informatica

programmeerbare materie

Programmeerbare materie

Je kan computers al letters en beelden laten zien aan de hand van opdrachten. Maar waarom zou je niet iets van vorm kunnen laten veranderen met een programma? Programmeerbare materie belooft juist dit te bieden.

Wat is programmeerbare materie?
In principe kan je materie op verschillende manieren configurabel maken, afhankelijk van de schaal. Je kan op atoomniveau, moleculair niveau (metamaterialen) en door middel van nanorobotjes voorwerpen van vorm en eigenschappen laten veranderen.

Atoomniveau
Atomen bestaan uit een positief geladen atoomkern met nucleonen en precies genoeg negatief geladen elektronen om de totale elektrische lading nul te maken.

quantum corral
Een Stonehenge van atomen vormt een concentrisch patroon van elektron-waarschijnlijkheidsgolven. The Well (Quantum Corral) (2009) by Julian Voss-Andreae, CC-BY-SA 3.0

De chemische eigenschappen van atomen worden bepaald door het aantal elektronen. Ben je in staat het aantal elektronen van een atoom te veranderen (door de positieve kern meer of juist minder lading te geven), dan verander je hiermee dus de chemische eigenschappen: stikstof wordt zuurstof en dergelijke.

Op commando het aantal (positief geladen) protonen in de kern aanpassen van een individueel atoom is nog niet mogelijk (atoombommen lenen zich niet echt voor consumententoepassingen), maar wel kunnen enorme kunstmatige atomen worden geconstrueerd: holtes, enkele tientallen tot honderden atomen groot met hierbinnen elektronen: quantum dots. Quantum dots worden nu al gebruikt voor nanolasers en bepaalde optische effecten: het aantal elektronen in een quantum dot en de energie waarmee ze zijn gebonden bepaalt namelijk de kleur. Sommige onderzoekers zijn er in geslaagd zwakke bindingen tussen quantum dots tot stand te brengen.

Mocht het ooit lukken om kleinere programmeerbare atomen te bouwen en lukt het om hiermee chemische bindingen met ‘echte’ atomen en moleculen tot stand te brengen, dan beschik je uiteraard over een zeer interessante programmeerbare katalysator. Je kan dan letterlijk moleculen stap voor stap bouwen, in plaats van zoals nu gebeurt, astronomische hoeveelheden uitgangsmoleculen bij elkaar te gooien, met elkaar te laten reageren en dan met veel kunst en vliegwerk het gewenste eindproduct uit de massa zeven.

Nu peperdure medicijnen zoals menselijke hormonen zouden dan ook voor armere mensen betaalbaar worden (al blijven uiteraard de onderzoekskosten, bijwerkingen en werkzaamheid van niet-menselijke stoffen hoog).

Moleculair niveau en metamaterialen

programmeerbare materie
De lotus klopt met deze nanostructuurtjes bekende hydrofobe materialen. Bron William Thielicke (CC_BY-SA 4.0)

De eigenschappen van materialen zijn te veranderen, niet alleen door de verhouding waarin atomen onderling voorkomen te veranderen en de moleculaire bindingen van atomen te veranderen, maar ook door de ruimtelijke ordening van atomen en moleculen in het materiaal te manipuleren. De natuur was ons hier al voor: de lotus heeft bijvoorbeeld een waterafstotende oppervlakte. Niet door vetten, maar door nanostructuurtjes die lijken op stekels: het lotuseffect. Dit effect dat milieuvervuilende oppervlaktecoatings vervangt wordt op dit moment al uitgebuit door sommige fabrikanten.

Sommige vlinders, zoals morpho’s, en andere insekten hebben vleugels met een metaalachtige (of parelmoerachtige) glans. Niet door metaaldeeltjes in de vleugels, maar door het iriserende effect van laagjes die licht reflecteren en, afhankelijk van de golflengte, uitdoven of juist versterken. Ook hier dus geen afwijkende atomen, maar een andere rangschikking van atomen. Deze effecten zijn ook te manipuleren. Zo zijn er geheugenmaterialen die onder invloed van warmte of stroom van vorm veranderen. Microsoft doet hier onderzoek naar voor de volgende generatie beeldschermen die in tafels ingebouwd zullen worden. Sommige dieren, zoals kameleons en octopussen kunnen van kleur veranderen door chromatoforen, cellen met kleurstof, te manipuleren. Dit principe is uiteraard ook toe te passen in programmeerbare metamaterialen, hoewel de mogelijkheden een kleur te genereren door de nanostructuur van een oppervlak te manipuleren veel interessanter is.

Claytronics
Met nanorobotjes kan ook programmeerbare materie worden verwezenlijkt. Deze robotjes, in het claytronics-jargon catoms genaamd, hechten zich als een soort trapezewerkers aan elkaar en kunnen elke denkbare vorm innemen, zoals klei, vandaar de naam van dit concept: claytronics. Het bekendste equivalent uit de natuur zijn trekmieren, die levende tunnels en drijvende bollen kunnen vormen om de rest van de kolonie mee te vervoeren. Je kan ook slijmzwammen, zelfstandig levende eencelligen die zodra de leefomstandigheden ongunstig worden zich aaneensluiten tot een enkel organisme, zo zien. Claytronics op macroschaal is al mogelijk: in 2005 is samenwerking bereikt tussen programmeerbare robotjes van 44 millimeter groot die door middel van elektrische en magnetische invloeden aan elkaar blijven kleven. Onderzoekers van de Amerikaanse Carnegie-Mellon universiteit werken nu aan catoms van een millimeter groot die in enorme aantallen kunnen worden gefabriceerd.

