes and you can simply print the code on a printer. The end user needs a camera app on their smartphone and the necessary software to read the code.

NFC, RFID, beacons and BLE

RFID

Outdoors, you can easily determine the location of something or someone from a GPS chip. Indoors, that's a different matter. After all, even if you can figure out from the GPS chip that someone is at a certain place in a building, it is difficult to determine exactly where in that building or on which floor. After all, the inside of most buildings are private or at least not "public."

Sometimes it could be interesting to know where someone is located. For example, think of applications for marketing purposes where a product itself notices a potential "consumer." Or consider museum where a cultural artifact (a painting) understands what the visitor is looking at.

A number of techniques may be of interest here:

  • BLE: bluetooth low energy
  • NFC: Near field communication
  • Beacons
  • ...
RFID, NFC and BLE, on the other hand, use radio waves to exchange information.

RFID (radio frequency identification) is a technique for "uniquely" identifying physical objects or even living things. A complete RFID system includes a tag, a reader (reader) and an antenna. The reader ("reader") sends out a signal through the antenna. The "tag" responds with the unique information (for example, a product code, a price... Active RFID tags have their own "power supply" and can transmit radio signals of their own up to about 100 m. Passive RFID tags get their energy from the electromagnetic waves emitted by the RFID reader. Because the radio waves must be strong enough, passive tags only work well at limited distances (direct contact up to about 25 m).

NFC (near field communication) is a specialized "relative" of RFID technology. An NFC device can be either a reader or a tag. NFC devices must be (as the name suggests: "near") close together, a few centimeters away. That's why stores like to use it for contactless payments. All you have to do is hold your bank card against the payment terminal. Secure exchange of information is the main purpose of NFC.

NFC, meanwhile, is finding its way into the new generation of smartphones. If you hold two NFC smartphones near each other, they can exchange photos (by "swiping," for example). But it is also possible, for example, to equip posters or posters with an NFC tag to exchange information with consumers' smartphones. Audio equipment equipped with NFC can play music simply by putting your smartphone on it. In summary: NFC (Near Field Communication) is a wireless way to exchange small amounts of information within a 10-centimeter radius. The chip in your smartphone communicates with another NFC device, such as payment systems, speakers or other smartphones, Beacons or iBeacons are small bluetooth transmitters (bluetooth uses radio waves). A beacon looks like a small box and contains a Bluetooth Low Energy (BLE) chip and a battery. Each beacon continuously transmits a unique number. A BLE-enabled smartphone can pick up this signal. If you know where which beacon is located, you can find out where someone is inside a building or store. Beacons are thus an ideal way of indoor positioning, as GPS is less useful there.

Apple is embracing BLE as an alternative to NFC. While NFC only works at a few centimeters, BLE reaches as far as 70 meters. An important advantage is that there is no complicated installation involved. You can place them wherever you want. An iOS or Android device knows who you are. Combined with beacons, the smartphone app knows where you are. If we don't dwell for a moment on the privacy implications, this technology creates a lot of new opportunities: Indoor positioning and navigation, sales promotion (in-store promotion), loyalty (loyalty cards), access control (alternative to access cards), transactions (contactless payment)...

Lilypad Arduino, wearable

Wearables and softwear

Wearables especially fit the health hype. A wearable is a gadget worn on the body that collects information about your body. Most of these devices collect personal data about the user. They provide advice about and for your health. Activity trackers are smart devices that track how much you exercise and how many calories you burn. Sportswatches have additional functions: such as measuring your heart rate or sleep rhythm,...

But manufacturers are particularly interested in the data they can piggyback on users. They are part of the big data that big companies like Google and Apple collect and sell to insurance companies and other buyers.

The LilyPad Arduino provides you with a flexible microcontroller to transform your clothing or textiles into smart clothes (e-textile). The developers themselves speak of softwear in this case.

Data recognition with AI

The development of image recognition algorithms in AI has boomed. In addition to biometric recognition (fingerprint recognition and "recognizing" an iris (in your eye), algorithms for face and "image" recognition are revolutionizing data exchange. They make it possible to recognize data "on the spot" or "on the fly."

For example, a self-driving car immediately recognizes traffic signs and traffic lights or other road users. Image recognitionalgorithms instantly recognize text in an image (for example, a car license plate), as well as the various objects and parts of a camera image. Face recognitioncan range from simply "noticing" faces (people) to "recognizing" people (by name).

If you want a piece of software to learn to recognize a dog, you must first feed the software with hundreds or thousands of images of dogs. The mass of data we have collected through big data techniques comes to the rescue here. ImageNet is a giant database of millions of images. The project has been instrumental in advancing computer vision and deep learning research. The data are freely available to researchers for non-commercial use. Through a selection of data from such a database, 'image recognition' software learns incrementally that both a pekinese and a pit bull are dogs. In addition, the software should learn that both Disney's Pluto, and Lassie are dogs.

Only if a robot can quickly and accurately recognize objects can it (she?) 'walk around' like real people. Self-driving cars, for example, use AI-based computer 'vision' and 'image recognition' to recognize pedestrians, road signs, vehicles.... They must be able to recognize not just one particular object, but all parts in the visual field, and preferably at lightning speed. A self-driving car traveling at a decent speed must recognize a light that turns red, a child running after a ball in the right context. A child playing on the sidewalk, for example, is not an immediate problem, only if it suddenly runs into the street. So the AI software must recognize not only the parts (" object segmentation"), but also the overall context of the image constantly, as a stream of incoming data, and estimate how to respond appropriately. But whether understanding the context, the "umwelt," will also lead to a form of "artificial awareness" is another story.

IoT or the internet of things

The IoT and miniaturization

Our computer, laptop, tablet and smartphone are not the only devices in our environment that collect data about each of us.  There are also other manifestations that, for convenience, are also referred to as "computers," but do not essentially quite fit the definition above. A microcontroller is such a "computer." One uses a microcontroller or microprocessor to control electronic devices. 

Drawing of an Arduino microcontroller.

Many modern devices contain such a microcontroller: a microwave oven, a car, a washing machine, some phones...  They often contain sensors that collect data from their environment. Often they can be controlled via the Internet (i.e., remotely).

Embedded systems and microcontrollers are on a veritable conquest. You may have heard the term "internet of things" mentioned before. Roughly speaking, this means that gradually every household appliance, as well as cars, surveillance cameras and home automation systems have such embedded systems on board. When you connect all these things to the Internet, you get a comprehensive network of digitally connected devices: the Internet of Things (IoT). We won't ask here for a moment about the privacy and ethics implications and dangers.

In short, embedded systems and microcontrollers are here to stay in the world of today and   tomorrow.

Embedded systems offer numerous advantagescompared to a "computer."

  1. The processing is done in real time (just imagine if your car were running on Windows), 
  2. fast
  3. and consumes very little energy.
  4. An embedded system is also much cheaper.

The disadvantageis that the functionality is very limited. For example, you can't install a word processor in your refrigerator or video editing software in your car.  

The rise of 5G

Indoors

Via Wifi, we connectto the Internet indoors. More and more indoor devices are also connected via Wifi connection. Think of a smart TV, a Chromecast, Apple TV, a NAS server, etc. But home automation systems are also often connected to the Internet via Wifi, allowing you to set them up from the outside. That poses a lot of security risks.  

Thousands of building management systems in "smart" homes and offices worldwide are easily accessible to hackers. So concludes an ethical hacker from Computest based on a security study of the KNX standard for home and building automation. The study shows that systems based on this standard are frequently connected to the Internet. However, because these systems lack any form of authentication, attackers can use them to remotely control the security, lighting, air conditioning and heating of homes and offices. There are a total of 17,444 buildings with systems based on the KNX standard, 1,322 of which are in the Netherlands. This makes the Netherlands the country with the third most locations vulnerable to hackers, after Germany and Spain.
- Source: 
https://www.computest.nl/en/news/news-and-press-releases/homes-offices-vulnerable-unsecure-domotica/ 

Read also:  https://www.weforum.org/agenda/2022/02/5-security-must-haves-for-internet-connected-consumer-products/

Outdoors

What traces does a modern citizen leave behind outside the home? What data are collected and stored from our activities outdoors? We give a few examples: 

  • Banking transactions: Payments by smartphone or bank card
  • The location of your smartphone at (w)any time
  • Traffic checks
  • Parking cameras and parking sensors
  • Theft protection and cameras in stores
  • Flash cameras
  • Cameras in streets (generally only in cities)
  • Your Internet behavior outside the home
  • ...

Faster and easier data collection via 5G

The advent of 5G will exponentially increase data collection and sharing. 

5G is expected to support up to 1 million connected devices per square kilometer, compared to about 2.000 connected devices per square kilometer with 4G.  

The "benefits" of 5G: 

  • usage of higher frequencies
  • high bandwidth;
  • enhanced mobile broadband;
  • a lower latency of 5 ms
  • higher data rates, enabling new technology options over 5G networks, such as 4K streaming or near-real-time streaming of virtual reality (VR)
  • ...

The vast amount of devices that can be connected to a 5G network will result in a huge expansion of the number of smart devices collecting data. Smart cameras, as well as cars, bicycles, smartwatches, smart glasses, smartphones, IoT devices.... can thus be connected to a matrix of interconnected devices.  

Exchanging data via 5G will enable companies to optimize certain processes (such as their transportation). 5G will allow these companies to do this if desired  in real time, as information speeds can increase from an average of 45Mbps (megabits per second) of the fastest current 4G mobile network to a potential 1Gbps (gigabits per second).

Risks

This, of course, also carries a lot of risks. 5G enables faster data traffic, but is not by default "more secure" than its predecessor 4G. Manufacturers and companies will be able to collect data much easier, but the challenges are twofold: how to ensure reliable and secure data capture, movement and management of all that data; and who pays for this data usage.

Governance, regulation and privacy 

The introduction of GDPR legislation has made consumers more aware not only of data collection, but also of how that data is collected and what data companies are interested in. The average consumer is still open to sharing their data, as long as it's done transparently. 

The enhanced data collection that 5G enables gives companies greater insight into how their products - such as cars or home appliances - are used. This is incredibly useful for things like predictive maintenance and will pave the way for improvements in product performance and design.

Privacyverklaring Fiscacoach

Toelichting

Deze privacyverklaring is er op gericht u te informeren omtrent de verwerkingen van persoonsgegevens die door FiscaCoach uitgevoerd worden.

FiscaCoach is verantwoordelijk voor de verwerking van uw persoonsgegevens.

De rechtmatigheid van de verwerking en de beveiliging en vertrouwelijkheid van persoonsgegevens is van essentieel belang voor ons.

Wij behandelen uw persoonsgegevens dan ook overeenkomstig Verordening (EU) 2016/679 van het Europees Parlement en de Raad van 27 april 2016 betreffende de bescherming van natuurlijke personen in verband met de verwerking van persoonsgegevens en betreffende het vrije verkeer van die gegevens en tot intrekking van Richtlijn 95/46/EG (de Algemene Verordening Gegevensbescherming (“AVG”)), de Wet van 30 juli 2018 betreffende de bescherming van natuurlijke personen met betrekking tot de verwerking van persoonsgegevens en andere bijzondere wetgeving.

De verwerking van persoonsgegevens

De term “persoonsgegevens” omvat alle informatie over een geïdentificeerde of identificeerbare natuurlijke persoon, zoals uw naam, uw identificatienummer, uw locatiegegevens, uw IP-adres, uw contactgegevens, persoonlijke kenmerken, gezondheidsgegevens, maar ook door u gesloten overeenkomsten en andere documenten die toelaten u te identificeren.

Onder “verwerking” dient u elke mogelijke handeling te verstaan die gesteld kan worden met betrekking tot uw persoonsgegevens, van het verzamelen tot het mededelen tot het vernietigen ervan.

Persoonsgegevens die verwerkt worden

De verwerking van uw persoonsgegevens heeft enkel betrekking op en is beperkt tot de diensten die door ons via onze website aangeboden worden

Wij verzamelen via onze website geen persoonsgegevens op basis waarvan u rechtstreeks geïdentificeerd kan worden, tenzij u ons hiervoor de toestemming gegeven heeft of u ons deze persoonsgegevens bezorgt, o.m. door het invullen van een formulier op onze website of wanneer u ons rechtstreeks contacteert per e-mail.

Wij verzamelen via cookies evenwel automatisch bepaalde persoonsgegevens die noodzakelijk zijn voor de goede werking en veiligheid van onze website. Dit wordt omschreven in ons cookiebeleid.

Houd er rekening mee dat bepaalde functionaliteiten van onze website niet beschikbaar zijn indien u uw persoonsgegevens niet wenst mee te delen of het gebruik van bepaalde cookies weigert.

U bent als enige verantwoordelijk voor de juistheid van de gegevens die u aan ons meedeelt en/of invoert.

Doeleinden en de rechtsgrond van de verwerking van uw persoonsgegevens

Verwerking van uw persoonsgegevens in het kader van de naleving van onze contractuele verbintenissen

Wij verwerken uw persoonsgegevens tevens in het kader van de naleving van onze contractuele verbintenissen. In dit geval verwerken wij uw persoonsgegevens voor volgende doeleinden:

  • Het treffen van maatregelen ter verificatie van uw (persoons)gegevens bij aanmelding op uw account via onze website (of een van onze partners), evenals het treffen van voorzieningen ter beveiliging van uw persoonsgegevens;
  • Het overgaan tot de levering en facturatie van de diensten aangeboden via onze website of via een andere weg;
  • De technische administratie van onze website, alsook het beheer van onze klantenadministratie

Verwerking van uw persoonsgegevens op grond van uw toestemming

Verder geeft u door akkoord te gaan met deze privacyverklaring ons de toestemming om uw persoonsgegevens te verwerken voor volgende doeleinden:

  • Het opnemen van contact teneinde uw vraag of opmerking te beantwoorden;
  • Prospectie en marketing m.b.t. nieuwe klanten/prospecten.
  • Het verstrekken van actuele informatie omtrent eventuele aanbiedingen of nieuwigheden (via nieuwsbrieven) en het opmaken van statistieken met betrekking tot de items opgenomen in de nieuwsbrieven;
  • Het opmaken van statistieken met betrekking tot het aantal bezoeken van de verschillende onderdelen van de website.

De verwerkingen gerelateerd aan het plaatsen van cookies en de daarmee gerelateerde toestemming worden hieronder nader toegelicht.

De verwerkingen op grond van wettelijke verplichtingen

Verder zijn wij in bepaalde gevallen wettelijk verplicht om uw persoonsgegevens te verwerken, m.n. conform (in het bijzonder, doch niet beperkt tot) volgende regelgeving:

  • de Wet van 18 september 2017 tot voorkoming van het witwassen van geld en de financiering van terrorisme en tot beperking van het gebruik van contanten;
  • de fiscale wetgeving.

Verwerking van uw persoonsgegevens noodzakelijk is voor de behartiging van gerechtvaardigde belangen

Daarnaast verwerken wij uw persoonsgegevens indien dit noodzakelijk is voor de behartiging van onze gerechtvaardigde belangen of die van een derde, o.m. in het geval van volgende doeleinden:

  • Het treffen van maatregelen ter verificatie van uw (persoons)gegevens bij aanmelding, evenals het treffen van voorzieningen ter beveiliging van uw persoonsgegevens;
  • De uitoefening van fundamentele rechten, o.m. het instellen van een rechtsvordering, zowel door ons als door een derde;
  • Kredietwaardigheidscontrole;
  • Het vermijden van frauduleus gebruik van onze website;
  • Het verstrekken van actuele informatie omtrent eventuele aanbiedingen of nieuwigheden (via nieuwsbrieven) aan bestaande klanten en het opmaken van statistieken met betrekking tot de items opgenomen in de nieuwsbrieven;
  • Prospectie en marketing m.b.t. bestaande klanten.

Verwerking van persoonsgegevens verzameld door middel van cookies

De persoonsgegevens die via functionele cookies verzameld worden en die dus vereist zijn voor de goede werking van onze website, worden verwerkt op grond van ons gerechtvaardigd belang.

Niet-functionele cookies worden enkel geplaatst nadat wij hiervoor uw toestemming verkregen hebben.

Meer uitleg omtrent de wijze waarop cookies gebruikt worden op onze website en de specifieke cookies die (mogelijkerwijze) door onze website geplaatst worden, kan u lezen in .

Doeleinden niet voorzien in deze privacyverklaring

Indien wij voornemens zijn een verwerking van uw persoonsgegevens uit te voeren voor een doeleinde dat niet in de privacyverklaring voorzien is, zullen wij u op het door u opgegeven e-mailadres contacteren om u op de hoogte te brengen van deze nieuwe verwerking en het doel ervan, waarbij u de mogelijkheid heeft om deze verwerking te weigeren.

Vertrouwelijkheid

Mededeling van persoonsgegevens

Alle persoonsgegevens worden strikt vertrouwelijk gehouden en worden in geen geval meegedeeld aan derden, tenzij wij hiervoor de expliciete, voorafgaande toestemming hebben verkregen of in geval van de mededeling van deze persoonsgegevens aan onze externe technische dienstverleners en/of onderverwerkers voor de goede werking van onze website.

MailChimp

Onze website maakt gebruik van MailChimp, een derde partij die het e-mailverkeer afkomstig van onze website en het verzenden van eventuele nieuwsbrieven afhandelt. Alle e-mails die u ontvangt met betrekking tot onze website en de formulieren weergegeven op onze website worden verzonden via de servers van MailChimp. Onderaan iedere e-mail die op deze manier verzonden wordt, kan u een ‘unsubscribe’ link vinden. Als u hierop klikt, zal u deze e-mails niet langer ontvangen.

Uw persoonsgegevens worden door MailChimp beveiligd opgeslagen. MailChimp maakt gebruik van cookies en andere internettechnologieën die om inzichten te genereren omtrent het openen en lezen van deze e-mails en de linken naar onze website die hierin opgenomen zijn. MailChimp behoudt zich het recht om uw gegevens te gebruiken voor het verder verbeteren van de dienstverlening en in het kader daarvan informatie met derden te delen. MailChimp zal uw naam en e-mailadres nooit voor andere doeleinden gebruiken.

U kan de privacyverklaring van MailChimp hierraadplegen.

Google

Wij maken gebruik van bepaalde producten van Google, m.n. Gmail (voor archiveringsdoeleinden) en Google Drive (doch enkel indien dit platform door onze cliënt gebruikt wordt en wij uitgenodigd worden hieraan deel te nemen). Google heeft passende technische en organisatorische maatregelen getroffen om misbruik, verlies en corruptie van uw en onze gegevens zoveel mogelijk te voorkomen. Google heeft geen toegang tot ons postvak en wij behandelen al ons e-mailverkeer vertrouwelijk. Google heeft zich ertoe verbonden uw persoonsgegevens nooit voor eigen doeleinden te gebruiken.

U kan de privacyverklaring van Google hierraadplegen.

OkiOki

Wij maken gebruik van OkiOki voor de voorbereiding van de diverse fiscale aangifte, m.n. de doorgifte en (eerste) analyse van de documenten. 33Reasons NV heeft passende technische en organisatorische maatregelen getroffen om misbruik, verlies en corruptie van uw en onze gegevens zoveel mogelijk te voorkomen. 33Reasons heeft geen toegang tot de ondertekende documenten. 33Reasons heeft zich ertoe verbonden uw persoonsgegevens nooit voor eigen doeleinden te gebruiken.

U kan de privacyverklaring van 33Reasons hierraadplegen.

Accounton

Wij maken gebruik van Accounton voor de voorbereiding van de aangifte van personenbelasting door middel van vragenlijsten (m.i.v. de mogelijkheid om documenten op te laden). Changers BV heeft passende technische en organisatorische maatregelen getroffen om misbruik, verlies en corruptie van uw en onze gegevens zoveel mogelijk te voorkomen. Changers heeft geen toegang tot de inhoud. Changers heeft zich ertoe verbonden uw persoonsgegevens nooit voor eigen doeleinden te gebruiken.

SignHere/Clearfacts

Wij maken gebruik van SignHere voor de elektronische ondertekening van de contractuele documenten en volmachten en van Clearfacts voor de voorbereiding van de diverse fiscale aangifte, m.n. de doorgifte en (eerste) analyse van de documenten. Isabel NV/Clearfacts NV heeft passende technische en organisatorische maatregelen getroffen om misbruik, verlies en corruptie van uw en onze gegevens zoveel mogelijk te voorkomen. Isabel/Clearfacts heeft geen toegang tot de ondertekende documenten. Isabel/Clearfacts heeft zich ertoe verbonden uw persoonsgegevens nooit voor eigen doeleinden te gebruiken.

U kan de privacyverklaring van Isabel/Clearfacts (Isabel Group) hierraadplegen.

De intrekking van uw toestemming

De toestemming die u aan ons verleend heeft om uw persoonsgegevens te verwerken, kan u steeds intrekken door een schriftelijk of elektronisch verzoek met een bewijs van uw identiteit aan dpo@fiscacoach.bete richten.

