Kunstmatige intelligentie: tussen illusoire beloften en echte dystopieën

‍

Kunstmatige intelligentie heeft vele cycli van opwinding en teleurstelling doorgemaakt. Vandaag bevinden we ons in een opwaartse fase, dankzij de ontwikkeling van grote taalmodellen (LLM) op basis van de Transformer-architectuur. Deze architectuur is bijzonder geschikt voor GPU's, waardoor het mogelijk is om enorme hoeveelheden gegevens en rekenkracht te gebruiken om modellen met miljarden parameters te trainen. Het belangrijkste gevolg is de creatie van een nieuwe gebruikersinterface voor computers: menselijke taal.

Net zoals de grafische gebruikersinterface de personal computer toegankelijk maakte voor miljoenen gebruikers in de jaren 1980, hebben nieuwe natuurlijke taalinterfaces AI toegankelijk gemaakt voor honderden miljoenen gebruikers wereldwijd in het afgelopen jaar.

‍

De mythe van echte democratisering

‍

Ondanks deze schijnbare toegankelijkheid blijft de 'democratisering' die SaaS-oplossingen beloven onvolmaakt en gedeeltelijk, waardoor nieuwe vormen van ongelijkheid ontstaan.

‍

AI vereist nog steeds specifieke vaardigheden:

- AI-geletterdheid en het begrijpen van de grenzen van systemen

- Vermogen om output kritisch te evalueren

- Integratievaardigheden in bedrijfsprocessen

‍

Het AI-effect en de grensparadox

John McCarthy bedacht de term AI in de jaren 1950, maar hij klaagde zelf: "Zodra het werkt, noemt niemand het meer AI". Dit fenomeen, bekend als het 'AI-effect', beïnvloedt ons vandaag de dag nog steeds.

‍

De geschiedenis van AI is bezaaid met successen die, zodra ze voldoende betrouwbaar zijn geworden, niet langer als 'intelligent' genoeg worden beschouwd om het aspirationele epitheton te verdienen.

‍

Voorbeelden van technologieën die ooit als geavanceerde AI werden beschouwd en nu als vanzelfsprekend worden beschouwd:

‍

- Machine vision nu ingebouwd in elke smartphone

- Spraakherkenning, nu gewoon 'dicteren

- Taalvertaling en sentimentanalyseAanbevelingssystemen (Netflix, Amazon) en routeoptimalisatie (Google Maps)

Dit maakt deel uit van een breder fenomeen dat we de 'grensparadox' kunnen noemen.

‍

Omdat we mensen de grens toeschrijven die verder gaat dan onze technologische beheersing, zal deze grens altijd slecht gedefinieerd zijn. Intelligentie is niet iets dat we kunnen vastleggen, maar een voortdurend naderende horizon die we omzetten in bruikbare hulpmiddelen.

‍

‍

AI en informatieoverbelasting

‍

De verspreiding van generatieve AI heeft de kosten voor het produceren en verzenden van informatie drastisch verlaagd, met paradoxale gevolgen voor de doelen van burgerparticipatie.

‍

De crisis van synthetische inhoud

De combinatie van generatieve AI en sociale media heeft geleid tot:

- Cognitieve overbelasting en versterking van bestaande vooroordelen

- Grotere sociale polarisatie

- Gemak om de publieke opinie te manipuleren

- Proliferatie van vervalste inhoud

‍

Het 'zwarte doos'-probleem

‍

Vereenvoudigde interfaces verbergen de werking van AI:Slecht begrip van geautomatiseerde besluitvormingsprocessenMoeilijkheden bij het identificeren van algoritmische vooroordelen

‍

Beperkte aanpassing van onderliggende modellenHet belang van door mensen geleide geautomatiseerde intelligentieAI kan ons maar voor 90% op weg helpen.

‍

Machines blinken uit in het analyseren van grote hoeveelheden gegevens, maar hebben moeite met randgevallen. Algoritmen kunnen worden getraind om meer uitzonderingen te verwerken, maar voorbij een bepaald punt wegen de benodigde middelen niet op tegen de voordelen. Mensen zijn precieze denkers die principes toepassen op grensgevallen, terwijl machines benaderers zijn die beslissingen nemen op basis van voorgaande

‍

Van hype naar ontgoocheling: de AI-cyclus

Zoals Gartner beschrijft in technologiehypecycli, wordt wild enthousiasme steevast gevolgd door teleurstelling - de 'vallei van de desillusie'.

‍

Alan Kay, pionier op het gebied van computerwetenschappen en winnaar van de Turingprijs, zei: 'Technologie is alleen technologie voor degenen die geboren zijn voordat het werd uitgevonden'. Machine Learning-professionals zijn wetenschappers en ingenieurs, maar hun inspanningen lijken altijd magisch - totdat ze dat op een dag niet meer zijn.

‍

Homogenisering en verlies van concurrentievoordeelWijdverspreide toepassing van dezelfde kant-en-klare SaaS-oplossingen resulteert in:Convergentie naar vergelijkbare bedrijfsprocessenDifferentiatieproblemen door AIInnovatie beperkt door platformcapaciteitenDatapersistentie en de risico's ervan

‍

Met de toegankelijkheid van generatieve AI-platforms:Gegevens blijven lang bewaard in digitale infrastructurenDatapunten kunnen in verschillende contexten worden hergebruikt

Er wordt een gevaarlijke cyclus gecreëerd wanneer toekomstige generaties AI worden getraind op synthetische inhoud.

‍

De nieuwe digitale kloof

‍

De AI-markt is onderverdeeld in:

- Basis-AI: gestandaardiseerde oplossingen beschikbaar voor velen

- Geavanceerde eigen AI: geavanceerde mogelijkheden ontwikkeld door een paar grote organisaties

‍

De behoefte aan een preciezere woordenschat

Een deel van het probleem ligt in de definitie van 'Kunstmatige Intelligentie'.

‍

Als we de term recursief opsplitsen, merken we dat elke tak van de definitie verwijst naar 'mensen' of 'mensen'. Per definitie denken we bij AI dus aan het imiteren van mensen, maar zodra een vermogen het domein van machines betreedt, verliezen we het menselijke referentiepunt en beschouwen we het niet langer als AI.

‍

Het is nuttiger om ons te richten op specifieke technologieën die aan het werk gezet kunnen worden, zoals transformatoren voor taalmodellen of diffusie voor het genereren van afbeeldingen. Dit maakt ons vermogen om een onderneming te evalueren veel explicieter, tastbaarder en reëler.

‍

Conclusie: Van grens tot technologie

‍

De grensparadox houdt in dat AI zo snel versnelt dat het binnenkort gewoon technologie zal zijn, en een nieuwe grens AI zal worden. Het worden van 'technologie' moet worden gezien als erkenning voor een idee dat eerder op het scherpst van de snede van het mogelijke stond.Dit artikel is deels geïnspireerd door de overwegingen van Sequoia Capital over de AI-paradox.

Voor meer informatie: https://www.sequoiacap.com/article/ai-paradox-perspective/

‍

De echte belofte van toegankelijke AI is niet simpelweg het beschikbaar maken van technologie, maar het creëren van een ecosysteem waarin innovatie, controle en voordelen echt verdeeld zijn.

We moeten de spanning erkennen tussen toegang tot informatie en de risico's van overbelasting en manipulatie.

‍

Alleen door een sterk menselijk element in kunstmatige intelligentie te behouden en een preciezere taal te gebruiken, kunnen we het potentieel van kunstmatige intelligentie realiseren als een kracht voor echt gedistribueerde inclusie en innovatie.