De sleutelvraag achter het onderzoek van Claire Stevenson, universitair docent psychologische methodenleer, is: ‘Hoe worden mensen zo slim?’ Ze analyseert hoe intelligentie zich ontwikkelt en hoe het creatieve proces tot stand komt, specifiek bij kinderen en AI. Hierbij verbindt ze haar expertise rond ontwikkelingspsychologie en die rond wiskundige modellen en informatica. ‘Ik wil eigenlijk menselijke intelligentie testen bij AI, en AI intelligentie bij kinderen.’

Analogie redeneren bij kinderen

Claire Stevenson begon haar wetenschappelijk loopbaan in de ontwikkelingspsychologie met onderzoek naar het leerpotentieel van kinderen, ‘niet wat ze al weten, maar waar ze toe in staat zijn.’ Ze keek hoe analogie redeneren zich bij kinderen ontwikkelt: hoe kinderen een oplossing kunnen bedenken voor een nieuw probleem op basis van verbanden met een bekende. ‘Zo moesten kinderen bijvoorbeeld het rijtje afmaken: dorst staat tot drinken, als bloeden staat tot pleister, wond, snijden, water of eten? Alleen door het verband tussen dorst en drinken toe te passen op bloeden kom je op het juiste antwoord pleister, in plaats van bekende associaties zoals wond of snijden.’ Analogie redeneren wordt als de grote kracht van menselijke intelligentie gezien.

Kan AI redeneren in analogieën?

In het vervolg van haar loopbaan maakte Stevenson de overstap naar de programmagroep methodenleer van psychologie waar ze gefascineerd raakte door het gebruik van wiskundige modellen om creatieve processen te meten. Dit sloot mooi aan bij de Bachelor Informatica die ze ook had afgerond. ‘Mijn onderzoek verlegt zich nu naar cognitieve AI en het nabootsen van intelligentie. Ik kijk naar algoritmes en in hoeverre die analogieën kunnen oplossen. Dus die dorst staat tot drinken, als bloeden staat tot pleister. Met collega’s zoek ik antwoord op de vraag hoeveel intelligentie er eigenlijk in Artificiële Intelligentie zit?’

AI heeft moeite met generaliseren

Om antwoord te geven op die vraag, hoe intelligent AI eigenlijk is, moeten we intelligentie eerst uiteen trekken in twee vormen, legt Stevenson uit:

1. Wat je weet: opgedane kennis en geleerde procedures zoals rekenen (crystallized intelligence)
2. Je redeneer- en probleemoplossend vermogen (fluid intelligence).

‘AI machines en algoritmes hebben een enorme opslagcapaciteit – veel groter dan een menselijk geheugen – en kunnen informatie razendsnel ophalen en verwerken. Het is fantastisch wat ze kunnen’, zegt Stevenson enthousiast, ‘maar eigenlijk is deze eerste vorm van intelligentie simpel vergeleken met die andere vorm van intelligentie. En op die tweede vorm blijft AI nog achter.’ AI kan alleen na lange training oplossingen aandragen via abstract redeneren en dan beperkt op het gebied waar het op was getraind. ‘In onderzoek in de jaren 80 was al geconcludeerd dat intelligentie draait om het vermogen te generaliseren en dat AI hier niet goed in is. Uit ons onderzoek blijkt dit dus de tand des tijds te hebben doorstaan’, concludeert Stevenson.

AI en Bongard puzzels

Een bekende toepassing waaruit de beperking van AI blijkt, is die rond het oplossen van Bongard puzzels. Bongard was een Russische computerwetenschapper die eind jaren 60 puzzels ontwierp waarin mensen patronen moeten ontdekken. De puzzel toont twee sets van figuren die ieder een gemeenschappelijk kenmerk hebben. Aan de kijker de taak deze te ontdekken en daarmee het verschil tussen de twee te benoemen. ‘Wetenschappers proberen AI te ontwikkelen die deze puzzels kan leren oplossen, maar het beperkte redeneervermogen lijkt AI op dit moment in de weg te zitten, waardoor mensen voorlopig van AI “winnen” op dit gebied’, vertelt Stevenson. Probeer zelf de Bongerd puzzels op te lossen en lees er meer over

Wat als AI leert generaliseren?

In haar onderzoek wil Stevenson een verband gaan leggen tussen het leerpotentieel van AI en die van kinderen. Ze wil daarvoor gaan vergelijken hoe beiden redeneertaken en Bongard problemen oplossen, onder anderen in de online leeromgeving Oefenweb. Deze kennis hoopt ze vervolgens in te kunnen zetten voor de verdere ontwikkeling van AI en van de leeromgeving voor kinderen. ‘Stel dat AI analogie redeneren onder de knie krijgt en zo flexibeler en creatiever leert te denken. Samen met het ongekende vermogen tot algemene (feiten)kennis en verwerkingscapaciteit, zou AI verbanden kunnen zien tussen ver uit elkaar liggende gebieden. AI zou bijvoorbeeld paralellen kunnen leggen tussen ziekteverloop en genezing en de strijd tegen klimaatverandering en onverwachte kennis kunnen aandragen voor het oplossen van complexe vraagstukken.’

Onderzoek naar AI in de schijnwerpers

Kunstmatige intelligentie (AI) is meer dan een reeks technologieën. AI zal een diepgaande invloed hebben op burgers en samenlevingen, en deze op zowel wenselijke als op onwenselijke manieren veranderen. Het FMG-platform Citizens, Society and Artificial Intelligence (CiSAI) brengt onderzoekers uit de sociale en gedragswetenschappen bij elkaar die de invloed van AI op de maatschappelijke dynamiek en op het leven van individuele burgers analyseren. In de reeks ‘Onderzoek naar AI in de schijnwerpers’ stellen wij onze deskundigen voor die deze thema’s bestuderen.