Computers kunnen een hoop leren van hoe wij het openbaar vervoer gebruiken

Het brein is een fantastische machine die sterker is dan welke computer dan ook. Natuurlijk heeft het zo haar limieten, maar hoe het omgaat met deze limieten is een belangrijk onderdeel van wat de roze klomp in ons hoofd zo bijzonder maakt.

In plaats van te crashen in het aangezicht van een onoplosbaar probleem, vindt het brein spontaan nieuwe algoritmes uit waarmee het probleem omzeild kan worden. Hierdoor kunnen we bijvoorbeeld plannen maken voor de toekomst in heel complexe situaties.

Een voorbeeld van zo'n complexe situatie is het navigeren van het openbaar vervoer. Weten waar je precies in- en uit moet stappen in een complex netwerk van verschillende vervoersmiddelen en stations is vanuit computationeel oogpunt gezien ontzettend lastig. Dit komt omdat elk station onderdeel is van meerdere netwerken met talloze verschillende in- en uitstappunten, die allemaal weer nieuwe mogelijke routes naar een bepaalde bestemming bieden. Onderzoekers op het gebied van kunstmatige intelligentie en machine learning zijn dan ook zeer geïnteresseerd in hoe het brein dit web van netwerken kan doorgronden.

Afgelopen week is een onderzoek gepubliceerd in Neuron waarin een groep wetenschappers van Google Deepmind de neurale activiteiten van het openbaar vervoer-navigerende brein analyseert. Uit de analyse blijkt dat het brein omgaat met dit soort complexe netwerken door een eigen efficiënte hiërarchie te creëren. Een soort evolutionaire variant van computeroptimalisatie, eigenlijk. "Het menselijke denkvermogen is door eeuwen van evolutie specifiek toegespitst geraakt op het oplossen van dit soort problemen. Dit is terug te zien in de manier waarop we moeiteloos de meest efficiënte route kunnen bepalen bij bijvoorbeeld het doen van boodschappen of het plannen van de toekomst van onze carrière," schrijven de onderzoekers.

De locatie in de hersenen waar deze planningsprocessen plaatsvinden is de prefrontale cortex. Maar over de precieze mechanismen die ten grondslag liggen aan het bedenken en uitvoeren van plannen is nog maar weinig bekend.

In simpele bewoordingen kan plannen gezien worden als het maken van een afweging tussen verschillende mogelijke toekomstscenario's. Het geheel van alle mogelijke scenario's is een boom-achtig netwerk: elke actie gaat gepaard met een ander scala aan mogelijke vervolgacties. Deze structuur zie je ook terug in spellen als schaak en Go. De gevolgen van elke mogelijke actie moeten berekend en met elkaar vergeleken worden, zodat meest wenselijke zet gedaan kan worden. Computers kunnen dit ook, maar structuren als het openbaar vervoer zijn een stuk ingewikkelder dan een schaakspel.

"Elke stap ie je vooruit plant gaat gepaard met een exponentiële groei in het aantal mogelijke scenario's. Het gevolg hiervan is vaak een voor computers onmogelijk te doorgronden complexiteit," schrijven de onderzoekers.

Het menselijke brein kan om een of andere reden wel goed met zulke complexiteit omgaan. "Om een voorbeeld te geven: iemand die op reis is naar Londen plant zijn of haar route naar de stad niet door bewust elk mogelijk reisscenario stap voor stap uit te werken. In plaats daarvan denkt deze persoon in een verzameling tussenstations die aangedaan moeten worden om de bestemming te bereiken."

Deze tussenstations zijn niet zozeer daadwerkelijke, fysieke stations maar contexten. Deze contexten kunnen zich op verschillende niveaus bevinden. Om vanuit Amsterdam naar Londen te reizen moet je in de eerste plaats naar Groot-Brittannië, en pas daarna pas naar Londen. Dit is een hiërarchie die het brein moeiteloos aanbrengt.

"In een hiërarchische situatie is het niet nodig om elke stap van elke mogelijke route van A naar B te berekenen; het is voldoende om te bepalen in welke context je je nu bevindt en wat je moet doen om in de volgende context te belanden. Als je via de Londense underground van Marble Arch naar King's Cross wil komen, moet je de Central Line naar Oxford Circus nemen, en dan overstappen naar de Victoria Line."

De onderzoekers hebben dit proces geverifieerd door de activiteiten in de hersenen van navigerende mensen te observeren. Deze proefpersonen kregen de opdracht om hun route te bepalen in een fictief openbaar vervoersnetwerk.

Uit het experiment bleek dat de hersenactiviteit van de proefpersonen een piek vertoonde op het moment dat ze van vervoersmiddel moesten veranderen of op een heel druk station aankwamen. Er deed zich geen piek voor op het moment dat het aantal stations of mogelijke aansluitingen toenam. Oftewel: het brein denkt niet zozeer in termen van het aantal mogelijke specifieke routes, maar in termen van verschillende punten (contexten) die aangedaan moeten worden.

Deze onderzoeksresultaten kunnen bijdragen aan de verdere ontwikkeling van de kunstmatige intelligentie. "Hiërarchische structuren zijn heel nuttig voor kunstmatige intelligentie – mits je kiest voor de juiste structuur natuurlijk," zei Jan Balaguer, lid van het onderzoeksteam, in een persbericht. "Door te bestuderen hoe het brein omgaat met dit soort structuren kunnen we betere algoritmes schrijven."