Voor wijlen Stephen Hawking was de langzame manier waarop zijn communicatiesapparaat woorden produceerde, een voortdurende frustratie.

Gedachtenlezen: tekst schrijven met gedachten nu mogelijk

Gedachtenlezen is nu een feit. Na jarenlang onderzoek is een team onderzoekers er in geslaagd om op basis van hersengolven, geschreven tekst te genereren. Kan straks iedereen een boek bij elkaar denken, of gaan geheime diensten misbruik maken van deze techniek?

Onze hersenen produceren een patroon van hersengolven, zeer zwakke elektromagnetische velden die met een elektroencefalometer zijn te meten. Iedere gedachte heeft een uniek patroon. Al in 2011 zijn onderzoekers er in geslaagd om dromen uit te lezen. Dit deelden ze door proefpersonen beelden te tonen en de hersengolfpatronen die optraden, op te slaan. Als dezelfde hersengolfpatronen tijdens de droom optraden, wisten de onderzoekers dat deze beelden deel uitmaakten van de droom. Nu heeft een andere groep een vergelijjkbare techniek toegepast.

Fonemen herkennen
Alle taal bestaat uit klanken, fonemen. Dit zijn klinkers en medeklinkers. Wij gebruiken het Latijnse alfabet om deze fonemen weer te geven. Het Latijnse alfabet is minder geschikt om bijvoorbeeld toontalen (Chinees, Vietnamees, Igbo) en kliktalen (Xhosa, Khoisantalen) weer te geven. Belangrijk is dat we denken in klanken. Denk je aan het woord ‘panorama’, dan hoor je als het ware dit woord in je hoofd. Of je ziet de letters. Ook dit levert een bepaald hersengolfpatroon op. Dit hersengolfpatroon kan uitgelezen worden. Weliswaar zijn onze hersenen qua structuur van mens tot mens grotendeels gelijk, de manier waarop we engrammen coderen verschilt van mens tot mens. Dat betekent dat als we denken aan een bepaald patroon, bijn ieder mens andere hersengolven ontstaan. Het gedachtenlezen moet dus per mens individueel getraind worden. Gelukkig is het aantal fonemen maar beperkt. Alle klanken in het Nederlands kunnen bijvoorbeeld beschreven worden door ongeveer veertig fonemen. Dat wil zeggen, dat je een dergelijk systeem zou kunnen trainen door veertig groepen hersengolven te kunnen onderscheiden. In het Engels, waarin dit onderzoek is verricht, zijn er een vergelijkbaar aantal klanken.

Voor wijlen Stephen Hawking was de langzame manier waarop zijn communicatiesapparaat woorden produceerde, een voortdurende frustratie.
Voor wijlen Stephen Hawking was de langzame manier waarop zijn communicatieapparaat woorden produceerde, een voortdurende frustratie. Bron: Wikimedia Commons

Negentig procent betrouwbaarheid bij gedachtenlezen
In de proef lazen de proefpersonen tien korte zinnen in hun gedachten voor. Hun hersengolven werden hierbij geregistreerd. In de proefopstelling slaagden de onderzoekers erin om in een sample van tien korte Engelse zinnen, real time, negentig procent van de ‘gedachten-fonemen’ te herkennen. Dit lukte na slechts zeven minuten training met behulp van een neuraal netwerk en een zware nieuwe Linux-gebaseerde pc. Hiervoor gebruikten ze het open source scikit-learn softwarepakket (geschreven in de taal Python), dat de opgeslagen hersengolfpatronen leerde associëren met de fonemen. Vanzelfsprekend is het relatief eenvoudig om tien zinnen van elkaar te onderscheiden. De techniek wordt pas echt interessant, als ook individuele fonemen nauwkeurig van elkaar kunnen worden onderscheiden. Dan zou ik dit artikel kunnen schrijven op denksnelheid, wat ongeveer tien keer zo snel is als mijn typesnelheid.

Redding voor verlamde patiënten
Wijlen Stephen Hawking, maar ook duizenden anderen, konden, resp. kunnen alleen communiceren door hun ogen te bewegen. Zou er een apparaat bestaan om hun hersengolven om te zetten in gesproken en geschreven tekst, dan zou dat hun isolement doorbreken. Ze zouden dan kunnen spreken en typen. In verbeterde versies kan zelfs de intonatie van de stem worden gestuurd door hersengolven. Ze zouden hun exoskelet kunnen bedienen met hun hersenen.

