Boeken

Thursday, June 20, 2019

How Computation is Changing Journalism

This article was published by the Communications of the ACM.


Nicholas Diakopoulos grew up being exposed to journalism, as his father was a journalist. The younger Dikopoulos decided he wanted to study computer science, and completed a Ph.D. in the field at the Georgia Institute of Technology (Georgia Tech). Midway through his doctorate, he started to think about combining journalism and computation into a new field: computational journalism.

Today, Diakopoulos is an assistant professor in communication studies and computer science at Northwestern University; he also serves as director of the university's Computational Journalism Lab.

In his new book Automating the News: How Algorithms Are Rewriting the Media, Diakopoulos explores the new field of computational journalism, which he has been helping to establish since 2007. The book makes clear how algorithms are changing the journalistic production pipeline from information gathering to sense-making, story-telling, and finally news distribution. Artificial intelligence (AI) already is used to personalize article recommendations, summarize articles, mine data in documents, transcribe recorded interviews, automate content production, moderate comments, and to eliminate (but unfortunately, also to produce) fake news.

What should all journalists know about your book?

A lot of journalists who don't understand how artificial intelligence works might feel threatened: 'oh, AI bots are going to write all our stories. We will be out of work'. In my book, I show over and over again that the cognitive labor of journalists is very difficult to completely automate. There are, of course, bits and pieces that can and will be automated, but more important will be the hybridization of AI with journalists. Jobs in journalism will not disappear, but instead will change.

Read the full article on the website of the ACM.

Saturday, June 15, 2019

Podcast Robotisering: een kansrijke toekomst voor iedereen?

Robots zijn slimmer dan wij, sterker dan wij en voor je het weet stelen ze onze banen en nog veel erger: onze autonomie. Het is maar een greep uit de doemscenario’s die voorbij komen. Maar wat is waar? Is er nog zoiets als een arbeidsmarkt in de toekomst en wat is de rol van de overheid om dit alles in goede banen te leiden?



Op 13 juni vertelde ik in een podcast van de Mr. Hans van Mierlo Stichting over robotisering.

Beluister de opname hier.

AI could boost journalism with smart tools

Artificial intelligence could be used in the newsrooms and journalists should be trained and prepared for the impact on communication. Experts think that AI can both free journalists from doing the boring stuff and can give them clever new tools for doing things they could never do before. But in the wrong hands, the same technology can also be used to spread disinformation.


This article was published by the European Science Media Hub on June 4 2019

Read the full article here.

AI heeft aan één blik genoeg om Mona Lisa te laten praten

Een nieuw algoritme kan ‘deep fakes’ (nepvideo’s) maken op basis van één foto.



Dit artikel is gepubliceerd in NRC Handelsblad van zaterdag 25 mei

Hoe zou een pratende Mona Lisa eruit zien? Of je pratende overgrootmoeder waarvan je alleen maar een portretfoto hebt? Dankzij een nieuwe stukje kunstmatige intelligentie (AI) kunnen we dat voor het eerst op een realistische manier zien.

Russische onderzoekers van het Samsung AI Center en het Skolkovo Institute of Science and Technology in Moskou zijn er in geslaagd om, uitgaande van slechts een enkele portretfoto of een enkel geschilderd portret, een realistisch pratend hoofd te maken. Geluid zit er trouwens niet bij, we zien alleen het beeld van pratende hoofden met realistische mimiek. Zo creëerden ze onder andere video’s van een pratende Mona Lisa, Marilyn Monroe, Salvador Dali en Albert Einstein uitgaande van slechts één enkele afbeelding. De onderzoekers publiceerden hun resultaten op 20 mei als wetenschappelijke vooruitgave op de website ArXiv.org.

Lees het hele artikel op de website van NRC Handelsblad.


