Cyber-physical systems veranderen in een hoog tempo onze dagelijkse wereld. Kunnen wij dat eigenlijk nog snappen?
Steeds meer krijgen wij als mens en samenleving in de 21ste eeuw te maken met technologische ontwikkelingen die wij leuk, prettig of nuttig vinden, maar in essentie vaak niet goed kunnen of willen begrijpen.
Niet begrijpen van technologie is niets nieuws, want al in 1927 schrijft de Duitse filosoof Martin Heidegger1 dat de opkomst van de radio zijn alledaagse wereld tegelijkertijd uitbreidt en ontregelt. Heidegger stelt tegelijkertijd dat de gevolgen van de opkomst van nieuwe technologie in de vorm van de radio voor zijn wereld op geen stukken na zijn te overzien. Ook voor mensen in de 21ste eeuw vormen nieuwe en in netwerken verbonden alledaagse apparaten, zoals auto’s, televisies, wasmachines, MRI-scanners, windturbines en zelfs lantarenpalen uitingsvormen van een nieuwe combinatie van hardware, algoritmes, software en data waarvan de gevolgen voor onze wereld nog nauwelijks zijn te overzien.
De nieuwe combinaties, ook wel cyber-physical systems genoemd, zijn in staat zichzelf in netwerken te verbinden, hierbinnen te communiceren en te interacteren met andere en soortgelijke combinaties. De data en informatie die deze systemen vanuit zichzelf voortbrengen en communiceren, veranderen in een ongekend hoog tempo onze dagelijkse wereld en tegelijkertijd het bestaande economisch systeem van binnenuit. De nieuwe combinaties van hardware en software zorgen voor een vorm van ‘creative destruction’ zoals het proces van innovatie door de econoom Joseph Schumpeter2 is genoemd. Cyber-physical systems vervangen langzaam maar zeker bestaande apparaten en zorgen daarmee tegelijkertijd voor een proces van ‘creative destruction’ van onze wereld en onze economie zonder dat wij dit proces goed kunnen overzien en/of begrijpen.
Internet of Things
Langzaam maar zeker is het gebruikelijk om instructies door middel van spraak te geven aan bijvoorbeeld de smartphone, de slimme televisie of de Tesla. Als vanzelfsprekend gebruiken en betalen wij voor content van bijvoorbeeld Netflix of HBO die geproduceerd wordt in de Verenigde Staten en getoond op onze in het netwerk verbonden smart-televisie. De content bekijken wij op een door ons gekozen plaats, tijd en device terwijl wij vinden dat wij geen televisie meer kijken. Wij praten met Siri, Google Home of Alexa en verzoeken het apparaat voor ons bestellingen te laten doen of activiteiten uit te laten voeren zoals het aan- en uitdoen van het licht. Wij vinden het niet meer vreemd dat wij op onze smartphone suggesties ontvangen over de door onze zonnepanelen opgewekte energie. De nieuwe mogelijkheden worden gecreëerd door de communicatie en interactie tussen apparaten mogelijk gemaakt door specifiek voor deze apparaten beschikbare algoritmes, software en data. Het National Institute of Standards and Technology USA (NIST) stelt dan ook in maart 2019: “The phrases “cyber-physical systems” or “CPS” and “Internet of Things” or “IoT” have distinct origins but overlapping definitions, with both referring to trends in integrating digital capabilities, including network connectivity and computational capability, with physical devices and systems”3.
Op basis van de toenemende verbindingen, communicatie en interactie tussen nieuwe combinaties verandert onze alledaagse wereld als vanzelfsprekend in een steeds meer onderling verbonden en complex data- en informatiegeheel. Het kunnen begrijpen van het functioneren van een individueel en losstaand apparaat, zoals een radio, was honderd jaar geleden voor de mens al een ingewikkeld proces. In het hier en nu is leren begrijpen van het functioneren van onderling verbonden individuele cyber-physical systems voor ons als mens bijna onmogelijk geworden. Wij moeten in onze analyse van het individuele apparaat niet langer meer het individuele apparaat, maar zijn verbindingen met andere apparaten centraal stellen die zijn nieuwe functies mogelijk maken. Bestaande denkwijzen, methoden, vormen van organiseren, regelen of besturen lijken niet langer opgewassen tegen de snelle toename en het gebruik van het aantal onderling verbonden cyber-physical systems en hun toenemende autonomie en intelligentie.