Drager van een aluhoedje. Na deze ontdekking worden deze waarschijnlijk een stuk populairder. Bron: Wikimedia Commons
Drager van een aluhoedje. Na deze ontdekking worden deze waarschijnlijk een stuk populairder. Bron: Wikimedia Commons

Gevaren aan gedachtenlezen
Helaas zitten er ook gevaren aan deze techniek. Die Gedanken sind frei, is een bekend Duits spreekwoord. Dat gaat nu binnen tien jaar totaal veranderen. Als geheime diensten er in slagen om deze techniek zo te verbeteren dat ze de gedachten van gevangenen kunnen lezen, verschaft dat dictatoriale regimes – in de praktijk zijn dat vrijwel alle overheden – een huiveringwekkende macht. Vanuit een futurologisch perspectief zijn onze computers op dit moment nog hopeloos primitief. Rond 2029 kan je voor duizend euro evenveel rekencapaciteit kopen als de ‘raw power’ van het menselijk brein. Computers zijn dan ongeveer duizend maal zo snel als nu, als de Wet van Moore doorzet.

Hersengolven van voldoend nauwkeurige kwaliteit kunnen nu alleen worden opgevangen door gevoelige elektroden die middels een operatie onder de schedel worden aangebracht, zoals bij de twee epilepsiepatiënten die als vrijwilligers deelnamen aan deze proef. Uiteraard draait een beetje akelig regime zijn hand niet om voor een dergelijke ingreep. Door (nog niet bestaande) kamertemperatuur SQUIDs of dergelijke extreem gevoelige meetapparatuur te gebruiken, zouden hersengolven ook op grotere afstand afleesbaar kunnen worden. Verstop een EEG-meter in een budget VR-helm en laat tijdens de intro van een gratis meegeleverde VR game testzinnen horen en voilà. Gedachtenlezen wordt dan een eitje. Zijn dragers van aluhoedjes dan toch niet zo gek als we denken? Interessante tijden…

Bron
David Al. Moses et al., Real-time classification of auditory sentences using evoked cortical activity in humans, DOI: 10.1088/1741-2552/aaab6f, Journal of Neural Engineering, 2018

 

64 microscopisch kleine computers (links). Rechts: de grootte van één computer vergeleken met zoutkorrels. Bron: IBM

IBM ontwikkelt smart dust-computer zo groot als een zoutkorrel

Wie van de fossiele generaties kent ze niet: de x86-processors waarmee de eerste massa-geproduceerde pc’s begin jaren negentig werden gebouwd? IBM is er nu in geslaagd om deze rekenkracht in een vierkante millimeter te proppen, met een verwachte productiekost van tien cent per stuk. Vinden we straks overal dit smart dust?

64 microscopisch kleine computers (links). Rechts: de grootte van één computer vergeleken met zoutkorrels. Bron: IBM
64 microscopisch kleine computers (links). Rechts: de grootte van één computer vergeleken met zoutkorrels. Bron: IBM

Smart dust: ouderwetse pc op een speldenknop
IBM Research is er in geslaagd, volledig zelfstandige computertjes te ontwikkelen met de rekenkracht van een 386-computer uit het begin van de jaren negentig. Deze computers waren toendertijd al krachtig genoeg om spreadsheets, tekstverwerkers en eenvoudig internet op te draaien. Schrijver dezes heeft er als student zijn werkstukken en doctoraalonderzoeken op geschreven. Nu is deze indrukwekkende rekenkracht samengebald in een vierkante millimeter. En dat voor een productieprijs van rond de tien cent per stuk.

Blockchain gebaseerd authentificatiesysteem
IBM heeft rondom deze extreem kleine computers een blockchain-gebaseerd ecosysteem ontwikkeld. Dat wil zeggen, dat dit smart dust in staat is om de identiteit van elk individueel computertje met zekerheid vast te stellen. Ook heeft IBM markeringen ontwikkeld die samenwerken met deze computertjes en apps op smartphones om vast te kunnen stellen of een product werkelijk afkomstig is van betrouwbare bron. Denk dan aan “vingerafdrukken”, zoals patronen, of zelfs markermoleculen in bijvoorbeeld wijn.

Smart dust voor supply chain management en tegen diefstal en fraude
Meerdere bedrijfstakken zitten dringend op dit smart dust te wachten. Zo wordt de diefstal en vervalsing van merkartikelen een steeds groter probleem. Naar schatting van IBM is de jaarlijkse wereldwijde schade door deze fraude 600 miljard dollar, het jaarlijkse inkomen van een middelgroot land als België. De aanwezigheid van smart dust kan zo garanderen dat de afnemer ook écht het origineel in handen heeft, en niet een gestolen exemplaar, of een bootleg uit een land of statenloos gebied waar het niet zo nauw genomen wordt met merkenrecht. Schrijver dezes heeft geen enkel medelijden met de fabrikanten van overprijsde luxe merkartikelen, maar in bijvoorbeeld de gezondheidszorg, en niet alleen daar, staan er levens op het spel als een onderdeel niet gegarandeerd werkt zoals de afnemer verwacht. Denk aan een pil met een giftige of juist helemaal geen werkende stof, of een onderdeel van een wolkenkrabber dat het begeeft bij een aardbeving. In theorie zal gehackt smart dust niet in kunnen loggen op de blockchain, dus wordt hiermee voorkomen dat een afnemer een vervalst artikel krijgt.  Kortom: dit is een goede oplossing  voor een erg vervelend probleem.

