Ga verder na de inhoud
Slimme robots voor het handenwerk
Diepte-interview

Slimme robots voor het handenwerk

Van KU Leuven naar Californië: AI-expert Pieter Abbeel

14 minuten
28 mei 2020

De wereld is bijna klaar voor het moment waarop artificiële intelligentie grote stukken van onze industrie zal overnemen. Maar zal AI er zelf klaar voor zijn? Volgens KU Leuven-alumnus Pieter Abbeel alvast wel: de revolutie van de slimme robots komt eraan. “En dat zal onze maatschappij nog veerkrachtiger maken.”

Ik sta in de keuken de afwas te doen wanneer ik omlaag kijk en zie hoe de kleine zwarte robot tegen mijn voet aanbotst. De robot deinst terug, draait een kwartslag en rolt weer naarstig verder, terwijl hij dapper alle stof opzuigt. Tot voor kort was ik best tevreden over mijn kleine robotstofzuiger. Ik zag hoe hij feilloos zijn werk deed op elke vierkante centimeter van mijn vloer: een 21ste-eeuws droombeeld dat in een vervulling ging. Maar ondertussen heb ik gesproken met Pieter Abbeel, Wunderkind in artificiële intelligentie (AI) en professor elektrotechniek en computerwetenschappen aan de University of California - Berkeley. Ik wás tevreden, nu voel ik eerder vage teleurstelling, en één vraag blijft knagen: Waarom kan mijn stofzuiger de afwas niet doen?

En er was zoveel afwas tijdens de coronacrisis. Ik weet het wel, ik kan ook gewoon een vaatwasmachine aanschaffen. Maar als de computer die in zo’n robot zit, zowat elke rekentaak aankan, waarom zitten onze robots zelf dan vastgeklonken aan die ene taak, als de eerste de beste simpele machine? Anders gezegd: als ik mijn stofzuiger armen zou geven, kan hij dan ook niet de afwas leren doen? Of waarom niet meteen iets wat nog beter van pas komt bij een volgende crisis, zoals de zieken verzorgen?

Dat is waar Pieter Abbeel ten tonele verschijnt. Abbeel is professor, directeur van het Robot Learning Lab in Berkeley, Californië, en serieel ondernemer. Hij heeft een ronduit indrukwekkend parcours afgelegd in de academische en in de bedrijfswereld als het aankomt op robots in de echte wereld introduceren. Als iémand robots kan aanleren om zich aan te passen aan nieuwe situaties, is hij het. Misschien wel omdat hij dat zelf zo vaak heeft moeten doen, aan KU Leuven, in Berkeley, en nu in zijn nieuwste rol als de onverwachte stem van een revolutie in artificiële intelligentie.

20200130 Pieter Abbeel AVL 0554 web

Grondregels

Op school, in het Sint-Michielscollege van Brasschaat, was Pieter Abbeel niet de typische computernerd. Hij hield van basketbal, en wiskunde en wetenschappen vond hij wel leuk, maar dat gold zowat voor elk ander vak. “Ik vond letterlijk alles interessant”, zegt Abbeel. “Geschiedenis, aardrijkskunde, natuurkunde, wiskunde, talen, literatuur … Ik vond het allemaal fascinerend. Maar langzaamaan focuste ik me toch meer op wiskunde en wetenschappen, omdat ik fundamenteel wilde begrijpen hoe de wereld rondom ons werkt en hoe je, met die kennis, nieuwe dingen kunt bouwen. Hoe bouw je bijvoorbeeld een brug, wat zijn de grondregels?”

Toen Abbeel startte aan de KU Leuven, moest hij kiezen tussen een studie ingenieurswetenschappen of zuivere wiskunde en natuurkunde. Hij hakte de knoop door vanuit een inzicht dat hij de rest van zijn leven zou huldigen: “Uiteindelijk krijg je bij ingenieurswetenschappen ook heel wat wiskunde en wetenschappen, en tegelijk ligt de nadruk er meer op hoe je er nuttig gebruik van kunt maken… Dat maakte het voor mij net dat tikkeltje spannender.”

