Kunstmatig of kunstzinnig? Een overzicht van vroege AI-artikelen in Elektor

Het is makkelijk te vergeten dat de basis van de huidige hype der hypes, kunstmatige intelligentie, teruggaat tot vroege embedded computers, neurale netwerken en zelfs fuzzy logic. Lang voordat ChatGPT en deep learning de krantenkoppen domineerden, waren elektronicahobbyisten al bezig met het verkennen van de grenzen van machine-intelligentie door middel van praktische projecten en theoretische discussies. Hier zijn voorbeelden uit het archief van Elektor, die bijna twee decennia AI-verkenning beslaan, vooral “voor de grap”, maar ook om te waarderen hoe vooruitziend deze vroege pioniers waren.

De Basisjaren (1975-1981)

Wat is Cybernetica? (1975)

De reis begint met een van de eerste Elektor-artikelen over intelligente systemen. Dit fundamentele artikel introduceerde lezers aan cybernetica – de studie van communicatie en besturing in machines en levende wezens. Zelfs in 1975 onderzocht het tijdschrift al hoe terugkoppellussen en zelfregulerende systemen intelligenter gedrag konden creëren in elektronische apparaten.

De Elektor Intelekt Schaakcomputer (april 1981)

Dit artikel gaat over de Intelekt schaakcomputer gebouwd rond de Intel 8088-microprocessor die een geporteerde versie van Tiny Chess uitvoert. Het ontwerp legt de nadruk op redelijke snelheid en “intelligentie”-niveaus, waardoor het een sterke tegenstander is voor veel schaakliefhebbers. Omdat het labprototype van de Intelekt verschillende verhuizingen en grote opruimingen in het Elektor Lab overleefde, werd dit beroemde apparaat opnieuw bezocht als onderdeel van de Retronics-serie (2004–2020). Bepaal zelf of de schaakspeler genaamd de 8088 intelligent is, kunstmatig intelligent, quasi-intelligent of gewoon domme Von Neumann-strategieën volgt die in een EPROM zijn gecodeerd.

Praat met Computers (1981)

In dezelfde periode hield Elektor zich al bezig met mens-computer interactie door spraakherkenning en spraaksynthese. Deze tweedelige serie onderzocht hoe computers menselijke spraak konden begrijpen en erop reageren – een uitdaging die decennialang centraal zou blijven in AI-onderzoek. 

De Uitbreidingsjaren (1986-1990)

De Toekomst van Kunstmatige Intelligentie (1986)

In de loop van de jaren tachtig nam Elektor een meer strategische kijk op het potentieel van AI. Dit artikel onderzocht waar kunstmatige intelligentie heen ging en welke doorbraken mogelijk waren in de komende jaren.

Spraakherkenningssysteem (1987)

Voortbouwend op eerder werk rond mens-computer interactie liet dit praktische project lezers zien hoe u uw eigen spraakherkenningssysteem kon bouwen – waarmee AI-mogelijkheden binnen het bereik kwamen van elektronicahobbyisten.

Kunstmatige Intelligentie (mei 1988)

Door Mark Seymour; dit uitgebreide artikel bespreekt de mogelijkheden om machines te maken die zelfstandig kunnen denken, zonder voor elke taak te hoeven worden geprogrammeerd. Het schetst de historische context van AI, inclusief vroege ontwikkelingen en de heropleving van neurale computers, die probeerden hersenfuncties van mensen na te bootsen. Het artikel suggereert dat echte AI onderzoekers ontglipte, maar dat de technologie zich ontwikkelde richting machines die konden leren door voorbeelden in plaats van door expliciete programmering. Het artikel gaat dieper in op neurale computers die menselijke neurale netwerken nabootsen, met aandacht voor verbeteringen in verwerkingssnelheid en probleemoplossend vermogen. Ook worden de uitdagingen besproken van het bouwen van grote neurale netwerken en de toepassingsmogelijkheden van deze technologieën in complexe taken zoals spraakherkenning en patroonherkenning.Terugkijkend was dit artikel opmerkelijk vooruitziend, niet alleen door het bespreken van de praktijk van het bouwen van een neuraal netwerk, maar ook door mogelijke verbeteringen in AI via neurale computing te benoemen.

Zicht Nabootsen in Robots (mei 1988)

In dezelfde editie van mei 1988 publiceerde Arthur Fryatt “Simulating Sight in Robots,” wat tegenwoordig perfect onder “edge computing” zou vallen. Meer een nieuwsbericht dan praktisch inzicht, het artikel besprak een visiesysteem voor kwaliteitscontrole op kleur bij het sorteren van fruit en groente in de Autoselector, een gezamenlijk project van het Essex Electronics Centre (een afdeling van de Universiteit van Essex) en Loctronic Graders. Hun samenwerking leidde in eerste instantie tot de introductie van de Autoselector A, die een zwart-wit televisiebeeldtechniek gebruikte om verschillen in grijswaarden te detecteren. Vervolgens werd met de Autoselector C een belangrijke stap gezet met kleurbeeldtechniek, waarmee tot wel 4.096 kleuren en tinten herkend konden worden in oppervlakken van slechts 3 mm doorsnee en op zeer hoge snelheid.