Zoals vermeld in onze cookieverklaring kan u de toestemming die u aan ons verleend heeft om niet-functionele cookies te plaatsen steeds intrekken door op de knop bovenaan de cookieverklaring te klikken

De intrekking van uw toestemming is niet mogelijk voor de verwerkingen die noodzakelijk zijn voor de uitvoering van een overeenkomst of de verwerkingen die noodzakelijk zijn voor de behartiging van onze gerechtvaardigde belangen of die van een derde. De intrekking heeft dan ook geen invloed op deze verwerkingen.

De intrekking van uw toestemming doet geen afbreuk aan de rechtmatigheid van de verwerkingen die reeds gebeurden op basis van uw toestemming vóór de intrekking ervan.

Duur van het bewaren van de persoonsgegevens

Uw persoonsgegevens worden bewaard voor de periode die noodzakelijk is voor ons om het doeleinde van de verwerking te verwezenlijken.

Dit houdt in dat wij uw persoonsgegevens bewaren tot maximaal 10 jaar nadat u niet langer klant bij ons bent/onze contractuele relatie beëindigd werd. Deze termijn geldt onder voorbehoud van bijzondere wettelijke bepalingen die voorzien in een kortere dan wel langere duur.

De persoonsgegevens die door ons verwerkt worden in het kader van het versturen de nieuwsbrief, worden bewaard tot dat u uw toestemming intrekt door u uit te schrijven van onze nieuwbrief.

De bewaringstermijn van cookies kan u terugvinden in onze cookieverklaring.

Uw rechten

Recht van inzage, verbetering en gegevenswissing

U beschikt over het recht te verzoeken om inzage van uw persoonsgegevens, de verbetering van onjuiste of onvolledige persoonsgegevens of de wissing van uw persoonsgegevens.

De wissing van uw persoonsgegevens is niet mogelijk indien de verwerking van uw persoonsgegevens noodzakelijk is voor de totstandkoming van of de uitvoering van een overeenkomst of de onderbouwing van of de verdediging in het kader van een rechtsvordering.

Beperking van de verwerking

In bepaalde gevallen heeft u het recht om de beperking van de verwerking te verkrijgen, o.m. indien u de juistheid van de persoonsgegevens zou betwisten, de verwerking onrechtmatig is en u zich verzet tegen het wissen van de persoonsgegevens en u de persoonsgegevens nodig heeft voor het instellen, uitoefenen of onderbouwen van een rechtsvordering terwijl wij uw persoonsgegevens niet langer nodig hebben voor de verwerkingsdoeleinden. In voorkomend geval zullen wij uw persoonsgegevens enkel nog opslaan.

Overdraagbaarheid van persoonsgegevens

U heeft het recht om de persoonsgegevens die op u betrekking hebben en die u aan ons heeft verstrekt te verkrijgen of om die gegevens over te dragen. Dergelijke verkrijging of overdracht is niet mogelijk indien de verwerking van uw persoonsgegevens noodzakelijk is voor de totstandkoming van en/of de uitvoering van een overeenkomst of de onderbouwing van of de verdediging in het kader van een rechtsvordering.

Geautomatiseerde besluitvorming

U heeft het recht om niet onderworpen te worden aan een uitsluitend op geautomatiseerde verwerking gebaseerd besluit indien hieraan rechtsgevolgen voor u verbonden zijn of dit u in aanmerkelijke mate treft. Dit is niet mogelijk indien dit besluit noodzakelijk is voor de totstandkoming of de uitvoering van een overeenkomst of berust op uw toestemming.

Bezwaar

U heeft een recht van bezwaar tegen de verwerking van uw persoonsgegevens (1) die noodzakelijk is voor onze gerechtvaardigde belangen, mits er sprake is van redenen die specifiek verband houden met uw situatie en (2) ten behoeve van direct marketing. In voorkomend geval worden uw persoonsgegevens niet meer voor deze doeleinden verwerkt, tenzij voor de verwerkingen bedoeld onder (1) mits wij dwingende gerechtvaardigde gronden voor de verwerking aanvoeren die zwaarder wegen dan uw belangen, rechten en vrijheden of die verband houden met de instelling, uitoefening of onderbouwing van een rechtsvordering.

De uitoefening van uw rechten

U kan deze rechten uitoefenen door een gedateerd, schriftelijk of elektronisch verzoek met een bewijs van uw identiteit aan dpo@fiscacoach.bete richten of desgevallend een aanvullende verklaring te verstrekken.

Indien wij van mening zijn dat u niet gerechtigd bent om één of meerdere van deze rechten uit te oefenen, zullen wij u hier schriftelijk van in kennis stellen.

Veiligheid

Wij hebben veiligheidsmaatregelen ontwikkeld die aangepast zijn op technisch en organisatorisch vlak, om de vernietiging, het verlies, de vervalsing, de wijziging, de niet-toegestane toegang of de kennisgeving per vergissing aan derden van uw persoonsgegevens verzameld op onze website of op enige andere wijze alsook elke andere niet-toegestane verwerking van uw persoonsgegevens te vermijden.

In geen geval kunnen wij verantwoordelijk worden geacht voor enige directe of indirecte, schade die voortvloeit uit een foutief of onrechtmatig gebruik door een derde van uw persoonsgegevens.

Websites van derden

Wij zijn niet verantwoordelijk voor de inhoud van websites van derden waarnaar op onze website eventueel verwezen wordt en ook niet voor de producten of diensten die op deze websites vermeld worden. Daarnaast geldt voor het gebruik van onze website enkel deze privacyverklaring. Aangezien de privacyverklaring van andere websites van de onze kan verschillen, is het aangewezen om de privacyverklaring van iedere website die u bezoekt te lezen.

Klachten

Indien u meent dat de verwerking van uw persoonsgegevens door ons een inbreuk zou uitmaken op de bepalingen van onderhavige privacyverklaring of op de AVG, heeft u het recht om een klacht in te dienen bij de Gegevensbeschermingsautoriteit via deze link. Indien uw gewoonlijke verblijfplaats of uw werkplek zich niet in België bevindt, heeft u de bijkomende mogelijkheid een klacht in te dienen bij de toezichthoudende autoriteit van de desbetreffende lidstaat.

Wijzigingen in onderhavige privacyverklaring

Het is mogelijk dat onderhavige privacyverklaring in de toekomst uitgebreid of aangepast wordt, bijvoorbeeld indien er zich nieuwe ontwikkelingen voordoen. Daarom raden we u aan om onderhavige privacyverklaring regelmatig te raadplegen.

Contact

Indien u vragen heeft over de privacyverklaring, kan u steeds contact met ons opnemen via

BV FiscaCoach
Inakker 17 bus 1
3550 Heusden-Zolder

dpo@fiscacoach.be

Versie 01/08/2022

Cookieverklaring Fiscacoach

Introductie

FiscaCoach maakt op haar website gebruik van zowel eigen cookies (eerstepartijcookies) als cookies van derden wiens diensten op de website (kunnen) gebruikt worden (derdepartijcookies).

In deze cookieverklaring informeren wij u graag omtrent het gebruik van deze cookies. Aangezien cookies persoonsgegevens zijn, wordt de verwerking ervan beheerst door onze privacyverklaring.

Wij benadrukken dat bepaalde media niet beschikbaar is indien u de desbetreffende cookies niet aanvaardt.

Wat zijn cookies?

Een cookie is een eenvoudig, klein bestand dat met de pagina’s van onze website wordt meegestuurd en door uw browser op de harde schrijf van uw computer of ander apparaat wordt opgeslagen. De daarin verzamelde informatie kan bij een volgend bezoek opnieuw naar onze servers of die van de betreffende derde partij teruggestuurd worden.

Onder cookies worden ook zogenaamde “scripts” verstaan. Een script is een programmeercode dat wordt gebruikt om onze website optimaal en interactief te laten functioneren.

Tot slot vallen eveneens ‘webbeacons’, ‘pixeltags’ of ‘socialemediacookies’ onder de term ‘cookies’. Deze cookies worden gebruikt voor de integratie van diverse sociaalnetwerksites op onze website. Op die manier kan inhoud die bij een derde partij is opgeslagen op onze website worden getoond. Daarnaast kan de inhoud van onze website via sociaalnetwerksites worden gedeeld door middel van de aanwezige buttons op de diverse pagina’s. Voorbeelden van dergelijke sociaalnetwerksites zijn Facebook, Google+, Whatsapp, Instagram, YouTube, LinkedIn, Disqus en Twitter.

Raadpleeg voor meer informatie over cookies www.allaboutcookies.orgof www.youronlinechoices.eu.

Soorten cookies

Herkomst van de cookies

Eerstepartijcookieszijn cookies die rechtstreeks door FiscaCoach op de website geplaatst worden.

Derdepartijcookies zijn cookies door derden op onze website geplaatst, m.n. doordat FiscaCoach elementen van andere websites incorporeert.

Levensduur van de cookies

Permanente cookies: blijven op uw apparaat aanwezig voor de levensduur van het cookie. Ze worden geactiveerd telkens u onze website bezoekt.

Sessiecookies: vereenvoudigen en linken de handelingen van de gebruiker aan elkaar tijdens de browersessie. Telkens u uw browser opent, worden deze cookies tijdelijk geplaatst. Sessiecookies worden verwijderd zodra de browser wordt afgesloten.

Functie/doeleinde van de cookies

Functionele cookies zorgen ervoor dat alle onderdelen van de website optimaal functioneren. Dit zijn cookies die noodzakelijk zijn voor de goede werking en de beveiliging van de website, zoals cookies voor load balancing (i.e. de verdeling van aanvragen aan een webserver over een aantal computers), en voor de aanpassing van de gebruikersinterface (m.n. de taalkeuze en de weergave van zoekresultaten). Om die reden is de verwerking van persoonsgegevens die verzameld worden via functionele cookies gebaseerd op ons gerechtvaardigd belang. Deze cookies worden dan ook zonder uw toestemming geplaatst.

Niet-functionele cookiesworden geplaatst voor statistische, sociale en commerciële doeleinden en staan los van de technische ondersteuning van onze website en voldoen niet aan de voorwaarden om vrijgesteld te worden van de toestemmingsverplichting. Uw uitdrukkelijke toestemming is vereist voor de plaatsing van deze cookies.

(niet-functionele) technische cookies zorgen ervoor dat uw gebruikersvoorkeuren bekend blijven. Onze website is hierdoor gemakkelijk toegankelijk en u hoeft niet steeds dezelfde informatie in te voeren bij meerdere bezoeken aan de site.

Verder kunnen deze cookies in analytische en marketing cookies worden onderverdeeld:

Analytische cookies

Deze cookies geven weer hoe bezoekers onze website gebruiken. Op basis van deze verzamelde informatie wordt een statistische analyse gemaakt om de structuur, navigatie en inhoud van onze website gebruiksvriendelijker te kunnen maken en verbeteren.

Marketing cookies

Via marketing cookies wordt het online advertentieaanbod gepersonaliseerd. Aan de hand van een profiel, opgesteld op basis van uw klik- en surfbedrag op de site, krijgen zowel FiscaCoach als derden inzicht in de campagneprestaties.

Hieronder worden tevens de socialemediacookies begrepen. Deze cookies bieden de mogelijkheid om buttons van sociaalnetwerksites op te nemen. De buttons werken via een code afkomstig van deze sites. Een handige tool om webpagina’s te promoten zoals ‘leuk vinden’ en ‘pinnen’. Indien sociaalnetwerksites via onze website deze cookies plaatsen om (uw) gegevens te verzamelen, heeft FiscaCoach geen invloed op het gebruik van en de manier waarop zij met deze gegevens omspringen. Meer informatie hieromtrent vindt u in de privacyverklaring van de desbetreffende sociaalnetwerksites, die telkens opgegeven worden in onderstaande lijst van actieve cookies. Houd er rekening mee dat de sociaalnetwerksites hun privacyverklaring op elk moment kunnen wijzigen.

Cookies gebruikt door FiscaCoach

Functionele cookies

PHPSESSID

Eerste partij

Sessie

PHPSESSID is een sessiecookie die wordt gebruikt om de sessie van een gebruiker op een website te identificeren..

cookieControl; cookieControlPrefs

Eerste Partij

1 jaar

Deze cookie geeft aan of het cookievenster reeds getoond werd en de bezoeker zijn cookievoorkeuren bevestigd heeft. Indien dit het geval is, zorgt deze cookie ervoor dat het cookievenster niet opnieuw getoond wordt.

WPML wpml_browser_redirect_test

Eerste partij

24 uur

Via de WPML cookie is onze website functioneel in meerdere talen waarbij u zelf uw voorkeurstaal kan instellen.  

Analytische cookies

__Secure-3PAPISID 

Derde Partij 

2 jaar 

__Secure-3PAPISID is een cookie van Google en wordt geplaatst om een profiel van de interesses van websitebezoekers om te bouwen met het oog op relevante en gepersonaliseerde advertenties te tonen via retargeting. 

__Secure-3PSID 

Derde Partij 

2 jaar 

__Secure- 3PSID is een cookie van Google en wordt geplaatst om een profiel van de interesses van websitebezoekers om te bouwen met het oog op relevante en gepersonaliseerde advertenties te tonen via retargeting. 

__Secure-3PSIDCC 

Derde Partij 

1 jaar 

__Secure-3PAPISID is een cookie van Google en wordt geplaatst om informatie op te slaan over hoe u onze website gebruikt en alle advertenties die u gezien kan hebben voordat onze website bezocht. Deze cookie wordt ook gebruikt om advertenties op Google-eigendommen aan te passen voor u op basis van uw meest recente zoekopdrachten en eerdere interacties met advertenties van een adverteerder of zoekresultaten en bezoeken aan een website van een adverteerder. 

Toestemming

FiscaCoach kan enkel cookies plaatsen zonder uw toestemming indien het functionele cookies betreft. Indien het cookie niet aan de voorwaarden van functionele cookies voldoet, zullen wij de desbetreffende cookies enkel plaatsen nadat u ons hiervoor de toestemming gegeven heeft.

Deze toestemming verleent u wanneer u onze website voor het eerst bezoekt, door te klikken op “ Alle cookies”. Verder heeft u ook de mogelijkheid uw voorkeuren in te stellen door te klikken op de “ cookies beheren”, waarbij u kan kiezen om enkel bepaalde cookies te gebruiken.

Zoals hoger reeds aangehaald, kan u deze toestemming kan u steeds intrekken door uw initiële voorkeuren aan te passen, m.n. door de plaatsing van niet-functionele cookies niet langer te aanvaarden. Dit kan door op de knop “ Stel voorkeuren in” bovenaan deze cookieverklaring of onderaan iedere webpagina te klikken.

In- en uitschakelen

Via uw internetbrowser kunt u cookies automatisch of handmatig verwijderen en kunt u zelf aangeven of bepaalde cookies mogen geplaatst worden of niet. U kunt bovendien uw internetbrowser zodanig instellen dat u een bericht ontvangt als er een cookie wordt geplaatst. Meer informatie omtrent deze mogelijkheden vindt u terug in de instructies van de Help-functie van uw browser.

Cookie settings in Internet Explorer

Cookie settings in Firefox

Cookie settings in Chrome

Cookie settings in Safari web en iOS

Let op! Indien cookies zijn uitgeschakeld, bestaat de mogelijkheid dat onze website niet optimaal werkt. Na de verwijdering in uw browser, worden cookies na uw toestemming opnieuw geplaatst bij een volgend bezoek aan onze website.

Contact

Neem contact met FiscaCoach bij vragen en/of opmerkingen omtrent deze cookieverklaring via:

BV FiscaCoach

Inakker 17 bus 1

3550 Heusden-Zolder

dpo@fiscacoach.be

Versie 1/03/2023

"New technologies have the power to foster customer interaction" - Gunter Uytterhoeven, Chief Customer & Innovation Officer at AXA Partners & AXA NEXT

Gunter Uytterhoeven, Chief Customer & Innovation Officer at AXA Partners & AXA NEXT

"New technologies have the power to foster customer interaction"

Innovation comes in many forms. Of course, there is a truckload of new technologies changing the way the insurance industry operates. But taking customers' needs as a starting point, innovation leads to creative new solutions - where data is also involved. "Installers of solar panels ask if we can 'insure the sun', so they can promise return-on-investment to customers. Of course we can, even if we're not Madame Soleil", says Gunter Uytterhoeven, Chief Customer & Innovation Officer at AXA Partners & AXA NEXT.

The insurance sector has an impressive legacy. "What we need, is to rethink our processes with fresh minds: people who look past processes, actuarial tables and 30-page contracts from many many years gone by. Only if we approach what we do from a different perspective, will we write a future proof story and avoid making only small improvements to what we already have", says Gunter Uytterhoeven. And he would know, as he himself is a prime example of that attitude: "I have a polyvalent profile - like a Swiss knife. By education, I am an economist and master in Business Administration. I started my career in audit and compliance from where I moved to Boston Consulting Group (BCG), where I worked on strategic missions, M&A, implementing pricing models..."

In 2007 you switched to the financial sector.

Gunter Uytterhoeven: "Indeed, I joined BNP Paribas Fortis - at that time, Fortis - as Head of Alternative Channels, which is how digital, apps, callcentes and ATMs where labelled in those days. When you talk about 'distribution channels', it's often mentioned in the same breath as 'digital'. 2007 was a significant year because it marked the birth of the iPhone. In the following years, innovations rapidly emerged at the heart of the company: Hello bank!, Easy Banking app, ItsMe, the online sales of banking products... That decade feels for banking like the 60's feel for music."

A lot was going on in the banking sector and yet, in 2015 you decided to join an insurance company: AXA Belgium. Why?

"As I mentioned, the banking sector had experienced a remarkable period with many innovations. That didn't go unnoticed by the insurance sector, that also wanted to step up its game in terms of digitalization and paperless work. As Head of Marketing & Transformation, that seemed like a challenging opportunity to me. AXA Belgium, being the market leader in non-life insurance in Belgium and collaborating with brokers, had outspoken ambitions We began with online insurance sales, online claims notification, and together with all colleagues at AXA Belgium, we modernized the company. The results were significant: the Net Promoter Score (NPS) increased substantially over the years, largely thanks to digital utilization."

"Early 2022, I joined the AXA Group, the world's largest insurer with 145,000 employees. The challenges related to digitalization and finding ways to operate differently were immense. Therefore, I embarked on a journey at AXA Partners, where we handle B2B2C-contracts on a local or global scale with clients like Club Med, Accor, Trip.com, among others. At AXA Partners, there still remains a lot of room for digitalization, especially considering the 80,000 calls we receive daily at our call agents. Each call being a customer who expects us to arrange assistance, mostly around mobility, health, home or travel."

"In parallel to being Chief Customer & Innovation Officer at AXA Partners, I manage the AXA NEXT team of innovation specialists that support AXA entities across the world in applying innovation in their daily work, typically with Open Innovation solutions from the marketplace (Insurtech, artificial intelligence, virtual reality...) These days we are developing solutions around AI applications, LLM (large language models), metaverse applications, the impact of sustainability..." 

"Technology is a tool, not a goal. We never think: there's a new technology, let's see how we can apply it"

Innovation is clearly the common thread in your professional journey.

"And that's despite the fact that I never asked for it. ( laughs) Innovation actually always comes along somewhat accidentally. I always look for a challenge and when you try to do things differently, you sometimes - not always! - need a new technology. Nowadays, you quickly stumble upon AI and LLM. Ultimately, you want to improve a service to or the experience of your end customer. Technology is a tool, not a goal. We never think: there's a new technology, let's see how we can apply it."

"At AXA, we prioritize the customer as our starting point. Our colleagues in AXA's Emerging Technologies department possess a profound understanding of cutting-edge technologies such as the metaverse and LLM-like models. However, our focus remains on utilizing these technologies for the benefit of our customers."

If you start from the customer's needs, does that mean the Marketing department at AXA is the driving force of innovation?

"Marketing, sales & operations are the main forces for impactful innovation, as they are close to the customer. It's always the end customer who sets the tone. Innovation comes from various corners within the company." 

"Creativity is crucial in innovation. Techniques like focus groups with customers can lead to unexpected perspectives"

Henry Ford said that if he had listened to the customer's desires, he never would have designed a car rather than a faster horse. Sometimes, you also have to provide the customer with something they don't realize they need.

"That's where creativity comes into play. Creativity is crucial in innovation. Techniques like focus groups with customers can lead to unexpected perspectives. Another powerful technique is the 'analogy from another sector'. For example, we once applied an airline's pricing formula to a newspaper in Singapore. It's a completely different sector, but the same principle applies. An airplane with 200 seats becomes worthless when they are unsold. Similarly, a newspaper with empty advertising spaces is also underutilized - both are perishable goods. However, the airline sector is much more advanced in pricing than a newspaper. By thinking through the analogy, we came up with an exceptional solution. A third technique is imagination. Think of ItsMe. The basic idea in 2013 was simple: we'll put the physical wallet into an app. Not rocket science, but it wasn't possible at that time. What should be included: payment and loyalty cards, passport, driver's license. The payments failed at that time; it was too early for the market. The loyalty cards didn't work either, but the ID-card did, and that part of the idea evolved in today's Itsme. And now, ten years later, we see many new possibilities for this specific application."

