Onlangs publiceerde ik een artikel in een vaktijdschrift: “The Origin of Patterns“. Het was op uitnodiging, zonder specifiek onderwerp. Ik begon te schrijven en ontdekte dat een sluimerend idee bij mij zich ontwikkelde tot een eye-opener. Graag wil ik dit met zoveel mogelijk mensen delen. Daarom volgt hieronder een, wat vrijmoedig geformuleerde, uitgebreide Nederlandse samenvatting. Deze begint met de clou, gevolgd door argumenten, details en voorbeelden. Hierdoor kan de lezer, als de nieuwsgierigheid voldoende is bevredigd, op een willekeurig moment stoppen.
Bob Duin, 6 november 2021
Wij zien patronen in de wereld om ons heen, niet omdat er in de wereld buiten ons patronen zijn, maar omdat wij de wereld met een verwachtingsvolle, geïnteresseerde blik bekijken.
Bij het bezoeken van een meubelboulevard zien we stoelen, tafels, bedden en kasten. Twee soorten meubels, voor onszelf en voor onze spullen, passend bij activiteit of passiviteit. Wat ziet iemand die nog nooit in zo’n winkel is geweest en die ook geen behoefte heeft aan meubels, bijvoorbeeld een nomade die met een kudde over de steppe trekt? Hij ziet een grote variabiliteit en misschien heel andere patronen dan wij, zoals voorwerpen van hout, plastic, glas of metaal, al dan niet met een stoffen of leren bekleding.
De blik waarmee wij de patronen zien is gevormd door onze opvoeding en de cultuur waarin wij leven en vooral door onze interesse. De kunstliefhebber ziet in een museum voor moderne kunst totaal andere overeenkomsten en verschillen dan iemand die daar voor het eerst mee wordt geconfronteerd. Deze laatste moet de verschillende stijlen nog leren zien. Een uitleg over ontwikkelingen in de tijd, scholen in de kunst en informatie over biografieën, leert hem te kijken zoals de expert.
Helpt het als we onze zintuigen beter scholen? Hoe nemen we de wereld waar als we ook nog de ogen van de kat en de neus van de hond zouden hebben? De wereld zou in eerste instantie een grotere chaos voor ons zijn. We zouden langer moeten leren en geheel andere patronen gaan zien. Maar als we dat eenmaal bereikt hebben zien we ze zonder dat er een redenering nodig is. Het artikel bevat een uitgebreid voorbeeld over hoe studenten in de pathologie in vele jaren experts worden voor wie een korte blik door een microscoop voldoende is om de patronen in een preparaat te herkennen.
Als we een zeer uitgebreid stel zintuigen zouden hebben, en we niet door scholing of interesse een focus hadden ontwikkeld, dan zou de wereld een chaos voor ons zijn. Alles is anders. Wat gechargeerd uitgedrukt: dankzij verstandig aangebrachte oogkleppen vinden we onze weg.
In het artikel wordt het bovenstaande in een historische, filosofisch-wetenschappelijke en een technische context geplaatst. Deze laatste vooral van belang voor de mogelijkheden en beperkingen van zelf-lerende machines.
Plato had nog een waarneming van de ideeënwereld van waaruit begrippen worden gevormd. De verbinding met onze reële wereld oefende hij met zijn leerling Aristoteles. Deze laatste heeft de weg van het waarnemen van de fysieke werkelijkheid naar de begrippen compact geformuleerd in o.m. de categorieën en de logica. In de loop van de middeleeuwen werden de begrippen steeds abstracter en verloren hun voeding vanuit de levende ideeën. Dit leidde tot het nominalisme waarin begrippen slechts woorden zijn, en tot het rationalisme, de verbinding van scherp gedefinieerde begrippen. Plato’s levende ideeënwereld is verdwenen.
Goethe legde weer een nadruk op de fenomenologie: het onbevangen waarnemen waarbij het denken wordt teruggehouden. Steiner legt er daarna de nadruk op dat er dan een begrip in het denken kan ontstaan dat niet het resultaat is van een rationele redenering, maar een uit de ideeënwereld stammende intuïtieve waarneming van een begrip dat net zo serieus genomen moet worden als waarneming met de fysieke zintuigen.
