De illusie van vooruitgang: algemene kunstmatige intelligentie simuleren zonder deze te bereiken

Algemene Kunstmatige Intelligentie (AGI) - een systeem met intelligentie vergelijkbaar of superieur aan de mens op alle gebieden - wordt nog steeds beschouwd als de Heilige Graal van de technologie. In 2025 tekent zich echter duidelijker een alternatief pad af: we bereiken AGI niet als één systeem, maar eerder door een steeds overtuigender illusie die wordt gecreëerd door de combinatie van meerdere gespecialiseerde smalle AI's.

‍

Het mozaïek van kunstmatige intelligentie

De AI van vandaag blinkt uit in specifieke taken: Large Language Models (LLM) verwerken teksten, modellen zoals Midjourney of DALL-E creëren beelden, AlphaFold analyseert eiwitten. Hoewel ze individueel beperkt zijn, creëren deze AI's, wanneer ze geïntegreerd worden in een gecoördineerd ecosysteem, een schijn van algemene intelligentie - een 'proxy' voor AGI.

‍

Volgens het rapport AI Index 2025 van Stanford University blijft AI, ondanks de aanzienlijke vooruitgang, obstakels tegenkomen op het gebied van complexe redeneringen.

De meer geavanceerde modellen lossen zeer gestructureerde problemen op, maar vertonen duidelijke beperkingen als het gaat om gearticuleerd logisch redeneren, sequentiële planning en abstract denken.

‍

De Society of Minds-benadering en multi-agent systemen

In 2025 ontwikkelt kunstmatige intelligentie zich snel van een nichetechnologie tot een strategisch element van het technologische en sociale landschap, met diepgaande culturele en ethische implicaties.

Dit heeft geleid tot de opkomst van agent AI-systemen die ons dichter bij de horizon van algemene kunstmatige intelligentie brengen.

‍

In multi-agent systemen werkt elke agent onafhankelijk, met behulp van lokale gegevens en autonome besluitvormingsprocessen zonder afhankelijk te zijn van een centrale controller.

‍

Elke agent heeft een lokaal zicht maar geen enkele agent heeft een globaal zicht op het hele systeem. Door deze decentralisatie kunnen agenten taken individueel afhandelen terwijl ze door interactie bijdragen aan de algemene doelen.

‍

In 2025 worden multi-agent systemen - waarbij meerdere AI-agenten samenwerken om complexe doelen te bereiken - steeds populairder. Deze systemen kunnen workflows optimaliseren, inzichten genereren en helpen bij besluitvormingsprocessen op verschillende gebieden.

‍

In de klantenservice bijvoorbeeld, behandelen AI-agenten complexe verzoeken; in de productie houden ze in realtime toezicht op productielijnen; in de logistiek coördineren ze dynamisch toeleveringsketens.

‍

Het rekenplateau en fysieke barrières

Ondanks de indrukwekkende vooruitgang beginnen we een plateau te bereiken in de traditionele rekenontwikkeling. Van 1959 tot 2012 verdubbelde de hoeveelheid energie die nodig is om AI-modellen te trainen elke twee jaar, volgens de Wet van Moore. De meest recente gegevens laten echter zien dat na 2012 de verdubbelingstijd aanzienlijk sneller is geworden - elke 3,4 maanden - waardoor de huidige snelheid meer dan zeven keer zo hoog is als de vorige snelheid.

‍

Deze dramatische toename van de benodigde rekenkracht onderstreept hoe groot de economische uitdaging is geworden om significante vooruitgang te boeken op het gebied van AI.

‍

De belofte van kwantumcomputers

Kwantumcomputing kan dit obstakel overwinnen en een paradigmaverschuiving teweegbrengen in de rekencapaciteit die nodig is voor nog geavanceerdere modellen. In 2025 is kwantumcomputing in opkomst als een cruciaal hulpmiddel om deze uitdagingen aan te gaan, aangezien technologiebedrijven alternatieve energiebronnen omarmen om het toenemende energieverbruik van AI bij te houden.

Volgens een voorspelling van Arvind Krishna, CEO van IBM, kan dankzij de snelle vooruitgang op het gebied van kwantumcomputing het energie- en waterverbruik van AI de komende vijf jaar met maar liefst 99 de komende vijf jaar met wel 99 procent afnemen.