You work at both the Belgian and international levels. Are there significant differences in dynamics?

"In my current global role within AXA, I indeed have the opportunity to compare our way of working with the Mexicans, Chinese, Swiss, Americans... The major difference lies in the cultural aspect. I would characterize Belgians as pragmatic, down to earth, and quick decision-makers. They often operate under the radar until something concrete arises. Latin ultures have a more haphazard concept, while the Swiss-German model, on the other hand, requires a solid case before someone takes action. In an international role, it's important to understand the strengths and limitations of each of these models and adapt accordingly, or else you'll quickly encounter obstacles. While there are certain elements of an international AXA culture, such as integrity and a set of values, when you're truly in the field, you'll notice that there are country-specific values that can't be easily changed and must be accepted for what they are." 

"Thanks to digitalization, innovation, and apps, we can establish more frequent contact, ensuring ongoing engagement"

Does the rise of new technologies pose a threat to personalized customer engagement within the insurance value chain? Think of losing direct customer interaction and chatbots replacing helpdesks?

"Indeed, the initial reaction might be that there is less human contact. However, with such innovations, we can actually foster more human interaction. In reality, as a consumer, you may not have regular interactions with your insurer. Yet, through digitalization, innovation, and apps, and instant messaging, we can establish more frequent contact, ensuring ongoing engagement. When we reach out, we always extend an invitation for contact, but it's ultimately up to the customer to decide whether to respond or not. One of the design principles in the customer journey is always offering the option for human contact, even though most customers may not feel the need for it. By the way, how customers choose to make contact varies by culture: Flemish individuals are more likely to send an email, while French-speaking Belgians prefer picking up the phone. Innovation must adapt to cultures. Scandinavian countries never relied on call centers and went directly digital. Similarly, in Africa, they skipped landlines and went straight to mobile. Today, we see that conversations with call agents tend to be longer in Latin countries than in Anglo-Saxon countries. That's purely cultural, and it's something we need to consider when adapting our customer journeys. While Apple can impose a global approach, as a local insurer (AXA is multilocal), we must choose a different path."

Are new digital technologies top priorities within AXA and AXA NEXT?

"Not just at AXA and AXA NEXT, in every company, data and AI are top priorities. AI has numerous applications today, and particularly the LLM models, such as ChatGPT. Because the latter generates texts and images on its own, I consider it a game changer. The AI we have already implemented within AXA remains primarily internal. It involves automating decisions, such as accepting or rejecting a claim. The end customer doesn't see that; the output remains the same. But now, with the next generative steps of AI producing various outputs, the current chatbots will be swept away, contracts will be simplified... This will have an impact on the end consumer. And suddenly, everyone is waking up. Many CEOs suddenly have their eyes on AI, but for that, you need data. This places data at the top of the agenda for every company."

"The customer doesn't ask for AI, but they do want a readable contract or the ability to consult with something smarter than a chatbox at any given moment. The customer has a requirement, seeking a solution to their problem; they don't specifically ask for a particular LLM, machine learning, or metaverse technology."

How important is it to collaborate to tackle current and future technological challenges?

"We don't isolate ourselves; we work with open innovation and collaborate extensively with insurtech companies and other tech companies - they are all on our radar. We don't possess the ultimate truth; we absolutely need to leverage the power of partnerships. It's our responsibility to manage our core processes effectively, keep our architecture in order, and conduct our customer analysis ourselves - that's not something we easily hand over. However, when it comes to technical solutions, we must rely on market solutions because we can't do everything alone."

You were talking about the need for data in order to feed AI. There's no lack of data at AXA, I guess?

"Insurers have an enormous amount of data. We handle it with great care due to privacy concerns. It's a competitive asset to compile the right statistics for pricing purposes. This works in favor of larger insurers because scale is necessary. Let's take the electric vehicle market, for example. Since we are present in so many countries, we have an extensive dataset immediately, even though the number of EVs per country is still relatively limited. A purely local insurer could never establish a correct risk profile in the same way. You can also search for new patterns in those datasets: there are quite some differences between fossil vehicles and electric vehicles. Just to name one of those new variables, is the weight of the vehicle: the heavier the battery, the higher the risk of a flat tire. That is also part of innovation: not looking at an EV through the lens of a traditional car. You need to set aside the entire model, engage in a new thought process and search for different data correlations." 

"Travel insurance is the most complex and noble form of insurance"

AXA Partners' offerings focus on eight key industries. Do you see a difference in the level of maturity regarding the use/presence of data and new technologies in any of these industries?

"Airlines and OTA (online travel agencies) are truly at the top of innovation. This is because they have always operated with slim margins and have a significant number of variables and yield management systems for pricing, which they extend to insurance. Therefore, they have excellent data. We are experiencing strong global growth in travel insurance, and I particularly enjoy working for the travel sector."

"Utilities (gas, electricity) were traditionally state-owned companies, but they have evolved significantly and become modern retail businesses. They have a lot of customer data and seek to sell additional products or services to their customers, creating an intriguing dynamic. The banking sector on the other hand has a legacy of good data, but the industry doesn't change massively with regard to insurances."

Do you approach the industry with fixed products, or do customers come to you?

"Customers come to us. AXA Partners operates on a B2B2C model, where partners approach us, and we develop a product without disrupting our entire back office. This requires a good architecture. We need modular products like computable contracts for that purpose. This is quite innovative in the insurance sector and enables advanced automation. Without such capabilities, we would have to come up with tailor-made solutions time and again, which would put enormous pressure on the back office, considering we have around 3,000 companies as clients."

"For me, travel insurance is the most complex and noble form of insurance. It may sound strange at first glance because isn't travel primarily about fun? But travel insurance encompasses many aspects: trip cancellation, repatriation, air ambulance, damages, baggage... We have a global network of doctors, mechanics, etc., and our our intervention capabilities follow the sun, 24/24 across the globe. There are only four or five insurers worldwide capable of offering such services."

Already 6 years ago, AXA launched Fizzy, a product based on the blockchain which offers automatic compensation to policyholders whose flights are delayed. Ever since, blockchain seems no longer on the forefront of innovation within insurance. Do you still see a future for blockchain within insurance?

"Next to being based on the blockchain, Fizzy was also innovative due to the fact that it is an example of a 'parametric insurance' product. However, blockchain has somewhat faded from the radar in our sector. For me, blockchain has always been a technology in search of a problem ( laughs). I have worked on three projects involving blockchain applications, including Fizzy. With Fizzy, if your flight is delayed, we can see that in the flight datasets, allowing you to automatically receive compensation. These projects started as blockchain proof-of-concept pilots, and two of them went into production. However, we realized that blockchain technology was overshooting its target. Achieving the same results at a much lower cost is possible with a good API and a robust data architecture. That has been my experience with blockchain to this day. I don't question the technology and believe that blockchain can achieve remarkable results, but with AI being so widely applicable today and with API technology, blockchain has taken a back seat."

Can we expect more parametric-based insurance products that offers pre-specified payouts based upon a trigger event in the near future?

"Customers have new needs, and as an insurer, you must offer new products to meet them. One example of this is solar panels. Electricity companies come to us with the question: 'Our end customers find it quite expensive and want to know how much their final bill will actually be reduced, because, well, how much does the sun shine? Can't you insure the sun?' Of course, we can insure the sun. And so, we create products that automatically (parametrically) calculate the number of hours of sunlight based on public data. If there is insufficient output, we provide additional coverage so that the end customer can achieve their desired return, and the electricity company can convince their customer to install solar panels due to the insured return." 

"Assisting over 100,000 people per day gives a great feeling. I love it"

You've worked with companies in various industries throughout your career as a strategy consultant. What do you think makes the insurance industry unique, and what challenges does that present when it comes to innovation?

"Two things attract me to the insurance industry: from a customer perspective, it's often very emotional (losing a home, a serious car accident, being stranded abroad, being unable to repay a loan due to an unexpected setback...), sometimes events that can make or break a life. So, I find it a very noble profession. Especially at AXA Partners, where we handle around 80,000 calls per day - and that's just the tip of the iceberg, as much happens digitally - and each call represents a person with a problem whom we help. Assisting over 100,000 people per day gives a great feeling. I love it."

"Secondly, internally, there is a vast amount of data, a unique resource that still has a long way to go in terms of automation and digitalization... We are working hard on that, but there is so much more that can be done on data and AI. The sky is the limit for data professionals in this sector."

What advice would you give to someone aspiring to pursue a career in the insurance industry?

"Come in with a fresh mind. The insurance sector has many processes, actuarial tables, and contracts from days gone by, a whole legacy. We are transforming all of that, but the sector needs people who look at it from a different perspective. We need fresh minds; otherwise, we will only make small improvements to what we already have. See the car, not the faster horse." 

  

Gunter's data

80,000 / The number of people with an urgent problem that call us every day at AXA Partners.

12 / Kilometers is the distance I run every week to stay somewhat healthy. I do it all at once because I don't have time to put on my running shoes three or four times a week. Besides, I want to be back home quickly, so I run too fast. By the way, I just bought a new pair after eight years, and I've noticed that I'm running quite a bit faster with them. That must be innovation too, right? ( laughs

3,9 / Each year, I try to go on three family trips abroad with my children, who still live at home. It's partly to alleviate my guilt for being absent often. Professionally, I travel to nine countries for work. That's what my year looks like: 3 and 9.

AXA 202305.Interview met Gunter Uytterhoeven.V2AD+FC+GU

Gunter Uytterhoeven, Chief Customer & Innovation Officer at AXA Partners & AXA NEXT

"New technologies have the power to foster customer interaction"

Innovation comes in many forms. Of course, there is a truckload of new technologies changing the way the insurance industry operates. But taking customers’ needs as a starting point, innovation leads to creative new solutions – where data is also involved. "Installers of solar panels ask if we can ‘insure the sun’, so they can promise return-on-investment to customers. Of course we can, even if we’re not Madame Soleil", says Gunter Uytterhoeven, Chief Customer & Innovation Officer at AXA Partners & AXA NEXT.

The insurance sector has an impressive legacy. "What we need, is to rethink our processes with fresh minds: people who look past processes, actuarial tables and 30-page contracts from many many years gone by. Only if we approach what we do from a different perspective, will we write a future proof story and avoid making only small improvements to what we already have", says Gunter Uytterhoeven. And he would know, as he himself is a prime example of that attitude: "I have a polyvalent profile – like a Swiss knife. By education, I am an economist and master in Business Administration. I started my career in audit and compliance from where I moved to Boston Consulting Group (BCG), where I worked on strategic missions, M&A, implementing pricing models..."

In 2007 you switched to the financial sector.

Gunter Uytterhoeven: "Indeed, I joined BNP Paribas Fortis – at that time, Fortis – as Head of Alternative Channels, which is how digital, apps, callcentes and ATMs where labelled in those days. When you talk about ‘distribution channels’, it's often mentioned in the same breath as ‘digital’. 2007 was a significant year because it marked the birth of the iPhone. In the following years, innovations rapidly emerged at the heart of the company: Hello bank!, Easy Banking app, ItsMe, the online sales of banking products…That decade feels for banking like the 60’s feel for music."

A lot was going on in the banking sector and yet, in 2015 you decided to join an insurance company: AXA Belgium. Why?

"As I mentioned, the banking sector had experienced a remarkable period with many innovations. That didn’t go unnoticed by the insurance sector, that also wanted to step up its game in terms of digitalization and paperless work. As Head of Marketing & Transformation, that seemed like a challenging opportunity to me. AXA Belgium, being the market leader in non-life insurance in Belgium and collaborating with brokers, had outspoken ambitions We began with online insurance sales, online claims notification, and together with all colleagues at AXA Belgium, we modernized the company. The results were significant: the Net Promoter Score (NPS) increased substantially over the years, largely thanks to digital utilization."

"Early 2022, I joined the AXA Group, the world's largest insurer with 145,000 employees. The challenges related to digitalization and finding ways to operate differently were immense. Therefore, I embarked on a journey at AXA Partners, where we handle B2B2C-contracts on a local or global scale with clients like Club Med, Accor, Trip.com, among others. At AXA Partners, there still remains a lot of room for digitalization, especially considering the 80,000 calls we receive daily at our call agents. Each call being a customer who expects us to arrange assistance, mostly around mobility, health, home or travel."

"In parallel to being Chief Customer & Innovation Officer at AXA Partners, I manage the AXA NEXT team of innovation specialists that support AXA entities across the world in applying innovation in their daily work, typically with Open Innovation solutions from the marketplace (Insurtech, artificial intelligence, virtual reality...) These days we are developing solutions around AI applications, LLM (large language models), metaverse applications, the impact of sustainability..."

QUOTE

"Technology is a tool, not a goal. We never think: there’s a new technology, let's see how we can apply it"

Innovation is clearly the common thread in your professional journey.

"And that's despite the fact that I never asked for it. ( laughs) Innovation actually always comes along somewhat accidentally. I always look for a challenge and when you try to do things differently, you sometimes – not always! – need a new technology. Nowadays, you quickly stumble upon AI and LLM. Ultimately, you want to improve a service to or the experience of your end customer. Technology is a tool, not a goal. We never think: there’s a new technology, let's see how we can apply it."

"At AXA, we prioritize the customer as our starting point. Our colleagues in AXA's Emerging Technologies department possess a profound understanding of cutting-edge technologies such as the metaverse and LLM-like models. However, our focus remains on utilizing these technologies for the benefit of our customers."

If you start from the customer's needs, does that mean the Marketing department at AXA is the driving force of innovation?

"Marketing, sales & operations are the main forces for impactful innovation, as they are close to the customer. It's always the end customer who sets the tone. Innovation comes from various corners within the company."

QUOTE

"Creativity is crucial in innovation. Techniques like focus groups with customers can lead to unexpected perspectives"

Henry Ford said that if he had listened to the customer’s desires, he never would have designed a car rather than a faster horse. Sometimes, you also have to provide the customer with something they don't realize they need.

"That's where creativity comes into play. Creativity is crucial in innovation. Techniques like focus groups with customers can lead to unexpected perspectives. Another powerful technique is the ‘analogy from another sector’. For example, we once applied an airline's pricing formula to a newspaper in Singapore. It's a completely different sector, but the same principle applies. An airplane with 200 seats becomes worthless when they are unsold. Similarly, a newspaper with empty advertising spaces is also underutilized – both are perishable goods. However, the airline sector is much more advanced in pricing than a newspaper. By thinking through the analogy, we came up with an exceptional solution. A third technique is imagination. Think of ItsMe. The basic idea in 2013 was simple: we'll put the physical wallet into an app. Not rocket science, but it wasn't possible at that time. What should be included: payment and loyalty cards, passport, driver's license. The payments failed at that time; it was too early for the market. The loyalty cards didn't work either, but the ID-card did, and that part of the idea evolved in today's Itsme. And now, ten years later, we see many new possibilities for this specific application."

You work at both the Belgian and international levels. Are there significant differences in dynamics?

"In my current global role within AXA, I indeed have the opportunity to compare our way of working with the Mexicans, Chinese, Swiss, Americans... The major difference lies in the cultural aspect. I would characterize Belgians as pragmatic, down to earth, and quick decision-makers. They often operate under the radar until something concrete arises. Latin ultures have a more haphazard concept, while the Swiss-German model, on the other hand, requires a solid case before someone takes action. In an international role, it's important to understand the strengths and limitations of each of these models and adapt accordingly, or else you'll quickly encounter obstacles. While there are certain elements of an international AXA culture, such as integrity and a set of values, when you're truly in the field, you'll notice that there are country-specific values that can't be easily changed and must be accepted for what they are."

QUOTE

"Thanks to digitalization, innovation, and apps, we can establish more frequent contact, ensuring ongoing engagement"

Does the rise of new technologies pose a threat to personalized customer engagement within the insurance value chain? Think of losing direct customer interaction and chatbots replacing helpdesks?

"Indeed, the initial reaction might be that there is less human contact. However, with such innovations, we can actually foster more human interaction. In reality, as a consumer, you may not have regular interactions with your insurer. Yet, through digitalization, innovation, and apps, and instant messaging, we can establish more frequent contact, ensuring ongoing engagement. When we reach out, we always extend an invitation for contact, but it's ultimately up to the customer to decide whether to respond or not. One of the design principles in the customer journey is always offering the option for human contact, even though most customers may not feel the need for it. By the way, how customers choose to make contact varies by culture: Flemish individuals are more likely to send an email, while French-speaking Belgians prefer picking up the phone. Innovation must adapt to cultures. Scandinavian countries never relied on call centers and went directly digital. Similarly, in Africa, they skipped landlines and went straight to mobile. Today, we see that conversations with call agents tend to be longer in Latin countries than in Anglo-Saxon countries. That's purely cultural, and it's something we need to consider when adapting our customer journeys. While Apple can impose a global approach, as a local insurer (AXA is multilocal), we must choose a different path."

Are new digital technologies top priorities within AXA and AXA NEXT?

"Not just at AXA and AXA NEXT, in every company, data and AI are top priorities. AI has numerous applications today, and particularly the LLM models, such as ChatGPT. Because the latter generates texts and images on its own, I consider it a game changer. The AI we have already implemented within AXA remains primarily internal. It involves automating decisions, such as accepting or rejecting a claim. The end customer doesn't see that; the output remains the same. But now, with the next generative steps of AI producing various outputs, the current chatbots will be swept away, contracts will be simplified... This will have an impact on the end consumer. And suddenly, everyone is waking up. Many CEOs suddenly have their eyes on AI, but for that, you need data. This places data at the top of the agenda for every company."

"The customer doesn't ask for AI, but they do want a readable contract or the ability to consult with something smarter than a chatbox at any given moment. The customer has a requirement, seeking a solution to their problem; they don't specifically ask for a particular LLM, machine learning, or metaverse technology."

How important is it to collaborate to tackle current and future technological challenges?

"We don't isolate ourselves; we work with open innovation and collaborate extensively with insurtech companies and other tech companies – they are all on our radar. We don't possess the ultimate truth; we absolutely need to leverage the power of partnerships. It's our responsibility to manage our core processes effectively, keep our architecture in order, and conduct our customer analysis ourselves – that's not something we easily hand over. However, when it comes to technical solutions, we must rely on market solutions because we can't do everything alone."

You were talking about the need for data in order to feed AI. There’s no lack of data at AXA, I guess?

"Insurers have an enormous amount of data. We handle it with great care due to privacy concerns. It's a competitive asset to compile the right statistics for pricing purposes. This works in favor of larger insurers because scale is necessary. Let's take the electric vehicle market, for example. Since we are present in so many countries, we have an extensive dataset immediately, even though the number of EVs per country is still relatively limited. A purely local insurer could never establish a correct risk profile in the same way. You can also search for new patterns in those datasets: there are quite some differences between fossil vehicles and electric vehicles. Just to name one of those new variables, is the weight of the vehicle: the heavier the battery, the higher the risk of a flat tire. That is also part of innovation: not looking at an EV through the lens of a traditional car. You need to set aside the entire model, engage in a new thought process and search for different data correlations."

QUOTE

"Travel insurance is the most complex and noble form of insurance"

AXA Partners' offerings focus on eight key industries. Do you see a difference in the level of maturity regarding the use/presence of data and new technologies in any of these industries?

"Airlines and OTA (online travel agencies) are truly at the top of innovation. This is because they have always operated with slim margins and have a significant number of variables and yield management systems for pricing, which they extend to insurance. Therefore, they have excellent data. We are experiencing strong global growth in travel insurance, and I particularly enjoy working for the travel sector."

"Utilities (gas, electricity) were traditionally state-owned companies, but they have evolved significantly and become modern retail businesses. They have a lot of customer data and seek to sell additional products or services to their customers, creating an intriguing dynamic. The banking sector on the other hand has a legacy of good data, but the industry doesn't change massively with regard to insurances."

Do you approach the industry with fixed products, or do customers come to you?

"Customers come to us. AXA Partners operates on a B2B2C model, where partners approach us, and we develop a product without disrupting our entire back office. This requires a good architecture. We need modular products like computable contracts for that purpose. This is quite innovative in the insurance sector and enables advanced automation. Without such capabilities, we would have to come up with tailor-made solutions time and again, which would put enormous pressure on the back office, considering we have around 3,000 companies as clients."

"For me, travel insurance is the most complex and noble form of insurance. It may sound strange at first glance because isn't travel primarily about fun? But travel insurance encompasses many aspects: trip cancellation, repatriation, air ambulance, damages, baggage... We have a global network of doctors, mechanics, etc., and our our intervention capabilities follow the sun, 24/24 across the globe. There are only four or five insurers worldwide capable of offering such services."

Already 6 years ago, AXA launched Fizzy, a product based on the blockchain which offers automatic compensation to policyholders whose flights are delayed. Ever since, blockchain seems no longer on the forefront of innovation within insurance. Do you still see a future for blockchain within insurance?

