Op werkdagen voor 23:00 besteld, morgen in huis Gratis verzending vanaf €20
Wij wijzen u graag op het volgende
Door drukte zijn de levertijden van PostNL aangepast en kan uw pakket vertraging oplopen. Door de Brexit kan de levering van Engelse boeken vertraging oplopen.
Het boek waarom - 'Houdt je brein scherp'
19 mei 2020 | Freija van Duijne

Het is een simpele maar zeer menselijke vraag. Waarom eigenlijk? Een vraag die kinderen tot vervelens toe kunnen stellen. Het vraagt om een uitleg over oorzaak en gevolg.

Het indrukken van een lichtschakelaar heeft als gevolg dat het licht aan gaat. Maar het kraaien van de haan is niet de oorzaak is dat de zon iedere dag weer op gaat. En is een hogere temperatuur op de thermometer de directe oorzaak dat de ijsboer meer ijs verkoopt?

Causaliteit is in het wetenschappelijk data-gedreven onderzoek lang ontweken. Het mantra van statistici is immers 'correlatie is geen causaliteit'. Dit taboe is volgens computerwetenschapper Judea Pearl een grote gemiste kans, en een van de redenen dat er zoveel ruis heeft kunnen ontstaan op heldere oorzaak-gevolg relaties zoals die tussen roken en longkanker. Om oorzakelijkheid aan te wijzen heb je een causaal vocabulaire nodig. Met alleen maar data-analyse kom je er niet, ook al zijn de statistiekprogramma's tegenwoordig nog zo krachtig. In het tijdperk van ‘big data' is deze valkuil opnieuw bijzonder groot.

Sinds Pearl actief is in de informatica is hij een van de drijvende krachten geweest achter wat hij noemt de Causale Revolutie. Een nieuwe wetenschap om eenduidige vragen te onderzoeken. Denk aan vragen over de effectiviteit van een medische behandeling, of van een reclamecampagne. Maar ook complexere vragen zoals over de mate van overgewicht onder de bevolking en het effect ervan op de kosten van de gezondheidzorg. Of over de vraag of uit de inhoud van personeelsdossiers discriminatie kan worden aangetoond.

In ons taalgebruik hebben we het voortdurend over oorzaak-gevolg relaties. Is dit het resultaat van dat? Kunnen we de daling van ziekenhuisopnames bij Corona toeschrijven aan de maatregelen van sociale isolatie? De wetenschap van causaliteit heeft voor dit soort vragen een wiskundige taal ontwikkeld. Die bestaat enerzijds uit een beeldende kennistaal van causale diagrammen. Een plaatje met pijlen die bekende of veronderstelde verbanden uitdrukken tussen de ene en de andere variabele, uitgedrukt in puntjes. Aanvullend is de symbolische vraagtaal voor het formuleren van de vragen waarop het antwoord gezocht wordt. Daarvoor heeft de Causale Revolutie de doe-operator uitgevonden. Een term die een interventie aanduidt, als iets anders dan een passieve observatie. Pearl legt veel nadruk op notatie, taal, woordgebruik en grammatica voor het uiten van beweringen en de redenering over de gevolgen die voortvloeien uit een bewering.

Causaal redeneren kent drie niveaus volgens Pearl. De eerste trede van de ladder staat voor voorspellingen die voortkomen uit het passief observeren van associaties. Hoe groot is de kans dat iemand die tandpasta koopt, bij dezelfde aankoop ook flossdraad meeneemt? Voor marketeers zijn dit interessante associaties die je met data en statistiek kan uitzoeken. Het tweede niveau van causale vragen zijn ‘wat als' vragen. Wat als de prijs van tandpasta verdubbelt? Hoeveel mensen zullen dan nog flossdraad gaan kopen? Met eenvoudige statistiek kun je geen voorspellingen doen met enkel de data tot je beschikking. Om de uitkomsten van een interventie aan te tonen heb je experimenten nodig en een causaal model. In ons dagelijks leven voeren we voortdurend interventies uit om een bepaald gevolg te bereiken. We slikken paracetamol om de hoofdpijn weg te drukken. We kleden ons netjes op een sollicitatiegesprek om een goede indruk te maken. We eten minder vlees om zelf iets te doen tegen klimaatverandering. Zo redeneren werkt in onze persoonlijke praktijk heel goed, maar geeft nog geen definitieve antwoorden. Op de bovenste trede van de ladder van causaliteit staat de redenatie over denkbeeldige feiten. Wat zou er zijn gebeurd als ik in mijn oude kloffie naar het sollicitatiegesprek was gegaan? Je kunt niet twee keer hetzelfde sollicitatiegesprek doen, dus daar zul je nooit antwoord op krijgen. Denkbeeldige feiten zien we niet in de data. Het mooie van een causaal model is dat het wel de contrafeitelijke vraag kan beantwoorden, ‘Wat zou er zijn gebeurd als ik het andere had gedaan?'.

