R:981006/0003Z @:NL3DAV.ZH.NLD.EU #:9011 [Leiderdorp] FBB7.00f $:64863_NL3DRN
R:981005/0414Z @:NL3ZMR.ZH.NLD.EU #:16768 [Zoetermeer] FBB7.00g $:64863_NL3DRN
R:981004/0749Z @:NL3LDM.ZH.NLD.EU #:8783 [Leidschendam] FBB7.00f $:64863_NL3DRN
R:981003/1956Z @:NL3RTD.ZH.NLD.EU #:10919 [Rotterdam-Noord] $:64863_NL3DRN
R:981003/1642Z @:NL3DRN.NBW.NLD.EU #:64863 [Drunen] FBB7.00g $:64863_NL3DRN

From: NL1LSD@NL3DRN.NBW.NLD.EU
To  : TECHN@NLD


 Tijd: 17:30 Datum: 03-10-98  ÛÛ     ÛÛ ßßß ÛÛ ßßÛ  ämail: nl1lsd@hetnet.nl
ÚÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÛÛÍÍÍÍÍßßßßßÛÍÛÛÍÍÍÛÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍ¿ 
³                             Ûßßßßß Ûßßßßß Ûßßßßß                           ³
                              ß      ß      ß                                
³                             ß      ß      ß                                ³
                              ß      ß      ß                                 


Created: 29-8-98

Virtuele piloot, deel 1

Hoe realistisch een simulatie er ook uit mag zien, alles gebeurt volgens be-
paalde regels. De werkelijkheid is een stuk minder voorspelbaar, en dus las-
tig voor een computer. Wat moet een elektronisch brein allemaal leren om het
echte leven aan te kunnen?
 
Honderd miljard neuronen telt het menselijk zenuwstelsel. Een indrukwekkend
verschil met de tientallen miljoenen transistors van een 'groot' robotbrein.
Maar een transistor is geen neuron en de mens is niet 10.000 maal verstan-
diger dan een robot. Het verschil zit dieper dan cijfers. Zal een robot ooit
kunnen denken zoals een levend wezen? Het is zeker mogelijk de werking van
een zenuwstelsel elektronisch na te bootsen, dus misschien of zelfs waar-
schijnlijk wel. Een andere vraag is of we er wat mee opschieten; of een bio-
logisch denkende robot de mens van nut kan zijn.

Een neuron (zenuwcel) ontvangt signalen van collega's via zijn dendrieten.
Enkele tientallen verbindingen per neuron in een eenvoudig zenuwstelsel,
duizenden en zelfs tienduizenden in het menselijk brein. Signalen worden
positief of negatief gewaardeerd en sommige tellen zwaarder dan andere.
Als de opgetelde input een bepaalde waarde bereikt, vuurt een neuron zelf een
puls af via zijn axon. Samen vormen de neuronen een netwerk dat leert door
het gewicht van de verbindingen te veranderen.

Neuronen kunnen nog veel meer. Ze maken nieuwe verbindingen als dat nodig is
en doen een een belangrijk deel van hun werk met de hulp van hormonen. Maar
ook zonder die extra's is een nagebootst zenuwstelsel, een 'kunstmatige
neuraal netwerk' (KNN) al verrassend goed denkgereedschap. Uitgevoerd als
software verandert het de computer in een machine die zijn werk leert door
veel te oefenen. Een mooi voorbeeld is het KNN dat voor de loodsdienst van
IJmuiden de zeestroom langs de pieren voorspelt.
 

Computer helpt loods
 
Schepen met een grote diepgang kunnen alleen veilig de haven van IJmuiden
binnenvaren als de stroom dwars op de ingang niet te sterk is. Voor de komst
van het KNN deed de loods een voorspelling op basis van de gemeten snelste,
langzaamste en gemiddelde stroomsnelheid, rekening houdend met een eventuele
verhoging als gevolg van de wind. Het was vooral een kwestie van ervaring en
een ruime veiligheidsmarge. In wat slechter weer moest een loods het passeren
van de pieren vaak een tijwisseling (12,5 uur) uitstellen, omdat hij niet op
de nauwkeurigheid van zijn voorspelling kon vertrouwen. De extra wachttijd
kostte veel geld.

De klassieke oplossing voor zulke problemen is een wiskundig model, waarin de
natuurkundige oorzaken van de zeestroom tot in detail zijn verwerkt. Laat een
computer het model doorrekenen en je krijgt een prima voorspelling; tenzij er
te veel rekenwerk aan vastzit. Zelfs een heel snelle computer zou in dit geval
te kort van tevoren of zelfs na afloop met zijn voorspelling komen. Daarom
koos Rijkswaterstaat voor een KNN, dat werd geoefend door invoer van gemeten
waterstanden en windsterktes. De computer vergeleek zijn voorspellingen met
de stroomsnelheden die de werkelijkheid had opgeleverd en stelde zelf de
verbindingen tussen zijn neuronen bij.