Blockchain technology
Langzaam maar zeker komen we in een fase dat er nieuwe mogelijkheden ontstaan voor samenwerking en besluitvorming door deze onderling verbonden cyber-physical systems. In oktober 2018 wordt in een onderzoeksrapport4, gewijd aan blockchaintechnologie, door NIST gesteld dat: “The core ideas behind blockchain technology emerged in the late 1980s and early 1990s. In 1989, Leslie Lamport developed the Paxos protocol, and in 1990 submitted the paper The Part-Time Parliament to ACM Transactions on Computer Systems. The paper describes a consensus model for reaching agreement on a result in a network of computers where the computers or network itself may be unreliable”. In een eerdere weblog (februari 2018) heb ik verwezen naar een samenwerkingsproject van Samsung en IBM op dit vlak. Dit pilotproject, genaamd Autonomous Decentralized Peer-to-Peer Telemetry (ADEPT), was geconcentreerd op mogelijkheden van samenwerking tussen een specifiek cyber-physical system i.c. een wasmachine en meerdere andere apparaten in een specifieke en ‘permissioned’ omgeving. Over dit project stelde ik5 in 2018: “The ADEPT project has led to a pilot of a blockchain of devices, where devices work together autonomously and make decisions about tasks or orders, etcetera. The approach of linking these devices using blockchain technology also further increases these devices’ level of autonomy”. Delen van de in het project gebruikte algoritmes en software vormden later de basis voor de ontwikkeling door IBM van Hyperledger blockchaintechnologie.
Met de door Samsung en IBM uitgevoerde pilot wordt aangetoond dat de mogelijkheden van blockchaintechnologie ook kunnen worden gebruikt voor betrouwbare communicatie, consensus en besluitvorming en autonoom uitgevoerde informatietransacties door en tussen autonome cyber-physical systems. Het Industrial Internet of Things Consortium6 stelt over dit laatste: “Entities need to share information; they also need to keep it private. Distributed ledger technologies, such as blockchain, can be used as authentication providers. This means that more data can be shared because the provider has more confidence that the shared data will be restricted to the preselected groups. This could be used to provide attestation of edge elements and software, and track the provenance and completeness of the critical edge-hosted data (2019:7). Ook in Europa worden mogelijkheden onderzocht van een betrouwbare informatie-uitwisseling tussen apparaten. Het Europese Blockchain Laboratory7 stelt in 2019 vast dat: “Blockchain could be connected to new production trends or the ‘fourth industrial revolution’, which include other emerging technologies, from IoT to artificial intelligence and robotics, and new materials or additive manufacturing” (2019:29). Of we het willen of niet, complexiteit neemt als vanzelfsprekend toe wanneer steeds meer onderling verbonden cyber-physical systems met een onberekenbaar aantal verbindingen autonoom en gezamenlijk op basis van algoritmes, software en data besluiten voor ons als mens kunnen nemen en uitvoeren.
Artificial Intelligence
In 1950 stelt Alan Turing8 zichzelf de vraag ‘Can Machines Think’. Enkele Amerikaanse wetenschappers schrijven in 1955 een voorstel voor een onderzoek9 om deze vraag naar ‘Artificial Intelligence’, zoals zij het noemen, in twee maanden te beantwoorden. In dit voorstel stellen zij: “that every aspect of learning or any other of feature of intelligence can in principle be so precisely described that a machine can be made to simulate it” (1955:1). In de 65 jaar daarna heeft de ontwikkeling van artificial Intelligence vele hoogte- en dieptepunten gekend. In essentie gaat het nog steeds over de vraag hoe machines in de vorm van combinaties van hardware (computers), algoritmes en programma’s (software) kunnen leren van aan deze combinatie beschikbaar gestelde data. Niet de fundamenten van het leren staan daarbij nog ter discussie. Actueel staat de vraag centraal of de eigenaar van een nieuwe combinatie (bijvoorbeeld Google, IBM, Amazon, Facebook, Apple) in staat is om de rekenkracht van de technologie (bijvoorbeeld Tensor Processing Units) te vergroten en de daarop gebaseerde capaciteiten steeds opnieuw te combineren met nieuwe en verbeterde algoritmes en software en zo nog beter te ‘leren’ van analyses voortkomend uit nog grotere hoeveelheden data. De discussie neemt wereldwijd steeds sneller toe of deze vorm van algoritmisch leren kan leiden tot een evenaring van het leren door mensen. In 2019 stelt Russel10 hierover dat: “The problem is right there in the basic definition of AI. We say that machines are intelligent to the extent that their actions can be expected to achieve their objectives, but we have no reliable way to make sure that their objectives are the same as our objectives” (2019:11).
Leren door machines in welke vorm dan ook is een andere dimensie van leren dan dat wij ons als mens bij leren voorstellen. Leren door machines die verbonden zijn in netwerken en in deze netwerken besluiten nemen en kunnen leren van de waarde die verbonden is aan deze besluiten, kunnen daarmee leren om ‘betere’ besluiten te nemen.
Daarmee is een stap naar machine learning door onderling verbonden cyber-physical systems minder groot dan vaak wordt gedacht. In bijvoorbeeld het PAXOS-algoritme is opgenomen dat nodes in een netwerk moeten leren van de waarde die voortvloeit uit een proces van gezamenlijke besluitvorming tussen de nodes. In een complexer wordende wereld van onderling verbonden cyber-physical systems kunnen deze systemen op basis van algoritmes, software en data niet alleen autonoom en zelfstandig besluiten nemen, maar tegelijkertijd door te leren van de gebruikte waarde het toegepaste proces van besluitvorming ook zelfstandig aanpassen en verbeteren. De nieuwe combinaties zullen met deze mogelijkheden ons leven en werk in de komende jaren ingrijpend gaan veranderen en zo voor ons als mens verregaande gevolgen hebben.