"Next to being based on the blockchain, Fizzy was also innovative due to the fact that it is an example of a 'parametric insurance' product. However, blockchain has somewhat faded from the radar in our sector. For me, blockchain has always been a technology in search of a problem ( laughs). I have worked on three projects involving blockchain applications, including Fizzy. With Fizzy, if your flight is delayed, we can see that in the flight datasets, allowing you to automatically receive compensation. These projects started as blockchain proof-of-concept pilots, and two of them went into production. However, we realized that blockchain technology was overshooting its target. Achieving the same results at a much lower cost is possible with a good API and a robust data architecture. That has been my experience with blockchain to this day. I don't question the technology and believe that blockchain can achieve remarkable results, but with AI being so widely applicable today and with API technology, blockchain has taken a back seat."

Can we expect more parametric-based insurance products that offers pre-specified payouts based upon a trigger event  in the near future?

"Customers have new needs, and as an insurer, you must offer new products to meet them. One example of this is solar panels. Electricity companies come to us with the question: ‘Our end customers find it quite expensive and want to know how much their final bill will actually be reduced, because, well, how much does the sun shine? Can't you insure the sun?’ Of course, we can insure the sun. And so, we create products that automatically (parametrically) calculate the number of hours of sunlight based on public data. If there is insufficient output, we provide additional coverage so that the end customer can achieve their desired return, and the electricity company can convince their customer to install solar panels due to the insured return."

QUOTE

"Assisting over 100,000 people per day gives a great feeling. I love it."

You've worked with companies in various industries throughout your career as a strategy consultant. What do you think makes the insurance industry unique, and what challenges does that present when it comes to innovation?

"Two things attract me to the insurance industry: from a customer perspective, it's often very emotional (losing a home, a serious car accident, being stranded abroad, being unable to repay a loan due to an unexpected setback...), sometimes events that can make or break a life. So, I find it a very noble profession. Especially at AXA Partners, where we handle around 80,000 calls per day – and that's just the tip of the iceberg, as much happens digitally – and each call represents a person with a problem whom we help. Assisting over 100,000 people per day gives a great feeling. I love it."

"Secondly, internally, there is a vast amount of data, a unique resource that still has a long way to go in terms of automation and digitalization... We are working hard on that, but there is so much more that can be done on data and AI. The sky is the limit for data professionals in this sector."

What advice would you give to someone aspiring to pursue a career in the insurance industry?

"Come in with a fresh mind. The insurance sector has many processes, actuarial tables, and contracts from days gone by, a whole legacy. We are transforming all of that, but the sector needs people who look at it from a different perspective. We need fresh minds; otherwise, we will only make small improvements to what we already have. See the car, not the faster horse."

Xxxxxxx foto-grafiek xxxxxxx

80,000

The number of people with an urgent problem that call us every day at AXA Partners.

12

Kilometers is the distance I run every week to stay somewhat healthy. I do it all at once because I don't have time to put on my running shoes three or four times a week. Besides, I want to be back home quickly, so I run too fast. By the way, I just bought a new pair after eight years, and I've noticed that I'm running quite a bit faster with them. That must be innovation too, right? ( laughs)

3.9

Each year, I try to go on three family trips abroad with my children, who still live at home. It's partly to alleviate my guilt for being absent often. Professionally, I travel to nine countries for work. That's what my year looks like: 3 and 9.

"New technologies are tools, not enemies" - Martine George, Professor of Management Practice at Solvay Brussels School of Economics & Management

Martine George, Professor of Management Practice at Solvay Brussels School of Economics & Management

"New technologies are tools, not enemies"

With almost 20 years of corporate experience on her professional odometer, Martine George felt she could create more impact and “pursue a more fulfilling professional path” by returning to the academic world. “I sought to contribute by offering a practitioner's perspective on data analytics, in a broader sense, to the upcoming generation of students.” Martine George now not only teaches young students as Professor of Management Practice at Solvay Brussels School of Economics & Management, she also coaches executives and professionals (software engineers, experts in analytics…) who are going through significant transitions. “For me, the biggest challenge in the analytics value chain is transversality.”


If lifelong learning applies to anyone, it certainly does to Martine George, her LinkedIn-profile amply reveals. “I completed a PhD in Physics in the late 90s, focusing on machine learning at a time when it was less prevalent than it is today. Back then machine learning was considered more exotic than the hype it is nowadays.”


Yet, as a PhD you stepped away from an academic career to follow a corporate path.

Martine George: “When I entered the corporate world, I brought with me a strong scientific background, particularly in the field of machine learning, and was well-equipped with technical and quantitative skills that were suitable for a career in data mining. Throughout my corporate journey, I discovered a passion for data and cultivating a more data-driven perspective within companies. I aimed to assist them in making important decisions based on factual and evidence-based insights. Additionally, I developed a passion for nurturing and fostering talent, particularly in assembling teams of experts from scratch. At the time, this type of job was not well-established, requiring extensive efforts to search for the right individuals possessing the appropriate skills and competencies to form effective teams. It was a challenging endeavor that demanded a diverse range of qualities, ones that could not be acquired solely through a traditional curriculum.”


"By paying attention to the available data from customer service, coverage, usage, billing, and marketing, I could construct a comprehensive view of an organization"

Your journey from company to company was quite diverse.

“I transitioned into different industries, such as telecom and banking. You may wonder why I made these changes and choices. I initially worked in the energy industry, specifically in practical energy research as part of the R&D activities. The goal was to apply the knowledge and insights I gained during my PhD to an industrial context. This involved utilizing neural networks and other technologies to support decision-making processes in the energy industry. During this period, my curiosity to learn more was sparked, and it was then that I discovered the field of data mining. I sought to understand its essence, recognizing that it encompassed both technical aspects and a realm that I was less familiar with — business.”


“To illustrate my lack of knowledge, I will provide you with an anecdote: at that time, I wasn't entirely satisfied with my job in the energy sector. Therefore, I decided to explore new opportunities. In 2000, I joined Belgacom Mobile (currently known as Proximus), where I discovered that they had an excellent data warehouse due to the nature of their business, which generated a vast amount of data. With enthusiasm, I proposed the idea of establishing a data mining activity from scratch to the company. They were intrigued and interested in my proposition, and they agreed to pursue this initiative. When they offered me the opportunity to develop the idea further, I realized I lacked a deep understanding of running a business. However, I saw this as an opportunity to learn and understand business through the lens of data. By paying attention to the available data from customer service, coverage, usage, billing, and marketing, I could construct a comprehensive view of an organization.”


Perhaps, by viewing through the lens of data, you provided the company with a brand new perspective on its own strategy and operations?

“Around that time, text messaging was booming, with a volume underestimated by a factor of more than 10. Additionally, data mining started to play a crucial role in customer retention, particularly due to the government's consideration of number portability. Prior to this, there were clear distinctions between operators, especially in the B2B sector, making it difficult for businesses to switch operators and retain their client base. However, the telecom policies in Belgium shifted towards opening up portability, prompting a benchmarking analysis of similar policies in other countries. In some of them, there was a rotational rate of over 70%, indicating that companies risked losing their historical databases due to not anticipating this change. The historical operators, who held the largest share of the market, understandably became concerned. They realized the need to develop tools to anticipate churn behavior, and this became my initial responsibility in the project. The goal was to identify high-value clients with a high propensity to switch operators, despite being extremely profitable for their current provider.”


"I sought to contribute by offering a practitioner's perspective on data analytics to the upcoming generation of students"

Then you switched jobs again?

“I indeed was also attracted to other industries as well. I also ventured into the financial services industry, where access to data was abundant. It was an industry with a pressing need for digital transformation. I was fortunate to be at ING during a period when they spearheaded a significant digital transformation, challenging the established oligopoly in Belgium. This transformation began around 2005, as they recognized the importance of changing their business model. They aimed to shift away from a branch-based model and embrace digital technology to streamline operations and offer simple products—things that we now take for granted. Through these experiences, I encountered diverse contexts of companies, industries, and varying levels of data accessibility, all of which enriched my understanding.”

What were the biggest challenges you encountered throughout your journey?

“One of the most significant challenges I faced at every company I worked for, was the concept of transversality, where interdisciplinary collaboration and integration were essential. It was in light of this challenge that I decided to return to academia, as it provided a platform to pursue endeavors that held greater personal meaning for me in the latter part of my career. I sought to contribute by offering a practitioner's perspective on data analytics, in a broader sense, to the upcoming generation of students.”


You returned to the academic world where you had to contribute to a new field of expertise?

“A new field may be an exaggeration, but yes, some ten years ago there was only one optional course for business intelligence in the curriculum of the Master of Business Engineering program. I was tasked with creating a mandatory course on the topic in the master in Management Science. The notion was to acknowledge that this subject would become a valuable asset for any business student in the future.”


"I think that the biggest challenge in the analytics value chain is transversality"

Are students aware of the importance of data in their future jobs?

“Students nowadays are becoming increasingly conscious of the importance of data. By the time they arrive in class, they have already learned some Python programming and other related topics, which is different from the curriculum in the past. My goal is to guide them towards a pragmatic understanding of how data can benefit them as future business professionals. It's crucial to expose them to the topic of data as multidisciplinary, encompassing technical aspects like programming, analytical tools, data quality, and database modeling. Additionally, the quantitative aspect is significant, drawing on the strong quantitative foundation at Solvay. We introduce them to concepts in machine learning, experimental design, and measurement. In addition to the quantitative aspect, we connect their background in business to analytics. We explore the types of problems that can be tackled with analytics, both strategically and tactically, and highlight the specificities that can arise across industries. It's essential not to overlook ethics, privacy considerations, and the integration of project management within the analytics context. Moreover, based on my field experience, I emphasize that the success of analytics depends not only on the technical aspects but also on effective communication of results and the capability to adjust the message to the audience (technical professionals, senior managers…).”



Can you elaborate on communication as a succes factor?

“The ability to bridge the gap between technical expertise and effective communication is paramount. This challenge arises because analytics is akin to a relay race where you need to pass the baton to different individuals, each with their own background, expertise and language, to ensure successful implementation and impact. I think that the biggest challenge in the analytics value chain is transversality. There are IT experts, quantitative analysts, statisticians, and business professionals involved, and ultimately, it is the decision-maker who determines whether the insights will be used or not. This moment of truth is crucial because if the decision-maker doesn't trust the analytics or the experts behind them, all the efforts may go to waste. It's a matter of trust and effective communication, speaking the same language at the same time. While other aspects are important, they are necessary but not sufficient conditions for success.”


"It's important to be clear about how technology can support progress and innovation in the future while being mindful of its limitations"

Do you consider yourself a role model for women in tech?

“From a university perspective, the gender balance in business-related fields is quite good. While there are some differences, I wouldn't say there are particular barriers, except for the lack of interest among some women. However, it's important not to generalize. More young women are genuinely interested and involved in these topics.”


“As for being a role model, well, I do not like this type of labeling. Anybody with interest in this topic will find his or her own way to contribute in this amazing multidisciplinary domain. I am passionate about the field of analytics, which I discovered 25 years ago, and I'm still incredibly excited about it. But for me, it's more about transmitting knowledge and ensuring that this topic is considered important for future generations. I also believe in being critical about how technology can bring both good and bad outcomes. It's important to be clear about how technology can support progress and innovation in the future while being mindful of its limitations.”


Do companies have a clear vision of what to expect from data analysis?

“Some companies invest a significant amount of time, space, and resources in purchasing infrastructure for modern data platforms without truly understanding why or having a clear, compelling, and articulated connection between their strategic objectives and vision. This leads to investments being made without a strong rationale. It's not necessarily difficult for smaller companies to have a strategy and vision regarding data. It often depends on who is leading the company.”


What skill sets do students need when they enter the corporate world, especially in data-related fields?

"In general, they need curiosity, adaptability, resilience, critical thinking, active listening and co-creation abilities. These are key aspects, particularly in data-related domains. They should also have sufficient training in data to approach it as a natural way of looking at things. With data being everywhere and easy access to the internet, new technologies like ChatGPT should be integrated into education as additional tools rather than seen as enemies of learning.”


"There are missed opportunities for organizations that fail to invest in data teams and provide adequate edcuation and training to bridge this divide"

Do you think companies that don't invest in data teams and education like this are missing out on significant opportunities?

“Many companies now recognize the need for data teams and good IT infrastructure, including data analysts, data engineering, analytics translators and many others. However, there sometimes exists a significant divide between these experts and the rest of the organization, as many employees struggle to understand how data can be effectively exploited to create tangible assets. This gap hampers the full utilization of data's potential within companies. Therefore, there are indeed missed opportunities for organizations that fail to invest in data teams and provide adequate education and training to bridge this divide. Senior management, including the CEO, plays a crucial role in shaping the culture and understanding the importance of data.”


“Creating a startup provides an opportunity to incorporate data as a core element based on the nature of the business. If data is crucial to the business model, it is essential to establish data collection practices from day one. Neglecting the attention to data systems, even if they are basic, can become a nightmare for a simple operation, especially for small businesses. Many companies with limited revenue struggle to allocate resources for organizing their data. They are not specialists in the field and require a user-friendly system that can be implemented quickly. This is a common need and can determine their success or failure.”


How does data shape success?

“For me, the key factor in determining the success of an initiative is its actionability and utilization. Generating insightful information from raw data is insufficient if the insights are not used by anyone. Some data scientists are very interested in the intellectual challenge rather than the practical application of their results. However, the true value lies in how insights support decision-making processes and influence outcomes. In marketing campaigns, for example, it is crucial to develop experimental designs beforehand to assess the impact of analytics-driven targeting compared to doing nothing or using random targeting. This allows for conclusive insights on the effectiveness of the campaign. The process of scaling up and improving analytics involves an iterative approach of learning by doing, experimenting, and drawing conclusions from well-designed experiments. It is a continuous improvement journey that requires never resting on analytical laurels. Fostering such a culture involves strong leadership and alignment across the organization. Today, I believe most companies in the financial and insurance industry is aligned with the importance of data and analytics.”


  

Martine's data

25 / 25 years of passion for analytics.  

30 / As a lifelong-learner, I spend about 30 days per year on average to continue to train and learn in analytics, story-telling with data, coaching, positive psychology, coaching supervision, sustainability, teaching innovation, corporate governance, and many other topics of interest. 

300 / Minimum number of students per year since 2016 that I try to open awareness to the topics of analytics and all of their facets.

31 / The demand for composite data analytics professionals will grow by 31% by 2030 (Forbes).

"Data governance gives your job more impact" - Amandine Rouvroy, Chief Data Officer at Federale Verzekering

  

Amandine Rouvroy, Chief Data Officer at Federale Verzekering

"Data governance gives your job more impact"

As Chief Data Officer, a relatively recent position within Federale Verzekering, Amandine Rouvroy is pushing boundaries - or are they milestones? "Data governance may sound incredibly dull, while it is anything but when you consider what it really means: giving all employees more impact in their job." Data management and migration in all their aspects do not limit Amandine's world: the computer scientist also has a passion for painting, is (twice) a mother, a horse whisperer, a lover of people and a Japanese warrior.

With four years of experience within Federale Verzekering's Business Intelligence Competence Centre (BICC) team under her belt, Amandine Rouvroy became the very first Chief Data Officer of the insurance company in the second half of 2022. Business Intelligence had also been her professional playground in the years prior: Amandine has, among other things, implemented the Enterprise Data Lake for ING.

Where does your fascination for data stem from?

Amandine Rouvroy: "Data is the source of knowledge - it sounds like an open door, but it really is why I enjoy immersing myself in it so much. It is very technical by nature, but it is also an essential building block of every successful business. A caveat to what I just said: if data is a fountain of knowledge, then I don't mean the data itself, but the knowledge we extract from it, the information that serves as fuel for the organization."

How does that translate to Federale Verzekering?

"For Federale Verzekering, data has a special meaning. We launched a new corporate strategy last year aimed at making data-driven decisions. To do this, you need top-quality data: available data (which the BICC team has been working on for five years) that we can easily share internally and - importantly! - interpret in the same way across different teams at Federale Verzekering. Which is already a big challenge. Add to that the ever-increasing deluge of data daily and you realize that data management is becoming increasingly complex."

And then there are also the strict regulations the insurance sector has to abide by.

"Quite so. The National Bank of Belgium imposes precise standards on the quality of data and demands a high level of data governance. If we decide to use the European Data Governance Act framework, it will be the occasion to draw an ethical framework around customer data usage. The creation of frameworks such as the European Data Governance Act shows the importance of drawing an ethical framework around customer data usage." 

"Data privacy is a big challenge"

"As a result, our goal is twofold: to enable Federale Verzekering to become a data-driven enterprise and to outline the ethical framework in which we want - and must - handle our data plus the data of our partners and customers. Which brings us to data privacy, which is a big challenge in itself: the influx of data and the increasing ease of sharing that data makes it increasingly difficult for individuals to protect it. On that front, European regulation helps by setting a framework."

"What we also have to embed, are our ESG standards, the environmental, social, and governance criteria for our activities that can have consequences for society or the environment, which are also anchored in data. On the one hand, we will have to measure all ESG facets at Federale Verzekering. If we take 'social', the S in ESG, as an example, we are talking about the way we interact with customers and how we shape our employee policy. That data will on the other hand also help Federale Verzekering to identify and tackle the challenges around ESG."

Does your new position indicate that data governance, the development of agreements and rules regarding the collection, quality control, purpose, and security of data at Federale Verzekering, is uncharted territory?

"Although data governance may be relatively new at Federale Verzekering, it certainly does not mean that data was not managed or well-managed. However, this was mainly done in the same silos in which the insurer was organized. The executive committee wants to put an end to this way of working by making data interchangeable between silos and teams. Our role is therefore transversal, we must take the step from the idea that 'this is mydata' to 'this is ourdata'. A mindset that requires all teams within Federale Verzekering (DPO, compliance, legal, internal control...) to be aligned in their way of working." 

"Data governance allows us to manage our risks even better"

"We also notice that we have momentum: many topics are emerging that allow us to develop a general framework within Federale Verzekering for data, as well as other areas such as asset management, risk management, enterprise architecture... It is important that we do not develop data governance as an isolated stand-alone but connect it to all other areas in which we work. The implementation of data governance at and by all levels of the insurer is also the ideal moment to review all our activities and manage our risks even better and build our data architecture even smarter."

You started with a blank sheet of paper. Where do you go from there?

"We have drawn up a roadmap for the next five years. Each year we put emphasis on a specific topic. The data landscape is so vast that you must choose. This year our focus is on developing services for our customers, which immediately aligns with one of Federale Verzekering's core values: customer orientation. The goal is to develop more digital channels, to complement our personal approach. Until recently, this was not a top priority, because Federale Verzekering is a direct insurer that works with its own sales network (advisors and offices). But the reality is that consumer behavior is fundamentally changing, and even a direct insurer needs a platform to interact with customers. And when you engage in digital dialogue with your customer, your data must be of high quality. The better you manage your data, the greater the sense the customer has that you are serving their interests."

If data is a new business within Federale Verzekering, does that mean Federale Verzekering can also attract new business with it?

"It certainly makes it easier to onboard partners. We are increasingly working in partnerships where the exchange of data is crucial. This is a big challenge because we are a medium-sized insurer and the partners we work with are also small or medium-sized - so data governance is also a big challenge for them. If you want the chain to work well, it must be well-managed from A to Z."

What is key to keep in mind when dealing with data governance?

"Two crucial aspects to achieve results are agility and non-invasive data governance. Agility because data governance is a particularly 'huge beast' to tame, so you need to take it step by step. If you try to tackle everything all at once, you risk coming back empty-handed. We intentionally keep the scope of each project small, but we attach all aspects of data governance to it: defining standards, procedures, training, communication plans, providing the right technology... We do it thoroughly and right from the start. Moreover, this way of working ensures that our approach is not directive or centralized, but supportive. With our Data Office, we implement a working method that helps everyone in the organization do their job well." 

"We don't impose unnecessary innovations but use processes that our colleagues already know"

"Non-invasive data governance is a second key to success. When you mention 'governance', I can predict almost everybody's reaction: meh, boring.Or: more procedures, pfff. While we want to achieve the opposite. We provide the framework that helps our colleagues work better. I am convinced that everyone at Federale Verzekering does their best, but if you don't do it in the right context, if you don't have the right technology or if the process is flawed, the impact of 'doing your best' is limited. If you make simple agreements throughout the organization that everyone applies, the impact is much bigger. That's what we do: create more impact for each employee by providing them with all the support they need to handle data correctly. Non-invasive means that we don't impose unnecessary innovations, but use as many processes, procedures, and functions that already exist and that we define the roles, responsibilities, and usefulness of them more clearly. We don't position ourselves internally as all-knowing data gurus who dictate the law, but rather as coaches. The question we ask employees is: how can we help you?"

How supportive is the organization? Many aspects, rules and regulations of data governance are imposed from outside, while you promote them to the teams at Federale Verzekering as added value. Are the benefits for the employees worth the extra efforts?

"That is indeed a great challenge. In my opinion, you must look at it differently. Compare it to HR. When about 70 years ago someone said ' We need to manage our employees because they are an important asset', it would raise eyebrows. Now, no one can imagine an organization without HR: they provide training, establish agreements.... The same evolution is happening for data governance." 

"Those who experience the added value of data firsthand are our biggest supporters."