Doorbraak voor Internet of Things (IoT)
Tot nu toe zijn veel gebruikte computers voor internet of things-toepassingen, zoals Raspberries Pi en Arduino nog relatief gezien enorme stroomvreters. Deze zeer kleine computertjes kunnen op fracties van milliwatts opereren, waardoor het veel eenvoudiger is om ze van energie te voorzien. Hun microscopische afmetingen maken ze geschikt om zo ongeveer elk product slim te maken. Een pak vlees dat waarschuwt als een agressieve salmonella-kolonie je voor is geweest? Een vloer die je inseint dat je meer moet bewegen, of je fiets, dat de roestvorming de spuigaten uitloopt? Het is mogelijk, zodra IBM deze computertjes in massaproductie neemt. Anders dan bijvoorbeeld Microsoft staat IBM niet bekend om vaporware-tactieken, dus we kunnen aannemen dat vanaf 2023 deze techniek steeds verder op zal rukken.

Het door IBM ontwikkelde smart dust heeft ongeveer een rekenkracht, vergelijkbaar met die van een 386-gebaseerde Intel PC rond 1990.
Het door IBM ontwikkelde smart dust heeft ongeveer een rekenkracht, vergelijkbaar met die van een 386-gebaseerde Intel PC rond 1990.Bron: ourworldindata.org

Bron
IBM

Jun, de initiatiefnemer van Steem It

Video: betaald worden voor je populaire Facebook-pagina

Hoe populair je Facebookpagina of groep ook is, de enige die daar financieel wat van terugziet is Mark Zuckerberg en de overige eigenaren van Facebook. Nu is er een nieuw sociaal medianetwerk, Steem, dat gebruikers en bezoekers de helft van de opbrengsten uitbetaalt.

Hoeveel Facebook aan ons verdient
Het bedrijf Facebook heeft op dit moment een marktwaarde van 330 miljard dollar. Dat is per Facebookgebruiker rond de tweehonderd dollar, met een jaarlijkse winst van 2 dollar per gebruiker. Deze winst is overigens wel snel aan het stijgen.

Jun, de initiatiefnemer van Steem It
Jun, de initiatiefnemer van Steem It.

Hoe werkt Steem?
De techniek achter Steem is gebaseerd op blockchain en een cryptocurrency, ook Steem genaamd. In feite is het een soort Facebook, maar dan met opbrengstdeling. Hierin worden de deelnemers in Steem uitbetaald. Hoe meer bezoekers op de Steem-pagina, hoe vaker de advertenties worden bekeken. De gebruiker krijgt de helft van de opbrengst. Er kan nu al gehandeld worden in Steem. Vermoedelijk hebben de initiatiefnemers de nodige Steem-coins gemined en is dit het verdienmodel achter Steem. Dat neemt niet weg dat het principe aardig is. In ieder geval verdien je als gebruiker iets. Dat is op Facebook wel anders. Komt er nu meer gelijkheid ip het gebied van social media?

Meer informatie
Steem It

AKAT-1, een analoge computer. Ooit state of the art. Zullen analoge computers weer een comeback maken? Bron: Wikimedia Commons

Analoge computer maakt comeback

Analoge computers zijn uit. Alle computers die we uit het dagelijkse leven kennen zijn digitale computers. Kwantumcomputers komen steeds meer in het nieuws. Nu is de analoge computer met een eigen programmeertaal veel gebruiksvriendelijker geworden. Komt er een comeback?

Wat zijn analoge computers?
Computers zijn apparaten die rekenen, ruimer gezegd: informatie verwerken. Dat kan op verschillende manieren. De computers die wij uit het dagelijkse leven kennen maken gebruik van twee spanningsniveaus, die worden geïnterpreteerd als 0 en 1. Deze digitale computers zijn veel sneller wat betreft het verwerken van exacte getallen dan andere types computers. Ook zijn ze gemakkelijk te programmeren. Geen wonder dus, dat we nu al twee generaties massaal gebruik maken van digitale computers, en niet van analoge computers zoals rekenlinialen.

Analoge computers vormen een analogie (overeenkomstige structuur) van een systeem waaraan ze berekeningen verrichten. Eigenlijk kan je hier dus beter spreken van een meting dan van een berekening. In de jaren vijftig gebruikte het CBS een indrukwekkend buizensysteem om de pseudowetenschap der economie mee te beoefenen. Deze analoge computer werkte door middel van het principe van de communicerende vaten. Hieronder een filmpje met een overgebleven exemplaar van zo’n ding, de MONIAC.

Sommige vraagstukken zijn in feite makkelijker met een analoge, dan met een digitale computer aan te pakken. Een differentiaalvergelijking, bijvoorbeeld, is lastig om numeriek uit te drukken. Het kost een digitale computer vele rekenstappen met algoritmes als Runge-Kutta om de uitkomst van een differentiaalvergelijking vast te stellen. Met een analoge computer kan dat in principe vrijwel direct, ongeacht hoe ingewikkeld het stelsel van differentiaalvergelijkingen is. Hiervoor wordt het vaakste gebruik gemaakt van een elektronische analoge computer. De verandering van een elektrische stroom (m.a.w. de differentiaal) wekt een magnetisch veld op. Hoe meer verandering, hoe sterker de magnetische piek. Meet dat magnetische veld met de gewenste nauwkeurigheid en zie, daar is in een fractie van een seconde je antwoord, terwijl de digitale computer nog zucht en kreunt.

