AI (kunstmatige intelligentie) is een belofte met vele gezichten. Met ChatGPT als meest recente hype is het misschien een moment om even van een afstandje te bekijken wat hier nou allemaal gaande is.
In alle enthousiasme rondom ChatGPT en aanverwante AI zie ik veel verwarring en onbegrip. Dat leidt tot wilde uitspraken en emotionele discussies. Er worden allerlei verwachtingen uitgesproken die duidelijk maken dat de essentie van kunstmatige intelligentie niet al te goed wordt begrepen. Het toppunt vond ik wel de uitspraak "We leven in een AI-samenleving". Dat is zwaar overtrokken en vraagt om nuancering.
Het begin: Artificial Intelligence
De term 'Artificial Intelligence' werd voor het eerst opgeschreven in 1955. Een aantal wetenschappers wilde onderzoek doen naar AI omdat in hun ogen:
"Every aspect of learning or any other feature of intelligence can, in principle, be so precisely described that a machine can be made to simulate it".
Het ging hier dus om het zodanig precies beschrijven van (menselijk) leren en elke andere eigenschap van (menselijke) intelligentie dat een machine het zou moeten kunnen simuleren.
Artificial intelligence is het nabootsen van menselijk intelligent gedrag door een machine. Hou dit inzicht vast, want dit is de rode draad in alle hype en discussie rondom de ontwikkelingen van AI.
Lees het artikel Not Everything We Call an AI Is Actually Artificial Intelligence. Here's What to Know van George Siemens voor meer uitleg over AI.
De gouden graal: Artificial General Intelligence
AGI, oftewel Artificial General Intelligence, is een vorm van AI die in staat is om elke taak uit te voeren waartoe de menselijke geest in staat is. Dit is dus de AI die de onderzoekers in 1955 voor ogen hadden: AGI-systemen die in staat zijn om te leren, redeneren, plannen en communiceren op dezelfde manier als menselijke wezens.
Dit type AI is nog niet ontwikkeld en blijft een uitdaging voor onderzoekers, maar het is wel het uiteindelijke doel van vele onderzoeksinstellingen en bedrijven die zich bezighouden met AI. We zijn hier al 75 jaar mee bezig en er zijn al honderden miljarden US dollars in geïnvesteerd.
Het gaat hier dus om AI waarbij de machine 100% menselijk denkt en handelt en ook zelfbewust is. De voorbeelden kun je vinden in ... science fiction. En in de wilde dromen van Singularity-aanhangers.
Om elk misverstand uit de weg te ruimen: AGI bestaat niet. punt. Ook na 75 jaar is de belofte nog niet ingelost. Of het ooit mogelijk is? Daar kom ik verderop op terug.
De realiteit: Narrow AI
Narrow AI (ANI, Artificial Narrow Intelligence) richt zich op het uitvoeren van specifieke taken, zoals het herkennen van objecten op afbeeldingen, het vertalen van tekst van de ene taal naar de andere, of het onderhouden van een gesprek. Dit type AI is specifiek getraind op de taak die het moet uitvoeren, en is daarom ook bekend als functionele AI.
Narrow AI is zeer nuttig in vele industrieën, van retail tot zorg, en wordt momenteel breed gebruikt in verschillende toepassingen, zoals chatbots, virtuele assistenten en autonome systemen.
Het gaat hier om AI waarvan de output een specifieke taak net zo goed en vaak zelfs beter kan uitvoeren dan een mens. Het is geen AGI, maar in deze 'beperkte' vorm van AI zit zeker waarde.
Voorbeelden van Narrow AI (of Weak AI) zijn DeepBlue, AlphaGo, Siri, Alexa, beeldherkenning in zelf-rijdende auto's en automatische suggesties bij Netflix.
De nieuwe belofte: Generative AI
Generatieve AI (of Creative AI) richt zich op het genereren van nieuwe content, zoals beelden, muziek, tekst of andere digitale media. Dit gebeurt door het model te trainen op een grote hoeveelheid bestaande data, waardoor het in staat is om nieuwe content te creëren die op de een of andere manier vergelijkbaar is met de oorspronkelijke data.
Generatieve AI-modellen kunnen beelden creëren die op een bepaalde stijl of kleur lijken, of tekst genereren die op een bepaalde schrijfstijl lijkt. De output van het algoritme lijkt door een mens gemaakt, maar het is 'fake'.
Voorbeelden van Generative AI zijn ChatGPT, Dall-E en Midjourney,
Lees ook het McKinsey artikel What is Generative AI?
De discussie: AGI to be or not to be?
Er is veel discussie over AI en dat gaat niet altijd heel subtiel. Mensen die ik graag volg in dit 'discours' zijn Gary Marcus (AI-expert) Grady Booch en Noam Chomsky en Mariya Yao. Allemaal mensen die hun sporen in het veld van kunstmatige intelligentie ruimschoots hebben verdiend.
Gary and Grady hadden een interessante discussie over Grady's tweet: AI will not happen in your lifetime. Leuk om te lezen dat de reacties variëren van "Eindelijk iemand die het zegt" tot "Jij begrijpt duidelijk geen snars van het vak".
Zitten we op een doodlopende weg?
Het is echt een vergissing om de nieuwe ontwikkelingen in Generative AI of Narrow AI als een opmaat te zien naar Artificial Generative Intelligence (AGI). Dit is een denkfout die veel enthousiastelingen maken.