"To be of the greatest relevance at all levels, we address both the strategic, tactical, and operational level within Federale Verzekering. Everyone has to be involved. What helps: we start every initiative with the employees who immediately benefit from it. For example, the sales and marketing team was (and still is) the most demanding party for data quality in order to develop their campaigns and to be in touch with the customers to offer them a better service. For them having our data neatly centralized is an added value by all means. That's why we started our project with them. Their project turned into a use case for other business teams within Federale Verzekering. Those who experience the added value of data firsthand are our biggest supporters. So we work bottom-up and aim for tangible positive results instead of pushing new systems from the top down."

Everybody happy?

"That's what we aim for, at least. We are pursuing two parallel paths simultaneously on our road map. For the executive committee, we focus on their main interest: risk management. From the teams' perspective, we have to realize practical benefits in their daily operations. This way, we want to convince everyone of the use of good data management. When Federale Verzekering did not yet invest in digital platforms, the quality of data - or, from time to time the lack of data - within the organization was not that visible. Data quality was manually boosted within the teams, which was expensive and never created the necessary sense of urgency. That is changing rapidly, thanks to the new applications we are developing, the tight deadlines of the new regulations, and our growing portfolio. It's important to achieve results because the ultimate goal is (financial) profit. So we must measure where we are now and measure what it yields. That is quite a challenge, I can assure you."

What are the biggest pitfalls for data migration?

"A lack of or non-existent documentation. In other words, a flawed description of the process, which means you have no idea who uses which data, which application data is linked to, where data is stored, what the purpose of the data is, etc. It is pointless to migrate that kind of data blindly. You must solve the problems before you migrate them, otherwise you will endlessly repeat the same mistakes. What also requires special attention is which data can and may be shared in the broker network, with the partners." 

The other side of Amandine

Ethics

In a mere three words and a plant emoji, her LinkedIn profile proofs that Amandine is not a 'nerd', far from it: Data & Ethics. "Ethics because I care about people. At Federale Verzekering it shows in our choice for non-invasive data governance. We don't want to burden our employees with unnecessary stress. Ethics at Federale Verzekering also means that I take on a role in sustainability and collaborate with our ESG-manager. For me, it's important to work for a company that takes its social and ecological responsibility. I'm also actively involved in Journée agile, a knowledge platform that promotes agility in French-speaking Belgium."

Permaculture & horses

"In permaculture, we develop ecosystems based on observations of how nature works. We live on a planet that's billions of years old and where a system has emerged that is in equilibrium. By looking at the way Earth is organized, we can develop balanced and holistic models based on symbiosis, ethics, and ecology. Permaculture is often associated with agriculture, but I apply it to my horses. I also apply this holistic approach at home and even at Federale Verzekering."

Painter

From the hand of the master:

Japanese martial arts

"Iaido is about quickly and fluently drawing your sword to send your opponent to the afterlife in one smooth motion. ( At his point, the interviewer takes a step back.) There is no bloodshed involved in our training, but I'm determined to get a black belt." 

  

Amandine's data

7/ There is more than one reason 7 is my number one.

  • I like this number, because it is a sure prime number (written in form 2p + 1), which makes it difficult to manipulate, but beautiful thanks to its symmetry.
  • It is the ideal number of people of an agile team (actually, of any team): big enough to bring new ideas, small enough to quickly take decisions and avoid endless discussions.
  • There are 7 music notes. And since I'm playing the piano since I was 5...
  • In Hinduism, 7 represents the number of sources of energies (7 chakras).

+/- 1,618...

... or the Golden Ratio

  • This Fibonacci sequence is used to estimate user stories. The division of two consecutive numbers of the Fibonacci sequence is an estimate of the golden ratio (the highest the numbers, the more precise the golden ratio).
  • This number is used a lot in painting as it is seen as the perfect proportion coefficient. It was especially used a lot by Leonard de Vinci.
  • The Golden Ratio is found a lot in nature when things are built in the form of logarithmic spirals (the stamens of a sunflower flower, nautilus shell, etc.). This number symbolizes the perfection of nature's organization.

“Data science will play a significant role in our growth” - Matthias Meul, Head of Customer Insight Analytics at AG Insurance

Matthias Meul, Head of Customer Insight Analytics at AG Insurance 

"Data science will play a significant role in our growth"

Taking a deep dive into technological innovations is quite some fun in se, but Matthias Meul, Head of Customer Insight Analytics at AG Insurance, looks beyond the science fiction dimension of the metaverse or artificial intelligence (AI). When we consider the megatrends likely to impact the insurance industry in the long term, we always have the customer in mind. Ultimately, our goal is to meet the customer's needs and preferences in order to ensure that they evaluate AG positively.

Looking beyond what most consider as a given, is not just the second nature of Matthias Meul - it's ingrained in his very being. While studying Economics with a major in marketing, he encountered a slight deficiency in marketing practices, feeling the need to substantiate his conclusions with concrete data. "Luckily, there was a program called 'Master of Marketing Analysis' that offered the opportunity to obtain a degree in what is now called data science. This program focused on predictive modeling and machine learning. I was so passionate about the subject that when I was offered a PhD opportunity, I thought it was wonderful to be paid to study further. However, I soon realized that the academic world in that field wasn't for me. I was more interested in applying data science techniques to real business problems."

And so you decided to leave academia in order to start a career in the financial sector?

Matthias Meul: "Quite so. At the time, my colleagues at university were primarily focused on researching whether one model had statistically better performance than another, up to a very minimal threshold. However, in the business world, the success or failure of a data science project isn't solely determined by statistical significance. It's about making practical changes, solving business problems, and improving processes' efficiency. Instead of pursuing an academic career, I started at ING and then with Deutsche Bank. Later on, I made a slight sidestep outside of the financial sector and worked for the National Lottery for four years. During that time, I was the only data professional behind e-lotto.be, an online gambling platform. It was fascinating because any analysis I conducted directly influenced our customers, and we could establish direct communication with them. In 2018 I transitioned to my current position as the head of a team of data scientists in AG Insurance's Corporate Marketing department."

What does your job entail exactly?

"We serve as a transversal support service for the three business units at AG Insurance: life, non-life, and employee benefits, as well as healthcare and other support services. We are there to assist the business units when they encounter a data science issue or when there's a need for insights that requires data crunching."

"On the one hand, we act as internal data science consultants, and on the other hand, we focus on piloting our end customers' insights: sharing the knowledge and deep insights about our customers across the organization. It's important to note that we typically don't have a direct sales model. We sell our products through a bank channel or brokers."

What attracts you in the insurance sector?

"The sector offers a wide range of financial services products and services. Almost everyone has one or more of these products. They play an integral part in people's lives and can make a significant difference. Insurance products, for example, help protect assets and plan for the future. The level of planning may differ depending on a person's age. Older individuals may focus more on succession planning, such as inheritance matters, while younger individuals may look into building assets and investment products. That variety and the overall impact on people's lives makes working in this domain fascinating." 

"We strive to make it easy for our customers, which involves leveraging data to ensure our processes are as efficient as possible"

"At least as attractive is that the potential for utilizing data is virtually limitless. For example, we use data to continuously assess how we can improve care for our insured individuals. We also deal with car insurance, home insurance, and fire insurance, focusing on prevention. However, this is just the tip of the iceberg in terms of product-related initiatives. Additionally, customer satisfaction is of great importance to us. We strive to make it easy for our customers, which involves leveraging data to ensure our processes are as efficient as possible. We aim to provide relevant contacts and products that align with the customer's perspective. Ultimately, our goal is to meet the customer's needs and preferences. Data analysis is conducted with the customer in mind, rather than simply for the sake of data science. As a support unit, our primary focus is serving our internal customers and assisting them in achieving their goals. We also collaborate extensively with distribution partners. Using data, we aim to facilitate highly relevant interactions with these partners. The objective is to personalize the services provided by AG, tailoring them to individual customer needs and preferences."

What are the challenges in the sector?

"The most significant challenges are related to perception. While many people are insured, it's crucial to ensure they understand the products they have and the benefits they offer. We strive to prevent customers from perceiving insurance as something they merely pay for without receiving anything in return. It's important to gauge how aware our customers are of the products and increase their understanding through various applications."

What's the added value of Customer Insight Analytics? Would AG Insurance be a different company without you and your team?

"The team is relatively new, having been established around seven to eight years ago. We play a distinct role, since we operate at the transversal level. Our primary focus is providing data science consultancy. If a 'simple' report needs to be generated, it would be more efficient for a reporting team or a data person within the business unit to handle it. However, when specific data science expertise like building algorithms or delving deeper into existing data is required, we provide assistance. This often involves classification models, predicting future events, anomaly detection, fraud detection, and similar applications."

"Another key differentiating factor is our customer-centric perspective. We assist the business units in serving their customers even better by offering transversal customer insights. Together with the BU's, we strive to consider the entire customer experience, transcending individual contracts and distribution channels. By taking this approach, we identify opportunities and risks that may otherwise go unnoticed. Moreover, we focus on obtaining a comprehensive understanding of AG's customer base, including the number of customers, their distribution channels, multi-product relationships, age demographics, geographical locations, and other relevant factors. While we have made significant progress in this area, there is ongoing work to refine and enhance our understanding."

"Our insights are also utilized in our brand campaigns and supporting brand activations, such as sponsoring initiatives. To achieve an optimal return on investment for our marketing expenditures, it's crucial to understand our customers' demographics, interests, and residence."

After 5 years at AG as the Head of Customer Insight Analytics, do you see specific differences in customer behavior in insurance as compared to other industries?

"The differences in customer behavior in the insurance industry is influenced by the nature of the product. In our analyses, for example, car insurance tends to have lower customer loyalty compared to pension savings or products associated with employers. Compared to other sectors, it is not uncommon for customers to remain with us for decades, which is quite rare elsewhere. However, this presents challenges in terms of effectively communicating the added value, the importance of coverage, long-term planning, and selecting appropriate products. That, in my view, is the main difference."

Here we find ourselves at the intersection of behavior and data?

"The influence of non-exact sciences and data evaluation is something I consider important. In our analyses, we mainly focus on contractual data - information that people provide when they subscribe to our insurance contracts - such as age, location, and financial details. This data represents the core transactional truth. We see, for example, that people between the ages of 20 and 30 typically have motor insurance as a first pension product. Analyzing this data in various ways and gaining insights from it can significantly impact decision-making processes. However, it only tells part of the story. It doesn't provide insights into the reasons and factors driving customers' decisions. To uncover these motivations, it's necessary to conduct market research, which involves asking the right questions to a more limited group. So, in my interpretation, these two aspects complement each other. In my team, we strive to combine insights from different sources to ensure we draw accurate conclusions and take appropriate actions together with the BU's." 

"When it comes to customer data and what is exposed to them, there is no compromise"

"While we have a vast amount of data, we are also mindful of data collection, quality, and governance. At the company level, there are dedicated teams and individuals involved in data governance and management to ensure awareness of the importance and to maintain adequate data quality. We have implemented a comprehensive program and specialized tools to ensure data quality is checked at the appropriate levels."

Are there any ethical standards or considerations you need to take into account when gathering customer insights?

"We have dedicated teams in cybersecurity and place great emphasis on data protection and privacy. We comply with legislation such as the European GDPR and strive to go above and beyond its principles. For instance, we hold regular meetings with the team to evaluate data retention, determining which data is still relevant and what is no longer needed. These principles are also applied within the business units to ensure compliance with data retention policies. Customer satisfaction and respect for their data are top priorities for us."

How do you see the role of Data Analytics evolving in insurance in the next few years? Do you see any role for new technologies?

"While artificial intelligence is currently a hype, it will move into a phase where practical applications become more prominent. In my team, we see the application of AI as a sort of co-pilot, where it enhances the work of data scientists and individuals. AI will increase the output and productivity of those using it. It can be used as a tool to identify errors in code or expedite project development, starting from a white paper and generating initial Python code. This has the potential to greatly enhance productivity by outsourcing tasks that can be automated and seeking efficiencies wherever possible."

"It is however crucial to exercise caution and be mindful of the information we provide to systems like ChatGPT. We should refrain from sharing confidential or sensitive information. While exploring the possibilities of AI, my team is encouraged to proceed with the necessary warnings and guidelines in mind, such as not sharing confidential data and carefully reviewing the output, considering the echo chamber effect."

"At AG Insurance, we focus on developing narrow AI models for specific goals like fraud detection and anomaly detection. Narrow AI, in my opinion, involves applying mathematical principles to a larger dataset with increased automation, leading to broader AI applications. As a team, we work on developing concrete AI applications, both internally within AG and for our customers. For instance, colleagues implemented chatbots and leverage AI to automate processes such as handling paperwork and hospital bills, ensuring efficiency and improved customer service. Through the development of a specific model, we contribute to achieve a higher automation rate." 

"Data science should be seen as a tool to solve specific problems, and not as a universal solution"

"These advancements are not only aimed at enhancing internal efficiency but also have the potential to transform the insurance sector. Within AG Insurance, we consider the megatrends that are likely to impact the insurance industry in the long term. As we witness the rise of smart devices and the Internet of Things (IoT), automation possibilities increase. While exploring these trends, we must assess their relevance to the insurance sector and determine the appropriate stance to adopt. The IoT, for example, offers potential benefits in terms of prevention and personalized pricing. However, it is crucial to ensure data accuracy and compliance with regulations. Currently, there aren't many insurance products directly linked to IoT in the market, but there is potential for societal impact. For instance, IoT could assist elderly individuals in living at home longer or facilitate preventative maintenance for vehicles. One example within AG is our health partner, which takes care of organization's wellbeing needs from A to Z. This work aligns with the broader trends and discussions happening in AG's Think 2030, where we identify major trends like AI, the Metaverse, and blockchain."

The concept may still seem like science fiction, but do you explore the metaverse at AG?

"We aim to gain a thorough understanding of it by selecting a group of people to dive into it and explore its concrete applications. We don't want to limit ourselves to philosophical discussions without experiencing it firsthand."

How important is collaboration between insurtech companies and traditional insurance companies in driving innovation in the industry?

"Collaboration between traditional insurance companies like AG and insurtech firms is indeed a driver of innovation. However, it's not just about insurtech companies. It also involves partnerships with universities and leveraging their research and techniques efficiently."

What insights have you gained those past five years as Head of Customer Insight Analytics?

"That a crucial aspect of successful data science projects is having the right people involved. This includes a knowledgeable business owner who identifies the business problem, a data owner who manages the data needed to address it and a data scientist to determine the relevant data science techniques. It's also vital to have a deep understanding of the environment, strategy, and the customer-first approach. Data science should be seen as a tool to solve specific problems, and not as a universal solution. We act as gatekeepers, determining when an advanced data science model is necessary and when a simpler approach suffices."

"We strive to reach as many people as possible, even those who are not directly involved in data science"

"Ensuring the importance of data science and data-driven decision making is recognized throughout the entire organization is essential. We strive to reach as many people as possible, even those who are not directly involved in data science. We organize regular data science community meetups where we share successful and unsuccessful use cases, learnings, and best practices. This helps inspire and engage a broad range of data professionals within the organization. Our goal is to encourage everyone to think about how they can contribute to value-added work and identify opportunities for simplification and automation."

How do you see the role of data analytics evolving in insurance in the next few years?

"Data science will play a significant role in AG's growth. With millions of customers and contracts, understanding the business and extracting valuable insights from data is crucial. While it's impossible to have individual interactions with every customer, data enables us to uncover motivations and behaviors through sampling and analysis. Mastering data and gaining insights from it are key factors in comprehending and serving our customer base efficiently."

How will customers perceive the difference in your operations?

"The key aspects for me are relevancy and efficiency. Happy customers are those who experience correct and easily accessible services. They can experience quickly and accurately handled claims, and the communication they receive is relevant and personalized."

Matthias' data

2 / My 2 sons, the future generation.

2:43:19 /  My personal record for a marathon that I set after a lot of hard work and planning.

68 / The distance (in kilometers) I was able to go in my most recent race of running as far as possible in 6 hours.

2.700.000  / The individual policyholders we serve every day.

“Our APIs make us agile and more resilient for an unpredictable future” - Johan Dekens (Managing Director) and Steve Goossens (Chief Digital & Data Officer) at P&V Verzekeringen

Johan Dekens (Managing Director) and Steve Goossens (Chief Digital & Data Officer) at P&V Verzekeringen

"Our APIs make us agile and more resilient for an unpredictable future"

"Thanks to our APIs, it's surprisingly easy to offer our products quickly and reliably, tailored to different channels. The high complexity of our back office is no concern for our brokers or end customers. While that technological innovation is in itself already remarkable, what truly matters to us is that these APIs provide us with the opportunity to strengthen and complement the personal relationship with 24/7 available touchpoints," say Johan Dekens and Steve Goossens, respectively Managing Director and Chief Digital & Data Officer at P&V Verzekeringen. "Moreover, the development process has fundamentally made our insurance company more agile and thus more resilient for an unpredictable future."

The rapport between Johan Dekens and Steve Goossens is so strong that one would assume they have been professionally collaborating intensively within P&V Verzekeringen for a long time. Looks can be deceiving. "Our paths only crossed at the beginning of last year."

Can you tell us more about your track record and current responsibilities?

Johan Dekens: "IT dominated the first 27 years of my career, including a role as Director of Informatics in this organization. For the past six years, I have been a member of the executive committee at P&V Verzekeringen, focusing on transformation. This transformation starts with digital and data, but also encompasses HR and company culture, and ultimately IT. Three seemingly unrelated domains, but what binds them is transformation. What we do is not an end in itself but lays the foundations for transforming our business."

Steve Goossens: "I joined the P&V Group five years ago. It's easy to remember because it coincided with the birth of my daughter. Prior to that, I worked in management consulting for 15 years at McKinsey and Accenture, leading projects in various industries such as energy, automotive, and banking. P&V crossed my path more than ten years ago, and it has always been a company I enjoyed working with. The trust has only grown stronger over time. As Chief Digital & Data Officer, I oversee two domains (digitization and data) that we want to keep relevant in the Belgian market. It's quite a significant challenge that extends far beyond the internal workings of our organization. What we do has an impact on brokers, agents, and all distribution channels we work with."

What is appealing about the insurance industry?

Steve Goossens: "Insurance protects you as an individual, as a family, or as a business and is a lifeline for both our economy and our society. With our activities, we find ourselves at the intersection of economic and societal challenges. Whether it's ESG, artificial intelligence (AI), or social cohesion, the world around us is constantly evolving, making the insurance sector one of the most exciting workplaces right now. We're right in the midst of the action. It's quite thrilling."

Johan Dekens: "I would like to add another dimension to that. We place a strong emphasis on societal relevance. P&V Verzekeringen is different from all our competitors because we are a cooperative company and not a publicly traded group. In our employer branding communication, we talk about being 'a tad different.' That translates into many facets. While a traditional company aims for profit maximization for shareholders, a cooperative takes into account a balance between all stakeholders: we create value for the shareholders, yes, but also for society, customers, and employees. That is a fundamental perspective." 

"We test every web technology for inclusivity"

How does that 'being different' translate into the company's strategy?

Johan Dekens: "Among other things, it's reflected in remuneration. We pay a maximum of 6 percent dividend on the nominal value of the capital that shareholders invest. It can't be compared to publicly traded companies where annual dividends can be higher, just as the value of the investment can increase with the stock price. In other words, if you become a shareholder of P&V Verzekeringen, you know that profit maximization is not the driving force behind what you do."

What is the driving force then?

Johan Dekens: "Societal relevance. We use the additional resources we free up through our remuneration method to achieve our societal goals. With 20 billion euros in assets, we contribute to shaping the world through our choices. For example, we don't invest in the war industry. To have even more impact, we are part of Euresa, the European consortium of cooperative enterprises."

"To jump to our focus of this conversation, digitalization and innovations: we don't see technology as an end in itself, but as a means, a lever to do better tomorrow than today. To serve our customers, brokers, and employees better. To optimize and connect our operational systems with the outside world, think of our APIs."

How do customers experience the difference?

Steve Goossens: "Based on our mission, we attach great importance to accessibility. For example, we are part of finance&invest.brussels, where we help startups access venture capital. We also closely monitor the proper pricing of our products and study how to ensure that certain segments - such as young people, people with disabilities - are not excluded from fair insurance. Accessibility is not only about pricing but also in the digital realm. There are still people today who find themselves on the wrong side of the digital divide."

"We test every web technology for inclusivity. People with motor or visual impairments should be able to use our site just as well. We assist visually impaired individuals by providing vibrations and audio for hyperlinks. If you have shaky hands, you can leave the mouse aside and navigate with your keyboard. These are just a few examples. The idea is that everyone should have the opportunity to hop on the digital train. Moreover, the digital train is not the only one running; there is always a traditional channel: the agent, the broker. Even though we have a digital-first mindset, we ensure that the physical network remains intact to include everyone." 

"We want to enhance and complement the personal relationship with digital 24/7 touchpoints

Can APIs play a role in that inclusivity mission?

Johan Dekens: "Absolutely. That's exactly what we expect from our APIs. For us, it's not just about technology; it's about technology that helps strengthen human connections. We want to be present wherever our customers are. We want to enhance and complement the personal relationship with digital 24/7 touchpoints. Only then do you combine the power of humans with the power of digitalization."

