Soms draagt wiskunde een rossig kapsel en een mysterieuze hoed

10/05/2021

Ze is mysterieus met haar rossige bobkapsel, grote bruine ogen en een kledingkast vol vintage outfits om van te dromen. Beth Harmon, een weeskindje uit de populaire serie ‘The Queen’s Gambit’. Ze blijkt een schaakwonder te zijn, laat haar tegenstanders alle hoeken van het bord ontdekken en verovert daarmee langzaam de wereld van het schaken. Achter dit talent gaat een wereld vol wiskunde schuil. In de kelder van het weeshuis wint Beth haar eerste schaakspel van conciërge Mr. Shaibel met een Queen’s Gambit openingsstrategie. Is het verstandig deze als standaard opening in haar repertoire op te nemen wanneer ze oog in oog met Russisch grootmeester Borgov zit? Of is de nog onbekende Saragossa-opening de sleutel tot succes en een voorbode voor Beth’s overwinning? We leggen het uit aan de hand van de term Reinforcement Learning, een vorm van Kunstmatige Intelligentie.
 

Deep Learning en het menselijk brein

Zelfrijdende auto’s, een virtuele assistent als Siri en robotarmen: Artificial Intelligence raakt meer en meer met ons dagelijks leven verweven. Steeds vaker worden computers ingezet voor het nemen van beslissingen of het zelfstandig uitvoeren van taken waarvoor een stukje intelligentie nodig is. De basis van Kunstmatige Intelligentie is gebouwd op het principe dat een algoritme zichzelf traint en hierdoor steeds slimmer wordt. Dit wordt ook wel Machine Learning genoemd. Het spreekt voor zich dat een complex netwerk nodig is om het menselijk brein na te kunnen bootsen. Zo’n netwerk is opgebouwd uit neuronen, we maken dan de stap naar Deep Learning. Des te meer neuronen er in een netwerk zitten, des te groter de potentie om te leren en patronen te ontdekken. Al die neuronen moeten echter ook getraind worden en hiervoor is een enorme hoeveelheid data nodig. Dit is dan ook meteen het grootste knelpunt van Deep Learning.
 

Reinforcement Learning en hondje Doerak

Een alternatief dat langzaamaan populariteit wint en onder de AI-paraplu valt is Reinforcement Learning. Door veelvuldig simuleren wordt een zelflerend vermogen ontwikkeld met als doel het ontrafelen van het ideale gedrag om zo de best haalbare prestaties te behalen. In tegenstelling tot klassieke Machine Learning methodes worden geen instructies gegeven, maar worden miljoenen simulaties uitgevoerd om zo op basis van feedback een optimale strategie te ontwikkelen. Dit alles klinkt heel abstract, maar ik vergelijk het weleens met ons hondje Doerak die we iets willen leren. Wanneer hij na een aantal keer vragen een pootje geeft belonen we hem met iets lekkers. Zo leert Doerak door het opdoen van ervaring welke keuze leidt tot de grootste beloning. 
 


Foto: Beth Harmon, uit 'The Queen's Gambit'


Toveren op het plafond

Hoe vertaalt dit zich naar 'The Queen’s Gambit'? Net als in Reinforcement Learning is schaken vooruitkijken, scenario’s doorrekenen strategieën aanpassen aan nieuwe ontwikkelingen. Er zijn miljarden combinaties mogelijk waardoor het een bijna onbegonnen klus is om een systeem iedere mogelijke zet in een schaakspel aan te leren. Machine Learning is hier daarom niet op zijn plaats. Beth Harmon staart in de nacht naar het plafond en ziet daar als in een illusie verbanden tussen de schaakstukken in ingewikkelde stellingen geprojecteerd staan. Ze leert van iedere tegenstander, ervaart wat goed en fout is en vult zo haar langetermijngeheugen met duizenden stellingen en de daarbij horende beste zetten. In tegenstelling tot Beth – die kalmerende middelen gebruikt om het schaakspel te kunnen visualiseren – vertrouwen moderne computers op algoritmen. Reinforcement Learning kan helpen een keuze te maken in haar openingsrepertoire maar ook of ze daarna een zet zal doen met haar favoriete paard of met de loper probeert grootmeester Borgov mat te zetten. Het is een innovatieve kijk op het optimaliseren van welk vraagstuk dan ook en een mooie aanvulling op Machine Learning, Deep Learning en andere Artificial Intelligence technieken. 

 

Met welke bril, pruik of hoed mogen we jouw vraag bekijken?

Soms moet je even zoeken, soms draagt wiskunde een rossig kapsel en een mysterieuze hoed, maar uiteindelijk is wiskunde – en daarmee het optimaliseren van vraagstukken – overal om ons heen te vinden. Met welke bril, pruik of hoed mogen we naar jouw vraag kijken? Neem contact met mij op.

 

Wil je daarnaast op de hoogte blijven van het laatste nieuws van CQM, volg ons op LinkedIn of meld je aan voor onze digitale nieuwsbrief



Fotocredit: Pixabay.
Carien Leushuis MSc

Carien Leushuis MSc

Junior Consultant