Finland heeft afgelopen jaar zijn cursus Elements of AI, over de fundamentele basis van Artificial Intelligence, beschikbaar gemaakt voor ander landen, waaronder Nederland.
De universiteit van Helsinki ontwikkelde Elements of AI in samenwerking met Reaktor om de inwoners van Finland te informeren over kunstmatige intelligentie en basisbegrip te kweken rondom dit onderwerp. Daarnaast probeert Finland hiermee de inwoners een voorsprong te geven in dit vakgebied.
Inmiddels is Elements of AI beschikbaar gemaakt voor iedereen in de wereld en kan er in Nederland dus ook gebruik gemaakt worden van deze mogelijkheid. Tot nu toe is de course nog niet beschikbaar in het Nederlands, maar op dit moment wordt de course vertaald naar verschillende andere talen. Engels en Duits zijn al beschikbaar en Nederlands is in de aantocht.
Hanna Hagström en Teemu Roos hadden in 2017 het idee om een course rondom Artificial Intelligence in te richten met als doel om 1% van de populatie de basis bij te brengen. Ze doneerden hun tijd om dit project op te zetten. Inmiddels hebben al meer dan 450.000 mensen uit 110 landen zich ingeschreven en is het een groot succes.
In de course wordt ingezoomd op wat er mogelijk is met AI, maar ook op wat er op dit moment nog niet mogelijk is (en in de nabije toekomst waarschijnlijk ook nog niet), hoe bepaalde algoritmen werken en wat voor impact AI heeft op ons leven. Programmeervaardigheden zijn niet nodig, want er wordt geen regel geprogrammeerd. Ook lastige wiskunde komt niet voor in de cursus. Bij het doorlopen van de cursus en de vragen goed te beantwoorden, ontvang je een certificaat. Vooraf kun je je ook aanmelden via de Open Universiteit van Finland om 2 EC te verkrijgen voor het volgen van deze cursus, bijvoorbeeld als keuzevak tijdens je bacheloropleiding.
Waar bestaat deze course uit? Welke onderwerpen worden er belicht en hoe diep wordt er ingegaan op de stof? Laten we de proef op de som nemen.
Inschrijven
Eenvoudig kun je je inschrijven via de website en binnen no-time ben je up-and-running. Je moet jezelf aanmelden, zodat de voortgang bijgehouden kan worden, er tussentijds opgeslagen kan worden en eventueel een certificaat uitgedeeld kan worden.
Het geheel ziet er strak uit en alles kan gedaan worden binnen de website: informatie lezen, filmpjes bekijken, antwoorden invullen, submitten en controleren. De vormgeving van de website is gelikt en de opzet is duidelijk.
Opzet
De cursus heeft in totaal zes hoofdstukken:
- Chapter 1: What is AI?
- Chapter 2: AI problem solving
- Chapter 3: Real world AI
- Chapter 4: Machine learning
- Chapter 5: Neural networks
- Chapter 6: Implications
Elk hoofdstuk wordt afgesloten met een aantal vragen die direct automatisch nagekeken worden, of waarbij je nog peer-feedback moet krijgen van een medecursist. Een leuke opzet die goed werkt. Je krijgt direct feedback en kunt ook snel verder. In de bespreking van de hoofdstukken in deze post, staan ook links over het onderwerp of een filmpje voor meer context. Deze komen niet uit deze cursus.
Chapter 1: What is AI?
In het eerste hoofdstuk wordt de definitie Artificial Intelligence toegelicht en gaan de neuzen dezelfde kant op. De meningen en invalshoeken over wat AI is, zijn namelijk nogal uiteenlopend. Afhankelijk van wie je het vraagt en in welk vakgebied deze persoon opereert komt er een ander antwoord. Een filosoof zal het wellicht anders uitleggen dan een engineer of een journalist.
Er wordt ook ingezoomd op wat AI niet is. Dit is een belangrijke stap om te begrijpen waar het allemaal over gaat, wat het vakgebied inhoudt en waar het op dit moment staat. Wat is een realistisch scenario en wat kan helemaal (nog) niet of misschien wel nooit? Een aantal bekende toepassingen komen langs, zoals gezichtsherkenning en zelfrijdende auto’s. Er wordt kort ingezoomd op de verschillende domeinen die AI rijk is, zoals computer vision, speech recognition, natural language processing en cognitive modeling.
Er wordt gesteld dat AI deel uitmaakt van informatica. Daarnaast heeft het zijdelingse invloeden van andere vakgebieden, zoals wiskunde, statistiek en maakt het ook deel uit data science. Een leuk stuk gaat over dat AI geen telbaar zelfstandig naamwoord is, maar een wetenschappelijke discipline (net zoals wiskunde bijvoorbeeld).
Andere zaken die langskomen zijn de Turing test, een discussie of de mens intelligent is, het Chinese kamer experiment van John Searle en het hieraan gekoppelde strong/weak en general/narrow AI. Interessante begrippen die de basis van AI definiëren.
Chapter 2: AI problem solving
In dit hoofdstuk duiken we in de algoritmen die we scharen onder (soms klassieke) AI. Vaak worden spellen gebruikt om algoritmen te bedenken, te bouwen en te testen. Dit omdat spellen vaak een beperkte set aan regels heeft, een beperkte set aan acties of een beperkte set aan toestanden. Dit maakt het een perfecte speelplaats voor AI-algoritmen. Hoe moeilijker en complexer het spel wordt, hoe lastiger het is om alle mogelijkheden af te gaan.
Om met de complexere situaties om te kunnen gaan, moet een algoritme gebruikt worden die kan selecteren wat (waarschijnlijk) een goede oplossing kan opleveren. Het is immers niet meer mogelijk met de rekenkracht en tijd om het simpel brute-force op te lossen.