Steve Goossens: "The fact that insurance is embedded in the economy and society is not a mere slogan. But of course, we must also put that into practice. Our philosophy leads to embedded insurance. It is the answer to the question: how can we offer our insurance where customers want to be served? Typically, embedded insurance is defined as being able to purchase an insurance product alongside another product (a car, an expensive smartphone...). Actually, that's a weak definition of a 1.0 embedded insurance. We have been doing that with web technology for many years. Nothing new under the sun. What we are looking at is a 2.0 version of embedded insurance where we see it as a flow: from human to human, supported by technology. A customer wants to be served on any platform: website, at the garage, with the broker... Every distribution channel is a platform, and we want to provide digital support. With the added assurance that there will always be an agent or broker to follow up so that there is always a human-to-human connection, as Johan rightly emphasizes."

Doesn't serving different channels with numerous insurance products become too complex?

Steve Goossens: "We have chosen to be a multi-channel, multi-brand, multi-product insurance company. If each of those channels requires its own product or process, it cannot be sustained in a sustainable manner. That's why we opt for one process and one product, while taking into account the specificities of each channel we want to serve."

Johan Dekens: "That's exactly what we do with our APIs, our Application Programming Interfaces that form an intermediary layer between the internal complexity and the simplicity of presentation expected by intermediaries and customers."

Steve Goossens: "That's right, our APIs ensure that all processes always run in the same way, but the practical implementation - the flow and customer experience - differs. The broker wants to enter all risk aspects of a case first? That's possible. The garage owner wants to enter all customer information first and then the risk? No problem. In the end, everyone arrives at the same end result: a binding contract." 

"You need to have the internal operations fully in order to guarantee that flexible APIs function externally in real-time and reliably - compliant, true, and tested"

Could you provide some concrete examples of how you are using APIs and how APIs benefit both you and your customers?

Johan Dekens: "One of our banking partners wanted to offer our products, provided that everything would be fully integrated into their systems, so their employees wouldn't have to enter data twice or switch screens. We ensured that our API is available in their way of working, their flow, for their employees, allowing them to provide a consistent user experience to both employees and customers."

"This way of working also benefits our customers in terms of maintenance - that responsibility lies with us. They mainly deal with the facade because the complexity lies mostly in the API and the systems behind it. Everyone can focus on their core tasks. Without that intermediary layer, you would have to set up such development separately for each customer, tailor-made. That's not practical, it's practically unfeasible."

Do APIs increase the risks around data security?

Steve Goossens: "It would be easy if we only had to build the API and everything would then run smoothly. It's a myth that having APIs is enough to work with APIs. What our customers and their customers see is just the tip of the iceberg. It's beneath the surface where the real work lies. For the development, we worked from our back-office outwards. You first need to have the internal operations fully in order to guarantee that flexible APIs function externally in real-time and reliably - compliant, true, and tested."

Johan Dekens: "And do not underestimate the work in that internal domain. We started the digital transformation of our back-office systems almost ten years ago; that is the foundation for implementing this kind of technology, to facilitate flexibility towards the outside world. We have taken it step by step with that transformation (starting with 'claims', followed by 'non-life auto', and 'life') to make our systems future-proof. We are still in the midst of that transformation - it's truly fundamental work. As Steve says, any company can install an API, but that is not the most complex or significant investment. The greatest complexity lies in the back-office systems. Preparing them to integrate smoothly requires significant efforts in terms of time and budget. I'm talking about many years." 

"There are many untapped opportunities, and we are fully committed to pursuing them"

What were the pitfalls during such a lengthy process?

Johan Dekens: "To manage such projects, an organization needs to have sufficient maturity. When we started ten years ago, we didn't have that yet. That was a huge risk because it involved significant investments. Precisely because there was no maturity, you become somewhat dependent on external parties that you engage to achieve your goals. That's fine during the initial phase, but you also need to evolve if you don't want to be a hundred percent reliant on those external parties. It comes down to finding a balance between hiring consultants and developing the organization to eventually be able to handle things independently. It's a challenging and demanding journey for which there is no magic bullet, and it requires impact and change at all levels of the organization: IT, HR, call centers, brokers... Good leadership is crucial during such a cultural change to continue coaching and advancing everyone. The beautiful side of this is that if there is success, you can celebrate it together."

What obstacles are there currently?

Steve Goossens: "The transformation of the back-office systems is still ongoing, and we will be occupied with it for a number of years. But in addition to that, we also need to continue working on that intermediary layer, on those APIs, to optimize the customer experience across all channels. Data itself is nothing new to us; after all, we are an actuarial company. However, we can still take steps to further differentiate ourselves in the market with that data. There are many untapped opportunities, and we are fully committed to pursuing them."

"We are also further developing various measures related to security, monitoring, usage guidelines, available contracts, governance, GDPR, and privacy... The goal is to build a well-oiled organization around the potential of our APIs. It's quite cutting edge."

"Everyone loves our APIs and wants to get started with them, but of course, implementation goes beyond the fun factor. Using them involves certain responsibilities. In practice, it's a perfect fit for slightly larger, professionalized parties such as banks, brokers, and even insurtechs. For us, the latter is an excellent way to connect to an ecosystem that is well-versed in using technology to provide an outstanding user experience. Real-time, straight-through processing, seamless integration - that's what we're looking for. We have truly found a match made in heaven with that population. I hope that the insurance sector as a whole will take this step because customer expectations are evolving: look at banking, automotive, retail, energy... everyone is setting the standard for customers who say, 'I want to know now - I want to place my order now, I want to cancel my order now.' Those needs are entering our sector, and we need to take the leap." 

"APIs are an essential puzzle piece for tomorrow's success"

AI is all over the place, with ChatGPT coming. How do you see it as a lever for providing even better service?

Johan Dekens: "AI will have a significant impact, not only in externalizing the business but also in how we operate in general."

Steve Goossens: "We are closely examining the new possibilities with a sense of awe and wonder. It's truly impressive, an incredible leap. The considerations we have revolve around protecting our intellectual property. For example, code that we want to verify in ChatGPT is not completely fail-proof protected, so we have aligned closely with the Security Information Officer: our team can use the tool but with restrictions. Every user has an obligation to be cautious with intellectual property; nobody just dumps our code there."

"As mentioned before, we highly value inclusivity and believe in a philosophy of inclusivity by design. Whenever we look at new technology, we always ask the question: does this open up possibilities for new segments? ChatGPT helps us identify which segments we have unintentionally overlooked, the forgotten ones in the insurance industry."

How do you see APIs contributing to achieving business goals, both in terms of cost reduction and business growth?

Steve Goossens: "If APIs didn't play a role in that, it would be very foolish of us. APIs make our highly complex business model sustainable. Without APIs, we would have to duplicate the same investment for every channel and every product. Here, we invest once and then make minimal investments per channel. APIs also drive us to build a smart architecture for our organization and the applications behind it, an architecture that allows us to be flexible and modularize things in a different way, making it easier to reassemble them."

Johan Dekens: "Will there be business growth? Only the future will reveal. APIs enable us to enter into experiments, embrace new channels, and not exclude new platforms with minimal investment - it doesn't cost much, so we might as well give it a try. Our APIs are not primarily designed for growth but rather for quick adaptability. This is where Darwin comes into play: if you don't have it, you're not flexible, and you won't exist in ten years. APIs help us respond to market changes in an agile and efficient manner. Changes that are often impossible to predict now. In this way, APIs indirectly support growth because they allow us to do things that were previously unimaginable. They are an essential puzzle piece for tomorrow's success." 

  

Johan's data

10,000 / Number of steps I try to make every day. Sounds easier than it is.

4 / I have two children and two grandchildren. And also: together with Steve, An and Rudy, we are a team of four. 

Steve's data

7 / 7 grams of coffee in a perfect espresso. I'm a coffee geek. 

2017 / Birth year of my daughter and the year I started at P&V Verzekeringen.

“Data scientists play a crucial role in shaping the future of insurance” - Benoit Van Laethem, Account Executive at SAS

Benoit Van Laethem, Account Executive at SAS

"Data scientists play a crucial role in shaping the future of insurance"

Insurance companies and banks have a wealth of data. And that treasure grows by the day. "But these vast amounts are not always effectively utilized", notes Benoit Van Laethem, Account Executive at SAS and specialized in advising insurance and banking clients with advanced analytics. Not surprisingly, it is exactly this gap between 'what is' and 'what is possible' what makes him tick.

Prior to joining SAS some 10 years ago, Benoit Van Laethem worked at IBM for just under two decades.

"I could categorize my experience at IBM into two main streams. Initially, I started in the marketing division and worked on various missions at the European level, focusing on European marketing programs. After some time, I progressed to leading a team of marketing professionals, which led me down a management stream. After spending 10 years in marketing, I felt the need for change. That's when I made the move to sales and account management at IBM. The switch allowed me to engage directly with clients, work on tangible projects, and build relationships, which was a different aspect I wanted to explore."

What makes working here that different?

Benoit Van Laethem: "One thing I appreciate is the opportunity to delve deep into a specific topic, as our core focus revolves around data and analytics. In contrast, during my time at IBM, the product portfolio was much broader, encompassing hardware, software, and services. So, while still having a general approach, my current role maintains a strong emphasis on the analytics domain, specifically to support customers from the financial industry, including banks and insurance companies."

What attracts you to the financial sector?

"There are several aspects I find appealing. Firstly, there are ample possibilities within the industry, with substantial budgets often associated with large enterprises. Additionally, the financial sector is a legacy industry, meaning there are numerous legacy systems in place. This presents a continuous demand for transformation projects, which provides great opportunities. Furthermore, the industry generates vast amounts of data, which is not always effectively utilized. This presents further potential for improvement and offers exciting challenges to tackle."

"As an account executive, my role primarily involves listening to the needs of our customers and providing support to them. We are organized to cater to a specific set of customers, ensuring we address their requests while also exploring new initiatives. We collaborate closely with the companies we work with, striving to understand their strategic initiatives and finding ways to assist them accordingly. It requires an engineering mindset, active listening, and empathy to comprehend the unique circumstances of each client." 

"Banks and insurance companies often lag in adopting advanced technologies, making it less appealing for younger individuals who are more accustomed to working with cutting-edge tools and systems"

What are some typical issues the financial sector often seeks solutions for?

"There are typically three major types of requests. Firstly, banks and insurance companies often inquire about increasing their revenue or identifying cross-selling opportunities. They aim to optimize their sales and explore ways to generate more demand for their products. Secondly, cost optimization is a common concern. Businesses want to operate more efficiently, reduce expenses, and enhance overall cost management. Lastly, there's a significant focus on regulatory compliance. Despite regulation being even stricter for banks, both banks and insurance companies face stringent regulations such as Solvency II and IFRS 17, which require them to maintain sufficient capital and adhere to anti-money laundering protocols."

What are the key challenges within data science today for insurance companies?

"The first challenge in the insurance industry regarding data science is the scarcity of skilled resources. Finding, training, and retaining data scientists is a struggle for most insurance companies in Belgium. There is a shortage of talented individuals with expertise in data science, and even when they are hired, they tend to move on to other companies relatively quickly."

"The second challenge is the image problem faced by the insurance and banking sector. These industries are not always perceived as attractive career options, despite having the financial means to attract talent. The outdated perception of these sectors hinders their ability to attract and retain young professionals."

"Legacy technology and slow implementation processes also pose a challenge. Banks and insurance companies often lag in adopting advanced technologies, making it less appealing for younger individuals who are more accustomed to working with cutting-edge tools and systems. The absence of the most advanced technology or the delays in implementing them can discourage data scientists from staying long-term in these organizations."

"Another significant challenge is data quality. In the world of analytics, data is crucial, and if the data is of poor quality, the insights derived from it will be unreliable. Ensuring data quality remains a top priority and a challenge for insurance companies." 

"Siloed working environments and lack of collaboration between teams hinder the smooth implementation of data models into production"

"A common problem known as 'data model operationalization' is the third challenge. It refers to the difficulty of transitioning data science models from development to production. Many models developed by data scientists do not reach the production stage, where they can generate value for the company. The process often involves passing the models from one team to another, causing delays and inefficiencies. Siloed working environments and lack of collaboration between teams hinder the smooth implementation of data into production. It is essential to adopt principles like DevOps, within data science it's known as ModelOps, where mixed teams work together to ensure seamless operationalization of models. This includes developing models within a framework that enables quick and automated deployment, along with proper governance and oversight."

These challenges highlight the need for addressing skills shortages, improving data quality, adopting advanced technologies, and streamlining the operationalization process to fully leverage the potential of data science in the insurance industry. How to tackle this multitude of 'to do's'?

"To address the skills challenge, we have implemented various initiatives. One example is our local program, which has now expanded to a European level. We collaborate with universities to educate and provide free training to students. During the summer, we enhance their skills in data science based on our technology, bringing them to a minimum maturity level. These students are then made available to be hired by partnering companies, creating a young graduate program."

"In terms of technology, we aim to democratize the analytics lifecycle. We believe that data science should not be limited to specialized data scientists but accessible to other profiles as well. We motivate business analysts and individuals with an affinity for data to utilize our platform. By lowering the entry levels and offering easy-to-use interfaces, we ensure that the power of analytics can be harnessed by a broader range of users."

"Furthermore, we have embraced other statistical programming languages like Python and R. While these languages are popular in the market, enterprise-level solutions require proper governance and documentation. Our software enables developers to code in SAS, Python, or R within the same platform, ensuring consistent governance and documentation, which is crucial for regulatory compliance and effective management. Some customers may prefer to make a specific choice, such as developing solely in SAS, R or Python. However, we believe that providing a framework and allowing people to choose what suits them best is crucial in a diverse market. By doing so, we can avoid constantly changing our approach and also support the professional development and retention of young data scientists who want to explore and learn new languages. Attractiveness becomes a key factor in this regard." 

"We are highly committed to ensuring the reliability, transparency, and ethical use of artificial intelligence"

"When it comes to addressing the challenge of operationalization, we have integrated the concept of DevOps into the analytics world through ModelOps. ModelOps focuses on developing models with the intention of putting them into production seamlessly. Our platform incorporates the necessary capabilities for developing and deploying models, regardless of the statistical programming language they were built in. We emphasize the importance of maintaining models in production, constantly assessing their performance, retraining them if necessary, and ensuring that the champion model remains the best choice over time. This is achieved through robust model governance and a feedback loop to effectively manage the lifecycle of models, even when dealing with lots and lots of models in production."

"Lastly, the third significant challenge we tackle is trust. Internally, we refer to this as 'Trustworthy AI'. We are highly committed to ensuring the reliability, transparency, and ethical use of artificial intelligence. By incorporating rigorous quality control, robust governance, and adherence to regulatory requirements, we aim to build trust in the analytics cycle and instill confidence in our clients."

Can you elaborate on the trustworthiness of AI?

"We adhere to six key concepts across all our software and capabilities, particularly when it comes to models that have the potential to impact clients. Transparency is crucial, ensuring that models can be explained and reverse-engineered to understand the decision-making process. It is important to provide explanations of why certain decisions were made and which data elements were considered. Models that function as black boxes are not acceptable."

"Another concept is inclusivity, aiming to prevent bias in models. Techniques are available to address bias, although subjective interpretation may arise in certain cases. Establishing governance frameworks within companies helps ensure trustworthy AI and analytics with regards to inclusivity."

"Accountability is another aspect we prioritize, requiring the identification and mitigation of all impacts resulting from modeling efforts. Setting up governance structures, although currently rare among Belgian companies, can enable better control. Robustness is also essential, referring to the consistency of results when the same data is processed on different occasions. Security and privacy are emphasized as well, ensuring compliance with all relevant aspects. These principles are fully integrated into our software products to meet these challenges."

What about data quality?

"That is indeed another challenge, and we address it through technological solutions. While we cannot replace missing customer data, we provide capabilities for data cleaning, matching, and enhancement within our software. Automation is a trend we embrace to streamline data preparation and quality tasks. By automating profiling and providing immediate insights into trends, missing data, outliers, and potentially sensitive or GDPR-related information, we aim to make the work of data scientists and business analysts more efficient. The goal is to shift the focus from spending 80% of their time on data preparation to devoting the majority of their time to relevant work." 

"AI must deliver tangible improvements and automation to enhance decision-making processes"

Which new technologies are nowadays changing the field of data science?

"One major change in recent years has been the increased availability and ease of acquiring computing power. Unlike in the past, there is no longer a need to compromise on the size of data when performing analyses. Cloud technology has made it possible to analyze large datasets without constraints. For example, you can spin up containers in the cloud for a short period, harnessing a substantial number of cores and achieving rapid results. This availability of power is a significant shift in the data science landscape."

"As for artificial intelligence (AI), it has become a buzzword in recent years. While AI has existed for decades, advancements in compute power have made it more accessible and easier to implement. AI models require extensive training data, distinguishing them from standard models. We enable the use of AI techniques throughout our platform, empowering clients to personalize and deploy AI models. Our focus goes beyond model development; we emphasize extracting value from AI by integrating it into specific applications and processes. Ultimately, AI must deliver tangible improvements and automation to enhance decision-making processes."

AI may have been around for decades, it is talk of the town like never before. Rightly so?

"Regarding the public perception of AI, opinions differ. Some individuals may fear its impact, while others recognize the advantages of automation, which allows for the allocation of human effort to more value-added tasks. We view AI both with excitement and caution. Excitement stems from the increased accessibility of AI techniques, while caution arises from the potential for untrustworthy AI. It is crucial to ensure that AI remains explainable, unbiased, and transparent before widespread adoption. Presently, models like ChatGPT can be seen as black boxes, and their limitations should be considered. For instance, while ChatGPT may provide the most commonly predicted answer for a question, it may not necessarily compute the answer accurately in cases like basic arithmetic." 

"Insurance companies, in particular, are investing in data platforms, but there is room for improvement in leveraging them effectively"

Do you see other trends in the rapidly evolving world of technology?

"New technologies are constantly emerging, especially in the field of data science. In terms of recent trends, there are a few notable advancements. Firstly, there is a strong focus on developing trustworthy and responsible AI. The goal is to ensure that AI models can be relied upon for accurate predictions. Secondly, there is an emphasis on data intelligence and augmented analytics. Automation techniques are being applied to streamline the work of data scientists and business analysts. This includes automating data quality processes and incorporating natural language interpretation in reports and analyses. These advancements aim to increase automation and productivity in the field of data science."

"Another significant trend is composite AI, which involves embedding artificial intelligence into various applications. The market is opening up with interfaces and APIs, allowing for the development of AI-driven applications. Additionally, the adoption of cloud technologies is increasing across the board. The cloud offers ease of consumption and operationalization, making it a popular choice for organizations."

Are there significant differences between certain industries?

"In Belgium, there is a mixed picture. While there are efforts being made to incorporate new technologies like AI and robotics, a significant portion of the focus still lies on upgrading and migrating legacy systems. Many companies prioritize building a solid data platform as a foundation before delving into advanced analytics and personalization. The maturity level in Belgium's data analytics space is still a work in progress. Insurance companies, in particular, are investing in data platforms, but there is room for improvement in leveraging them effectively."

Do other countries do better?

"In comparison to other countries, Belgium may lag in terms of AI adoption. Some countries are more advanced in utilizing AI techniques, both in standard analytics and advanced AI modeling. Across the insurance value chain, there are numerous examples of AI being employed, from product design to pricing. Machine learning techniques help optimize insurance contract pricing, ensuring fair and explainable rates. However, regulatory considerations often favor traditional techniques like generalized linear models (GLM). The acceptance and flexibility of AI techniques by regulators are gradually changing."

"In the marketing space, advanced analytics techniques are commonly used to optimize the customer journey and provide personalized offers. By leveraging data and analytics, organizations can propose the best next action or offer for each prospect. Similar to Google's targeted ads, the goal is to deliver the most relevant offerings based on individual profiles." 

"Data scientists will play a crucial role in leveraging these technologies to drive innovation and improve business outcomes"

How are insurers nowadays using new technologies to improve their products and services?

"There are several areas where we see significant results and benefits from the application of new technologies. One such area is claims handling in the insurance industry. By optimizing the claims process from the initial notice of loss, analytics techniques can be employed to prioritize claims and even automate standard ones. This application of analytics helps streamline the claims handling process and improve efficiency."

"Another area where advanced techniques can be applied is in fraud detection and prevention. While regulators may not yet fully accept advanced techniques, there are still ways to enhance the traditional rule-based systems. By using machine learning techniques, the prioritization of alert queues can be improved. The acceptance of these advanced techniques by regulators may vary, but demonstrating explainability remains crucial."

"When it comes to customer interactions, there is potential for improvement as well. The goal should be to automate mundane tasks through AI, freeing up time for workers to focus on more complex and value added activities. It is important for end clients to see the value in these new technologies, as it creates a win-win situation. Transparent explanations and the ability to showcase the benefits to customers are vital."

How do you see the role of data scientists evolving as financial institutions rely more on new technologies?