AKAT-1, een analoge computer. Ooit state of the art. Zullen analoge computers weer een comeback maken? Bron: Wikimedia Commons
AKAT-1, een analoge computer. Ooit state of the art. Zullen analoge computers weer een comeback maken? Bron: Wikimedia Commons

Programmeren tot nu bottleneck
Dit klinkt te mooi om waar te zijn en dat is het dan ook. De voornaamste bottleneck voor de analoge computer is de enorme moeite die het kost om dit juweel te programmeren. In de jaren vijftig was er domweg geen andere keus, maar nu kunnen differentiaalvergelijkingen eenvoudig in programma’s als Maple of Mathematica, of voor de minder pecuniair gezegenden, het open-source alternatief Sagemath, ingevoerd worden. Digitale computer zijn zo snel, dat zelfs de omslachtige digitale manier toch snel resultaat oplevert. Al kosten echt uitgebreide stelsels, zoals die je nodig hebt om complexe biologische systemen na te bootsen, nog steeds erg veel rekentijd. Niet voor niets kijken veel wetenschappers nog steeds verlekkerd naar de mogelijkheden van analoge computers.

Wat zijn afgeleides en differentiaalvergelijkingen? Wat kan je er mee?
Differentiaalvergelijkingen beschrijven de relatie tussen een functie, f(x) en de afgeleide van een functie, f'(x). In normale mensentaal: tussen de functie en de veranderingssnelheid van een functie. Als je weet hoe een functie zich gedraagt, kan je het gedrag voorspellen.

Logistische (sigmoïde) curve. Bron: Wikipedia
Logistische (sigmoïde) curve. Bron: Wikipedia

Zo zijn er veel groeiprocessen, bijvoorbeeld die van een markt, die zich gedragen als een zogeheten sigmoïde, een s-vormige functie. De afgeleide van deze s-vorm is de bekende klokfunctie of normale verdeling, een heuvel rond het nulpunt. Als je als startende ondernemer in een markt actief wilt zijn, is het slim om een markt te kiezen die steeds sneller groeit. Met andere woorden: waarvan de afgeleide groeit. Neemt deze groeisnelheid af, dan wordt de concurrentie moordend en zijn je kansen maar klein. Ik zag bij een multilevel-marketingbedrijf in Nederland een grafiekje van de meer ontwikkelde Duitse markt en herkende de sigmoïde. Dus geloofde ik de juichverhalen over de Nederlandse markt, die het beginstukje van de sigmoïde vormde, niet meer. Deze zou, kon ik afleiden, onvermijdelijk ook stagneren.

Met een enkele differentiaalvergelijking kan je bijvoorbeeld heel mooi natuurkundige velden beschrijven. Groepen differentiaalvergelijkingen geven de wisselwerking weer in een ingewikkelder systeem, zoals een lichaamscel of een chemische reactor. Als je het gedrag van deze differentiaalvergelijkingen kan voorspellen, ken je het systeem en het gedrag van het systeem. En, kennis is macht.

Programmeertaal voor analoge computers
Enkele van die mensen die de beperkingen van digitale computers zat zijn, zijn prof. Martin Rinard van de Amerikaanse topuniversiteit MIT en  voormalige collega Rahul Sapeshkar, die met een aantal doctoraalstudenten een analoge chip hebben ontwikkeld. Hiermee kunnen analoge berekeningen worden uitgevoerd. De chip kan wel door middel van een digitale computer worden geprogrammeerd en uitgelezen. Zij hebben hiervoor een programmeertaal voor deze chip (en soortgelijke chips) ontwikkeld.
In Arco, de programmeertaal van de groep onderzoekers, kunnen differentiaalvergelijkingen gemakkelijk worden toegevoerd. Het kost per differentiaalvergelijking ongeveer een minuut om deze in te programmeren. Zelfs een complex stelsel van zeventig differentiaalvergelijkingen kan in ongeveer een uur worden ingevoerd en gecompileerd. Zoals bij alle analoge computers zijn de resultaten in principe vrijwel onmiddellijk bekend.
Met een eenvoudige chip kan zo een supercomputer worden vervangen. Althans: voor dit soort simulaties.

Bron
Sara Achour, Rahul Sarpeshkar, and Martin Rinard, Proceedings of the 37th ACM SIGPLAN Conference on Programming Language Design and Implementation (PLDI 2016), Santa Barbara, CA, June 2016

In de Reality Editor app kan je zogeheten slimme apparaten aan elkaar knopen.

Video: de Reality Editor

Wat, als we voorbij de computer denken en digitale techniek een web om ons heen vormt, dat werkelijk alles om ons heen slim maakt?

