De impact van AI: waarom we er allemaal meer over moeten weten
Staan we aan de vooravond van de volgende revolutie?
Artificial intelligence spreekt al snel tot de verbeelding. Of je nou denkt aan een hightech bediende die heel je leven ontzorgt. Of een allesverslindend supernetwerk dat Arnold Schwarzenegger terug de tijd in stuurt om de moeder van een toekomstig rebellenleider uit te schakelen. De werkelijkheid ligt natuurlijk wat genuanceerder. In de theorie maakt men namelijk onderscheid in drie niveaus van AI:
- Artificial Narrow Intelligence (ANI) – ANI, ook wel ‘zwakke AI’ genoemd, kan niet leren of voert alleen specifieke taken uit. Denk aan gezichtsherkenning, zelfrijdende auto’s of aan schaakrobots. We beschikken al een tijdje over deze technologie, maar de plooien zijn er nog lang niet uit.
- Artificial General Intelligence (AGI) – AGI is het niveau waarop AI in staat is zonder instructies breed te denken, veel taken uit te voeren en de mogelijkheid heeft om zelf te leren. Qua interactie kun je dan denken aan voorbeelden die geschetst zijn in films als Her of Ex Machina. Er wordt momenteel veel onderzoek gedaan naar het realiseren van AGI. Hoewel er lang discussie was of AGI in de praktijk mogelijk is, lijken veel onderzoekers het er nu over eens dat het behalen van dit niveau slechts een kwestie van tijd is.
- Artificial Super Intelligence (ASI) – Bij ASI gaat de intelligentie verder dan dat wij als mensen zelf kunnen bevatten. ASI zou in staat zijn zichzelf te verbeteren en exponentieel slimmer te worden. Als ASI kwaadaardig is of onvoldoende oog heeft voor onze menselijke belangen, kan het een risico voor ons vormen. Denk aan Skynet uit de film Terminator. Naast de vraag of we ASI wel moeten willen, is het ook nog maar de vraag of dit niveau überhaupt haalbaar is.
Hoe werkt AI in de basis?
Heel platgeslagen zijn de huidige AI-technologieën te beschrijven als algoritmen die zijn getraind door het verwerken van bakken met data. Afhankelijk van het doel van de AI-tool kan die data uit allerlei bronnen komen. Denk aan combinaties van nieuwsartikelen, wetenschappelijke bronnen, content op websites, beeldbanken, videobanken, geluidsfragmenten, films, muziek en meer. De meest gebruikte techniek om deze algoritmen te leren is ‘deep learning’. Deze techniek – die ook gebruikt is voor het trainen van ChatGPT – maakt gebruikt van zogenoemde neurale netwerken.
Net zoals wij neuronen hebben in ons zenuwstelsel, heeft deze AI ‘parameters’ die het gebruikt voor het verwerken, beoordelen of opslaan van gegevens. Op zichzelf slaat een parameter alleen een nummer op met een bepaalde waarde en heeft het vrij weinig effect. Maar in samenhang met de rest kan het netwerk inschattingen en voorspellingen maken op basis van wat het systeem uit al haar data heeft geleerd.
De grootte van AI-modellen is enorm toegenomen. Waar de grootste modellen rond 2018 ‘slechts’ 100 miljoen van deze parameters bevatten, gaan vooraanstaande modellen nu al over de 100 biljoen parameter. Er zijn zelfs testmodellen die al richting de 500 biljoen gaan.
Hoewel de capaciteit van AI-modellen enorm is toegenomen in vergelijking met 5 jaar geleden, betekent het hebben van meer parameters niet direct dat de AI beter of ‘slimmer’ is. Het zegt meer over de potentie om complexe patronen te begrijpen en onthouden. De architectuur van het model, kwaliteit van de data, trainingsduur en capaciteit van de hardware spelen namelijk ook belangrijke rollen. De ontwikkeling gaat inmiddels zelfs zo snel dat de verwachte uitdaging uiteindelijk zit in de beschikbaarheid van kwalitatieve data in plaats van de technische realisatie.
Hoe moeten we denken over AI?
