AI leest niet, AI rekent.
Reeks 2/3
Als je de vorige blog hebt gelezen, dan weet je dat AI niet zonder de mens kan. Sterker nog, uit de vorige blog hebben we het volgende geleerd:
- De mens is veel rijker doordat hij dingen kan ervaren.
- De mens blijft zichzelf ontwikkelen, ook zonder stroom en internet.
- AI kan niet werken zonder een stekker.
- AI heeft een databron nodig om te kunnen reageren, zoals bijvoorbeeld het internet.
Toch sloten we de blog af met het feit dat wij, de mens, AI ontwikkelen, maar dat er ook een angst is dat AI ons voorbijstreeft. En dat is natuurlijk wel vreemd. Want waarom zouden we iets bedenken waardoor de mens niet meer nodig is?
In deze blog neem ik jullie mee in de werking van AI.
Als kind leer je de Nederlandse taal door te luisteren naar de mensen die tegen je praten. Je ouders, je opa & oma, andere kindjes of — als je een modern kind bent — van de iPad. 😉 Waar een mens leert zinnen te maken door betekenis en gevoel te geven aan woorden, doet AI dat heel anders.
AI kun je zien als een enorme taalmachine. Dat noemen we een Large Language Model, of LLM. Deze machine leert geen taal om het te begrijpen zoals de mens dat doet. Sterker nog: AI kan niet eens lezen. Het voelt, ervaart of beleeft niet wat een woord betekent.
Hoe praat AI dan wel met ons? Dat komt door het grootste inzicht achter deze technologie: AI ziet geen letters of woorden, AI ziet alleen maar getallen. De machine heeft bijvoorbeeld geen idee wat ‘thee’ is. Wanneer jij het woord ‘thee’ intypt, zet de machine dit direct om naar een getal. Voor dit voorbeeld nemen we even aan dat thee het getal 18472 is (in werkelijkheid is dit getal vele malen langer, maar dat maakt dit verhaal er niet duidelijker op 😉).
Omdat AI alle woorden omzet naar getallen, kan het daar berekeningen mee maken. Door miljarden teksten op die manier te verwerken, ontdekt AI vanzelf welke getallen vaak samen voorkomen. Zo ontstaan patronen. Het getal voor ’thee’ (18472) komt bijvoorbeeld vaak voor in de buurt van de getallen voor ‘een kopje drinken’, en bijna nooit in de buurt van de getallen voor ‘zo viert men in Brabant carnaval’.
Door al die patronen weet AI precies welk woord (of getal) logischerwijs na het vorige hoort te komen. Het is een pure kansberekening. Bijvoorbeeld, je zet de zin ‘welke thee zullen we drinken’ in een AI, dan zet de machine dit om naar een reeks getallen. AI zoekt in de patronen en ziet dat de woorden ‘welke thee’ statistisch gezien het vaakst in combinatie worden geschreven met:
- Groene (38%)
- Zwarte (36%)
- Rooibos (18%)
- Munt (5%)
Op basis van die patronen berekent AI dat de kans groot is dat jij voor een groene of zwarte thee zult gaan. Vervolgens kijkt de machine naar de context van jouw vraag. Stel dat jij een gesprek voert met AI waarin je vertelt dat je een high tea gaat doen met een goede kennis, dat je wilt bijkletsen, dat je normaal koffie drinkt, maar voor deze gelegenheid theetjes wilt proberen. AI filtert daar de belangrijkste getallen uit: ‘normaal koffie’ en ‘nu thee proberen’. Op basis van die context, de patronen én de kansberekening rolt er een antwoord uit: de machine zoekt simpelweg uit met welke thee je statistisch gezien het beste kunt beginnen als koffiedrinker.
Onderaan de streep geeft AI dus altijd het antwoord terug dat wiskundig gezien het meest voor de hand liggend is. Omdat AI is getraind op miljarden teksten, is de kans op een foutief antwoord klein, maar het komt zeker voor. Het blijft immers een berekening, geen begrip.
AI is wat dat betreft dus de ultieme voorspelmachine, gebouwd op getallen en kansberekening. Het kan nieuwe combinaties maken van bestaande kennis, maar het kan zelf niks voelen, ervaren of écht begrijpen. Kortom:
AI leert niet, AI leest niet, AI voelt niet, AI rekent!
Het geeft ons simpelweg het antwoord dat statistisch gezien het beste past bij onze vraag en de context.
En daar zit precies de crux. Als AI ons niet kan ontwikkelen, waarom zien we dan tóch om ons heen dat steeds meer mensen hun baan verliezen door deze technologie? Waarom voelt het alsof AI ons inhaalt? AI is een hele goede, en vooral snelle, kansberekenaar. Maar hoe gaan we om met iets wat door onszelf — de mens — wordt gevoed, maar ons inmiddels op steeds meer taken voorbijstreeft in snelheid en efficiëntie? Moeten we daar bang voor zijn?
In het derde en laatste deel van deze serie ga ik hier verder op in. We kijken naar de verhouding tussen de 1% die deze technologie maakt en de 99% die er simpelweg mee moet leren leven. Is onze angst voor de toekomst terecht, of is er een manier waarop de 99% juist zijn unieke menselijke kracht kan vasthouden?