Het Reality Editor project van het Massachusetts Institute of Technology bereikt precies dat. Er wordt een virtuele laag over de werkelijke wereld gelegd: augmented reality.  Deze kan je zien door middel van je smartphone of virtual reality bril. In deze laag zie je virtuele knoppen en koppelingen, die je verbindt met elkaar. Op die manier kan je bijvoorbeeld je slimme koffiezetapparaat verbinden met je slimme wekker. Zodra de wekker afgaat, begint je koffiezetapparaat te pruttelen.

Achter de schermen zijn alle slimme apparaten gekoppeld aan een server, die communiceert met de app in je smartphone of bril. Deze houdt bij waar precies de apparaten zich bevinden en hoe ze met elkaar in verbinding staan.

In de video zie je een werkend systeem. Alle opnamen zijn gemaakt met het werkelijke prototype, zonder beeldmanipulatie.

In de Reality Editor app kan je zogeheten slimme  apparaten aan elkaar knopen.
In de Reality Editor app kan je zogeheten slimme apparaten aan elkaar knopen.

Meer informatie
Reality Editor
Wired Magazine

Raspberry Pi Zero vergeleken met de bulkier voorganger en een kiwi.

Raspberry Pi Zero, computer van vijf euro ontwikkeld

De Raspberry Pi Zero is een verkleinde versie van de bekende Raspberry en ongeveer zo groot als een USB-stick. Toch gaat het hier om een volwaardige computer, die in principe op een monitor en toetsenbord kan worden aangesloten.

Raspberry Pi Zero vergeleken met de bulkier voorganger en een kiwi.
Raspberry Pi Zero vergeleken met de bulkier voorganger en een kiwi.

De Raspberry Foundation, oorspronkelijk opgericht om ook de armsten te laten profiteren van computers, ontwikkelde de baanbrekende Raspberry Pi. Een computertje dat je in je zak mee kan nemen en in een willekeurige niet al te oude monitor of televisie kan prikken. De Pi bleek een doorslaand succes, vooral onder hobbyisten die met dit kleine brein de spectaculairste creaties op touw konden zetten. Geheim achter de Pi en zijn neefjes is de ARM processor, die ook in smartphones wordt toegepast en door een gereduceerde instructieset veel sneller en energiezuiniger kan werken dan een vergelijkbare standaard processor.

De Raspberry Pi Zero is voorzien van micro-USB poorten en micro-HDMI poorten en verloor weinig gebruikte poorten, waardoor het computertje enorm verkleind kon worden, zie afbeelding. Wat elektrotechneuten erg zal aanspreken zijn de veertig connectors waaraan bijvoorbeeld sensoren en motortjes gesoldeerd kunnen worden. De processor is 40% krachtiger. Vooral spectaculair is uiteraard de enorme prijsdaling, waardoor plannen om zelf robotjes en slimme apparatuur te bouwen voor een habbekrats binnen bereik komen.

Helaas is het computertje bij het schrijven van dit artikel (november 2015) uitverkocht, maar het kan nog voor hogere bedragen bij wederverkopers besteld worden. Ook zal de productie nu vermoedelijk snel opgekrikt worden. Wie niet kan wachten: ook is het gebundeld bij het nieuwste nummer van The Magpi, het magazine van de Raspberry Foundation.

Bronnen
Raspberry Foundation

Hoe kunnen we kunstmatige intelligenties laten functioneren in de menselijke maatschappij?

Het opvoeden van kunstmatige intelligenties

Door veel auteurs is al nagedacht over de vraag, hoe we een intelligentie die die van ons benadert of overtreft, kunnen inpassen in onze maatschappij. Misschien is de oplossing dichter bij huis dan we ons realiseren.

De fundamentele onvoorspelbaarheid van neurale netwerken
Een klassieke computer, zoals de laptop waarop schrijver dezes dit stukje tikt, gedraagt zich altijd hetzelfde. Dat is met neurale netwerken anders. Neurale netwerken bestaan uit knooppunten die onderling verbonden zijn. Ze leren, doordat de verbindingen tussen knooppunten veranderen. Je kan neurale netwerken dus niet programmeren, maar moet ze trainen.

Het opvoeden van kinderen
Neurale netwerken zijn genoemd naar de neuronen in bijvoorbeeld de menselijke hersenen. Deze zijn onderling verbonden met dendrieten en axonen, zoals de knooppunten in een neuraal netwerk. Inderdaad vertonen neurale netwerken veel overeenkomsten met de werking van onze hersenen. Uiteraard zijn neuronen veel ingewikkelder dan de schakelpunten in neurale netwerken, maar het mechanisme waarmee neuronen verbindingen leggen en verbreken komt goed overeen.
Wie wel eens betrokken is geweest bij de opvoeding van kleine kinderen weet, dat het lastig is om kleine kinderen te ‘programmeren’. Dat lukt alleen door draconische opvoedmethoden, de zogeheten zwarte pedagogiek. Het gevolg is dat deze kinderen opgroeien tot verknipte volwassenen, want wij mensen zijn er niet op gebouwd om te worden geprogrammeerd als een computer. Kinderen probeer je door ervaring te laten leren, en inzicht over te brengen zodat ze bepaald onverstandig of irritant gedrag de volgende keer zullen laten. Met wisselende resultaten overigens.

