29 June 2015 // 01:03 PM CET

Onlangs verscheen er op Reddit een foto van een (zo leek het) gemuteerd monster. De afbeelding toonde een wormachtig, veelkoppig hond/slak-wezen die enigszins op een Dali-achtige wijze vervormd werd. Al snel kwam de herkomst van dit monster, in een blogpost van onderzoekers van Google, boven water. Het bleek dat deze buitenaardse afbeelding niet door mensen was gemaakt, maar door een kunstmatig neuraal netwerk (computerbrein) dat afbeeldingen kan herkennen.

De gebruikers van Reddit en Hacker News herkenden in de afbeeldingen een lsd- of paddotrip. “De gelijkenissen met een psychedelische trip zijn fascinerend," schreef Hacker News-gebruiker “joeyspn". De gebruiker “henryl" was het hiermee eens: “Zal ik maar de eerste zijn die het zegt… het lijkt op een acid/paddo trip."

De media trok dezelfde vergelijking. Tech Times: “Google Takes Artificial Neural Networks On An Awesome Acid Trip." Tech Gen Mag: “Google’s new ‘Inceptionism’ software dreams psychedelic art." PBS: “Left to Their Own Devices, Computers Create Trippy, Surrealist Art."

Zullen deze psychedelische afbeeldingen toeval zijn? Of bestaat er een gelijkenis tussen de werking van het neurale netwerk van Google en de hersenen van de mens wanneer deze onder invloed zijn van psychedelische middelen?

Artificial neurale netwerken (ANNs) zijn computers die ontworpen zijn om het menselijke brein te simuleren. Deze bestaan al sinds de vroege jaren 50, maar hebben de laatste paar jaar een enorme ontwikkeling doorgemaakt op het gebied van het herkennen van afbeeldingen. De netwerken bestaan uit op software gebaseerde “neuronen" die met elkaar communiceren en de sterkte van de verbindingen aanpassen om eerdere berekeningen te controleren, net als echte neuronen. Deze vorm van aanpassing is wat de ANNs zo speciaal maken. Het geeft ze namelijk het vermogen om dingen te leren.

De neurale netwerken leren, net als kinderen, door informatie op te nemen van de wereld om hen heen. Deze data word door mensen direct geüpload in het systeem. Wanneer een neuraal netwerk is ontworpen om afbeeldingen te herkennen zal het, nadat het 100 foto’s van honden heeft gezien, zelf honden kunnen herkennen. Hoe meer hondenfoto’s het systeem ziet, hoe beter het honden zal herkennen. Ook al krijgt het netwerk iets te zien dat maar enigszins op een hond lijkt zal een specifiek neuron in het netwerk geactiveerd worden en zal het systeem een hond herkennen. Met deze vaardigheden zijn de ANNs essentieel voor het herkennen van elementen en gezichten in afbeeldingen. Google gebruikt dit systeem in haar nieuwe fotodienst om geautomatiseerde albums en films te maken.

Het neurale netwerk dat Google heeft gebruikt voor het maken van deze trippende afbeeldingen bestaan uit verschillende lagen van neuronen die berichten sturen via een bepaalde structuur. Hoe hoger de de informatie wordt doorgestuurd hoe gedetailleerder en abstracter het systeem de informatie tot zich neemt. Op deze manier focust elke laag zich op één bepaalde taak. Maar omdat het systeem zichzelf dingen aanleert is het nog steeds onduidelijk hoe deze lagen precies werken. Google weet niet precies welke paden de informatie aflegt en hoe de werkverdeling is tussen de verschillende lagen.

De bedoeling van het experiment van Google was om deze lagen open te breken en te zien wat er van binnen gebeurde. De onderzoekers weigerden met ons over dit deel te praten, maar ergens hebben we al wel een idee, afgaande op verschillende experimenten, wat zij hebben gedaan. In plaats van het systeem te vragen om afbeeldingen te herkennen, keerden zij het systeem ondersteboven door middel van een “hill climbing algoritme". Dit algoritme begint als een soort ruis en verandert langzaam in een vorm die het systeem zou kunnen herkennen, zoals een banaan, een kopje of een halter. Op deze manier kunnen zij precies zien op welke manier de neuronen geactiveerd worden om de afbeelding te herkennen.

Door deze resultaten te bekijken konden de onderzoekers de accuraatheid van de kennis van het systeem meten. De resultaten klopten niet altijd even goed. Zo bestonden de afbeeldingen van de halters niet enkel uit de halters, maar een halter met een arm eraan. Het systeem had hier waarschijnlijk alleen nog maar halters herkend met arm die de halter vasthoudt.

De meest interessante afbeeldingen werden geproduceerd wanneer de onderzoekers het systeem landschappen liet interpreteren, zoals een landschap met één enkele boom op de voorgrond. De onderzoekers keken naar welke neuronen werden geactiveerd door de landschappen. Het resultaat van het systeem werd opnieuw aan het systeem laten zien, net zo lang totdat de afbeelding een resultaat was van “hetgeen dat de computer zou zien". De boom in het landschap werd een verzameling van zwevende honden, omgeven door torens en vreemde figuren.

Wanneer de afbeeldingen van de diepere lagen van het netwerk werden gehaald - deze lagen herkennen lijnen en kleuren - kregen ze afbeeldingen te zien die op schilderijen van Van Gogh leken. Bij de afbeeldingen die van de bovenste lagen werden gehaald - deze lagen kunnen volledige afbeeldingen herkennen, zoals honden - veranderden de bomen in zwevende gemuteerde honden en de bergen in boeddhistische tempels.