Een snel gemaakte fout is om over kunstmatige intelligentie te denken op eenzelfde manier als over menselijke intelligentie. Een auto is bijvoorbeeld sneller dan dat wij zijn. Maar daarbij zeggen we ook niet dat een auto sneller ‘rent’. Hetzelfde geldt voor AI. Op dit moment ‘begrijpt’ AI vaak niet wat het zegt of wat voor plaatje het ontwikkelt. De AI voorspelt vooral dat dit waarschijnlijk een goede oplossingsrichting is voor de vraag die je stelt of de opdracht die je hem meegeeft.
De ‘Stochastische Papegaai’
Professor Emily Bender, hoogleraar aan de Universiteit van Washington, beschrijft AI-oplossingen zoals ChatGPT als een ‘stochastische papegaai’. Stochastisch betekent een mate van willekeurigheid, die gebaseerd is op aannemelijke kans. En de papegaai staat natuurlijk bekend om het simpelweg imiteren van geluid dat het elders gehoord heeft.
Bender beschrijft AI daarom als een systeem voor het lukraak samenvoegen van woordreeksen die het heeft waargenomen in zijn omvangrijke trainingsdata, zonder enige mate van inhoudelijk betekenis. Een stochastische papegaai. Haar oproep geldt daarom: “Verwar woord niet met betekenis. Let op je goedgelovigheid!”
De analogie van Emily Bender is vooral van toepassing op AI-modellen die gericht zijn op taal, ook wel bekend als Large Language Models (LLM’s). Oplossingen die zijn ingericht op het verwerken van één vorm van gegevens – zoals taal, beeld of spraak – zijn ‘modale’ oplossingen. In de nieuwste ontwikkelingen begint de focus te liggen op het integreren van meerdere bronnen. Oftewel multimodaliteit. Denk aan Midjourney, een tool die tekstcommando’s omzet in AI-gegenereerde afbeeldingen. Andere voorbeelden van multimodale AI zijn autonome robots of AI in de gezondheidszorg, waarbij verschillende soorten data en sensoren worden verwerkt.
Waar staat de ontwikkeling van AI nu?
Na een ‘tragere’ aanloopfase van de afgelopen jaren is er dus inmiddels een heuse wapenwedloop ontstaan. In de eerste drie maanden van 2023 is al bijna 3x zoveel geïnvesteerd in AI-technologie als in heel 2022. Techgiganten, startups, universiteiten en tal van andere organisaties duiken volop in deze opkomende technologie. Pas later in de tijd kunnen we terugkijken en écht zien op welk punt we nu staan. Hoe hoog het potentieplafond van AI-technologie is en hoever we exact zitten in de tijdlijn, is nu nog lastig te zeggen. Maar het is aannemelijk dat er pas een tipje van de kunstmatige sluier is gelicht.
We zien in de laatste weken nieuwe ontwikkelingen uit de grond schieten als paddenstoelen. Dat kunnen al praktische toepassingen zijn. Zoals allerlei generatieve AI-tools die met nieuwe functionaliteiten komen rondom het creëren en bewerken van tekst, beeld, video, animatie, 3D-rendering of geluid. Of plugin-opties die compleet nieuwe dimensies toevoegen aan tools zoals ChatGPT. Ook zijn er inmiddels mogelijkheden om een ‘eigen AI-tool’ te ontwikkelen. Onder andere Amazon en Nvidia bieden nu namelijk services aan waarmee je online gebruik kunt maken van hun systemen en rekenkracht om met je eigen data een (taal)model te trainen. En ook lijken de kosten van AI-ontwikkeling vrij snel naar beneden te kunnen. Zo heeft Stanford onlangs ‘Alpaca’, een taalmodel gebaseerd op Meta’s LLaMa, ontwikkeld voor nog geen $600 (maar kort na publieke release offline gehaald omdat het model nog te veel fouten uitspuugde). In allerlei systemen zien we inmiddels AI-implementaties verschijnen. Van de integratie in zoekmachines tot aan nieuwe tools in de bekende Office-suite. Allemaal ontwikkelingen die praktische toepassing van AI dichterbij brengen.