Daarmee toont Pearl aan dat causaal redeneren zo'n essentiële component is van onze menselijke vermogens. Wij kunnen ons een voorstelling maken van dingen die nooit hebben bestaan. Van uitvindingen tot kunst, van overheidsbeleid tot businessmodellen. Voordat het wat is, bestaat het al in iemands verbeelding. De kunstmatige intelligentie die we nu in robots zien heeft nog niet deze hoogste trede in de ladder van causaal redeneren bereikt. Daarom hebben we nu nog geen sterke kunstmatige intelligentie. Robots kunnen niet kritisch reflecteren op hun eigen overtuigingen, bedoelingen en verlangens. Voorspellend leren is de toekomst van kunstmatige intelligentie, daar zijn wetenschappers het over eens.

Pearl is een gepassioneerd wetenschapper. Dat leidt geen twijfel. Causale diagrammen zijn voor hem plezierige spelletjes. Samen met wetenschapsjournalist Dana Mackenzie heeft hij van de geschiedenis van causale inferentie een spannend verhaal gemaakt. Hun historische voorbeelden, waarbij ook de filosofie ruim aandacht krijgt, zijn meer dan boeiend. Wetenschap is geen solo-onderneming. Ruimharig zet Pearl zijn studenten en collega's in de schijnwerpers. De uitleg over Bayesiaans redeneren is zeer toegankelijk voor leken zoals ikzelf. Maar toegegeven, het zal vermoedelijk wel schelen als je iets van wiskunde begrijpt. Voor iedereen die interesse heeft in wetenschappelijk redeneren is Het boek waarom een bijzonder interessant boek dat je brein scherp houdt.

Freija van Duijne was van 2013 tot 2018 voorzitter van de Dutch Future Society. Zij heeft meer dan tien jaar werkervaring als toekomstverkenner en strateeg in diverse overheidsorganisaties. Freija werkt vanuit haar bedrijf Future Motions en geeft trainingen en lezingen op gebied van toekomstverkennen. Ze schreef zelf ook een boek: Toekomstverkennen. Ze maakt deel uit van het collectief van toekomstdenkers voor de trendrede.

Het boek Waarom - 'Uitdagend en uiterst relevant'
22 mei 2019 | Elly Stroo Cloeck

AlphaGo is een computerprogramma dat de beste Go-spelers ter wereld heeft verslagen. Hoe doet het dat? Geen idee. Zelfs de programmeurs van AlphaGo hebben geen idee waarom het zo goed speelt.

AlphaGo maakt gebruik van convolutionele neurale netwerken, een vorm van deep learning, wat zelf evolueert. Als het niet werkt, weten de programmeurs ook niet hoe het gerepareerd moet worden.

Judea Pearl, schrijver van ‘Het boek waarom', is duidelijk geen voorstander van deze manier van systeemontwikkeling. Niet transparant. Ook kun je geen zinnige gesprekken met zo'n ondoorgrondelijke robot voeren. Als het 's ochtends vroeg begint te stofzuigen, moet je kunnen zeggen: dat had je nou niet moeten doen...., en je robot moet tot het inzicht kunnen komen dat een hoop herrie dat boze onuitgeslapen hoofd heeft veroorzaakt. Zover is het echter (nog) niet. Pearl zet in zijn boek uiteen dat zodra we causaliteit, de wetenschap van oorzaak en gevolg, kunnen programmeren, we de eerste stap hebben gezet naar kunstmatige intelligentie die alle menselijke cognitieve vaardigheden heeft, inclusief empathie en zelfbeheersing, die goed en kwaad kan onderscheiden, en waarvan we kunnen leren. Klinkt droog en technisch, he? Maar dat is dit boek allerminst!

Net als de bijbel begint het boek met Adam en Eva. ‘Heb je van die boom gegeten?' vraagt God aan Adam. ‘Eva heeft ze mij gegeven', zegt Adam. ‘Wat heb je gedaan?' vraagt God aan Eva. ‘De slang heeft mij verleid', zegt Eva. God vraagt ‘Wat', beiden schuiven de schuld op een ander met de uitleg ‘Waarom'. Alsof het daarmee wel oké was. Niet dus. In onze evolutie hadden we er meer aan: ‘Waarom?' bracht ons inzicht in oorzaak en gevolg, en nog belangrijker, verbeeldingskracht: ‘wat als ik dit zou doen', en de overtreffende trap: ‘wat als ik dat níét had gedaan'. Dit onderscheidt ons van dieren en heeft ons zo succesvol gemaakt, beginnend bij de goed geplande mammoetjacht.