Conclusie
Met de laatste constatering zijn wij weer terug bij het begin. Het huidige proces van innovatie creëert nieuwe technologische combinaties, maakt onze wereld steeds complexer en voor velen moeilijker te begrijpen. Traditionele opvattingen en kennis, of ons afwenden van de wijze waarop de nieuwe technologie mogelijkheden creëert die ogenschijnlijk leuk, prettig of nuttig zijn, kan niet zonder nieuwe kennis die ons helpt deze ontwikkeling te begrijpen. We moeten, zoals Heidegger11 stelt, als mens opnieuw ‘leren denken’ over de vraag waar de essentie ligt van de nieuwe technologie. Dit denken stelt ons in staat nieuwe wegen te vinden in het begrijpen van technologie en de daaruit voortvloeiende mogelijkheden en consequenties voor mens en samenleving. Bovenal kan dit ‘leren denken’ ons helpen te begrijpen wat deze technologie voor ons zijn van mens betekent.
1 Heidegger M. (1927) Being and Time. Dutch Edition 1986) Zijn en Tijd. Nijmegen, Uitgeverij SUN (1998). ISBN 9063037945
2 Schumpeter J.A. (1943/2003) Capitalism, Socialism & Democracy. New York, Routledge. ISBN 0203202058
3 Greer Chr. Burns M. Wollman D. and Griffor E. (2019) Cyber-Physical Systems and Internet of Things NIST Special Publication 1900-202. https://doi.org/10.6028/NIST.SP.1900-202
4 Yaga D. Mell P. Roby N. and Scarfone K. (2018) Blockchain Technology Overview. NIST 2019, NISTIR 8202
Blockchain Technology Overview – https://doi.org/10.6028/NIST.IR.8202
5 Lier van B. (2018) Weblog – Blockchain between edge and fog computing. February, 2018
6 Industrial Internet Consortium (2019) The Edge Computing Advantage. An Industrial Internet Consortium Whitepaper Version 1.0. 2019-10-24
7 European Commission. Joint Research Centre. (2019) Blockchain Now and Tomorrow. Assessing Multidimensional impacts of Distributed Ledger Technologies. ISBN 9789276089773
8 Turing A.M. (1950) Computing Machinery and Intelligence. Mind 49: 433-460
9 McCarthy J. Minsky M.L. Rochester N. Shannon C.E. (1955) A proposal for the Dartmouth Summer Research Project on Artificial Intelligence.
10 Russel S. (2019) Human Compatible. Artificial Intelluigence and Problem of Control. New York, VIKING. ISBN 9780525558613
11 Heidegger M. (1954/2004) What is called Thinking. New York Harper Perrenial. ISBN 006090528
Technologie/ Techniek komt van het Griekse Technè. Terwijl Physis betrekking had op het natuurlijke (het tevoorschijn halen) had Technè betrekking op het maken (het naar je hand zetten).
Heidegger gaat daar in zijn “Vraag naar techniek” op in. Hij geeft aan, dat Technè niet alleen betrekking heeft op het vervaardigen, maar ook op het tevoorschijn brengen, bijvoorbeeld in de zin van kennis geeft inzicht en inzicht is nodig om iets te vervaardigen.
Heidegger wijst op het gevaar, dat wat niet in een bestand is opgenomen straks niet meer bestaat; dus niet wat werkelijk is, is bepalend, maar of het is geregistreerd.” Dus onafhankelijk van het maken van een verkeersovertreding heb je die gemaakt als die is geregistreerd! Of: je bestaat niet als je niet bent opgenomen in het bestand.
Ook wordt steeds meer invulling gegeven aan een ander inzicht van Heidegger: Het is de taal die spreekt en niet de mens. Het zijn de algoritmen die straks voor de mens spreken (beslissen) en niet de mens zelf.
Hannah Ahrendt zag technologie niet langer meer als een product van bewust menselijk streven naar het faciliteren van technologie ten behoeve van de menselijke arbeid, maar veeleer een biologische evolutie van de mensheid, waarin de natuurlijke krachten van het menselijk organisme steeds meer wordt overgeheveld naar het menselijke milieu.
Met de stelling van Marshall McLuhan “The medium is the message” bedoelde hij dat het communicatiemiddel een beslissende stempel drukt op de betekenis van de boodschap. Meer algemeen zou je kunnen zeggen: De mens maakt zijn werktuigen en daarna maken de werktuigen de mens. Je kiest de fitnessfunctie van je algoritme en de algoritmen vormen vervolgens je bedrijf, je bedrijfsmodel, je klanten en uiteindelijk de hele samenleving.
Zelf geef je aan dat de mens opnieuw moet leren denken, maar zelf geloof ik meer in een integratie tussen het menselijk denken en lerende algoritme. Dus meer een soort symbiose zoals Hannah Arendt min of meer verwoordt met het overhevelen van het menselijk denken naar zijn omgeving.