Waar liggen de grenzen van AI?
GPT4 van OpenAI wordt op dit moment gezien als de marktleider op gebied van AI-oplossingen en taalmodellen. De mogelijkheden van nieuwe modellen nemen in razend tempo toe. GPT4 scoort inmiddels beter dan 90% van advocaten bij het afleggen van het Amerikaanse ‘bar examen’ en is in staat om zeldzame medische diagnosen te doen in slechts luttele seconden. Er zijn toepassingen die taalmodellen in staat stellen zelfreflectie toe te passen en beter te presteren door van zichzelf te leren. Deze modellen zijn inmiddels al zo geavanceerd, dat ze vaardigheden ontwikkelen, die de onderzoekers vooraf niet hadden voorspeld. De zogenoemde ‘emergent abilities’. Het gaat inmiddels zover dat Microsoft-onderzoeker praten over ‘sparks of AGI’ binnen GPT4. Oftewel: staat een algemene intelligentie om de hoek?
En dat is exact de vraag waar het om gaat: hoe moeten we als mensen omgaan met algemene intelligentie? Volgens onderzoekers is het een kwestie van tijd dat we in staat zijn intelligentie te creëren die ‘slimmer’ is dan de mens. Die van aangestuurde commando’s, naar semi-autonome taken naar autonoom handelen kan gaan. Breder kan kijken dan de gestuurde taak. Sneller kan leren dan dat wij als mens kunnen leren. Met vooruitgang op zowel software (betere systemen) en hardware (betere technologie). AI kan ook daar verbeteringen in ontwikkelen, zodat het zijn eigen effectiviteit kan (blijven) vergroten. Een stap naar algemene intelligentie (AGI) kan dus een kennisexplosie in gang brengen, waarmee ook superintelligentie (ASI) snel kan volgen.
Welke impact kan AI hebben?
In theorie kunnen we dus aan de vooravond staan van een volgende revolutie. Er zijn al talloze toepassingen zichtbaar over de manier hoe AI kan bijdragen aan het verbeteren van branches zoals onderwijs, gezondheidszorg, IT en security. En superintelligentie kan potentieel bijdragen aan het oplossen van baanbrekende innovaties zoals het haalbaar maken van kernfusie, genezen van hardnekkige ziekten of transformeren van ruimtevaart.
Maar experts wijzen ook op de grote risico’s die AI met zich mee brengt. De focus heeft lang gelegen op het technisch mogelijk maken van AI, maar ethische en beleidsmatige vraagstukken bleven lange tijd achter. Hoe zorgen we ervoor dat ook superintelligente AI-systemen onze menselijke belangen goed behartigen? Hoe beperken we risico van AI in de verkeerde handen? Hoe zorgen we ervoor dat we onze maatschappij niet dusdanig ontwrichten?
Beleidmakers zijn natuurlijk actief bezig met AI, zoals de AI-strategie van de EU. En bij techbedrijven komt steeds meer focus is op het verenigen van AI handelen met menselijke belangen (ook wel bekend als ‘alignment’). Progressie op deze velden gaat nog altijd slomer dan de technische ontwikkeling. Een aantal vooraanstaande experts pleiten daarom voor een 6 maanden durende ‘pauze’ in het ontwikkelen van de meest geavanceerde modellen. Wetende dat – dankzij alle economische en geopolitieke prikkels – de geest uit de fles is en dat de Doos van Pandora niet meer dicht is te doen.
Samen naar ethische en verantwoorde AI
We zitten met z’n allen dus in een interessante tijd. AI heeft de potentie om enorme impact te hebben op onze collectieve toekomst. De potentie van de technologie kan energie geven en inspireren, maar de risico’s kunnen het ook intimiderend maken. Het is daarom zaak dat we nu zorgen voor ethisch en verantwoorde AI. Daar kunnen we allemaal aan bijdragen. Als individu, organisatie én als gezamenlijke maatschappij. Meer daarover lees je volgende week in een artikel over de uitdagingen van AI en hoe we kunnen bijdragen aan mogelijke oplossingen en een toekomst waarin AI en maatschappij hand-in-hand aan gaan.