Spannend of niet, de ingenieursopleiding aan de KU Leuven bleek geen lachertje. “Het was stevig. We kregen enorm veel leerstof te verwerken, en we hadden toe nog maar één keer per jaar examens, in juni. Ik moest dus echt mijn tijd verstandig leren indelen over heel het jaar.” Want naast zijn studie speelde Abbeel ook nog altijd basketbal, bij het team van de KU Leuven én bij zijn club thuis. Het is waarschijnlijk geen toeval dat hij point-guard was: de spelverdeler, degene die het hele terrein overschouwt en bepaalt hoe je je team het best tot scoren brengt. Al ziet hij zelf een andere verklaring: “Ik ben maar een meter tweeëntachtig. Als je de kleinste van het team bent, krijg je automatisch die positie (lacht).”

Na de eerste twee jaar koos Abbeel ervoor om te specialiseren in elektronica, en niet in computerwetenschappen. “Ik twijfelde heel sterk tussen die twee, maar uiteindelijk dacht ik: ‘Ok, dat is de basis, zonder elektronica kun je geen computers bouwen, en ik wil ze niet alleen gebruiken, maar ook echt begrijpen hoe ze in elkaar steken.”

In 2000, na vijf jaar, zat zijn studie in Leuven erop, maar het was nog niet duidelijk wat nu de volgende stap moest worden. “Wat me toen echt begon te fascineren, was artificiële intelligentie: het idee dat je een netwerk kon bouwen dat zelf kon denken… Dat ik een stuk code kon schrijven dat beter kon dammen of schaken dan ikzelf, dat me kon verslaan, ook al had ik het zelf geschreven. Dat was wat me in het begin zo intrigeerde, iets kunnen bouwen dat het beter deed dan jijzelf: fascinerend…”

Dat was wat me in het begin zo intrigeerde, iets kunnen bouwen dat het beter deed dan jijzelf: fascinerend

“Ik sprak erover met professor Bart De Moor. Hij deed onderzoek rond systeemtheorie en had zelf aan Stanford gezeten als postdoc. Ik begreep van hem dat je, als je iets wilde bijleren over AI, aan Stanford meer kon leren dan waar ook ter wereld. Ik dacht: spannend, naar een plaats gaan waar je meer kunt leren dan waar ook, en een jaar in de Verenigde Staten sprak me ook wel aan. Ik was nog nooit in de VS geweest, laat staan in Californië.”

Abbeel besprak het met een aantal van zijn proffen, onder meer met Bart De Moor en Luc van Gool. Zij waarschuwden hem: als hij eenmaal daar was, zou hij er willen blijven. “Ik antwoordde: ‘Ik denk het niet, ik wil gewoon bijleren. Volgend jaar ben ik terug. Ik kijk er al naar uit om in Leuven te doctoreren nadat ik een jaar nieuwe dingen heb geleerd.’ Zij zeiden: ‘Jaja, daar rekenen we niet echt op.’”

Naar het westen

Naar Californië verhuizen was in 2000 een totaal andere onderneming dan vandaag. De dotcom-boom was nog in volle gang: het voelde als een nieuwe wereld, waar overal langs de wegen grote bedrijven oprezen en de technologiesector in volle opmars was. Abbeel ontdekte al snel dat zijn professoren in Leuven wisten waar ze het over hadden. “Na zowat een maand begon ik stilaan de omvang te vatten van wat er in Stanford allemaal gebeurde rond artificiële intelligentie. Het leek ook alsof werkelijk iedereen aan Stanford een manier gevonden had om fulltime met zijn passie bezig te zijn.”