Hoe kunnen we kunstmatige intelligenties laten functioneren in de menselijke maatschappij?
Hoe kunnen we kunstmatige intelligenties laten functioneren in de menselijke maatschappij? – Bron:  I, Robot, still

Hoe zullen toekomstige kunstmatige intelligenties worden gebouwd?
Klassieke computers hebben veel weg van autisten.  Ze doen precies wat je ze opdraagt, maar zijn niet in staat om rekening te houden met situaties waarin de programmeur niet heeft voorzien. Een nuttige, breed inzetbare kunstmatige intelligentie zal je daarom eerder op basis van een neuraal netwerk laten werken. Of, zoals IBM nu probeert, met een computerarchitectuur die zowel ‘klassiek’ werkt als met een neuraal netwerk. Kortom: hoe de kunstmatige intelligenties van de toekomst er ook uit zullen komen te zien, ze zullen waarschijnlijk veel weg hebben van een neuraal netwerk. Bij ‘deep learning‘-systemen, op dit moment erg hot in AI-research, is dat nu al zo. Dat betekent ook dat het veel lastiger zal worden om ze te programmeren. We kunnen de equivalenten van ‘instincten’ en reflexen inprogrammeren, maar de meeste respons op onverwachte situaties zal onvoorspelbaar zijn.

Robotpsychologe Susan Calvin speelt de hoofdrol in Isaac Asimov's beroemde boeken en verhalen op basis van de door hem uitgevonden Drie Wetten van de Robotica. Beroep van de toekomst? Dat is heel goed mogelijk.
Robotpsychologe Susan Calvin speelt de hoofdrol in Isaac Asimov’s beroemde boeken en verhalen op basis van de door hem uitgevonden Drie Wetten van de Robotica. Beroep van de toekomst? Dat is heel goed mogelijk.

Opvoeden van kunstmatige intelligenties
Kortom: we zullen kunstmatige intelligenties moeten integreren in onze menselijke maatschappij. Ongeveer op de manier zoals we kinderen proberen voor te bereiden op een plekje in de maatschappij als ze volwassen zijn. We zullen ook moeten accepteren dat er onder kunstmatige intelligenties prettige en minder prettige karakters voor kunnen komen. Kortom: kunstmatige intelligenties zullen veel weg hebben van wezens als mensen.

Dus moeten we werken aan coaching en opvoeding. Misschien AI-psychologen. AI-scholen. AI’s met psychopate trekken zien te ontmaskeren en voorkomen dat ze in staat zijn uit te groeien tot kunstmatige superintelligenties, een taak voor een AI-politiemacht. Pittige uitdagingen. Maar misschien wel een gat in de markt voor de sociale sector. Robotpsycholoog, zoals Susan Calvin uit de film I, Robot, als toekomstig beroep?

Big Data wordt steeds waardevoller, zeker door deze nieuwe ontdekking waarmee een computerprogramma menselijke datadeskundigen klopt.

Data Science Machine verslaat met algoritmes menselijke intuïtie

Al weer een typisch menselijk domein lijkt nu gesneuveld. Na rekenkracht, gezichtsherkenning en het spelen van schaak is nu de menselijke intuïtie overtroffen door de Data Science Machine.

Algoritme presteert beter dan meeste menselijke dataspecialisten
Big data analyse bestaat uit het zoeken van verborgen liggende patronen die een bepaald soort voorspellende kracht hebben. De mens is nog nodig met het herkennen van bruikbare patronen binnen de data. In een database met bijvoorbeeld de begin-  en einddata van verschillende uitverkoopperiodes en wekelijkse winsten, bestaat de cruciale informatie mogelijk niet uit de datums zelf, maar uit de periode tussen de actieweken en de gemiddelde winst over deze perioden.

Onderzoekers van de Amerikaanse technische universiteit MIT in Boston, Massachusetts, proberen het menselijke element uit big data analyse te halen. Dit met een nieuw systeem dat niet alleen zoekt naar patronen, maar ook kijkt naar wat de meest veelbelovende parameters zijn. Om hun systeem te testen, lieten ze hun “Data Science Machine” meedoen met  drie wedstrijden tegen menselijke teams. In deze wedstrijden moet het systeem voorspellende patronen herkennen in onbekende datasets.  Van de 906 teams die meededen aan de drie competities, presteerde de “Data Science Machine” beter dan 615.

Big Data wordt steeds waardevoller, zeker door deze nieuwe ontdekking waarmee een computerprogramma menselijke datadeskundigen klopt.
Big Data wordt steeds waardevoller, zeker door deze nieuwe ontdekking waarmee een computerprogramma menselijke datadeskundigen klopt. Bron: mit.edu

In de competities scoorde de Data Science Machine respectievelijk 94 procent, 96 procent en 87 procent van de score van de winnende inzendingen. Waar de winnende teams maanden deden over het bedenken en verfijnen van hun algoritmes, deed de Data Science Machine er tussen twee en twaalf uur over per inzending.