Thursday, May 9, 2019

De computer snapt niet waarom


Dit artikel is gepubliceerd in de VPRO Gids van 27 april 2019

Judea Pearl, een beroemde Israelisch-Amerikaanse informaticus van 82 jaar, wil best een telefonisch interview geven, maar dan wel om 1 uur ’s nachts. “’s Nachts werk ik, overdag slaap ik”, zegt hij met opgewekte stem aan de telefoon. Gelukkig woont hij in Los Angeles. Daar is het negen uur vroeger. Pearl schreef vorig jaar een boek dat veel stof deed opwaaien in de wetenschappelijke wereld van de kunstmatige intelligentie: The book of why, net in het Nederlands vertaald als Het boek waarom. Als er één les is die we uit zijn boek moeten onthouden, zegt hij, dan is het deze: “Je bent slimmer dan je data. Data snappen niets van oorzaak en gevolg, mensen wel.”

Pearl won in 2011 de hoogste onderscheiding in de informatica, de Turingprijs, voor het baanbrekende werk dat hij in de jaren tachtig deed op het terrein van het redeneren met onzekere informatie. Dankzij dit werk kunnen wetenschappers vragen beantwoorden als ‘Wat is de kans dat een patiënt die uit Afrika terugkeert met koorts en pijn malaria heeft?’

Hij is ook de vader van journalist en violist Daniel Pearl die in 2002, enkele maanden na 9/11, in Pakistan door moslimfundamentalisten werd ontvoerd en onthoofd. Nog in hetzelfde jaar richtte Judea Pearl samen met zijn vrouw de Daniel Pearl Foundation op, “ter promotie van wederzijds respect en begrip tussen diverse culturen via journalistiek, muziek en dialoog.”

Of de waarom-vraag in zijn boektitel nog enig verband heeft met de waarom-vraag bij de moord op zijn zoon? “Nee, dat verband is er niet”, antwoordt Pearl. “Aan die associatie heb ik niet eens gedacht.”

De reden dat Pearls boek zoveel stof deed opwaaien is dat hij het feest van de kunstmatige intelligentie leek te verpesten. Waar kunstmatige intelligentie in de afgelopen jaren succes op succes stapelde met innovaties als automatische gezichtsherkenning, spraakherkenning en de ontwikkeling van zelfrijdende auto’s, kwam Pearl met de boodschap dat al die lerende machines niets anders doen dan statistiek bedrijven. Niets intelligentie. Volgens hem zullen ze door alleen patronen in data te zoeken nooit in staat zijn om te redeneren over oorzaak en gevolg.

“Natuurlijk is het indrukwekkend wat lerende machines nu allemaal kunnen,” licht Pearl toe, “maar het is zorgwekkend dat machines die alleen van een heleboel data leren fundamentele beperkingen hebben die mensen niet hebben. Ze hebben ook modellen nodig van de wereld buiten die data, van de context.”

Wat zijn dan die fundamentele beperkingen? Pearl legt ze uit aan de hand van de belangrijkste illustratie in zijn boek: de ladder van causatie. De ladder illustreert wat een organisme dat beschikt over een causaal model kan berekenen dat een organisme zonder zo’n model niet kan. Stel je een ladder voor met drie treden. Op de onderste tree, ‘zien’ genaamd, staan een robot en een uil. Op de tweede trede, die ‘doen’ heet, staat een oermens met een stok. Op de derde en hoogste trede, ‘voorstellen’ geheten, staat een op Einstein lijkende wetenschapper die droomt over atomen, computers en ruimteschepen.

“Op de onderste trede zoeken we naar regelmatigheden in waarnemingen”, verklaart Pearl zijn ladder. “Kenmerkend voor deze trede is een vraag als ‘Wat gebeurt er als ik … zie?’ Dit is het niveau van een dier, maar ook van onze huidige computers en robots. Zo’n vraag kun je beantwoorden met alleen data. Je gaat associaties zoeken. Stel dat we data hebben van wie wel of niet rookt en wie wel of niet longkanker heeft, dan kan een computer een correlatie vinden tussen roken en longkanker. Maar hij heeft geen idee wat oorzaak en gevolg is.”

