Standaardisatie is bij kunstmatige intelligentie uitermate belangrijk

Door kunstmatige intelligentie is het mogelijk om problemen beter, sneller of überhaupt op te lossen dan met reguliere programmacode of door menselijke intelligentie. De programmeur maakt de kunstmatige intelligentie die zichzelf verder programmeert op basis van de input die het krijgt. Door de onvoorspelbaarheid van de conclusies op basis van die input is standaardisatie uitermate belangrijk bij kunstmatige intelligentie.

In veel gevallen zal kunstmatige intelligentie op basis van de input die het heeft bepaalde patronen vinden en op basis daarvan bepaalde regels formuleren en daarmee leert het systeem van de input en wordt het systeem elke keer intelligenter. Die intelligentie kan vervolgens weer worden gebruikt om bepaalde taken uit te voeren.

Een concreet voorbeeld is dat je kunstmatige intelligentie hebt die op plaatjes herkent of iets een poes is of niet. Om het systeem een poes te leren herkennen wordt het getraind met behulp van foto’s van 1.000 poezen. Uiteindelijk zal de kunstmatige intelligentie op basis van dit leerproces met een redelijke mate van zekerheid een poes kunnen herkennen.

De kunstmatige intelligentie herkent waarmee het is gevoed. Stel dat alle 1.000 plaatjes van poezen zijn gemaakt onder kunstlicht en je voert het systeem met een foto die is gemaakt onder fel zonlicht dan is er dankzij het ander soort licht mogelijke een afwijking waardoor de kunstmatige intelligentie zal aangeven dat er een grote kans is dat er géén poes op de foto te zien is.

Het probleem in deze dat de kunstmatige intelligentie volledig getraind is met foto’s die genomen zijn bij kunstlicht. Het kunstlicht is de variabele die bij alle foto’s aanwezig is. Daarmee is de kans groot dit dan een belangrijke zogeheten tertium comparationis (grond van de overeenkomst) is voor de kunstmatige intelligentie. Alleen wanneer die aanwezig is, zal de uitkomst van de vergelijking positief zijn.

Dat de uitkomst negatief is wanneer er zonlicht in plaats van kunstlicht wordt gebruikt is ook volstrekt logisch. De kunstmatige intelligentie heeft immers geleerd dat een poes altijd bij kunstlicht wordt gefotografeerd. Het is daarmee de meest dominante variabele. Deze is immers altijd aanwezig geweest bij de training. Of te wel het systeem moet bijna wel tot een negatief oordeel komen.

Om dit soort problemen te voorkomen is het belangrijk dat kunstmatige intelligentie op de juiste wijze gestandaardiseerd is. Dat is voor een groot deel een kwestie van opletten dat bij de training alle mogelijke dominante variabelen aanwezig zijn of dat dominante variabelen die voor de vergelijking irrelevant zijn juist worden genegeerd.

Daarnaast is het ook belangrijk dat de kunstmatige intelligentie “bewust” is van het feit dat er afwijkingen kunnen zijn waar het zich nog niet bewust van is zodat het leerproces blijft doorgaan. Het risico is dat de kunstmatige intelligentie uiteindelijk anders net zo statisch wordt als reguliere programmacode met als bijkomend nadeel dat er geen programmacode is die handmatig kan worden aangepast.