De bedenkers van de Data Science Machine, Max Kanter en Kalyan Veeramachaneni, zien hun systeem als complementair aan de menselijke intelligentie. Volgens hem kan door de Data Science Machine veel meer deep data worden geanalyseerd dan nu door de schaarse deep data specialisten.

Hoe werkte het systeem?
In big data analyse zoals die nu plaatsvindt, is de eerste stap, het ontdekken van variabelen die voorspellende waarde hebben. Dit vereist het bedenken van heel mogelijkheden, met andere woorden de nodige creativiteit en inzicht. De auteurs gaven het voorbeeld van het voorspellen van de drop-out hoeveelheid van studenten. Belangrijke variabelen hierbij bleken vooral de mate waarin studenten de e-learning website bezochten, vergeleken met klasgenoten, en hoe lang voor de deadline de student begint met het werken aan de opdracht. Deze informatie was niet direct uit de brondata (van het e-learningplatform van MIT, MITx) af te leiden, maar indirect wel te berekenen.

Het systeem berekent dingen als gemiddelden en dergelijke uit de database. Dit moet wel een relationele database zijn, voor de IT’ers onder u: een database die op is gebouwd uit tabellen. Dit is overigens met de meeste databases het geval. Het systeem gebruikt de koppelingen tussen tabellen als middel om verbanden te vinden. Ook berekent het systeem zaken als gemiddelden, minima, maxima en dergelijke. Dan bestudeert het systeem hoe deze variabelen met elkaar samenhangen.

Ook zoekt het systeem categorische data, denk aan dag van de week of merknamen.

De volgende stap is deze variabelen uitproberen op voorbeelddata en ze fine-tunen, bijvoorbeeld door iets aan de vergelijkingen waarmee ze worden gecombineerd te veranderen, om zo de voorspellende kracht te verbeteren.

De gevolgen
Big data zal door deze ontdekking nog veel waardevoller worden dan nu. Over het algemeen is dat goed nieuws, want daardoor zullen producten en overheidsdiensten beter en goedkoper worden. Aan de andere kant vergroot dat de voorsprong die bezitters van big data, doorgaans overheden en grote bedrijven nu al hebben op de rest van de mensheid.  Het is daarom denk ik belangrijker dan ooit, om big data-bronnen publiek te maken en te houden en open-source big data analysetools te ontwikkelen.

Meer informatie
Data Science Machine crunches numbers faster and more effectively than most humans, MIT CSAIL News, 2015
Deep Feature Synthesis: Towards Automating Data Science Endeavors, 2015. 

Infographic: smartwatch nu even krachtig als supercomputer uit jaren tachtig

In de jaren tachtig vervulde hij menigeen met ontzag: de Cray-2 supercomputer van een slordige miljoen, die door weersvoorspellers werd gebruikt. Anno 2015 moet deze computer het afleggen tegen een nederige smartphone van een B-merk, die je bij de drogist koopt. De reden: computers zijn  in dertig jaar een duizelingwekkende biljoen (dat is een 1 met 12 nullen) maal krachtiger geworden. In deze infographics, afkomstig van de website Expert Exchange, wat duizelingwekkende weetjes.

Ten eerste de exponentieel toenemende opslagcapaciteit van elektronische geheugens, zoals harddisks. Wat kerndata: de informatieinhoud van ons DNA is ongeveer 3 miljard baseparen. Omdat er per basepaar 4 mogelijkheden zijn (AT, TA, GC en CG), staat dit gelijk aan 12 gigabit (1,5 GB). Op een in 2015 al wat verouderde USB-stick van 16 GB zou dus zelfs zonder compressie het DNA van 10-11 mensen kunnen worden opgeslagen.

trillion-fold-increase-computing-perf-1

 

Volgens schattingen van neurowetenschappers bevatten onze hersenen van 10 terabyte tot rond 2,5 petabyte  aan informatie. Om uw, of mijn, geest op te slaan zijn er dus één, tot 250 ultramoderne harde schijven van tien terabyte nodig. Gezien deze explosieve toename aan opslagcapaciteit zou u dus een backup van uw hersens kunnen maken binnen tien jaar. Gesteld uiteraard, dat er een effectieve manier uitgevonden zou worden om een  geest uit te lezen uit de wirwar van neuronen in de menselijke hersenpan.

Waarbij we op het tweede, ook zeer interessante onderwerp komen. Aan een statische kopie heb je niet veel, je moet er ook wat mee kunnen. Hoeveel computercapaciteit is er nodig om de menselijke geest realtime na te bootsen? Allereerst een overzicht van de exponentiële toename van rekencapaciteit in de periode 1965-2015. Ook hier is de infographic afkomstig van ExpertsExchange.

trillion-fold-increase-computing-perf-2

De hier genoemde Chinese Tianhe-2 supercomputer is begin 2015 de snelste en krachtigste computer op aarde. Volgens experts is er een 100.000 maal snellere computer dan dit nodig om de menselijke geest na te bootsen, als er geen slimme sluiproute wordt gevonden. Die sluiproute kan bijvoorbeeld een neuraal netwerk zijn, zoals de SyNAPSE chip waaraan IBM nu werkt.

Lees meer
Experts Exchange