Je loopt door het veld, kijkt in de verte en het begrip ‘boom’ komt bij je op. Je loopt door een winkel en daar zie je Paul. Dit zijn onmiddellijk gegeven waarnemingen en niet gebaseerd op een analyse van wat door zintuigen gegeven wordt. Pas als je iemand wilt uitleggen wat je ziet kom je met argumenten. Is hij niet overtuigd dan kun je uit je waarneming eventueel nog extra argumenten vinden, waar je je in eerste instantie niet eens van bewust bent. Eerst is er de waarneming, tegelijk met het begrip. Daarna volgt het bewustzijn.
In de filosofie worden “universals” en “particulars” onderscheiden. Dat zijn de algemene begrippen, bijvoorbeeld de kat als soort, tegenover de kat thuis. Als we waarnemen kijken we naar iets specifieks, maar er komt een algemeen begrip bij ons op: we zien een stoel, dat is direct gegeven. Pas als dat nodig is kunnen we specifieke details geven: versleten, met vlekken, beschadigde poot. En ook deze specificaties zijn in feite weer algemene begrippen. Pas als we specificeren: dat is grootvaders stoel, hebben we het over een specifiek object. De menselijke herkenning gaat van het geheel naar de delen. Hierbij volgen we in feite Plato.
Bij overdracht van kennis echter, gaat het in omgekeerde richting, we wijzen op eigenschappen, geven voorbeelden en hopen dat bij de leerling begrip ontstaat. Ook bij het ontwerp van een lerende machines die voorwerpen, gezichten, straatsituaties of microscoopbeelden moeten herkennen, gaat het andersom. Sensoren nemen specifieke kenmerken waar en met lerende algoritmen wordt op basis van een statistiek van geselecteerde voorbeelden naar het gemeenschappelijke gezocht. Overduidelijk gaat het hier van de delen naar het geheel, de weg van Aristoteles. Ontwerpers van machines moeten, net als leraren, hun bewustzijn scholen.
Nu is een beroemde stelling, het “no-free-lunch-theorem” die stelt dat je alleen statistisch iets kunt leren als je al iets weet, of denkt te weten: “niets voor niets”. Een lerende machine zit daarom vol met de kennis van de ontwerpers over het toepassingsgebied: de sensoren, de meetprocedures, de algoritmen en de geselecteerde voorbeelden om te leren. Dit is allemaal gefixeerd. Ook algoritmen die zichzelf kunnen veranderen doen dat op basis van andere, goed gedefinieerde algoritmen. In een lerende machine is menselijke kennis bevroren. Zonder deze kennis, die in feite de oogkleppen van de machine zijn, kunnen er geen patronen worden gedetecteerd.
Hoe komt de mens aan zijn kennis? Op basis van de begrippen die hij uit de ideeënwereld haalt en die hij combineert met zijn interesse, Hiermee beschouwt hij de wereld en brengt wat hij ziet onder woorden. Hij beschrijft zijn waarnemingen in detail aan zijn vrienden, collega’s en studenten. Deze bouwen daarmee hun kennis op die zal lijken op de oorspronkelijke bron, maar daar niet mee identiek is. Zij zullen dan soortgelijke, maar niet per se identieke patronen zien.
Ook kunnen de specificaties worden benut om een lerende machine te bouwen. Deze komt in de herkenning van patronen niet verder dan deze van een naam te voorzien die door de ontwerper is bedacht. Dit is nominalisme. De machine heeft geen begrip, want hij heeft geen toegang tot de ideeënwereld. Hij kan verworven “kennis” niet op een ander waarnemingsgebied toepassen, omdat hij geen interesse heeft die hem daarheen kan sturen en van de juiste oogkleppen kan voorzien. De aangebrachte kennis is bevroren. Nieuwe waarnemingen kunnen alleen worden benut voor zover zij in de algoritmes passen. Voor een onverwachte situatie zal de hulp van een mens moeten worden ingeroepen. Laten we zorgen dat deze paraat staat en dan verstandig handelt.
Bij de ontwikkeling van machines schoolt de mens zijn bewustzijn. Bij het gebruik zijn moraliteit.
Het artikel op de website van de uitgever.
Het artikel als pdf.