Aangezien het hele oppervlak van het product gescand moest worden, ontwikkelde Loctronic Graders de Thrudeck, waarmee voortdurend ronddraaiende producten zoals tomaten, uien, kiwi’s of citrusvruchten met snelheden tot 2.500 per minuut aan de camera werden gepresenteerd. Ondanks de onregelmatige vorm van de producten kan het systeem elk exemplaar volgen, meten en tellen terwijl deze over het dek meandert.

Intelligentie, Intentionaliteit en Zelfbewustzijn (1989)

Deze filosofische verkenning ging dieper in op wat het eigenlijk betekent dat een machine intelligent is. Het artikel onderzocht begrippen als intentionaliteit en zelfbewustzijn – vragen die vandaag de dag nog steeds centraal staan in AI-discussies.

Computers Leren van Menselijke Fouten (1990)

Tegen het einde van het decennium onderzocht dit artikel hoe computers hun prestaties konden verbeteren door te leren van fouten – een concept dat later fundamenteel werd voor machine learning-algoritmen.

Het Neurale Netwerk-Renaissance (2001-2003)

Neurale Netwerken in Besturing (2001)

Bij het begin van het nieuwe millennium kregen neurale netwerken hernieuwde belangstelling. Dit artikel onderzocht hun toepassing in regelsystemen en liet zien hoe biologisch geïnspireerde computers complexe technische problemen konden oplossen.

Praktische Neurale Netwerken Serie (2003)

Deze uitgebreide serie van Chris McLeod en Grant Maxwell, afgestudeerden van Robert Gordon University Aberdeen, bracht neurale netwerken binnen handbereik van amateurhobbyisten. De serie werd in vier delen gepubliceerd:
 

• Een Introductie tot Neurale Netwerken
• Back Propagation Neurale Netwerken
• Feedback Netwerken en Competitieve Netwerken
• Toepassingen en Grote Neurale Netwerken

“Kunstmatige neurale netwerken (neurale netwerken of gewoon ANN’s),” begonnen ze, “zijn een populaire vorm van kunstmatige intelligentie (AI). Ze zijn gebaseerd op het functioneren van hersencellen, en veel onderzoekers denken dat dit onze beste kans is om echte intelligentie in een machine te bereiken. Als u fan bent van de tv-serie Star Trek, weet u dat Data een neuraal netwerkbrein zou hebben, net als de robot in de Terminator-films. Hoewel deze technologische wonderen het uiterste zijn op het gebied van computerwetenschap, zijn ze ook goed bereikbaar voor enthousiaste amateurs. Het doel van deze artikelen is om dit fascinerende onderwerp op een praktische manier te introduceren, zodat u zelf met neurale netwerken aan de slag kunt gaan.”

De auteurs concludeerden in deel 4 dat “Het neurale netwerk kan worden beschouwd als een universeel logisch systeem, in staat (mits het netwerk drie lagen heeft) om elke waarheidsfunctie die u wilt te leren. Als de output van de neuronen een sigmoidfunctie is, werkt het een beetje als fuzzy logic, en kan het analoge uitgangen produceren – wat handig kan zijn voor het oplossen van problemen in de echte wereld die niet zwart-wit zijn.”

Opmerkelijk genoeg had de serie een cursuswebsite die werd gehost door Robert Gordon University, maar die website is inmiddels van het internet verdwenen.

Terugblikken en Vooruitkijken

Wat opvallend is aan deze verzameling artikelen over bijna drie decennia, is hoe veel kernconcepten vandaag de dag nog steeds relevant zijn. Van cybernetica en terugkoppelingssystemen tot neurale netwerken en leren van menselijke fouten, Elektor-auteurs verkenden ideeën die uiteindelijk de basis zouden vormen van moderne AI.

De schaakcomputer-vraag of het volgen van geprogrammeerde strategieën “intelligentie” is, klinkt door in de discussies van nu over grote taalmodellen. De visiesystemen voor het sorteren van fruit liepen vooruit op de computer vision-toepassingen van nu. De neurale netwerk-serie voorspelde de deep learning-revolutie die AI decennia later zou veranderen.

Misschien nog belangrijker: deze artikelen bleven altijd praktisch en hands-on, waardoor lezers werden aangemoedigd om zelf te experimenteren en intelligente systemen te bouwen. In een tijd waarin AI soms mysterieus en ontoegankelijk lijkt, laat het Elektor-erfgoed zien dat begrip ontstaat door te doen – en dat de weg van “artsificial” naar kunstmatige intelligentie geplaveid is met nieuwsgierigheid, experimenteren en af en toe een knipoog naar onze vroege pogingen om denkende machines te bouwen.

De vraag blijft: Waren deze vroege systemen echt intelligent, of gewoon heel slim geprogrammeerd? Het feit dat we diezelfde vraag nog steeds stellen, suggereert dat de zoektocht naar kunstmatige intelligentie altijd meer is gegaan om het stellen van de juiste vragen dan het vinden van definitieve antwoorden.

Opmerking van de redactie: Dit artikel (250736-01) verschijnt in de Edge Impulse Guest-Edited edition van Elektor, die in december 2025 wordt gepubliceerd.