"As we continue to advance in the field of AI and data science, data scientists will play a crucial role in leveraging these technologies to drive innovation and improve business outcomes. Let me give you a few key aspects that could shape the evolution of their role - in fact, there are quite a lot of aspects. With the increasing focus on ethical AI and the development of governance frameworks, data scientists will need to incorporate ethical considerations into their work. They will play a vital role in ensuring that AI systems are designed and deployed in a responsible and transparent manner, aligning with the values and regulations of the industry." 

"Data scientists will continue to be at the forefront of technological advancements, driving the adoption of AI and data-driven strategies to shape the future of insurance"

"The introduction of regulations specifically addressing artificial intelligence, such as the Artificial Intelligence Act from the European Union, will require data scientists to understand and comply with the legal obligations outlined in these regulations. They will need to ensure that AI systems meet the necessary requirements, such as transparency, explainability, and accountability."

"Data scientists will continue to collaborate closely with industry stakeholders, policymakers, and regulators to contribute their expertise and insights. They will be consulted during the development of regulations and guidelines to ensure practical and effective implementation of AI technologies in the insurance sector."

"Data scientists will also be expected to focus on delivering value through their work. They will play a key role in identifying business opportunities, leveraging data analytics, and developing innovative AI solutions to address industry challenges. Their expertise will be crucial in driving operational efficiency, customer satisfaction, and profitability for insurance companies."

"As automation techniques and augmented analytics continue to advance, data scientists will need to embrace these tools to automate repetitive tasks and enhance their productivity. This shift will enable them to focus on more complex and strategic tasks that require human creativity, critical thinking, and problem-solving abilities."

"Overall, data scientists will continue to be at the forefront of technological advancements, driving the adoption of AI and data-driven strategies to shape the future of insurance."

"Last but not least, it is important for data scientists to find internal allies to make the undervalued potential of the data available to them better known to the executive management within insurance companies."

SAS in short

SAS (short for 'Statistical Analysis System'), is a software suite that can mine, alter, manage, and retrieve data from a variety of sources and perform statistical analysis on it. It is well known for data management, advanced analytics, business intelligence, etc. Benoit Van Laethem: "In terms of our clientele, while we could serve a broader range of companies, our primary focus, based on our history, lies with larger banks and insurance companies. In Belgium, for instance, the top 20 banks and insurance firms represent approximately 90% of the market. However, we remain open to opportunities from smaller entities and collaborate with partners who can provide comprehensive coverage." 

Benoit's data

12 / The number of years that separate ‘London Calling’ (The Clash) from ‘Nevermind’ (Nirvana), two music albums that struck me.


2 / °Celsius, the objective of the Paris Agreement to limit global warming - one of the multiple environmental challenges I’m sensitive about.


30 / years ago, I ended my studies… That doesn’t make us younger, hé?!


50% / I prefer seeing the half-full glass in terms of its content, not in terms of the void.


Inhoud

De opleiding in informatiebeheer richt zich op het ontwikkelen van vaardigheden en kennis die nodig zijn om informatie effectief te beheren binnen organisaties. De volgende aspecten komen aan bod:

  1. Informatiebeheerprincipes: Je leert de basisprincipes van informatiebeheer, inclusief het belang van informatie, de levenscyclus van informatie en de fundamentele concepten van het beheren van informatiebronnen.

  2. Informatiebeleid en -strategie: Je bestudeert de ontwikkeling en implementatie van informatiebeleid en -strategieën in organisaties. Dit omvat het begrijpen van de rol van informatiebeheer in het ondersteunen van organisatiedoelen en het waarborgen van de naleving van wettelijke en reglementaire vereisten.

  3. Informatieanalyse en -organisatie: Je leert methoden en technieken om informatie te analyseren, te organiseren en te classificeren, zodat deze gemakkelijk kan worden teruggevonden en begrepen. Dit omvat het gebruik van classificatieschema's, metadata en taxonomieën.

  4. Informatiebeveiliging en privacy: Je krijgt inzicht in de principes van informatiebeveiliging en privacybescherming. Dit omvat onderwerpen zoals gegevensbescherming, toegangscontrole, risicobeoordeling en de naleving van wet- en regelgeving op het gebied van gegevensbescherming.

  5. Digitale archivering en duurzaamheid: Je leert over de uitdagingen van het beheren en bewaren van digitale informatie op lange termijn. Dit omvat het begrijpen van digitale duurzaamheid, digitale bewaarstrategieën, digitale preserveringstechnieken en het gebruik van digitale archiveringssystemen.

  6. Informatiesystemen en technologie: Je krijgt inzicht in de verschillende informatiesystemen en technologieën die worden gebruikt in informatiebeheer. Dit omvat het begrijpen van databases, contentmanagementsystemen, elektronische documentbeheersystemen en informatiemanagementsystemen.

  7. Informatiebeheerprojecten en -processen: Je leert projectmanagementvaardigheden om informatiebeheerprojecten te plannen, implementeren en evalueren. Daarnaast bestudeer je de verschillende processen die betrokken zijn bij het beheer van informatie, zoals het verwerven, organiseren, opslaan, herstellen en vernietigen van informatie.

  8. Juridische en ethische kwesties: Je krijgt inzicht in de juridische en ethische kwesties die verband houden met informatiebeheer, zoals auteursrecht, intellectuele eigendom, privacywetgeving en ethische overwegingen met betrekking tot het gebruik en de toegang tot informatie.

Informatiebeheerprincipes

Informatiebeheerprincipes verwijzen naar de fundamentele richtlijnen en concepten die worden toegepast bij het beheren van informatie binnen organisaties. Deze principes dienen als leidraad om ervoor te zorgen dat informatie effectief wordt beheerd en optimaal kan worden gebruikt. Hier zijn enkele belangrijke informatiebeheerprincipes:

  1. Vertrouwelijkheid: Dit principe houdt in dat informatie alleen toegankelijk is voor geautoriseerde personen en dat passende maatregelen worden genomen om ongeoorloofde toegang te voorkomen. Het waarborgen van de vertrouwelijkheid van informatie is essentieel om de privacy en veiligheid van gevoelige gegevens te beschermen.

  2. Integriteit: Het principe van integriteit betekent dat informatie accuraat, volledig en betrouwbaar moet zijn. Het vereist dat er maatregelen worden genomen om ervoor te zorgen dat informatie correct wordt vastgelegd, bewaard en bewerkt, zodat de juistheid en betrouwbaarheid ervan worden gewaarborgd.

  3. Beschikbaarheid: Dit principe houdt in dat informatie beschikbaar moet zijn wanneer dat nodig is. Het omvat het nemen van maatregelen om ervoor te zorgen dat informatie gemakkelijk toegankelijk is voor geautoriseerde gebruikers op het juiste moment, zodat ze hun taken effectief kunnen uitvoeren.

  4. Authenticiteit: Authenticiteit heeft betrekking op de echtheid en betrouwbaarheid van informatie. Het principe vereist dat de herkomst en integriteit van informatie kunnen worden geverifieerd. Dit kan worden bereikt door het gebruik van audittrails, digitale handtekeningen en andere methoden om de oorsprong en onveranderlijkheid van informatie te waarborgen.

  5. Retentie en vernietiging: Dit principe heeft betrekking op het beheer van de levenscyclus van informatie, inclusief de bepaling van de bewaartermijnen en het veilig vernietigen van informatie wanneer deze niet langer nodig of wettelijk vereist is. Het impliceert het ontwikkelen van beleid en procedures voor het systematisch beheren van informatie vanaf het moment van creatie tot aan het einde van de levenscyclus.

Deze informatiebeheerprincipes helpen bij het waarborgen van de betrouwbaarheid, veiligheid en bruikbaarheid van informatie binnen organisaties. Door deze principes toe te passen, kunnen organisaties efficiënter werken, risico's verminderen en waardevolle inzichten uit hun informatiebronnen halen.

Informatiebeveiliging en privacy

Bescherming van informatie

Informatiebeveiliging en privacy hebben betrekking op de bescherming van informatie tegen ongeautoriseerde toegang, onthulling, wijziging, vernietiging of verstoring. Ze zijn beide belangrijke aspecten van informatiebeheer en richten zich op het waarborgen van de vertrouwelijkheid, integriteit en beschikbaarheid van informatie.

Informatiebeveiliging houdt zich bezig met het implementeren van maatregelen en processen om informatie te beschermentegen verschillende bedreigingen, zoals hackers, malware, fysieke diefstal of interne ongeoorloofde toegang. Het omvat het identificeren van risico's, het ontwikkelen van beveiligingsbeleid, het implementeren van technische controles zoals firewalls, encryptie en authenticatie, en het bevorderen van bewustwording en training van medewerkers om veiligheidspraktijken te volgen.

Privacy

Privacy heeft betrekking op het beschermen van persoonlijke gegevens en het waarborgen van de naleving van privacywetten en -regelgeving. Het richt zich op het beheren van de verzameling, het gebruik, de opslag en de openbaarmaking van persoonlijke informatie, zodat individuen controle hebben over hun gegevens en er vertrouwen in kunnen hebben dat hun privacy wordt gerespecteerd. Privacybescherming omvat het opstellen van privacybeleid, het informeren van individuen over het gebruik van hun gegevens, het beperken van toegang tot persoonlijke informatie en het implementeren van technische en organisatorische maatregelen om de privacy te waarborgen.

Informatiebeveiliging en privacy zijn van vitaal belang in het digitale tijdperk, waarin gegevens steeds meer worden verzameld, opgeslagen en uitgewisseld. Door effectieve beveiligings- en privacypraktijken te implementeren, kunnen organisaties de vertrouwelijkheid van gegevens beschermen, de integriteit van informatie waarborgen, de beschikbaarheid van systemen en gegevens behouden, en het vertrouwen van klanten en stakeholders versterken. Daarnaast dragen ze bij aan de naleving van wettelijke vereisten en ethische normen met betrekking tot gegevensbescherming en privacy.

Informatiebeheerprojecten en -processen

Informatiebeheerprojecten en -processen verwijzen naar de georganiseerde activiteiten en inspanningen die worden uitgevoerd om de effectieve beheer en controle van informatie binnen een organisatie te waarborgen.

Informatiebeheerprojecten 

Voorbeelden

Een informatiebeheerproject is een specifieke inspanning met een duidelijk gedefinieerd doel en tijdsbestek om verbeteringen aan te brengen in de manier waarop informatie wordt beheerd.

  • de implementatie van een nieuw informatiesysteem 
  • de ontwikkeling van richtlijnen en procedures voor informatiebeheer
  • de migratie van informatie naar een nieuwe omgeving
  • het opzetten van een digitaal archiveringsprogramma
  • ...

Fasen

Een informatiebeheerproject omvat vaak verschillende fasen

  1. planning
  2. analyse
  3. ontwerp
  4. implementatie
  5. evaluatie
  6. Bijsturing/feedback

Informatiebeheerprocessen

Informatiebeheerprocessen zijn de gestructureerde en herhaalbare activiteiten die worden uitgevoerd om informatie effectief te beheren gedurende de hele levenscyclus ervan. Dit omvat het: 

  • vastleggen
  • organiseren
  • opslaan
  • bewaren
  • beveiligen
  • delen
  • verwijderen

 van informatie volgens vastgestelde beleidsrichtlijnen en procedures. 

Voorbeelden

Informatiebeheerprocessen omvatten bijvoorbeeld...

  • het classificeren en labelen van informatie, 
  • het beheren van toegangsrechten, 
  • het uitvoeren van back-upprocedures, 
  • het bevorderen van gegevensintegriteit
  • het waarborgen van naleving van wettelijke en regelgevende vereisten.

Doelstellingen

De doelstellingen van informatiebeheerprojecten en -processen zijn onder meer het verbeteren van de efficiëntie van informatiebeheer, het minimaliseren van risico's met betrekking tot gegevensverlies of ongeoorloofde toegang, het vergroten van de waarde en bruikbaarheid van informatie, en het waarborgen van naleving van wet- en regelgeving met betrekking tot gegevensbescherming en privacy.

Door middel van informatiebeheerprojecten en -processen kunnen organisaties gestructureerd en systematisch omgaan met hun informatiebronnen, waardoor ze beter in staat zijn om informatie effectief te gebruiken, te beschermen en te beheren om hun doelstellingen te bereiken.

Juridische en ethische kwesties

Juridische en ethische kwesties in het kader van informatiebeheer verwijzen naar de wetten, regels, voorschriften en morele normen die van toepassing zijn op het verzamelen, gebruiken, opslaan en delen van informatie binnen een organisatie. Het omvat de verplichtingen en verantwoordelijkheden van een organisatie om te voldoen aan wettelijke vereisten en ethische normen met betrekking tot gegevensbescherming, privacy en informatiebeheer

Juridische kwesties

Juridische kwesties hebben betrekking op de wetten en regels die van toepassing zijn op informatiebeheer. Dit omvat bijvoorbeeld wetten met betrekking tot gegevensbescherming, privacybescherming, intellectueel eigendom, bewaarplicht en openbaarheid van bestuur. Organisaties moeten zich bewust zijn van de toepasselijke wet- en regelgeving en ervoor zorgen dat ze voldoen aan de vereisten, zoals het verkrijgen van toestemming voor het verzamelen en gebruiken van persoonlijke gegevens, het implementeren van passende beveiligingsmaatregelen en het naleven van de bewaartermijnen voor informatie. 

Ethische kwesties

Ethische kwesties hebben betrekking op morele normen en principes die van invloed zijn op informatiebeheer. Dit omvat bijvoorbeeld de verantwoordelijkheid om de privacy van individuen te respecteren, de vertrouwelijkheid van vertrouwelijke informatie te waarborgen, eerlijke en transparante praktijken toe te passen bij het verzamelen en gebruiken van gegevens, en het vermijden van misbruik van informatie voor oneerlijke of illegale doeleinden. Organisaties moeten ethische normen in acht nemen bij het nemen van beslissingen over informatiebeheer en ervoor zorgen dat ze integer en verantwoord handelen.

Door aandacht te besteden aan juridische en ethische kwesties in informatiebeheer kunnen organisaties de rechten van individuen beschermen, wettelijke naleving waarborgen, het vertrouwen van klanten en stakeholders opbouwen, en reputatierisico's verminderen. Het is belangrijk om op de hoogte te blijven van relevante wet- en regelgeving en ethische richtlijnen, en proactief te handelen om een ethisch verantwoord informatiebeheerbeleid en -praktijken te implementeren.

Praktisch: informatie duurzaam bewaren

Als je informatie duurzaam wilt bewaren en toegankelijk wilt houden op de lange termijn, zijn er verschillende belangrijke aspecten waarmee je rekening moet houden:

  1. Bestandsformaten: Kies bestandsformaten die breed worden ondersteund en waarschijnlijk langdurig kunnen worden gelezen. Vermijd propriëtaire formaten die afhankelijk zijn van specifieke software die mogelijk verouderd raakt. Open standaardformaten zoals PDF, TXT en JPEG zijn vaak goede keuzes.

  2. Gegevensintegriteit: Zorg ervoor dat de gegevensintegriteit wordt gehandhaafd gedurende de gehele bewaarperiode. Dit betekent dat je maatregelen moet nemen om gegevenscorruptie te voorkomen, zoals het regelmatig controleren van opslagmedia, het gebruik van foutcorrectie- en back-upmethoden, en het implementeren van redundante opslagoplossingen.

  3. Metadata en beschrijvingen: Documenteer en bewaar relevante metadata en beschrijvingen van de bewaarde informatie. Dit omvat informatie over de inhoud, het formaat, de datum van creatie, de auteur en andere relevante contextuele gegevens. Goede metadata helpen bij het begrijpen en beheren van de informatie op de lange termijn.

  4. Bewaaromgeving: Zorg voor een geschikte bewaaromgeving die voldoet aan de vereisten voor het behoud van de informatie. Dit omvat factoren zoals temperatuur, luchtvochtigheid, verlichting en bescherming tegen fysieke bedreigingen zoals brand, water en diefstal. Voor digitale informatie is het belangrijk om te zorgen voor voldoende opslagruimte en back-upfaciliteiten.

  5. Migratie en conversie: Houd rekening met het potentieel voor technologische veroudering. Periodieke migratie en conversie van informatie naar nieuwe formaten en systemen kan nodig zijn om de toegankelijkheid op de lange termijn te waarborgen. Dit vereist een proactieve aanpak en een goed beheerd migratieproces om ervoor te zorgen dat de inhoud van de informatie behouden blijft tijdens het overzetten naar nieuwe systemen.

  6. Juridische en ethische overwegingen: Zorg ervoor dat je voldoet aan de geldende wet- en regelgeving met betrekking tot de bewaring en toegang tot informatie, zoals gegevensbescherming en privacywetten. Overweeg ook ethische aspecten, zoals het respecteren van de rechten en belangen van individuen wiens informatie wordt bewaard.

  7. Documentatie en procedures: Zorg voor gedocumenteerde procedures en richtlijnen voor het beheer en behoud van informatie op de lange termijn. Dit omvat processen voor het regelmatig controleren en bijwerken van opslagmedia, het beoordelen van de toegankelijkheid van informatie en het plannen van migraties en conversies.

Door aandacht te besteden aan deze aspecten kun je de duurzaamheid van bewaarde informatie waarborgen en ervoor zorgen dat deze toegankelijk blijft op de lange termijn, ongeacht technologische veranderingen.

tess

DreamScape

Lucas

Lucas opent zijn ogen tot smalle spleetjes. Het heftige licht van de ledlampen aan het plafond verblindt hem. De witte muren van de onderzoeksruimte voelen steriel en afstandelijk aan. Boven hem ziet hij het glimlachende gezicht van een onderzoeker.

“Welkom in DreamScape,”fluistert de man, “d e injectie van de NNPC’s is probleemloos verlopen.”

Met een schok schiet Lucas wakker, hij ligt niet meer in die witte onderzoekruimte, maar in een desolate donkere omgeving. Flarden behangpapier hangen aan de zwart beschimmelde muren. In de ramen zitten enkel nog wat scherven, als resten van gebroken dromen. Buiten licht de nachthemel op door explosies en oorlogsgeweld. Hij wil recht springen, maar zijn benen en armen komen niet los. Ze zijn versmolten met het bed, als de gesmolten was van een half opgebrande kaars. Door het deurgat naar de donkere trappenhal staart een donkere gestalte met acht ogen naar hem… Lucas wil het uitgillen van angst, maar zijn mond lijkt dichtgenaaid.

“Rustig maar,”fluistert Sofie, “ iedereen die we bevrijden van de NNPC’s maakt hetzelfde mee. De eerste dagen zal je nog vaak last hebben van dit soort verwarrende belevenissen. Het vaccin heeft tijd nodig om in te werken op je hersenen. Bij sommige mensen duurt het meer dan een week vooraleer ze weer de realiteit kunnen waarnemen.”

NeXusDreams

In de grote bolvormige aula van het hoofdkwartier van NeXusDreams in Cupertino is het nog nooit eerder zo druk geweest. Journalisten proberen een plaatsje te bemachtigen. Fotografen en cameramensen krioelen als mieren voor het podium waar even later Steve Tusk zal verschijnen. Tusk is een ronkende naam in de computer- en entertainmentindustrie. Elke keer hij in de media verschijnt, weet de kijker dat hij met een nieuw hoogtechnologisch product op de proppen zal komen.

De zaallichten gaan uit en na een kort maar heftig applaus verstomt het publiek. De wanden van de bolvormige zaal worden het tafereel van surrealistische 3D-beelden. Het leek,zo beschrijft de journalist van de Washington Post het later op sociale media, alsof je in je eigen droomwereld was terechtgekomen, maar zo levensecht alsof je wakker in je eigen dromen rondliep.

Welkom in je dromen,galmt Tusks stem door de aula. Boven het publiek zweeft een grote holografische projectie van Tusk. De aanwezige persmensen kijken met open mond toe naar dit nooit eerder geziene spektakel.

Krantenbericht, 2 april 2038 “Revolutie in de entertainmentindustrie”

Cupertino, Scientific American –Tusk verbaasde vriend en vijand met zijn presentatie van NNPC’s, als laatste belangrijke toevoeging aan zijn gamma van Virtual en Augmented Reality-producten. NNPC’s (nano neuromorphic chips) zijn minuscule biologische chips die, eens ingevoerd in het menselijke brein, verbindingen maken met onze neuronen. Ze kunnen zichzelf dupliceren en informatie uit ons brein halen. Meer nog, ze zijn in staan een backup te maken van onze herinneringen. De VR- en AR-brillen zijn zelfs niet meer nodig, want de NNPC’s kunnen je laten zien wat ze willen, waardoor je letterlijk je dromen kan beleven in je dagdagelijkse leven. Op de oogverblindende presentatie gisterennamiddag in het hoofdkwartier, toonde Tusk dat iemand met een laag inkomen nu ook zijn eigen wereldreis kan beleven. Je kan zelfs samenleven met je droomvrouw of droomman, ook al heb je dit nog nooit echt ontmoet, of optreden met je favoriete artiest. Iedereen kan zijn eigen dromen waarmaken. Meer nog, met DreamSync kan je je eigen dromen delen met anderen om samen dezelfde droom te beleven.