Gelukkig bleek zijn opleiding in Leuven “bijzonder stevig”, in de woorden van Abbeel. “Toen ik in Stanford arriveerde, besefte ik hoeveel ik geleerd had, en dat stelde me gerust. Mijn proffen in Leuven hadden er wel vertrouwen in. Ze hadden me gezegd: ‘Maak je geen zorgen. Ja, het is het beste van het beste, maar je bent goed voorbereid.’ En dat werd gelukkig bevestigd toen ik hier aankwam: mijn opleiding in Leuven had me inderdaad fantastisch voorbereid op wat ik in Stanford kwam leren.”

Abbeel bleef wel degelijk plakken in Stanford. Hij startte er zijn doctoraatsonderzoek onder supervisie van professor Andrew Ng. En vooral: hij leerde er niet alleen over de nieuwste ontwikkelingen op het vlak van AI, hij leerde ook hoe hij die kennis moest overbrengen aan een breder publiek. “Twee jaar ver in mijn doctoraat vroeg ik professor Ng wat ik nog moest leren. Ik had al enorm veel lessen gevolgd, en ik had het gevoel dat ik het allemaal wel wist. Hij zei: ‘Je hebt de basis onder knie, maar wat je nu nog zal beperken is als je er niet even goed over leert communiceren. Dat betekent: leren schrijven, leren presenteren. Schrijf je dus in voor de lessen schrijven, en voor de lessen spreken voor publiek. Geen wiskunde, geen techniek, maar communicatie.’ Dat was echt goede raad, dat heeft me enorm geholpen.” Na enkele lessen, en na ongeveer elk boek te hebben verslonden dat er te vinden was in de boekhandel van Stanford, “klikte alles plots in elkaar: ik kon dit nu zelf, ik snapte plots waar de opmerkingen op mijn papers vandaan kwamen … Ik snapte de principes nu. Op dat moment werd mijn job waarschijnlijk meer communicatie dan wiskunde en wetenschap (lacht).”

Abbeel gebruikte zijn nieuwe communicatieve vaardigheden om zijn werk als docent te verbeteren, maar ze openden ook onverwachte paden: hij groeide uit tot een soort online ambassadeur voor de robotica- en AI-industrie, en hij figureerde zelfs in een reclamefilmpje voor Verizon Wireless, dat in heel Amerika vertoond werd.

Nadat Abbeel zijn studies aan Stanford had afgerond, stak hij de Baai van San Francisco over, en startte hij aan de Universiteit van California – Berkeley. Naast zijn lesopdracht daar werd hij er ook directeur van het Cal Robot Learning Lab, een job waarmee hij wel zijn hele leven zoet zou zijn – dácht hij. “Toen ik aan Berkeley begon, zag het ernaar uit dat ik een carrière uit zou bouwen in robotmanipulatie: hoe bouw je de intelligentie, de AI-software die het robots mogelijk maakt een voorwerp te manipuleren zoals wij mensen dat doen? In 2008 klonk dat nog als iets wat mijn hele onderzoeksagenda zou vullen, want we stonden nog niet ver – niemand stond al ver.”

20200130 Pieter Abbeel AVL 0280 web

Abbeel is één van de wereldautoriteiten op het vlak van reinforcement learning, en dit was zijn kans om zijn werk verder te ontwikkelen. “Reinforcement learning is de wetenschap die kijkt hoe je machines laat leren door ze zelf te laten experimenteren in hun omgeving, waarbij ze stapsgewijs, door trial-and-error, hun taken beter gaan uitvoeren. Je beloont ze als ze vorderingen maken, en na verloop van tijd puzzelen ze zelf uit wat ze moeten doen om steeds grotere beloningen te krijgen.”

