De butler

Slimme softwarepakketjes “agents” genaamd snellen u op het Internet te hulp. Nu al overtreffen ze de stoutste verwachtingen van elke onderzoeker in artificiële intelligentie.

Technologie is er om het leven gemakkelijker te maken, of niet soms ? Wel, intelligente stukjes software in het jargon agents of softbots genaamd die menselijke taken kunnen uitvoeren zonder daarbij de fysieke hulp van een mens nodig te hebben, kunnen als de belichaming van dergelijke technologie worden bestempeld. Want straks zullen die pc-kabouters voor u goedkope vliegtuigtickets opsnorren, de agenda bijhouden en zelfs tips verstrekken over de lectuur die u ‘s avonds op het nachtkastje hoort te leggen.

Vandaag leven die agents al op het Internet, waar ze dienst doen als gidsen. Algemeen genomen gaan zij daarbij op twee manieren te werk. Ofwel bepalen precieze regels tot in de kleinste puntjes wat de agent hoort te doen. Die regels kunnen, indien nodig, worden aangepast aan veranderende omstandigheden. Ofwel wordt gebruik gemaakt van een intrigerende techniek, collaborative filtering genaamd, waarbij de agent zelf zijn regels aanmaakt en verfijnt naarmate hij verder evolueert.

Zo kan de softwareagent leren dat een manager elk e-mail-bericht waarin het woordje vergadering voorkomt, doorstuurt naar zijn naaste medewerkers. En als de manager dit wil, dan kan de softwareagent die mailing voortaan zelf uitvoeren. Hierdoor begint de softbot, dankzij z’n prille artificiële intelligentie, stilaan maar zeker een eigen artificieel leven te leiden.

KOOPJES.

Eén van de beter gekende agenten op basis van vaste gedragsregels is BargainFinder zeg maar koopjesjager. Deze experimentele agent werd ontworpen door Bruce Krulwich, een onderzoeker bij het Andersen Consulting’s Centre for Strategic Technology Research in Northbrook (Illinois). De agent die Dr. Krulwich ontwierp, wordt op het computerscherm afgebeeld als een geel hoofd met knolvormige ogen en een mijnhelm en helpt de Internet-gebruiker bij het vinden van goedkope cd’s. Het enige wat de websurfer hoeft te doen, is de naam van de cd in te tikken. On line gaat BargainFinder dan op zoek naar de platenzaak waar deze cd het goedkoopst te vinden is.

BargainFinder is niet zo gesofisticeerd of intelligent als de gebruikers ervan wel zouden willen. De agent geeft uitstekende resultaten voor consumptieartikelen zoals cd’s, waarbij de prijs doorslaggevend is om naar een bepaalde winkel te gaan. Dr. Krulwich geeft toe dat zo’n agent wel minder doeltreffend wordt wanneer ook rekening moet worden gehouden met subjectievere criteria, zoals kwaliteit en service.

En BargainFinder is onhandig. Hij kan niet op eigen houtje op zoek gaan naar de winkels, maar moet eerst worden verteld waar die te vinden zijn. Om er een nieuwe winkel aan toe te voegen, moet de programmeur opnieuw aan de slag. Ja, een agent die er niet in slaagt de wijzigingen op de markt op de voet te volgen, dreigt snel zijn cyberjob te verliezen.

ShopBot scoort beter. Deze agent werd geschreven door onderzoekers aan de University of Washington in Seattle en is een thuiswinkelagent die een stapje verder gaat. Door op de zoektocht technieken toe te passen zoals patroonovereenkomst en inductie leert ShopBot zichzelf hoe in de verschillende virtuele vitrines te winkelen. Zelfs indien een shop zijn uitstalraam verandert, zal ShopBot niet van zijn stuk worden gebracht. En ShopBot beperkt zijn koopjesjachtterrein niet tot de platenboeren alleen. Geef ShopBot genoeg informatie over om het even welk product of vertel hem één en ander over de verwachtingen waaraan het product moet voldoen en hij surft gezwind het Internet af op zoek naar precies dat wat je zoekt.