Wie op de tweede trede staat, kan de wereld niet alleen waarnemen, maar ook veranderen. Hierbij hoort een vraag als ‘Wat gebeurt er als ik … doe?’ Pearl: “We kunnen ons bijvoorbeeld afvragen wat er gebeurt als we sigaretten verbieden. Die vraag kan een machine die alleen maar is getraind met data over rokers en longkanker niet beantwoorden. De interventie om sigaretten te verbieden, breekt namelijk de regels van de omgeving waarin de machine is getraind.”

Wie tenslotte op de hoogste trede van de ladder van causatie staat, kan zich een wereld van denkbeeldige feiten voorstellen en zich bijvoorbeeld afvragen: ‘Wat zou er gebeurd zijn als ik de afgelopen twee jaar niet had gerookt?’ “Deze derde trede heeft te maken met een wereld van contrafeitelijkheden,” zegt Pearl, “een wereld die niet kan worden gezien omdat hij strijdig is met wat wordt gezien. Redeneren over contrafeitelijkheden is belangrijk omdat het ons de bouwstenen geeft voor zowel moreel gedrag als wetenschappelijk denken.”

Aan dat redeneren over oorzaak en gevolg, en de vraag hoe een machine kan opklimmen van de onderste naar de bovenste trede, heeft Pearl de afgelopen dertig jaar gewerkt. Hij heeft een wiskundige taal ontwikkeld waarin wetenschappers vragen over interventies en contrafeitelijkheden kunnen formuleren en beantwoorden, wat in de traditionele statistiek niet kan.

Pearl: “Dat correlatie geen causatie impliceert, klopt natuurlijk. Maar de traditionele statistiek heeft dit lang als een mantra gebruikt om het maar niet te hebben over wat oorzaak is en wat gevolg. Het redeneren in oorzaak en gevolg is echter een essentieel onderdeel van het gezond verstand van mensen. We kunnen niet zonder. Niet in het alledaagse leven en ook niet in het professionele leven. Denk aan beleidsmakers en rechters. Trouwens, kinderen van drie jaar begrijpen de hele ladder van causatie al.”

De rode draad in Pearls werk als informaticus is de vraag hoe machines mensachtige intelligentie kunnen krijgen. Hij is ervan overtuigd dat de causale revolutie die hij probeert te ontketenen de kunstmatige intelligentie naar een volgend niveau gaat tillen. “Machines kunnen alleen zinvol met ons communiceren over zaken als beleid en verklaringen, maar ook over verantwoordelijkheid of plicht, wanneer ze kunnen redeneren over oorzaak en gevolg. Ik geloof dat er geen betere manier is om onszelf te begrijpen dan door onszelf na te bootsen in een machine. Het probleem van de vrije wil gaat niet opgelost worden door de filosofie of de psychologie, maar door de kunstmatige intelligentie.”


Boekinformatie
Judea Pearl en Dana Mackenzie. Het boek waarom − De nieuwe wetenschap van oorzaak en gevolg. MAVEN Publishing. 480 pag. ISBN 978 94 9249 355 2.

Saturday, April 27, 2019

Hee, gezellig, mijn co-auteur is een robot!

Kunstmatige intelligentie wordt een steeds belangrijker instrument van wetenschappers. Nederlandse onderzoekers werken aan een robot die co-auteur kan zijn van een wetenschappelijk artikel.




Dit artikel is gepubliceerd in NRC Handelsblad van zaterdag 27 april 2019

‘In veel opzichten zie ik kunstmatige intelligentie als analoog aan de Hubble-telescoop: een wetenschappelijk instrument waarmee we verder kunnen kijken en het universum beter kunnen begrijpen. Ik geloof dat wetenschappers in de komende jaren dankzij kunstmatige intelligentie inzichten zullen genereren op een groot aantal gebieden, van het ontwerpen van supergeleiders tot de ontdekking van geneesmiddelen.” Dat zei Demis Hassabis vorig jaar tijdens zijn lezing over artificial intelligence (AI) bij de Royal Society in Londen. Hassabis is AI-onderzoeker en mede-oprichter van AI-bedrijf DeepMind. Dat werd beroemd door de ontwikkeling van computer AlphaGo, die in 2016 de beste go-speler van het afgelopen decennium versloeg.