Deze manier van denken over aansturen en belonen ligt niet zo héél ver af van zijn leven als universitair docent. “De wetenschap van het lesgeven is bijzonder fascinerend en vertoont veel verwantschap met machinaal leren: hoe zorg je ervoor dat een persoon of een intelligente robot nieuwe vaardigheden aanleert of nieuwe kennis verwerft, en wat is de beste manier om dat te doen? Bij mensen speelt motivatie een veel grotere rol dan bij intelligente robots. Robots kun je gewoon dwingen om eindeloos te oefenen, mensen niet: als het ze niet echt interesseert wat je hen vertelt, dan kunnen ze gewoon iets anders gaan doen. Zelfs al vertel je het belangrijkste dat ze moeten weten: als jij er niet in slaagt hun interesse te wekken, dan gaan ze niet opletten.”

In het Robot Learning Lab slaagde Abbeel erin een bijzonder gefocust en doeltreffend team rond zich te verzamelen. “Ze hebben expertise van wereldniveau vergaard in dat ene domein, en ze zijn die expertise steeds blijven uitbouwen, ze kenden doorbraak na doorbraak – en plots kwam het punt in zicht waarop je kon beginnen nadenken over de impact ervan in de echte wereld.”

“Rond 2013-2014 maakten we zoveel vooruitgang dat we plotseling resultaten kregen die een paar jaar daarvoor onmogelijk hadden geleken. En toen begon ik te denken: ‘Ok, dat idee van intelligentere robots is stilaan klaar om het lab te verlaten, om werkelijkheid te worden. Nu moeten we eens gaan bekijken wanneer en waar we dat gaan doen.”

Automatisch handenwerk

Een doorbraak in het lab vertalen naar een commercieel levensvatbaar product doe je niet van de ene dag op de andere. En Abbeel had een carrière in academia, niet in de zakenwereld. Gelukkig zat hij al in de buurt van Silicon Valley, en was er dus ruim voldoende zakelijke expertise voorhanden. “Van 2015 tot 2017 werkte ik twee jaar lang bij OpenAI in San Francisco, een project waarvan Elon Musk één van de eerste investeerders was. Dat was meer zuivere research: we waren niet echt bezig met toepassingen voor de buitenwereld, we wilden vooral vooruitgang maken. In september 2017 besloten we: dit is het moment. We hebben nu zoveel tijd gestoken in die robots en we kunnen ze ondertussen dingen laten doen die tot voor kort onmogelijk leken. Laten we nu maar eens kijken hoe we hiermee een impact kunnen hebben in het echte leven.”

Maar een idee hebben is één ding, een bedrijf opstarten is nog wat anders. “Als je een bedrijf wil opstarten, zijn dit volgens mij de twee cruciale vragen: één, is de markt waarin je een rol zou kunnen spelen, voldoende groot, en twee, heb je een team dat daartoe in staat is, dat uit experts van wereldniveau bestaat?” Abbeel begon samen met zijn laatstejaarsstudenten software te ontwikkelen waarmee je opdrachten voor de STEM-vakken kon quoteren. Dat bedrijf, Gradescope, kende onlangs nog een succesvolle fondsenwervingscampagne. Maar Abbeels doelen om AI in de bedrijfswereld te integreren lagen hoger.

Samen met drie andere researchers richtte Abbeel in 2017 Covariant op, dat vervolgens twee jaar in alle stilte op zoek ging naar een industrietak die rijp was voor hun AI. “We kunnen de meest geavanceerde AI-robots bouwen, maar waar gaan ze nu écht hun nut hebben? Je kunt niet gewoon zeggen: ‘Luister, alles wat een mens doet, dat kan een robot ook.’ Nee, je moet daar veel zorgvuldiger over nadenken. Welke zaken kunnen AI-systemen de komende jaren echt gaan overnemen, waar zullen ze de grootste impact hebben? We hebben de ronde gedaan langs tweehonderd bedrijven in tal van industrietakken, en toen leek het ons zonneklaar: de sector waar de vraag gigantisch was, was de logistiek. Die hele sector, waarbij goederen in magazijnen liggen opgeslagen, waar goederen moeten worden uitgepikt en verscheept naar elders: daar lagen voor ons de kansen, want daar is de groei exponentieel.”

