Beperkte gegevens betekent beperkte innovatie. Phonlamai foto Sam valadi / Flickr, CC BY-SA

Het Europees Octrooibureau onlangs afgewezen een patentaanvraag die een voedselcontainer beschrijft. Dit was niet omdat de uitvinding niet nieuw of nuttig was, maar omdat het werd gemaakt door kunstmatige intelligentie (AI). Volgens de wet moeten uitvinders echte mensen zijn. Dit is niet de eerste uitvinding van AI - machines hebben innovaties opgeleverd variërend van wetenschappelijke artikelen en boeken aan nieuwe materialen en muziek-.

Dat gezegd hebbende, creatief zijn is duidelijk een van de meest opmerkelijke menselijke eigenschappen. Zonder dat zou er geen poëzie, geen internet en geen ruimtevaart zijn. Maar kan AI ons ooit evenaren of zelfs overtreffen? Laten we het onderzoek eens bekijken.

Vanuit een theoretisch perspectief is creativiteit en innovatie een proces van zoeken en combinatie. We vertrekken van het ene stukje kennis en verbinden het met een ander stukje kennis in iets dat nieuw en nuttig is. In principe is dit ook iets dat door machines kan worden gedaan - in feite blinken ze uit in het opslaan, verwerken en maken van verbindingen binnen gegevens.

Machines komen met innovaties met behulp van generatieve methoden. Maar hoe werkt dit precies? Er zijn verschillende benaderingen, maar de stand van de techniek wordt genoemd generatieve vijandige netwerken. Overweeg bijvoorbeeld een machine die een nieuwe foto van een persoon moet maken. Generatieve tegenstandersnetwerken pakken deze creatietaak aan door twee subtaken te combineren.

Het eerste deel is de generator, die nieuwe afbeeldingen produceert, beginnend met een willekeurige verdeling van pixels. Het tweede deel is de discriminator, die de generator vertelt hoe dicht het kwam bij het produceren van een echt ogend beeld.

Hoe weet de discriminator hoe een mens eruit ziet? Welnu, je geeft het veel voorbeelden van foto's van echte personen voordat je aan de taak begint. Op basis van de feedback van de discriminator verbetert de generator zijn algoritme en suggereert een nieuw beeld. Dit proces gaat door en door totdat de discriminator besluit dat de afbeeldingen dicht genoeg lijken op de voorbeelden die hij heeft geleerd. Deze gegenereerde foto's komen extreem dichtbij aan echte mensen.

Maar zelfs als machines innovaties kunnen creëren op basis van gegevens, betekent dit niet dat ze waarschijnlijk binnenkort alle vonken van menselijke creativiteit zullen stelen. Innovatie is een probleemoplossend proces - om innovatie te laten plaatsvinden, worden problemen gecombineerd met oplossingen. Mensen kunnen beide kanten op - ze beginnen met een probleem en lossen het op, of ze nemen een oplossing en proberen dat te doen er nieuwe problemen voor vinden.

Een voorbeeld voor dit laatste type innovatie is het Verstuur het Notitie. Een ingenieur ontwikkelde een lijm die veel te zwak was en op zijn bureau zat. Pas later realiseerde een collega zich dat deze oplossing kon helpen voorkomen dat zijn noten uit zijn scores vielen tijdens de kooroefening.

Met behulp van gegevens als invoer en code als expliciete probleemformulering, kunnen machines ook oplossingen bieden voor problemen. Het vinden van problemen is echter moeilijk voor machines, omdat problemen vaak buiten de grenzen van de datapool vallen waar machines op innoveren.

Bovendien is innovatie vaak gebaseerd op behoeften waarvan we niet eens wisten dat we die hadden. Denk aan de Walkman. Zelfs als geen enkele consument ooit de wens heeft uitgesproken om tijdens het wandelen naar muziek te luisteren, was deze innovatie een enorm succes. Omdat dergelijke latente behoeften moeilijk te formuleren en expliciet te maken zijn, is het ook onwaarschijnlijk dat ze hun weg vinden naar de datapool die machines nodig hebben voor innovatie.

Mensen en machines hebben ook verschillende grondstoffen die ze gebruiken als input voor innovatie. Waar mensen putten uit een leven van brede ervaringen om ideeën uit te creëren, zijn machines grotendeels beperkt tot de gegevens die we hen voeden. Machines kunnen snel ontelbare incrementele innovaties genereren in de vorm van nieuwe versies op basis van de invoergegevens. Baanbrekende innovatie is echter onwaarschijnlijk dat het uit machines komt, omdat het vaak is gebaseerd op verbindende velden die ver weg zijn of niet met elkaar verbonden zijn. Denk aan de uitvinding van het snowboard, die de werelden van skiën en surfen verbindt.

Ook gaat creativiteit niet alleen over nieuwigheid, maar ook over bruikbaarheid. Hoewel machines duidelijk iets kunnen creëren dat stapsgewijs nieuw is, betekent dit niet dat deze creaties nuttig zijn. Het nut wordt bepaald door diegenen die mogelijk innovaties gebruiken en is moeilijk te beoordelen voor machines. Mensen kunnen zich echter inleven in andere mensen en hun behoeften beter begrijpen.

Ten slotte kunnen consumenten door AI gegenereerde creatieve ideeën minder de voorkeur geven, simpelweg omdat ze door een machine zijn gemaakt. Mensen zouden ideeën van AI kunnen negeren, omdat ze denken dat deze ideeën dat zijn minder authentiek or zelfs bedreigend. Of ze geven gewoon de voorkeur aan ideeën van hun soort, een effect dat is waargenomen in andere velden eerder.

Vanaf nu blijven veel aspecten van creativiteit onbetwist terrein voor machines en AI. Er zijn echter disclaimers. Zelfs als machines mensen in het creatieve domein niet kunnen vervangen, zijn ze dat wel geweldige hulp om de menselijke creativiteit aan te vullen. We kunnen bijvoorbeeld nieuwe vragen stellen of nieuwe problemen identificeren die we in combinatie oplossen met machine learning.

Bovendien is onze analyse gebaseerd op het feit dat machines meestal innoveren op smalle datasets. AI zou veel creatiever kunnen worden als het grote, rijke en anders verbroken gegevens zou kunnen combineren.

Ook kunnen machines beter worden in creativiteit wanneer ze beter worden in het soort brede intelligentie dat mensen bezitten - iets dat we 'algemene intelligentie' noemen. En dit is misschien niet te ver in de toekomst - sommige experts beoordelen dat er een kans van 50% is dat machines de komende 50 jaar intelligentie op menselijk niveau bereiken.

Over de auteurs

Tim Schweisfurth, universitair hoofddocent voor technologie- en innovatiebeheer, Universiteit van Zuid-Denemarken en René Chester Goduscheit, hoogleraar Technologie- en innovatiestudies, Aarhus University

Dit artikel is opnieuw gepubliceerd vanaf The Conversation onder een Creative Commons-licentie. Lees de originele artikel.