Nederland investeert 1,5 miljoen in kennis over kunstmatige en natuurlijke intelligentie

Zes onderzoekteams ontvangen van NWO Exacte Wetenschappen financiering voor het bevorderen van de state of the art in de kunstmatige intelligentie. Het NWO-programma Natural Artificial Intelligence is multidisciplinair en samengesteld uit onderzoeksprojecten die zich richten op het verbinden van natuurlijke en kunstmatige intelligentie. De uitkomsten leveren nieuwe innovatieve toepassingen op economische en maatschappelijke gebied nationaal en internationaal onder andere voor de zorg, communicatie, (serious) gaming, security en crowd control.

Een korte opsomming waar de zes onderzoeksprojecten over gaan laat het economisch en maatschappelijk belang van deze projecten zien, zoals: inspiratie vanuit neurowetenschappen voor het ontwikkelen van slimmere neurale netwerken, vliegende robots die zich gedragen als een zwerm insecten, of het gebruik maken van data over kinderen die leren praten om een computer op een ‘natuurlijke' manier taal te leren gebruiken.

Toegekende onderzoeksprojecten

Van de zestien aanvragen zijn zes onderzoeksprojecten gehonoreerd met een totaal financiering van 1,5 miljoen euro. De toegekende projecten zijn:

Diepe neurale netwerken voor zelflerende robots

Momenteel is het gebruikelijk om robots ‘met de hand' te programmeren om specifieke taken uit te laten voeren. Dit werkt goed als de taak en de omgeving van de robot op voorhand voldoende bekend zijn en de taak niet al te complex is. Om deze beperkingen aan te pakken worden er in dit project effectieve leermethoden ontwikkeld, zodat een robot zelfstandig kan leren uit ervaring en kan omgaan met de aanwezige onzekerheden en complexiteit. Deze nieuwe aanpak maakt robots beter inzetbaar voor toepassing in de dagelijkse praktijk.

Prof.dr. R. Babuska en prof.dr. K. Tuyls (TU Delft)

Beeldherkenning met diepe spiking neurale netwerken: sneller, beter, goedkoper

Geavanceerde Artificiële Intelligentie (AI) is gebaseerd op modellen van de hersenen: zogenoemde diepe neurale netwerken. Deze vorm van AI wordt al veel gebruikt door bedrijven als Google, Apple en Facebook in spraak- en beeldherkenning. Toch zijn dergelijke neurale netwerken slechts een grof model van hoe hersenen werken. In dit project ontwikkelen we krachtigere en efficiëntere neurale netwerken op basis van moderne modellen van de bouwstenen van hersenen: spiking neuronen. Met spiking neuronen kunnen in de toekomst krachtigere neurale netwerken worden toegepast in bijvoorbeeld smartphones, voor het herkennen van mensen of objecten in foto's, of om direct spraak te vertalen.

Dr. S.M. Bohté (CWI), dr. S. Ghebreab (UvA) en dr. H.S. Scholte (UvA)

Natuurlijke intelligentie voor groepen kleine drones

Groepen kleine drones kunnen helpen gebouwen te verkennen, bijvoorbeeld om te zoeken naar overlevenden na een aardbeving. De drones zijn zo klein (rond de 10 cm diameter) dat ze weinig sensoren en rekenkracht aan boord kunnen hebben. Geïnspireerd door de intelligentie van kleine insecten doet men in dit project onderzoek naar het ontwijken van obstakels, navigeren door nauwe ruimtes, en verdelen van werk tussen de drones. De drones zullen hun omgeving waarnemen met kleine camera's en efficiënte algoritmen die alleen delen van de beelden bewerken. Voor navigatie gebruiken ze topologische kaarten en een stochastisch optimale besturing.

Dr. G.C.H.E. de Croon (TU Delft) en prof.dr. H.J. Kappen (RUN)

Hoe neurale netwerken deeltaken kunnen leren onder invloed van beloning en straf

Onze intelligentie stelt ons in staat om flexibel in te spelen op onze omgeving. We leren door fouten te maken of wanneer we het juist onverwacht goed doen. In dit voorstel wordt met computersimulaties onderzocht hoe modellen van hersenen - neurale netwerken - nieuwe taken kunnen leren die uit deeltaken bestaan. Kan een netwerk dat een deeltaak geleerd heeft (bijvoorbeeld een deur opendoen) voor een bepaalde taak (naar de koelkast lopen) deze deeltaak vervolgens ook gebruiken bij andere taken (naar de garage lopen)? Het aanleren van overdraagbare deeltaken zou neurale netwerken veel krachtiger maken, en geschikter voor bijvoorbeeld robots.

Prof.dr. P.R. Roelfsema (Nederlands Herseninstituut) en dr. S.M. Bohté (CWI)

Leren te communiceren door sociale en talige interacties

In dit project worden intelligente systemen ontwikkeld die leren met elkaar te communiceren, via een revolutionaire methode waarbij de machines vergelijkbare ervaringen krijgen als jonge kinderen. Deze ervaringen zijn gebaseerd op observaties van natuurlijke interacties tussen kinderen en hun familieleden. Door middel van kunstmatige intelligentie laten we deze interacties nabootsen en leert het systeem op een menselijke manier te communiceren. De resultaten van dit project kunnen belangrijke toepassingen vinden in de ontwikkeling van, onder andere, intelligente robots die zo natuurlijk mogelijk met mensen moeten kunnen communiceren (bijvoorbeeld in de ouderenzorg). Daarnaast biedt het project nieuwe methodes om het leergedrag van kinderen te onderzoeken.

Dr. P.A. Vogt en dr. A. Alishahi (UvT)

Hoe ontrafelen we ‘wat' en ‘waar' in videobeelden?

Een video bestaat uit vele miljoenen gekleurde pixels. Hoe kunnen computers in deze brei aan informatie objecten zoals ‘hardloper' en hun beweging (‘rennen') herkennen? Een wiskundige theorie over symmetrieën stelt ons in staat om intrinsieke eigenschappen van objecten (zoals de vorm) te onderscheiden van de niet-intrinsieke eigenschappen (zoals de beweging en belichting). Deze theorie bleek eerder al essentieel in de natuurkunde en vormt de basis van het standaardmodel en de algemene relativiteitstheorie. In dit project gaan onderzoekers dezelfde theorie gebruiken als de basis voor technologie die computers in staat stelt bewegende beelden te interpreteren.

Prof.dr. M. Welling (UvA) en dr. L.P.J. van der Maaten (TU Delft)v