Maar zelfs in een magazijn zullen de robots van Covariant niet ál het werk gaan doen. Abbeels team vond juist dat ene punt waarop zij, met hun tientallen jaren aan expertise, het verschil konden maken. “Automatisering bestond al volop voor wat je met je benen doet: lopende banden, robots die rondrijden of op rails. Maar het ontbrak nog voor wat mensen met hun handen doen. Hoe automatiseer je dat? Trouwens, door de coronacrisis weten we ondertussen allemaal hoe belangrijk het is om als maatschappij veerkrachtig en sterk te zijn. Net nu groeit de vraag naar automatisering, want ook al zijn mensen ziek, we hebben nog altijd levensmiddelen nodig, en medicijnen, en al de rest. En dus zullen we nog meer automatisering nodig hebben om nog veerkrachtiger te worden.”

Welke zaken kunnen AI-systemen de komende jaren echt gaan overnemen, waar zullen ze de grootste impact hebben?

De toekomst van AI

Een nieuwe golf van volgzame robots zal weldra de arbeidsmarkt overspoelen, en we zullen onze economische en sociale levens moeten aanpassen aan die nieuwe realiteit. Maar zoals de coronacrisis nog maar eens heeft aangetoond, zijn wij een erg flexibele soort. En een toekomst met slimmere robots kan trouwens een enorm voordeel betekenen voor de mensheid. “Robots krijgen niet het soort virussen dat mensen krijgen”, zegt Abbeel. “Dus als een robot iets kan oppakken en verplaatsen en inpakken, dan weet je dat de wereld blijft draaien. Een ander voordeel is een meer flexibele productie. Kunnen we productielijnen bouwen waarbij je, als je plots veel mondmaskers of ander beschermingsmateriaal nodig hebt, gewoon kunt zeggen: ‘Ok, laten we de boel omgooien, nu gaan we iets anders maken’? Vandaag is dat niet eenvoudig: als dingen geautomatiseerd zijn, dan zijn ze vandaag juist heel star: ze kunnen één en hetzelfde ding doen, opnieuw en opnieuw. Hoe kunnen we die robots slimmer maken, zodat ze flexibel genoeg zijn om de ene dag één ding te maken, en de andere dag iets anders? Dat is dus nog een grote open vraag, maar we werken volop aan een antwoord.”

De AI van Covariant is trouwens nu al te bewonderen: op YouTube kun je een robot van Covariant een uur lang, zonder ophouden, pakjes zien sorteren in een magazijn in Berlijn. Maar op een grootschalige uitrol blijft het nog enkele jaren wachten. “Het grote verschil tussen academisch werk en werk voor de industrie is het niveau van betrouwbaarheid en van autonomie waaraan je moet voldoen. Dat kun je goed zien bij zelfrijdende auto’s: waarom hebben we die nog altijd niet? Niet omdat we geen demo kunnen maken waarbij ze een blokje om rijden – dat kunnen we al twintig jaar. Het is omdat we een bepaald niveau van betrouwbaarheid moeten halen. En dat is net het bijzondere aan datgene waar we bij Covariant aan werken: het niveau van autonomie en van betrouwbaarheid dat onze robots halen bij al die nieuwe uitdagingen waarmee ze geconfronteerd worden in het magazijn.”

Na mijn gesprek met Abbeel denk ik dat ik beter begrijp waarom mijn huishoudrobot vandaag de afwas nog niet doet. De leercurve is steil, en hoewel we met AI en machinaal leren al heel ver komen in het magazijn, zal een betrouwbare robot voor in huis toch echt minder borden moeten breken dan ikzelf. En dat is vandaag nog geen realistisch doel. Maar weldra, op een dag, is het zover.

En op die dag, waarop mijn robot eindelijk klaar is om de afwas te doen, zal ik ook klaar zijn om hem dat te laten doen.