We spraken na afloop met de republikeinse senator Ronald Thumb: “Dit is de American Dream 2.0. Het toont nogmaals de Verenigde Staten de potentie hebben om te leiders van de wereld te worden, of beter gezegd ‘te blijven’”

Sofie Themis, voorzitster van TechAware, was minder enthousiast en waarschuwt voor de gevaren van deze nieuwe technologie: “Bedrijven toegang geven tot de gedachten en de dromen van de mensen, is niet alleen een schending van de privacy, maar ook van de burgerrechten. Het is niet voor niets dat politici als Ronald Thumb zoveel overheidsgeld investeren in NeXusDreams. Het is een regelrecht gevaar voor de mensheid.“

Onderschrift
Onderschrift

TAR

Lucas kijkt wat warrig rond. “Ben ik wel echt wakker?”vraagt hij wat ongerust.

“Ja hoor,”lacht Sofie, “ik ben echt echt…. Maar ik snap wel dat je je twijfels hebt. De wereld waarin we leven is zo fake geworden dat je aan alles zou beginnen twijfelen.“

In de hoek van de zo goed als onverlichte loft waar ze zitten, staat een oude man moeizaam recht uit een zetel.

“Ik snap je volkomen, Lucas”, reageert hij, “Zelfs zonder die verdomde NNPC’s in je hoofd is het vaak bijzonder moeilijk om de echte wereld van de droomwereld te onderscheiden. De holografische projecties zijn zo goed dat ze mensen alles kunnen laten geloven. Zo schakelt de overheid één voor één de mensen die kritiek hebben, ons rebellen, uit. Marc, één van de verzetsleden van TAR, meende zo Ronald Thumb te vermoorden, maar schoot in werkelijkheid zijn eigen vrouw neer.“

Op de muur ziet Lucas het logo van TAR staan, “Tech Aware Rebellion”.

Onderschrift

idewe

DreamScape

Lucas

Lucas opent zijn ogen tot smalle spleetjes. Het heftige licht van de ledlampen aan het plafond verblindt hem. De witte muren van de onderzoeksruimte voelen steriel en afstandelijk aan. Boven hem ziet hij het glimlachende gezicht van een onderzoeker.

Onderschrift

Met een schok schiet Lucas wakker, hij ligt niet meer in die witte onderzoekruimte, maar in een desolate donkere omgeving. Flarden behangpapier hangen aan de zwart beschimmelde muren. In de ramen zitten enkel nog wat scherven, als resten van gebroken dromen. Buiten licht de nachthemel op door explosies en oorlogsgeweld. Hij wil recht springen, maar zijn benen en armen komen niet los. Ze zijn versmolten met het bed, als de gesmolten was van een half opgebrande kaars. Door het deurgat naar de donkere trappenhal staart een donkere gestalte met acht ogen naar hem… Lucas wil het uitgillen van angst, maar zijn mond lijkt dichtgenaaid.

Onderschrift
Onderschrift

“Welkom in DreamScape,”fluistert de man, “d e injectie van de NNPC’s is probleemloos verlopen.”

“Rustig maar,”fluistert Sofie, “ iedereen die we bevrijden van de NNPC’s maakt hetzelfde mee. De eerste dagen zal je nog vaak last hebben van dit soort verwarrende belevenissen. Het vaccin heeft tijd nodig om in te werken op je hersenen. Bij sommige mensen duurt het meer dan een week vooraleer ze weer de realiteit kunnen waarnemen.”

NeXusDreams

In de grote bolvormige aula van het hoofdkwartier van NeXusDreams in Cupertino is het nog nooit eerder zo druk geweest. Journalisten proberen een plaatsje te bemachtigen. Fotografen en cameramensen krioelen als mieren voor het podium waar even later Steve Tusk zal verschijnen. Tusk is een ronkende naam in de computer- en entertainmentindustrie. Elke keer hij in de media verschijnt, weet de kijker dat hij met een nieuw hoogtechnologisch product op de proppen zal komen.

De zaallichten gaan uit en na een kort maar heftig applaus verstomt het publiek. De wanden van de bolvormige zaal worden het tafereel van surrealistische 3D-beelden. Het leek,zo beschrijft de journalist van de Washington Post het later op sociale media, alsof je in je eigen droomwereld was terechtgekomen, maar zo levensecht alsof je wakker in je eigen dromen rondliep.

Welkom in je dromen,galmt Tusks stem door de aula. Boven het publiek zweeft een grote holografische projectie van Tusk. De aanwezige persmensen kijken met open mond toe naar dit nooit eerder geziene spektakel.

Krantenbericht, 2 april 2038 “Revolutie in de entertainmentindustrie”

Cupertino, Scientific American –Tusk verbaasde vriend en vijand met zijn presentatie van NNPC’s, als laatste belangrijke toevoeging aan zijn gamma van Virtual en Augmented Reality-producten. NNPC’s (nano neuromorphic chips) zijn minuscule biologische chips die, eens ingevoerd in het menselijke brein, verbindingen maken met onze neuronen. Ze kunnen zichzelf dupliceren en informatie uit ons brein halen. Meer nog, ze zijn in staan een backup te maken van onze herinneringen. De VR- en AR-brillen zijn zelfs niet meer nodig, want de NNPC’s kunnen je laten zien wat ze willen, waardoor je letterlijk je dromen kan beleven in je dagdagelijkse leven. Op de oogverblindende presentatie gisterennamiddag in het hoofdkwartier, toonde Tusk dat iemand met een laag inkomen nu ook zijn eigen wereldreis kan beleven. Je kan zelfs samenleven met je droomvrouw of droomman, ook al heb je dit nog nooit echt ontmoet, of optreden met je favoriete artiest. Iedereen kan zijn eigen dromen waarmaken. Meer nog, met DreamSync kan je je eigen dromen delen met anderen om samen dezelfde droom te beleven.

We spraken na afloop met de republikeinse senator Ronald Thumb: “Dit is de American Dream 2.0. Het toont nogmaals de Verenigde Staten de potentie hebben om te leiders van de wereld te worden, of beter gezegd ‘te blijven’”

Sofie Themis, voorzitster van TechAware, was minder enthousiast en waarschuwt voor de gevaren van deze nieuwe technologie: “Bedrijven toegang geven tot de gedachten en de dromen van de mensen, is niet alleen een schending van de privacy, maar ook van de burgerrechten. Het is niet voor niets dat politici als Ronald Thumb zoveel overheidsgeld investeren in NeXusDreams. Het is een regelrecht gevaar voor de mensheid.“

TAR

Lucas kijkt wat warrig rond. “Ben ik wel echt wakker?”vraagt hij wat ongerust.

“Ja hoor,”lacht Sofie, “ik ben echt echt…. Maar ik snap wel dat je je twijfels hebt. De wereld waarin we leven is zo fake geworden dat je aan alles zou beginnen twijfelen.“

In de hoek van de zo goed als onverlichte loft waar ze zitten, staat een oude man moeizaam recht uit een zetel.

“Ik snap je volkomen, Lucas”, reageert hij, “Zelfs zonder die verdomde NNPC’s in je hoofd is het vaak bijzonder moeilijk om de echte wereld van de droomwereld te onderscheiden. De holografische projecties zijn zo goed dat ze mensen alles kunnen laten geloven. Zo schakelt de overheid één voor één de mensen die kritiek hebben, ons rebellen, uit. Marc, één van de verzetsleden van TAR, meende zo Ronald Thumb te vermoorden, maar schoot in werkelijkheid zijn eigen vrouw neer.“

Op de muur ziet Lucas het logo van TAR staan, “Tech Aware Rebellion”.

test

DreamScape

Lucas

Lucas opent zijn ogen tot smalle spleetjes. Het heftige licht van de ledlampen aan het plafond verblindt hem. De witte muren van de onderzoeksruimte voelen steriel en afstandelijk aan. Boven hem ziet hij het glimlachende gezicht van een onderzoeker.

“Welkom in DreamScape,”fluistert de man, “d e injectie van de NNPC’s is probleemloos verlopen.”

Met een schok schiet Lucas wakker, hij ligt niet meer in die witte onderzoekruimte, maar in een desolate donkere omgeving. Flarden behangpapier hangen aan de zwart beschimmelde muren. In de ramen zitten enkel nog wat scherven, als resten van gebroken dromen. Buiten licht de nachthemel op door explosies en oorlogsgeweld. Hij wil recht springen, maar zijn benen en armen komen niet los. Ze zijn versmolten met het bed, als de gesmolten was van een half opgebrande kaars. Door het deurgat naar de donkere trappenhal staart een donkere gestalte met acht ogen naar hem… Lucas wil het uitgillen van angst, maar zijn mond lijkt dichtgenaaid.

“Rustig maar,”fluistert Sofie, “ iedereen die we bevrijden van de NNPC’s maakt hetzelfde mee. De eerste dagen zal je nog vaak last hebben van dit soort verwarrende belevenissen. Het vaccin heeft tijd nodig om in te werken op je hersenen. Bij sommige mensen duurt het meer dan een week vooraleer ze weer de realiteit kunnen waarnemen.”

NeXusDreams

In de grote bolvormige aula van het hoofdkwartier van NeXusDreams in Cupertino is het nog nooit eerder zo druk geweest. Journalisten proberen een plaatsje te bemachtigen. Fotografen en cameramensen krioelen als mieren voor het podium waar even later Steve Tusk zal verschijnen. Tusk is een ronkende naam in de computer- en entertainmentindustrie. Elke keer hij in de media verschijnt, weet de kijker dat hij met een nieuw hoogtechnologisch product op de proppen zal komen.

De zaallichten gaan uit en na een kort maar heftig applaus verstomt het publiek. De wanden van de bolvormige zaal worden het tafereel van surrealistische 3D-beelden. Het leek,zo beschrijft de journalist van de Washington Post het later op sociale media, alsof je in je eigen droomwereld was terechtgekomen, maar zo levensecht alsof je wakker in je eigen dromen rondliep.

Welkom in je dromen,galmt Tusks stem door de aula. Boven het publiek zweeft een grote holografische projectie van Tusk. De aanwezige persmensen kijken met open mond toe naar dit nooit eerder geziene spektakel.

Krantenbericht, 2 april 2038 “Revolutie in de entertainmentindustrie”

Cupertino, Scientific American –Tusk verbaasde vriend en vijand met zijn presentatie van NNPC’s, als laatste belangrijke toevoeging aan zijn gamma van Virtual en Augmented Reality-producten. NNPC’s (nano neuromorphic chips) zijn minuscule biologische chips die, eens ingevoerd in het menselijke brein, verbindingen maken met onze neuronen. Ze kunnen zichzelf dupliceren en informatie uit ons brein halen. Meer nog, ze zijn in staan een backup te maken van onze herinneringen. De VR- en AR-brillen zijn zelfs niet meer nodig, want de NNPC’s kunnen je laten zien wat ze willen, waardoor je letterlijk je dromen kan beleven in je dagdagelijkse leven. Op de oogverblindende presentatie gisterennamiddag in het hoofdkwartier, toonde Tusk dat iemand met een laag inkomen nu ook zijn eigen wereldreis kan beleven. Je kan zelfs samenleven met je droomvrouw of droomman, ook al heb je dit nog nooit echt ontmoet, of optreden met je favoriete artiest. Iedereen kan zijn eigen dromen waarmaken. Meer nog, met DreamSync kan je je eigen dromen delen met anderen om samen dezelfde droom te beleven.

We spraken na afloop met de republikeinse senator Ronald Thumb: “Dit is de American Dream 2.0. Het toont nogmaals de Verenigde Staten de potentie hebben om te leiders van de wereld te worden, of beter gezegd ‘te blijven’”

Sofie Themis, voorzitster van TechAware, was minder enthousiast en waarschuwt voor de gevaren van deze nieuwe technologie: “Bedrijven toegang geven tot de gedachten en de dromen van de mensen, is niet alleen een schending van de privacy, maar ook van de burgerrechten. Het is niet voor niets dat politici als Ronald Thumb zoveel overheidsgeld investeren in NeXusDreams. Het is een regelrecht gevaar voor de mensheid.“

TAR

Lucas kijkt wat warrig rond. “Ben ik wel echt wakker?”vraagt hij wat ongerust.

“Ja hoor,”lacht Sofie, “ik ben echt echt…. Maar ik snap wel dat je je twijfels hebt. De wereld waarin we leven is zo fake geworden dat je aan alles zou beginnen twijfelen.“

In de hoek van de zo goed als onverlichte loft waar ze zitten, staat een oude man moeizaam recht uit een zetel.

“Ik snap je volkomen, Lucas”, reageert hij, “Zelfs zonder die verdomde NNPC’s in je hoofd is het vaak bijzonder moeilijk om de echte wereld van de droomwereld te onderscheiden. De holografische projecties zijn zo goed dat ze mensen alles kunnen laten geloven. Zo schakelt de overheid één voor één de mensen die kritiek hebben, ons rebellen, uit. Marc, één van de verzetsleden van TAR, meende zo Ronald Thumb te vermoorden, maar schoot in werkelijkheid zijn eigen vrouw neer.“

Op de muur ziet Lucas het logo van TAR staan, “Tech Aware Rebellion”.

test doc

PREDICTING STUDY METRICS OF PAST AND FUTURE UCLL STUDENTS

by Alec Van Branden, Damian Tellez Mondragon, and Nathanael Nicholas Johnson

Concepts Data and Analytics

Kris Merckx

University Colleges Leuven-Limburg (UCLL)

Leuven, Belgium

6 June 2023

Table of Contents

Part 1: Collecting Data from Existing Students 2Part 1: Collecting Data from Existing Students 2

Data we would like to collect from within UCLL’s buildings2 Data we would like to collect from within UCLL’s buildings2

Data we would like to collect from outside of UCLL’s buildings3 Data we would like to collect from outside of UCLL’s buildings3

Example of RDBMS database structure4 Example of RDBMS database structure4

Part 2: AI Algorithms for Existing Data 5Part 2: AI Algorithms for Existing Data 5

Main research goal5 Main research goal5

Analyses5 Analyses5

Part 3: Collecting Data from Potential New Students 7Part 3: Collecting Data from Potential New Students 7

Chosen analysis focus7 Chosen analysis focus7

Questionnaire7 Questionnaire7

Filtering methods7 Filtering methods7

Conclusion 10Conclusion 10

For part one of this assignment, we focused on collecting different types of data based on their personal, curricular, and other types of information. Furthermore, we list the different sources where we may find all the data previously mentioned. The goal is that by collecting this information, we would be able to use the data to conduct different analyses.


Student number

Last name

First name

Program

r0821630

Johnson

Nathanael Nicholas

BBM

r0779420

Tellez Mondragon

Damian

BBM

r0883287

Van Branden

Alec

BBM

Student Number

University email address

Personal email address

Phone number

r0821630

nicholas.johnson@student.ucll.be

nicholas15johnson@gmail.com

(+32) 488 15 01 09

r0779420

damian.tellez@student.ucll.be

damian10tm@gmail.com

(+32) 485 672 724

r0883287

alec.vanbranden@student.ucll.be

alec.vanbranden@gmail.com

(+32) 471 58 26 41

Student number

Country of origin

Nationality

Language

Home address

r0821630

Indonesia

Indonesian

English

Martelarenlaan 40, 3010 Kessel-lo, Leuven

r0779420

Mexico

Mexican

Spanish

Hogeschoolplein 03, 3000 Leuven

r0883287

Belgium

Belgian

Dutch, French

Bruyère Du Wez 19, 1390 Grez-Doiceau

Student number

Bus pass

Culture card

Sports card

r0821630

Yes

No

Yes

r0779420

Yes

Yes

Yes

r0883287

Yes

No

Yes

For this second part, we focused on setting and defining realistic analyses goals. All this was done by using the data we have at our availability, which was previously mentioned in Part 1. We selected three different analyses goals and provide an explanation of the process used for each analysis. Later, we also explain in detail which type of AI algorithm will be used, the learning method, and defining the independent/dependent variables for each analysis.

Based on historic and current data, what are the most beneficial decisions that prospective students can and should take to be successful at UCLL?

After collecting all the data from current and previous students in Part 1 and 2, we try to predict which direction is the most suitable for potential incoming students. This could be done by having some key information on the incoming students and historical data from past students. We generated potential questions and a mockup Google Forms to give a general idea on the content of the questionnaire. Then, we also described the filtering methods we plan to use.

Despite having three different analyses that we want to potentially do as described in Part 2, Part 3 specifically focuses on the second analysis which is “Predicting the effect of education history on a student’s program decision”. This analysis was chosen for this part because it could provide the most value when it comes to analyzing information from incoming students.

The following is a mockup questionnaire we made that would be sent to incoming students:

https://forms.gle/RtWgvEzQkVAtVpUi9https://forms.gle/RtWgvEzQkVAtVpUi9

Both content-based and collaborative filtering can be used in our case. The following explanation shows how we plan to filter the data and information received from our questionnaire using both filtering methods.

In conclusion, by acquiring and analyzing data from previous students, as well as using AI as a tool, and designing specific questions, we can predict the most suitable academic program for future students and provide better recommendations based on their previous academic performance. This approach benefits both the students and UCLL, as it ensures personalized course placement, tailored resource optimization for students, and continuous improvement in education overall. However, ethical considerations such as privacy and bias must be considered, since nowadays data and AI are considered sensitive topics. Overall, this integration of data analysis and AI enhances the accuracy and effectiveness of the UCLL program prediction and recommendations overall.

Oplossingen voor webdesign

Wat zeggen onze klanten & vrienden?

Jacques D en Anne D.

Liesbeth en Kris zijn innovatief in hun creaties en prettig-empathisch-volhoudend in de aanpak van hun projecten. Ze verstaan de kunst om op maat en met een vakkundig meesterschap, enthousiast kennis over te dragen.

David T.

Een overvloed aan kennis, die met passie en een ongebreidelde liefde voor het vak samengebracht wordt tot een kwalitatief product, om daarna nog eens extra overgoten te worden met een warme "Limburgse" gezelligheid. En dat laatste is iets waar ik als geboren en getogen Limburger toch recht-van-oordeel over heb, me dunkt ?

Voila, ik kan Liesbeth en Kris van Books&Bags niet op een andere manier omschrijven.

Als je de kans hebt, en je bent op zoek naar een product dat in hun expertise past, neem dan zeker eens de tijd om met een van hen (of allebei) een babbeltje te slaan. Ik garandeer u dat alles, wat hierboven beschreven staat, duidelijk zal worden.

Zo gaat dat nu eenmaal bij mensen die doordrongen zijn van datgene wat ze graag doen.

Ed S.

Toen we nog onderwijscollega's waren viel Liesbeth meteen op door haar enorme betrokkenheid bij het welzijn van de leerlingen. Verder was ze een uitmuntende lerares. Later bleek ook nog een ander talent op de voorgrond te komen binnen het domein van de handvaardigheid met het materiaal leder.

Kris was en is zo'n talentrijk man dat hij eigenlijk van alle markten thuis is. Hij is niet alleen de taalkundige en historicus maar eveneens een begenadigd muzikaal man en een computerwizard met daarnaast een meer dan gemiddelde in interesse voor stripverhalen. En last but not least ook meer dan een gemiddelde doe-het-zelver qua renovatiewerken. Beiden gaan ze steeds met volle overgave en passie ervoor om hun doelen te bereiken.

Lisa S.
Liesbeth was mijn (zeer gepassioneerde) leerkracht in het tweede middelbaar. We hadden meteen een klik en zijn steeds contact blijven houden. Tijdens mijn studies Journalistiek startte ze met haar prachtige Uit De Naad en interviewde ik haar hierover. Ze maakte ook een stijlvolle armband en sleutelhanger voor me, op maat gemaakt en met de grootste zorg. Liesbeth is super in alles wat ze doet en doet het vooral met 200% volle goesting. Bovendien is ze ook gewoon een enorm sociale en vlotte dame waarbij je je meteen op je gemak voelt.
Ivan M.
Ik ken Kris en Liesbeth nu ongeveer 17 jaar. Ik ontmoette Kris de eerste keer in de avondschool. Hij gaf er toen les in Adobe Flash. We bleven contact houden en in al die jaren heb Ik Kris, maar ook Liesbeth enorm zien groeien in hetgeen waar ze zo goed in zijn. Beiden zijn zo gepassioneerd en vol overgave met hun vak bezig. We zouden zeggen: “Dat het niet normaal is.” Het is een streling voor het oog om hen bezig te zien. Ze leveren dan ook prachtig werk. Het zijn niet alleen buitengewoon getalenteerde vakmensen, maar ook geweldig warme mensen.
Marc D.
In 2010 heb ik Kris leren kennen als webontwikkelaar voor mijn website. Deze werd door hem volledig op maat geprogrammeerd en was toen al zeer innovatief. Door zijn enorme ervaring, talent en passie voor het vak creëerde hij dan ook een meesterwerk voor ons bedrijf. Ook weten we zijn perfecte service en updates van het programma te waarderen.
Contacteer ons Bel me op 0497 94 40 81 Boeken kopen
Afrekenen