Narrow AI maakte een enorme sprong met 'deep learning', waarbij de machine zelf leerde en niet meer hoefde te worden gevoed met instructies. Even terug naar het begin van AI: het precies beschrijven van menselijke intelligentie. Met 'deep learning' hoeft dat dus niet meer! Ook dit leidde weer tot een enorme hype en de verwachting dat AGI nu wel heel dichtbij kwam.
Maar de machine leerde alleen iets over een specifieke taak en niet meer dan dat. Vraag AI-ontwikkelaars van zelf-rijdende auto's maar hoe weinig vooruitgang zij hebben geboekt. Met 'deep learning' bereik je uiteindelijk het plafond van de mogelijkheden. AGI is niet een optelsom van meer en meer deep learning.
Dat ChatGPT - nu nog gebaseerd op GPT-3 - waarschijnlijk dit jaar nog gebruik zal maken van het krachtiger GPT-4 betekent niet dat AGI in het verschiet ligt. ChatGPT kan zijn specifieke taak nog sneller en beter doen, maar het zal nooit uitgroeien tot AGI. Ook deze weg loopt uiteindelijk dood.
Fake is nep
Waarom zal de gouden graal van AGI nog niet worden bereikt? Het antwoord ligt in de uitdaging die men zich in 1955 gaf: het zodanig precies beschrijven van (menselijk) leren en elke andere eigenschap van (menselijke) intelligentie dat een machine het kan simuleren.
Zolang wij niet begrijpen hoe mensen leren en hoe zij kennis opslaan en overdragen zijn wij niet in staat om een machine uit te leggen hoe dat werkt. Ergo: geen 100% nabootsing.
En elke nabootsing die niet 100% menselijk is, levert een slap aftreksel op dat wij mensen binnen een mum van tijd herkennen als 'fake'. Pas op: ik heb het hier niet over de output van de algoritmes van met name Generative AI. 'Fake' videos zijn bijna niet van echt te onderscheiden. Maar de machine die fake videos maakt is allesbehalve 'nagebootst menselijk'.
Het zit 'm in de semantiek
Dat deep learning geen instructies nodig heeft omzeilt het gemis aan semantiek niet. Het probleem met alle vormen van AI tot nu toe is dat zij is gebaseerd op statistische modellen en geen begrip heeft van de betekenis (semantiek).
En juist die semantiek is de allergrootste uitdaging. We weten daar nog veel te weinig van. Het is ingewikkeld en complex en 'geitenpaadjes' als deep learning blijken uiteindelijk een doodlopend zijpad.
Ik refereer nog even naar Grady Booch's uitleg waarom AGI niet gaat gebeuren in de voorzienbare toekomst:
"We do not yet - nor do I expect we will anytime in the future - have the proper architecture for the semantics of causality, abductive reasoning, common sense reasoning, theory of mind and of self, or subjective experience." (Grady Booch)
De machine is blind
Het probleem met het vergelijken van machine learning met menselijk leren is dat wanneer mensen leren, ze de patronen die ze identificeren koppelen aan semantische abstracties van de onderliggende objecten en activiteiten van hoge orde. Onze achtergrondkennis en ervaringen geven ons op hun beurt de noodzakelijke context om over die patronen te redeneren en de patronen te identificeren die het meest waarschijnlijk robuuste, bruikbare kennis vertegenwoordigen.
Machines zoeken daarentegen blindelings naar de sterkste signalen in een stapel data. Bij gebrek aan achtergrondkennis of levenservaringen om de betekenis van die signalen te begrijpen, kunnen deep learning-algoritmen geen onderscheid maken tussen zinvolle en valse indicatoren. In plaats daarvan coderen ze de wereld blindelings volgens statistieken in plaats van semantiek.
De arrogantie van AI
De belofte van AI is in mijn ogen nogal arrogant. Alsof het ons kan lukken om een 300 miljoen jaar durende evolutie in de menselijke geest te begrijpen en na te bootsen met instructies en algoritmes. En dan nog, hoe waardevol en wenselijk is het om menselijk denken na te bootsen in een machine?
"It is hard to know where [AI researchers] have gone wronger: in underestimating language or overestimating computer programs." (Drew McDermott)
Laten we eerst eens kijken hoe we Narrow AI en Generative AI op een waardevolle manier kunnen inzetten. Daar liggen al voldoende uitdagingen. Ik kom ook weer even terug op de zelf-rijdende auto, een 'narrow AI'-belofte die maar niet wil materialiseren.
Laten we vooral niet weer allerlei verkeerde verwachtingen scheppen over hoe 'superintelligent' AI allemaal gaat worden. Want de realiteit is dat AGI ook na 75 jaar nog steeds niet bestaat en dat geen enkele ontwikkeling ons tot nu toe ook maar in de buurt brengt van die 'gouden graal'.
Replicatie als travestie
En laten we vooral ook niet denken dat de output van een Generative AI algoritme ook maar iets met kunst te maken heeft. Het laatste woord daarover geef ik graag aan Nick Cave, de Australische componist en zanger die in The Red Hand Files een podium heeft waar fans allerlei vragen kunnen stellen.
Nick kreeg een aantal ChatGPT-liedteksten van fans "in de stijl van Nick Cave". Zijn antwoord is als altijd oprecht, liefdevol en .... messcherp:
"What ChatGPT is, in this instance, is replication as travesty." (Nick Cave)