‍

Deze technologie belooft tot nu toe onvoorstelbare rekencapaciteiten te ontsluiten en nieuwe grenzen te openen voor wetenschappelijk onderzoek.

‍

Een belangrijke doorbraak werd in maart 2025 aangekondigd door D-Wave Quantum, dat een peer-reviewed paper publiceerde getiteld 'Beyond-Classical Computation in Quantum Simulation', waarin wordt aangetoond dat hun annealing quantumcomputer beter presteert dan een van 's werelds krachtigste klassieke supercomputers in het oplossen van complexe simulatieproblemen van magnetische materialen.

‍

In het jaar 2025 is er veel vooruitgang geboekt op het gebied van quantumcomputing, met belangrijke ontwikkelingen in hardware, foutcorrectie, integratie met AI en quantuminternetwerken. Deze vooruitgang herdefinieert de mogelijke rol van kwantumcomputing op gebieden als gezondheidszorg, financiën en logistiek..

‍

Volgens Forrester is quantumcomputing ondanks de vooruitgang in 2025 echter nog steeds experimenteel en heeft het voor de meeste toepassingen nog geen praktisch voordeel ten opzichte van klassieke computers aangetoond.

‍

De kwantumrace: Microsoft vs Google?

Microsoft beweert aanzienlijke vooruitgang te hebben geboekt op het gebied van quantumcomputing met zijn Majorana 1 chip, die begin 2025 werd geïntroduceerd. Deze processor heeft een nieuwe Topological Core-architectuur, gebouwd met acht topologische qubits die Majorana-deeltjes manipuleren, quasideeltjes die fungeren als 'halve elektronen' die bekend staan om hun sterke weerstand tegen fouten.

‍

Google daarentegen heeft een andere aanpak ontwikkeld met zijn revolutionaire kwantumchip Willow, die het traditionele probleem van een stijgende foutmarge naarmate er meer qubits bijkomen, oplost - Willow wordt zelfs nauwkeuriger naarmate er meer qubits bijkomen.

‍

Deze twee verschillende strategieën vertegenwoordigen fundamenteel verschillende benaderingen van kwantumcomputing, waarbij Microsoft zich richt op topologie en Google op foutoptimalisatie.

‍

Cognitieve barrières die blijven bestaan

‍

Naast hardwarebeperkingen heeft samengestelde AI te maken met andere fundamentele barrières:

‍

Causaal begrip: Systemen correleren variabelen maar isoleren geen echte oorzaak-gevolgrelaties. AI heeft op veel gebieden aanzienlijke vooruitgang geboekt, maar heeft nog steeds te maken met beperkingen in het begrijpen van en reageren op menselijke emoties, in besluitvorming in crisissituaties en in het evalueren van ethische en morele overwegingen.

‍

Continu leren: Neurale netwerken verliezen nauwkeurigheid wanneer ze achtereenvolgens worden getraind op verschillende taken, wat een soort 'catastrofaal geheugenverlies' veroorzaakt.

‍

Meta-cognitie: AI's hebben geen intern model van hun eigen cognitie, wat echte zelfverbetering beperkt.

‍

‍

Naar een 'per volmacht' AGI

De wetenschappelijke gemeenschap lijkt nogal verdeeld over de technologieën en tijdschema's die nodig zijn om het doel van Algemene Kunstmatige Intelligentie (AGI) te bereiken, maar het debat geeft aanleiding tot een aantal interessante nieuwe suggesties, die al praktische toepassing vinden in het onderzoek naar nieuwe AI-systemen.

‍

2025 zou het jaar kunnen zijn waarin de eerste agentsystemen in bedrijven in productie gaan.

‍

Terwijl AGI het meest ambitieuze doel vertegenwoordigt - systemen met cognitieve capaciteiten die vergelijkbaar zijn met of superieur aan die van de mens, in staat om kennis te begrijpen, te leren en toe te passen op een transversale manier.

‍

In plaats van te wachten op een monolithische AGI, is het waarschijnlijker dat er in de toekomst wat we 'front-AGI's' zouden kunnen noemen, systemen ontstaan die algemene intelligentie lijken te bezitten:

‍

Orkestratie van AI microservices: verschillende gespecialiseerde AI's gecoördineerd via een gemeenschappelijk abstractieniveau.
Unified conversational interfaces: Een enkele interface die de complexiteit van meerdere onderliggende systemen verbergt.
Beperkt transversaal leren: selectief delen van kennis tussen specifieke domeinen.

