Neuraal: Een medische term: behorend tot, betrekking hebbende op, het zenuwstelsel
Netwerk: Een geheel van met elkaar verbonden punten (of entiteiten of dingen).

Dus een netwerk, behorende tot of betrekking hebbende op het zenuwstelsel? Je bent geneigd om hierop met ‘nee’ te antwoorden. Want: zo simpel is het niet? Of misschien toch wel. We komen die neurale netwerken – ook wel zelflerende algoritmes genoemd – in het dagelijks leven steeds vaker tegen. En we leren ze in eerste instantie zelf wat aan. Het is overigens een misvatting dat dit allemaal nieuw is: het idee van neurale netwerken gaat al terug tot 1943.

Netflix
Zoekmachines op internet, Netflix, Facebook, allemaal krijgen ze de eerste zoekopdrachten van ons, de mens. Tot zover onze neurale bemoeienis. Daarna gaan die neurale computernetwerken zelf aan de slag. Netflix weet nu welke soort programma’s en films we graag kijken. Een zoekmachine zoals Google of Duck Duck Go toont ons verwante resultaten als ‘Neurale netwerken zijn knap, maar zijn ze ook betrouwbaar’ en ‘Onkruidbeheersing met cloud connected embedded vision & neurale netwerken’ wanneer we simpel op ‘neurale netwerken’ zoeken. Heb je een andere achtergrond en interesse, dan krijg je andere resultaten.

Neurale netwerken kunnen ons zoekgedrag op internet dus volgen en daarop inspelen. Maar wat kunnen ze over pakweg tien jaar? Hoogleraar machine learning Max Welling van de Universiteit van Amsterdam spreekt de volgende verwachting uit: “Zelflerende computers gaan ons helpen bij het razendsnel zoeken en analyseren van jurisprudentie en medische literatuur. Straks kan ik aan een computer vragen: ‘Dit is mijn juridische zaak. Zoek daar de juiste jurisprudentie bij’. Een zelflerende computer kan in de toekomst, op basis van alle beschikbare medische literatuur, ook sneller dan een menselijke arts de diagnose van een zeldzame ziekte stellen.”

Daarnaast verwacht Welling steeds betere vraag-antwoordsystemen die bijvoorbeeld een gesprek met een consument kunnen aangaan wanneer een bepaald product het niet blijkt te doen. “Zulke systemen zullen vakkennis combineren met het begrijpen van de vragen die de consument ze stelt.”

Hoe leren die computers eigenlijk zelf? In grote lijnen zijn er vijf methoden:
Redeneren op basis van symbolen, zoals in de wiskunde en de logica

1. Nabootsen van het brein, dus het maken van verbindingen tussen neuronen
2. Nabootsen van de evolutie, dus leren en evolueren via natuurlijke selectie
3. Bayesiaans redeneren: volgens de Engelse wiskundige Thomas Bayes heeft alle kennis een bepaalde mate van onzekerheid, leren is een vorm van redeneren met onzekerheid. Wiskundig wordt uitgedrukt hoeveel sterker of zwakker nieuwe gegevens een redenering maken.
4. Redeneren op basis van analogieën. Het herkennen van overeenkomsten tussen verschillende situaties: als twee patiënten dezelfde symptomen hebben, hebben ze waarschijnlijk ook dezelfde ziekte.

Er zijn mensen die denken dat er een soort Master Algorithm bestaat dat alle vijf verschillende methodes in zich verenigt, een soort Theorie van Alles op het terrein van zelflerende computers. In tegenstelling tot de pogingen die Stephen Hawking deed, kan zo’n Master Algorithm uit de beschikbare informatie wel alles leren wat er maar te leren valt.