Nieuw ai-systeem kan opsporen van beroertes flink versnellen. Adviseren kan met ai goedkoper. Advocaat ziet in ai een hulpmiddel voor routineklusjes. BBB zet ChatGPT in bij opstellen van verkiezingsprogramma. Zomaar een greep uit de headlines waarin artificiële intelligentie een prominente rol speelt.
Zoals het gaat met opkomende technologieën heb je adepten, trendvolgers, trendmijders en critici. In welke adoptiefase je ook zit, het is goed om jezelf af te vragen wat ai is, wat het doet en wat je ermee kan. Als je deze vragen beantwoordt, is ai dan echt zo slim als wordt beweerd?
De bovenstaande headlines laten zien dat ai in de schijnwerpers staat. Het is indrukwekkend hoeveel vooruitgang er wordt geboekt in de medische wetenschap en hoe repetitieve taken nu aan softwarerobots zijn over te laten. Desondanks blijft ai zelfs in deze aansprekende voorbeelden abstract en weinig tastbaar. Om ai op de juiste waarde te schatten, is het belangrijk om terug te gaan naar de essentie: wat doet het eigenlijk?
Magisch
Ai lijkt soms bijna magisch, maar het is belangrijk om te begrijpen hoe het werkt om realistische verwachtingen te hebben. Laten we beginnen met de definities. Over het algemeen verwijst ai naar een brede verzameling methoden en technieken die machines in staat stellen taken uit te voeren op een manier vergelijkbaar met hoe mensen dat doen.
Tegenwoordig wordt de term ai meestal gebruikt om te verwijzen naar machine learning. Dit is een toepassing van ai waarbij machines worden getraind met behulp van bestaande data en op basis van die training taken kunnen uitvoeren, in tegenstelling tot het expliciet programmeren van de uitvoering van taken. Deze trainingsmethode vertoont overeenkomsten met hoe mensen leren. Stel je voor dat je iemand verschillende stoelen laat zien. Zelfs als je die persoon een stoel laat zien die ze nog nooit eerder hebben gezien, zullen ze deze nog steeds als een stoel herkennen. Het trainen van machine learning-modellen lijkt hierop, zij het op een meer gestructureerde manier. De manier waarop computers werken is echter veel eenvoudiger dan onze hersenen. Maar hoe bereiken we dit in een computer? Via een techniek genaamd neurale netwerken.
Neurale netwerken
Neurale netwerken zijn een wiskundig concept waarbij verschillende lagen knooppunten (nodes of neurons) betrokken zijn. Deze lagen zijn verbonden met alle knooppunten in de vorige en volgende lagen. De verbinding wordt gevormd door een eenvoudige wiskundige formule: het gewogen gemiddelde van alle knooppunten in de vorige laag. Met andere woorden, de waarde van elk knooppunt in een laag wordt berekend door het gewogen gemiddelde te nemen van alle knooppunten in de vorige laag. De gewichten zijn uniek per knooppunt. Deze gewichten zijn van cruciaal belang voor het functioneren van neurale netwerken. Tijdens de training worden de gewichten aangepast zodat het netwerk bijvoorbeeld stoelen kan herkennen. Hoewel de aanpassing van de gewichten enige complexiteit met zich meebrengt, is het nog steeds begrijpelijk voor iemand met wiskunde op vwo-niveau.
Het fascinerende aan neurale netwerken is dat deze eenvoudige wiskunde ervoor zorgt dat bijvoorbeeld ChatGPT werkt. Hoewel de werking hier in vereenvoudigde vorm wordt weergegeven, is de wiskundige basis niet ingewikkelder dan dit. Het magische aspect is dat we weten dat het werkt, maar we begrijpen niet volledig hoe het werkt. Dit geeft de indruk dat je computer intelligent is geworden.
IQ-tests
Is je computer echt intelligent? Als computerwetenschapper is dit een uitdagende vraag. Moderne neurale netwerken presteren goed in IQ-tests, hoewel ze zijn gebaseerd op relatief eenvoudige wiskunde. Het concept van neurale netwerken is afgeleid van onze eigen hersenen en neuronen, maar één enkel neuron in ons brein veel complexer dan een willekeurig neuraal netwerk, en hebben we er veel meer dan in een door mensen gemaakt neuraal netwerk.
Het lijkt geen eerlijke vergelijking te zijn. Dankzij deze netwerken kunnen computers slimme dingen doen, wat fantastisch is. Echter blijft het uiteindelijk gewoon een computer met een cpu, geheugen en een harde schijf. Een neuraal netwerk is gewoon een computerprogramma.
Krachtige tool
Of het nu intelligent is of niet, ai is een interessante techniek waarmee we verschillende oplossingen kunnen realiseren. Vooral met de huidige generatieve ai hebben we een krachtige tool tot onze beschikking, zij het met beperkingen. Dit wordt ook weerspiegeld in de toepassingen ervan. Soms kunnen bepaalde toepassingen als het ware ‘hallucineren‘, en de resultaten zijn niet altijd consistent. Dit komt door de manier waarop ai werkt. In plaats van simpelweg informatie op te zoeken zoals in een zoekmachine, genereert ai antwoorden op basis van de vraag en de training die het heeft gehad. Het antwoord met de hoogste waarschijnlijkheid wordt gepresenteerd, omdat de resultaten van een neuraal netwerk meestal variëren tussen kansen in plaats van strikte ja/nee-antwoorden. Dit kan variëren op basis van verschillende factoren, zoals kleine aanpassingen in de vraag en de training van het model zelf. Voor afgebakende probleemgebieden kan dit goed werken, maar algemene toepasbaarheid ligt nog in de toekomst. Aangezien we nog niet in staat zijn om een accurate simulatie van één menselijk neuron te maken, lijkt het nog voorbarig om te spreken van intelligente machines.