Het ontwerpen en oefenen van het KNN duurde nog geen drie maanden. Gevoed met
gemeten en voorspelde waterstanden en windsterktes maakt het sinds april 1994
vier keer per dag een tabel met geschatte stroomsnelheden voor de komende 24
uur. Telkens binnen twee minuten, ondanks de eenvoudige (pc-)hardware. De
schattingen zijn nauwkeurig en betrouwbaar. Het KNN bewijst niet alleen de
kracht van de biologische manier van denken. Juist door zijn eenvoud verslaat
de elektronische nabootsing hier ons eigen brein, dat gehinderd wordt door
een slecht geheugen. En van hormonen eerder last dan gemak heeft...

De stroomvoorspeller is alleen geschikt voor een bepaald soort werk.
Hij zal niet uit zichzelf iets onverwachts doen, zoals je uitdagen voor een
potje schaak. Om te beginnen ziet hij daarvoor te weinig van de wereld.
Slechts cijfers over wind en water; terwijl hij niet eens weet wat wind water
zijn. Maar het is niet alleen gebrek aan zintuigen. De eenvoud die hem zo
betrouwbaar maakt, ontneemt hem ook de vrijheid om zelf zijn denken te ont-
wikkelen. Is het mogelijk een nagebootst brein die vrijheid te geven?


Overleven in Albia
 
"Als je probeert om iets tot leven te brengen, verwacht je dat het op een
zeker moment op eigen benen zal staan, een eigen wil krijgt. Maar het geeft
je toch een schok als dat ook echt gebeurt." Stephen Grand over zijn Crea-
tures, geschreven voor spelfabrikant CyberLife. Plaats van handeling is de
virtuele wereld Albia. Daar hebben de Norns het moeilijk met de kwaadaardige
Grendels, met giftige planten en met het leven in het algemeen. De taak van
de speler is het kweken en opvoeden van Norns, zodat hun over levingskansen
verbeteren.  Het brein van een Norn bestaat uit duizend kunstmatige neuronen
en een gesimuleerde biochemie. Door kruising en mutatie van 320 'genen' is
elke volgende Norn net even anders. Bovendien blijft een Norn altijd leren.

Als een KNN zoals de stroomvoorspeller voldoende heeft geoefend, worden de
verbindingen tussen de neuronen bevroren. Vanaf dat moment geeft het netwerk
op dezelfde vraag altijd hetzelfde antwoord. Een Norn wordt pas na zijn dood
voorspelbaar. Zolang hij leeft, reageert zijn brein op nieuwe ervaringen door
de verbindingen voortdurend bij te stellen. Dendrieten die in onbruik raken,
verdwijnen zelfs helemaal, en als dat gebeurt wordt een nieuwe gemaakt voor
contact met een ander neuron.

Direct na de geboorte heeft een Norn alleen 'instinct', zoals een neiging om
te zwerven en kleine voorwerpen te proeven. Ook die eigenschappen liggen niet
muurvast; de Norn heeft   ze geleerd als 'embryo'. Een net uit het ei ge-
kropen Norn zal een wortel dus instinctief opeten. Bij de virtuele vertering
ontstaat zetmeel, dat wordt omgezet in glycogeen (spiersuiker, waarin biolo-
gische dieren energie opslaan). Door de gunstige virtuele chemie krijgt de
Norn minder honger, en worden in zijn brein de verbindingen tussen 'wortel'
en 'eetbaar' versterkt. Als hij per ongeluk een giftige plant eet, komen
chemische stoffen vrij die pijn veroorzaken. De Norn leert zulke planten en
andere gevaren uit de weg te gaan. Dankzij de vrijheid in zowel de genetische
ontwikkeling als het leerproces ontstaat ook gedrag dat je echt niet zou
verwachten. Grand: "De eerste keer dat ik echt het gevoel kreeg dat er iets
nieuws gebeurde, was toen ik twee Norns samen met een bal zag spelen.
Ik viel bijna van mijn stoel!"

Het levensechte karakter van de Norns trok de aandacht van het Engelse De-
fence Evaluation and Research Agency (DERA). Nieuwe gevechtsvliegtuigen
worden ontwikkeld en getest in gesimuleerde vorm, als hele dure computer-
spelletjes. De scenario's en vooral de virtuele tegenstanders moeten rea-
listisch zijn, want als de testpiloot het gevoel krijgt dat er onwaarschijn-
lijke dingen gebeuren, komt er van de evaluatie weinig terecht.
Tot nu toe werden de tegenstanders opgebouwd uit als/dan-regels.
Het resultaat is een robotachtige voorspelbaarheid, het gedrag dat we gewend
zijn van een dode automaat. Niet echt realistisch.

Tot zover deel 1

http://www.kijk.nl



                                ÚÄÄÄÄÄÄÄÄÄÄÄÄÄ¿
³                               ³(c) Terror 98³                              ³
                                Á             Á                              
³                                                                            ³
ÀÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍ´ NO MORE ÃÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÍÙ
/ack