Hassabis vertelde in zijn lezing dat hij van alle AI-toepassingen het meest enthousiast is over AI in de wetenschap.

Daar is alle reden toe. In de afgelopen jaren hebben tal van wetenschappelijke disciplines al AI gebruikt, meestal om patronen te vinden in grote hoeveelheden data. Soms leidde dat tot nieuwe inzichten. Zo ontdekten astronomen in 2017 dankzij machine learning, een onderdeel van AI, een nieuwe exoplaneet.

Lees het hele artikel op de website van NRC.

Wednesday, April 10, 2019

Het Internet is toe aan een nieuwe architectuur

Precies 50 jaar geleden werd het eerste zaadje voor ons huidige Internet geplant. Toen heette dat het Arpanet. Nu heeft ons Internet dringend een nieuwe architectuur nodig. 

"Het Internet moet op de schop daar is geen ontkomen aan" aldus Kees Neggers, voormalig directeur van SURFnet. "De noodzaak is er, technisch weten we hoe het moet, waarom doen we het dan niet? Je kunt je toch niet voorstellen dat straks zelfrijdende auto’s en het internet der dingen afhankelijk gaan zijn van het huidige krakkemikkige Internet?”


Dit artikel is gepubliceerd in het aprilnummer van De Ingenieur.

Het is een wonder dat ons huidige Internet nog steeds draait op een architectuur die in de jaren zestig en zeventig is ontwikkeld. Het is namelijk hoog tijd om over te stappen op een fundamenteel nieuwe architectuur, vindt Kees Neggers, voormalig directeur van SURFnet, het computernetwerk voor hoger onderwijs en onderzoek in Nederland.

Neggers is een Nederlandse internetpionier van het eerste uur die is opgenomen in de Internet Hall of Fame. Hoewel hij al zeven jaar met pensioen is, gaat het Internet hem nog steeds aan het hart. Hij vertelt vol passie over hoe het anders zou kunnen en moeten: “Het Internet is een schitterend ongeluk. Het is zeer succesvol en we kunnen niet meer zonder. Maar we moeten het zien als een prototype. Het is bedacht om onderzoekers die elkaar vertrouwen op een paar computers met elkaar te laten samenwerken. Maar het is helemaal niet in die vorm ontworpen om wereldwijd uitgerold te worden. En het is al helemaal niet bedacht voor allerlei realtime-diensten zoals Skype of Netflix. Het Internet moet op de schop, daar is geen ontkomen aan.”

Lees de rest van het artikel in het aprilnummer van De Ingenieur.

The Arpanet: Celebrating 50 years since ‘LO’

This article was published on April 9, 2019 on the website of the Association for Computing Machinery (ACM).


Internet pioneer Leonard Kleinrock starts an anecdote: “What was the first telegraph message ever sent? Samuel Morse sent the words ‘What hath God wrought?’, a sentence from the bible.

What was the first telephone message? Alexander Graham Bell said to his assistant Thomas Watson: ‘Mr. Watson, come here, I want to see you.’

What were the first words of Neil Armstrong when he set foot on the moon? ‘That’s one small step for man, one giant leap for mankind.’

Those guys were smart. They understood how to do PR.

And what was the first message sent over the internet? Only ‘LO’…We wanted to send the word ‘LOG’ from ‘log in’, but the network crashed after the first two letters…”

In this way ‘LO’ became the first successful inter-computer message transmitted from the University of California in Los Angeles to the Stanford Research Institute on October 29, 1969, this year exactly fifty years ago.

Kleinrock tells this anecdote at the symposium The Arpanet: Celebrating 50 years since ‘LO’ at the AAAS 2019 Annual Meeting in Washington DC. The Arpanet was the seed of what would later become the internet, the global system of interconnected computer networks. Kleinrock and four other pioneers, Vint Cerf, Stephen Crocker, Robert Kahn and David Walden, give a detailed account of a magical period at the end of the sixties, when the internet was born, then named Arpanet, after funding agency Arpa. As moderator Vint Cerf puts it: “this is an assembly of ancient dinosaurs recounting their experiences.”

