Page 8 - HS 2 Geschiedenis van AI

A.I. voor wiskunde

De therapeutische gesprekken met ELIZA waren zeer geperkt, maar de chatbot ELIZA kon eenvoudige
vragen stellen en antwoorden geven. ELIZA was in staat om de aandacht van het publiek te trekken en
werd al snel een populaire attractie in de laboratoria van het MIT.
Joseph Weizenbaum zelf was verrast door het succes van ELIZA.
Eliza was het eerste programma dat natural language processing (NLP) toepaste. Het taalmodel dat aan
de basis ligt van Eliza gebruikt patroonherkenning op basis van statistiek om antwoorden te genereren.
ELIZA analyseerde de tekst van een gebruiker op specifieke woorden en zinnen en antwoordde
vervolgens met vooraf gedefinieerde scripts. De scripts waren gebaseerd op de ideeën van Carl Rogers.
De “Rogeriaanse therapie“, een vorm van psychotherapie waarbij de therapeut de patiënt aanmoedigt
om vrij te praten doordat de therapeut steeds delen van de antwoorden van de patiënt herhaalt.

ELIZA was een belangrijke mijlpaal in de ontwikkeling van artificiële intelligentie, omdat het één van de
eerste succesvolle toepassingen was van natuurlijke taalverwerking. Het inspireerde latere chatbots en
intelligente assistenten, zoals Siri van Apple en Alexa van Amazon, en heeft bijgedragen aan de
ontwikkeling van moderne AI-toepassingen zoals spraakherkenning en natuurlijke taalverwerking.
Je kan nog steeds communiceren met de Chatbot ELIZA via de link:

www.eclecticenergies.com/nederlands/psyche/eliza
2.6 De eerste expertsystemen, zoals MYCIN (1972) en XCON (1978)

In de jaren zeventig en tachtig ontstonden expertsystemen, een subcategorie binnen kunstmatige
intelligentie. In gespecialiseerde domeinen waren deze systemen gericht op het nabootsen van
menselijke expertise en besluitvorming. Deze systemen waren voornamelijk op regels gebaseerd en
namen beslissingen via een als-dan-beslissingsboom. Ze werden gebruikt in de medische, financiële en
technische industrie.
Een expertsysteem is een AI-model dat de instructies van experts stap voor stap volgt om een taak op te
lossen. Doordat het systeem redeneert aan de hand van kennis van menselijke experts, lijkt het ‘slim’.
Een expertsysteem kan echter niet zelfstandig leren met behulp van data.
Mycyn was één van de eerste expertsystemen, ontwikkeld aan de Stanford University. MYCIN was
gericht op het diagnosticeren van infectieziekten en het aanbevelen van antibiotica. Het gebruikte een
set regels om symptomen en patiëntgegevens te analyseren.

Een voorbeeld van de manier waarop het systeem werkt:
• ALS de infectie direct in het bloed is terechtgekomen (dus niet via een andere locatie in het lichaam),

• EN de bacteriekweek was in een schone (steriele) omgeving,
• EN de oorsprong van de infectie ligt waarschijnlijk in het spijsverteringskanaal,

• DAN is er een 0,7 kans dat het gaat om een bacteriële infectie. t
e
n
MYCIN volgt de regels van de symbolische logica en werkt met ALS-DAN-regels die lijken op hoe experts .
met de situatie omgaan. Met meer regels wordt het systeem steeds ingewikkelder. Binnen een ALS- o
l
DAN-regel kan weer een andere ALS-DAN-regel komen enzovoort. Voor een gewoon persoon lijkt het e
alsof zo'n heel ingewikkeld systeem 'slim' is. Echter, experts en programmeurs zullen niet zo snel zeggen h
t
dat het hier gaat om systemen die denken zoals mensen. a
m
XCON (ook wel bekend als "R1") was één van de eerste succesvolle expertsystemen ontwikkeld door
.
Digital Equipment Corporation (DEC). Het werd gebruikt om klanten te helpen bij het configureren van w
op maat gemaakte computers, door het systeem automatisch te adviseren over de beste componenten w
die samen zouden werken, op basis van klantbehoeften en technische specificaties. w

© 2025 Ivan De Winne ivan@mathelo.net 8