MEESTERS.

Een collaboratief filterende agent pint zich niet zozeer op die vooraf bepaalde gedragsregels vast. Hij baseert zich op wat hij zelf heeft geleerd over de gebruikers, zijn “meesters”. Deze techniek werd uitgedokterd aan het Massachusetts Institute of Technology ( MIT). Een mooi voorbeeld van zo’n agent is de succesvolle firefly, een programma dat muziek en films aanbeveelt.

Firefly vraagt de gebruiker eerst enkele namen van geliefkoosde artiesten op te geven en vergelijkt deze waarderingen vervolgens met de waarderingen die andere gebruikers hebben gegeven. Zo kan deze agent een profiel vastleggen van de smaak en voorkeur van zijn meester en namen van artiesten opgeven die in de smaak zijn gevallen van gebruikers met een gelijkaardige voorkeur. Dit systeem groeit in efficiëntie naarmate er meer mensen gebruik van maken. Hoe meer mensen hun voorkeuren invoeren, hoe exacter de resultaten van de agent.

Firefly is een product van Agents Inc, een jong en veelbelovend bedrijfje dat werd opgericht door de Belgische onderzoekster Pattie Maes en haar collega’s bij MIT (zie Trends, 11 januari ’96). Deze agent telt nu al 175.000 Internet-cliënten, aan wie meer dan 300.000 cd’s kunnen worden aanbevolen. In vergelijking met op regels gebaseerde agenten, zelfs indien die uit ervaring leren, is Firefly efficiënter en nauwkeuriger in het verwerken van subjectieve gegevens, zoals persoonlijke muzikale voorkeuren.

De techniek klinkt ongelooflijk, maar is toch klein bier in vergelijking met wat elke goeroe ervan had gehoopt toen hij die agenten nog maar op de tekentafel in zijn brein zag rondhuppelen. Een agent moest eigenlijk meer worden dan een koopjesjager of een muziekcriticus. Het moest de perfecte dienaar worden, de digitale butler van de 21ste eeuw, een persoonlijke assistent die de videorecorder van zijn meester programmeert en intussen zijn bad op de juiste temperatuur laat vollopen… zonder achteraf door het sleutelgat te komen gluren.

De pioniers van de intelligente agenten, zoals Alan Kay bij Apple Computer en Nicholas Negroponte bij MIT, begonnen over hun agenten te schrijven in de jaren ’70 (dus lang voor ze operationeel en verkrijgbaar waren) en koesterden dezelfde ambitie als die van hun geestesgenoten in de artificiële intelligentie ( AI). Zij beweerden dat die agenten in staat zouden zijn beslissingen te nemen die blindelings mochten worden opgevolgd. Zij zouden ook in staat zijn samen te werken met andere agenten en van elkaar dingen te leren. En zij zouden hun gedrag kunnen veranderen en aanpassen aan wijzigende omstandigheden.

Jongere agentontwerpers zoals Pattie Maes gingen al gauw wat water in deze fantastische toekomstwijn gieten. Zij stelden meer realistische doelstellingen voorop. En hun resultaat werkte, en was bovendien ook nuttig. Het geld begon plotseling binnen te stromen. Vreemd genoeg spraken wetenschappelijke onderzoekers uit aanverwante terreinen ook hun zegen uit over de nieuwe agenten. En in het bijzonder de AI-onderzoekers begonnen op dezelfde boot te springen.

Tot op vandaag kunnen die agenten nog niet de hoogstandjes aan waarvan Dr. Kay en Dr. Negroponte droomden. Maar door de ene uitvinding aan de andere te koppelen zal dit wellicht wie weet ? niet zo lang meer duren.

The Economist

PATTIE MAES EN COLLEGA NICK GROUF (AGENTS INC.) Op naar de digitale butler van de 21ste eeuw.