Read the rest of this article on the website of the Association for Computing Machinery (ACM).

Saturday, April 6, 2019

Kijk, zonder handen

De zelfrijdende auto belooft het verkeer veiliger te maken. Toch zien deskundigen nog veel beren op de weg. En dan moet de autonome auto ook nog morele knopen doorhakken.




Dit artikel is gepubliceerd in de VPRO Gids van 5 april 2019

Om te bewijzen dat je geen robot bent, vragen talloze websites je om negen fotootjes te bekijken: op welk van deze foto’s staat een verkeersbord? Andere keren gaat de vraag over het herkennen van een voertuig, een winkel of een etalage. Waarom dat is? Omdat we zo met ons allen zelfrijdende auto’s trainen om te begrijpen wat ze om zich heen zien.

Dat dit zelfs met de modernste technologie niet altijd goed gaat, bewees het ongeluk met een Tesla Model X in maart 2018 op Highway 101 in Californië. Walter Huang reed met 112 kilometer per uur op de automatische piloot van zijn Tesla toen de auto plots op een betonnen scheiding tussen twee weghelften inreed. Huang kwam om het leven. Ook robotauto’s zijn niet perfect. Soms maken ze fouten die geen mens zou maken.

Toch is hun grootste belofte dat ze het wegverkeer veiliger gaan maken. Wereldwijd vallen er jaarlijks 1,2 miljoen doden door auto-ongelukken. Ruim negentig procent van die ongelukken is te wijten aan menselijke fouten. Zelfrijdende auto’s zouden een groot deel van deze ongelukken kunnen voorkomen. Ze kijken niet op de smartphone, laten zich niet afleiden door medepassagiers, drinken niet en hebben geen last van slaaptekort. En ze zien veel meer dan wij met hun hightechsensoren: infraroodcamera’s, radar, lidar, ultrasone sensor en gps-navigatie. Weg dode hoek, weg mist, weg duisternis. In theorie dan.

Lees de rest van het artikel op de VPRO website.

Thursday, March 28, 2019

Drie pioniers van lerende computers winnen Turingprijs van 1 miljoen dollar

Vanmiddag sprak ik bij het radioprogramma Nieuws en Co op NPO Radio1 over het toekennen van de Turingprijs van $1 miljoen aan de drie pioniers van de DeepLearning-technologie: 

Yoshua Bengio, Geoffrey Hinton en Yann LeCun.

Klik op onderstaande afbeelding om het item te bekijken:




Wat is Deep learning?

Deep Learning is één van de manieren waarop computers kunnen leren (machine learning). Lees in dit NRC-artikel van mijn hand meer over hoe computers nieuwe dingen kunnen leren.

Machine learning is zelf weer een onderdeel van kunstmatige intelligentie.

Deep learning is de nieuwe naam voor wat al decennialang bekend staat onder de naam ‘neurale netwerken’. In essentie is deep learning een statische methode die patronen herkent in grote hoeveelheden data. En die data kunnen van alles zijn: getallen, tekst, geluid of beeld. De manier waarop dat leren gebeurt is een sterk vereenvoudigde versie van de manier waarop het menselijk brein leert. Een netwerk van kunstmatige neuronen wordt verdeeld in lagen. De neuronen worden met elkaar verbonden en de sterkte van die verbindingen verandert tijdens het leerproces. Elke laag neemt een deel van de patroonherkenning voor zijn rekening. Stel dat een netwerk getraind wordt om beelden te herkennen, dan detecteren diepere lagen de meest basale beeldeigenschappen, bijvoorbeeld randen. Hogere lagen detecteren complexere vormen. En de hoogste lagen herkennen uiteindelijk complete voorwerpen. De term ‘deep’ slaat op het aantal lagen van het neurale netwerk. Traditionele neurale netwerken bestonden slechts uit een handvol lagen. Diepe neurale netwerken tellen tientallen tot soms zelfs honderden lagen. Deep learning kon pas een succes worden met de beschikbaarheid van grote hoeveelheden data om van te leren, en met voldoende grote computerkracht en efficiënte algoritmen.