Pearl onderscheidt 3 stadia van ontwikkeling: associatie (bijvoorbeeld: wat vertelt een symptoom over een ziekte), interventie (wat gebeurt er als ik een aspirine slik) en contrafeitelijkheden (wat als ik die aspirine niet had geslikt?). Die 3 treden op de ‘Ladder van Causatie' vullen het eerste hoofdstuk, waarin ook de modellen en causale diagrammen aan de orde komen.

In de hoofdstukken 2 en 3 gaat het over statistiek en Bayesiaanse netwerken, waarin hij zich flink afzet tegen de statistici die het licht van modellen en causatie niet zien en zich baseren op big data en regels. Dit afzetten heeft trouwens heel wat geïrriteerde reacties van de betreffende wetenschappers opgeleverd, die stellen dat die zwart-wit positie onzin is. De controverse doet aan de inhoud van het boek niets af, die blijft leerzaam en amusant.

In hoofdstuk 4 komen de experimenten aan de orde: gerandomiseerde gecontroleerde testen (RCT), waarin de invloed van variabelen wordt ontleed. Hoofdstuk 5 is volledig gewijd aan de geschiedenis van de discussie of roken kanker veroorzaakt en welke statistische modellen werden gebruikt. De ultieme test voor causatie! Uiteindelijk kon de oorzaak-gevolg relatie worden aangetoond, waarna maatregelen tegen roken werden genomen. Daarna komen in hoofdstuk 6 een aantal leuke paradoxen, die bewijzen dat wij causaal denken, en niet statistisch.

Ik was erg gecharmeerd van dit hoofdstuk over paradoxen, met name de Simpson paradox, die in het boek een aantal keren terugkomt. Stel, je hebt 60 mannen en vrouwen die een medicijn uitproberen, en er is ook een controlegroep van 60 mannen en vrouwen die dat niet doen. Het medicijn zou het risico op een hartaanval moeten verkleinen. In de eerste (slik-)groep krijgt 3 van de 40 vrouwen (=7,5%) een hartaanval, en 8 van de 20 mannen (40%). In de tweede (niet-slik) groep zijn dat 1 van de 20 vrouwen (5%) en 12 van de 40 mannen (30%). Je ziet dat in de tweede groep zowel voor mannen als vrouwen de percentages lager liggen. Niet slikken dus, dat medicijn! Maar wacht eens even....In de slikgroep krijgt in totaal 11 van de 60 mensen (18%) een hartaanval, in de niet-slik groep 13 van de 60 (22%). Dus toch maar wel slikken! Hoe kan dat? Lees vooral het boek als je dol bent op dergelijke puzzels, want Pearl strooit deze royaal tussen alle formules door. Oh, en het antwoord? Niet slikken.

De hoofdstukken 7, 8 en 9 gaan verder de diepte in met veel formules die voor de data scientists onder ons appeltje-eitje zullen zijn, maar voor mij, met mijn ver weg gezakte schoolstatistiek, toch wel hard werken waren. Pearl trekt zijn conclusies over causatie en Artificial Intelligence tenslotte in hoofdstuk 10, wat weer meer filosofisch is, met de morele robot als happy end.

Het boek is uitstekend geschreven, toegankelijk en grappig, en als je geconcentreerd leest pik je heel van wat statistiek op. Er staan vrij veel formules in, die soms vrij lastig zijn. Nog lastiger is het dat (minimaal) 5 formules onjuist in deze vertaling terecht zijn gekomen (gecheckt met het Engelse origineel, dat is mijn accountants-DNA), waardoor ik op sommige punten bijna afhaak. Ook zijn sommige tabellen slecht (of juist niet) vertaald, waardoor je even moet zoeken naar de relatie tussen de afkortingen in de tabel en de uitleg eronder. Ondanks deze kritiek is Het boek Waarom een prima, uitdagend en ook uiterst relevant boek voor iedereen die geïnteresseerd is in kunstmatige intelligentie en (nog) iets van statistiek weet. En die liever niet gewekt wordt door zijn robotstofzuiger.

Elly Stroo Cloeck is interim- en projectmanager. Daarnaast schrijft ze samenvattingen en recensies van managementboeken. Ze ontving dit boek van MavenPublishing om te recenseren.

Populaire producten

    Personen

      Trefwoorden