Een van de gegenereerde afbeeldingen van het neurale netwerk van Google. Afbeelding:

Deze afbeeldingen zagen er natuurlijk vreemd uit, maar waarom leken ze zoveel op een psychedelische ervaring? Om dat te kunnen beantwoorden moest ik eerst kijken naar de manier waarop onze brein afbeeldingen herkent. Dit proces is bijna hetzelfde als de manier waarop ANNs afbeeldingen herkennen. Visuele informatie komt bij de mens via de ogen binnen en baant zich een weg door de optische zenuwen naar de visuele cortex. Onze brein voert hierna een paar simpele testen uit: het zoekt naar randen, bepaalt of lijnen verticaal of horizontaal zijn en zoekt naar kleuren en tinten. Zodra dit verwerkt is, stuurt het brein deze informatie via een bepaalde structuur naar meer geavanceerde delen van het brein, waarna het kan bepalen of de afbeelding een appel of een auto is.

Het grootste verschil tussen het menselijk brein en de neurale netwerken bij het identificeren van afbeeldingen is de mate van feedback tussen verschillende delen van het brein, zegt Melanie Mitchell, een professor in computerwetenschappen aan de Staats Universiteit van Portland. Zij heeft een boek geschreven over neurale netwerken.

Binnen de neurale netwerken van Google kan informatie alleen van de onderste naar de bovenste lagen gestuurd worden. Hier is het dus een soort eenrichtingsverkeer, terwijl onze brein informatie verstuurt in miljoenen richtingen tegelijk. Zelfs wanneer we alleen de basisranden en -lijnen te zien krijgen, kan het bovenste deel van ons brein een parasol herkennen, omdat het dankzij eerder vergaarde kennis weet dat parasols vaak gebruikt worden in de buurt van zand en golven. De uiteindelijke informatie die naar onze bewustzijn wordt gestuurd (dus wat wij daadwerkelijk zien) is een combinatie van de visuele data en de beste interpretatie van die data. Dit werkt perfect, tot dat ons brein voor de gek wordt gehouden, zoals bij een optische illusie.

Het nemen van hallucinerende drugs verstoort als het ware dit proces. “De communicatiewegen tussen verschillende delen van het brein worden verstoord", zegt Frederick Barret, een cognitieve neurowetenschapper die psychedelica bestudeerd aan het Johns Hopkins Behavioral Pharmacology Department. De frontale cortex en andere delen van het brein wordt verzwakt, waardoor andere delen van het brein de informatie moeten interpreteren die hier eigenlijk niet geschikt voor zijn. Deze delen krijgen een enorme berg aan data waardoor zij maar interpretaties moeten gokken.

Iedereen die ooit wel eens een psychedelische trip heeft meegemaakt weet dat er bepaalde standaard visualisaties zijn die bijna iedereen ervaart, zoals het werk van Alex Grey. Barret zegt dat er een aantal verklaringen zijn voor deze algemene beelden. De effecten van de drugs worden verwerkt dor serotonine 2A receptoren. Dit zijn de belangrijkste receptoren die de effecten van psychedelische drugs laat werken. Er zitten veel 2A receptoren in de visuele cortex. Omdat de receptoren zich laag in het communicatieproces bevinden, zenden ze ons alleen maar informatie over lijnen, figuren en kleuren. Het is dan aan de rest van het brein om de overige informatie te verwerken, maar als er drugs in het spel is, werken de andere delen ook niet optimaal. Hierdoor krijgen we caleidoscopische, fractale visualisaties te zien “bovenop" de werkelijke wereld. Deze visualisaties komen direct van de middenhersenen.

“De afbeeldingen van Google lijken veel op iets dat je zou kunnen ervaren tijdens psychedelische ervaringen of hallucinaties," aldus Karl Friston, een neurowetenschapper aan de University College in Londen. “En dat is ook goed te begrijpen. Tijdens een psychedelische ervaring ben je vrij om zelf invulling te geven aan de visualisaties die je te zien krijgt. Het parallel tussen het systeem van Google en de hersenen van de mens bestaat omdat het doel hetzelfde is, namelijk het op de meest efficiënte manier herkennen van afbeeldingen."

“Hoe de onderzoekers van Google praten over het neurale netwerk lijkt erg veel op wat er in het menselijke brein gebeurt," erkent Barret. Maar hij denkt dat we nog lang niet een neuraal netwerk kunnen bouwen die net zo goed functioneert als het menselijke brein. “Het brein is zo complex dat ik niet zeker weet of het überhaupt wel mogelijk is om dit na te bootsen met neurale netwerken. Ik weet niet of ze op het moment ook maar een beetje in de buurt zitten," zegt hij.

“Gebruik ze verstandig en behandel ze met respect. Ze kunnen dienen als een buitengewoon onderzoeksmiddel," schreef Alexander Shulgin, de “Godfather van de ecstasy," in zijn boek Pihkal. Hij had het hier over drugs en het menselijke brein, het meest gevaarlijke en complexe middel dat ooit bestaan heeft.

Mensen hebben in de afgelopen millennia hun hoofd gebroken over de effecten van deze middelen, maar ook fantastische ingevingen gekregen die de mensheid weer een stuk verder hielpen. Het kunstmatige brein van Google herinnert ons aan het feit dat er nog enorm veel onderzoek kan (en moet) worden gedaan.