Lees veel meer over de voor- en nadelen van Deep Learning in dit artikel dat ik in 2018 schreef voor De Ingenieur.
 




Tuesday, March 12, 2019

The World Needs Big Data



On World Malaria Day in 2016, the University of Pretoria Centre for Sustainable Malaria Control in South Africa released the Malaria Buddy App for smartphones, which provides information on malaria, how to prevent getting the mosquito-borne disease, maps of malaria areas, and what to do if you think you have malaria.

A year later, the app was upgraded, enabling it to utilize real-time geographical data. Today, the Malaria Buddy App can notify users when they are entering malaria risk areas, and they can easily locate the nearest clinic that could treat the disease.

This is only one of many examples of how the smart use of data can help achieve the United Nations (U.N.) Sustainable Development Goals.

In 2015, the U.N. formulated 17 sustainable development goals (SDGs) for the period through 2030. The goals includes eliminating poverty and hunger, providing good health and education for all, and equal treatment regardless of gender, ethnicity, or socio-economic status. In December 2018, management consulting firm McKinsey published the report "Notes from the AI frontier: Applying AI for Social Good," which offers many more examples of how data and artificial intelligence (AI) can help accomplish the SDGs.

The example of the Malaria Buddy App was offered up by Stephanie Burton, vice principal and professor at the University of Pretoria, at the American Association for the Advancement of Science (AAAS) 2019 Annual Meeting in Washington, D.C., during the session 'The Digital Agenda: Supporting the Sustainable Development Goals'.

Read the full article on the website of the Communications of the ACM.

Monday, February 25, 2019

De toekomst van robots

Vanavond zou ik een presentatie houden over de toekomst van robots tijdens de allerlaatste SMC050 in Groningen. Helaas ben ik verhinderd en kan ik mijn verhaal niet live vertellen. Echter: in dit filmpje leg ik aan de hand van de onderstaande vier slides in 7 minuten uit welke twee ideeën wat mij betreft centraal staan in de toekomst van robots:











Thursday, February 7, 2019

The promise and perils of social robots





On Friday February 8 (from 12.15-13.15) I moderated a panel discussion about "The promise and perils of social robots" at Etmaal 2019.

Panelists were: dr. Pim Haselager (Radboud University), prof. dr. Elly Konijn (VU), prof. dr. Jochen Peter (UvA) and prof. dr. Nicole Krämer (University of Duisburg-Essen).

We had a very lively panel discussion. Click on the link below to listen to a recording of the panel discussion:


Main questions we discussed:

What behaviour should a robot show to make us believe it has a mind?
What is needed to make robots engaging interaction partners?
To what extent can robots fulfill our social and emotional needs?
How desirable is it to use robots as a substitute for human companionship?

I asked the four panelists to come with their own statement on social robots:

Pim Haselager: “Human-robot interaction will remain a struggle for a long time”

Elly Konijn: “Robots make a more human approach possible in the public domain: healthcare, education, service” 

Nicole Krämer: “When trying to implement dialogue in social robots, we learn about the wonderful, inimitable communication abilities of humans” 

Jochen Peter: “Whether we like it or not, social robots will in the long run change how we relate and communicate with each other”


Saturday, January 5, 2019

How will robots change our lives? A quick guide

If you want to know how robots will change our lives, watch this two-minute video about the English edition of the book Hallo robot that I wrote together with Nieske Vergunst and that was published at the end of 2018 by Canbury Press.

Soon there wil be a Chinese edition as well. 



In 2019 I continue to give presentations about both AI and robotics, like I have done with great pleasure in 2018 for a wide variety of organisations (check this overview). 

So, if you are interested in a presentation which is both entertaining and in accordance with the latest scientific results, please let me know.