Algoritmen die langskomen in dit hoofdstuk zijn minimax en de verbeterde aanpak alpha-beta pruning. Aan de hand van het simpele spel boter-kaas-en-eieren worden de algoritmen toegelicht en wordt afgesloten met een opdracht waarbij je zelf de algoritmen toe moet passen.
De voorbeelden en toepassing van deze algoritmen in dit hoofdstuk zijn eenvoudig. Het is een leuke introductie om kennis te maken met klassieke zoekalgoritmen.
Chapter 3: Real world AI
Dit is een hoofdstuk wat inzoomt op kans en onzekerheid, bij het maken van een voorspelling. Eerst wordt er het één en ander uitgelegd over kansen en daarna komen er methoden voorbij om een betere voorspelling te maken met bepaalde kennis die aanwezig is over de situatie.
De opdracht is om een spamfilter te maken door middel van een Naive Bayes classifier. Dit kan een lastige opdracht zijn, zeker als je niet vaak met kansen hebt gewerkt. Een aantal keer teruggaan naar de theorie is dan nodig en vooral de voorbeelden zelf nog eens narekenen. Dit kan duidelijkheid scheppen over de uiteindelijke opdracht.
Ook een goede take-away-message uit dit hoofdstuk is “all models are wrong, but some are useful,” een uitspraak van statisticus George Box.
Chapter 4: Machine learning
In de vorige hoofdstukken werden specifieke algoritmen besproken om een gevoel te geven wat AI ook is. In dit hoofdstuk wordt breder ingezet met machine learning. Dit is inmiddels een zeer groot en populair onderzoeksgebied binnen de kunstmatige intelligentie. Ook de algoritmen die je in het vorige hoofdstuk hebt gemaakt, zou je hier onder kunnen scharen. Echter is het beeld wat bij machine learning heerst vaak het werken met veel data en het maken van ingewikkelde toepassingen.
De drie hoofdvormen van machine learning worden toegelicht: supervised learning, unsupervised learning en reinforcement learning. Ook wordt er stilgestaan bij het netjes onderverdelen van je datasets in trainings-, test- en validatiedata. Ook overfitting wordt besproken: kort gezegd het geweldig doen op de trainingsdata, maar belabberd op de testdata. Dit kan natuurlijk meerdere redenen hebben, maar overfitting is één van de problemen die op kan treden.
Eén van de algoritmen die simpel inzichtelijk maakt hoe het een beslissing maakt is de Nearest neighbour classifier. Dit wordt in de cursus aan de hand van filter bubbles uitgelegd. Een actueel onderwerp!
Daarna gaat het snel verder naar zowel linear regression als logistic regression, waarbij duidelijk gemaakt wordt dat er niet één algoritme is om alles op te lossen (“There is no free lunch“).
Chapter 5: Neural networks
Neurale netwerken zijn ook onderdeel van machine learning, maar in deze cursus heeft het een eigen hoofdstuk gekregen. Er is namelijk veel over te vertellen. Er wordt begonnen met de link tussen het biologische brein en een kunstmatige neuraal netwerk. Om de cirkel rond te maken wordt er ook direct verwezen naar Brain-computer interfaces en het werk van Jack Gallant, om met hersensignaal een apparaat of de computer aan te sturen.
Hierna gaat het in sneltreinvaart. Een klassiek neuraal netwerk wordt ontleed: de input, output, gewichten en drie activatiefuncties komen voorbij. Hierdoor heb je een basaal idee van een neuraal netwerk.
Snel verder met geavanceerde neurale netwerken: het convolutional neural network (CNN) voor het classificeren van objecten in beeldmateriaal en ook het generative adversarial network (GAN) voor het genereren van nieuwe plaatjes. De toepassingen met een GAN zijn de afgelopen jaren uit de grond geschoten, bekijk hier een artikel met interessante voorbeelden.
Chapter 6: Implications
In het laatste hoofdstuk worden de implicaties van AI besproken. In het verleden is gebleken dat er vaak een tijd komt dat AI een vlucht neemt, waarna het later weer stil komt te liggen (AI-winter). We zitten op dit moment in het midden van een AI-hype en de vraag is of deze aan blijft houden of dat er weer een AI-winter zal volgen.
De twee belangrijkste voorspellingen die gedaan worden:
- AI zal om ons heen blijven bestaan en we worden er dagelijks mee geconfronteerd.
- Terminator komt je niet opzoeken.
De laatste voorspelling is iets wat belangrijk is om te beseffen. In de media lees je er regelmatig over: singulariteit, superintelligence en de grote gevaren van AI. Zo een vaart loopt het niet, het gaat echt allemaal over “narrow” AI.
Ook wordt er gesproken over de sociale implicaties.
- De vooroordelen (bias) die een algoritme kan hebben (dat zit dan al in onze eigen data!) moeten duidelijk zijn.
- Is de uitspraak “zien is geloven” nog wel waar met alle mogelijkheden om deep fakes te maken?
- De implicaties op onze privacy: anoniem is niet anoniem
- Het soort werk wat wij doen zal veranderen.
Hierna volgen nog een aantal opdrachten. Even wachten op een peer-review en je hebt de cursus behaald!
Conclusie
Elements of AI is een cursus die erg mooi opgezet is. Zowel inhoudelijk als qua vormgeving zit het top in elkaar. Er wordt een goed beeld geschept van wat AI is en wat er allemaal onder verstaan wordt. Sommige onderdelen gaan wat snel, maar je hebt altijd de mogelijkheid om je verder te verdiepen met meerdere goede informatiebronnen die aangehaald worden aan het eind.
Het is te merken dat er is veel tijd in deze online cursus gestoken door de ontwerpers, hopelijk vinden nog meer mensen de weg naar Elements of AI!