Bewustzijn: realiteit of gedeelde illusie?

In het AGI debat nemen we aan dat mensen een 'bewustzijn' hebben dat machines niet kunnen kopiëren. Maar misschien moeten we onszelf een radicalere vraag stellen: is het menselijk bewustzijn zelf echt of is het ook een illusie?

‍

Sommige neurowetenschappers en filosofen van de geest, zoals Daniel Dennett, hebben voorgesteld dat wat wij 'bewustzijn' noemen zelf een post-hoc verhaal is - een interpretatie die de hersenen construeren om zin te geven aan hun eigen activiteiten..

‍

Als we bewustzijn niet beschouwen als een mysterieuze, unitaire eigenschap, maar als een reeks onderling verbonden neurale processen die een overtuigende illusie van een verenigd 'zelf' opwekken, dan wordt de grens tussen mensen en machines minder duidelijk.

‍

Vanuit dit perspectief kunnen we de verschillen tussen opkomende AGI en menselijke intelligentie eerder zien als verschillen in mate dan in aard. De illusie van begrip die we zien in geavanceerde taalmodellen verschilt misschien niet zo veel van de illusie van begrip die we zelf ervaren - beide komen voort uit complexe netwerken van processen, zij het op fundamenteel verschillende manieren georganiseerd.

‍

Dit perspectief roept een provocerende vraag op: als het menselijk bewustzijn zelf een simulatie is die voortkomt uit meerdere onderling verbonden cognitieve processen, dan zou de 'proxy' AGI die we aan het construeren zijn - een mozaïek van gespecialiseerde systemen die samenwerken om een algemeen begrip te simuleren - wel eens opvallend veel op onze eigen mentale architectuur kunnen lijken.

We zouden niet proberen om een magische, onuitsprekelijke kwaliteit te repliceren, maar eerder om de overtuigende illusie te reconstrueren die we zelf ervaren als bewustzijn.

‍

Deze reflectie doet niets af aan de diepte van de menselijke ervaring, maar nodigt ons uit om opnieuw te overwegen wat we echt bedoelen als we het hebben over 'bewustzijn' en of dit concept echt een onoverkomelijk obstakel is voor kunstmatige intelligentie, of gewoon een ander proces dat we op een dag misschien kunnen simuleren.

‍

‍

Conclusie: De finishlijn heroverwegen

Misschien moeten we onze definitie van AGI radicaal heroverwegen. Als het menselijk bewustzijn zelf een opkomende illusie zou kunnen zijn - een verhaal dat de hersenen construeren om zin te geven aan hun eigen operaties - dan wordt het scherpe onderscheid tussen menselijke en kunstmatige intelligentie minder gedefinieerd.

‍

Experts voorspellen dat 2027 een cruciaal moment kan zijn voor AI. In het huidige tempo kunnen modellen binnen een paar jaar cognitieve algemeenheid bereiken - het vermogen om elke menselijke taak aan te pakken.

‍

Dit scenario moet niet simpelweg gezien worden als een kopie van menselijke intelligentie, maar als de opkomst van een nieuw soort intelligentie - noch volledig menselijk, noch volledig kunstmatig, maar iets anders en potentieel aanvullends.

‍

Deze benadering bevrijdt ons van pogingen om iets na te bootsen dat we misschien niet volledig begrijpen - het menselijk bewustzijn - en stelt ons in plaats daarvan in staat om ons te richten op wat kunstmatige intelligentie kan doen op haar eigen voorwaarden. De AGI die zal ontstaan zal daarom niet een enkel systeem zijn dat 'doet alsof' het menselijk is, maar een geïntegreerd technologisch ecosysteem met zijn eigen opkomende eigenschappen - een gedistribueerde intelligentie die, paradoxaal genoeg, meer dan we aanvankelijk dachten de gefragmenteerde en onderling verbonden aard van onze eigen cognitie zou kunnen weerspiegelen.

‍

In die zin wordt het onderzoek van AGI niet zozeer een poging om de mens te evenaren, maar een ontdekkingsreis naar de aard van intelligentie en bewustzijn, zowel menselijk als kunstmatig.

‍

Bronnen

‍