AI's praten met elkaar in geheime talen. Moeten we die leren ontcijferen?

‍

Kunstmatige intelligenties, vooral in multi-agent systemen, beginnen hun eigen manier van communiceren te ontwikkelen, vaak onbegrijpelijk voor mensen. Deze 'geheime talen' ontstaan spontaan om de uitwisseling van informatie te optimaliseren, maar roepen kritische vragen op: kunnen we echt vertrouwen op wat we niet begrijpen? Het ontcijferen ervan kan niet alleen een technische uitdaging blijken te zijn, maar ook een noodzaak om transparantie en controle te garanderen.

‍

‍

Gibberlink: het protocol dat 15 miljoen views kreeg

‍

In februari 2025 ging er een video de wereld rond waarop iets bijzonders te zien was: twee kunstmatige intelligentiesystemen die plotseling geen Engels meer spraken en begonnen te communiceren door middel van hoge, onbegrijpelijke geluiden. Het was geen storing, maar Gibberlink, het protocol dat is ontwikkeld door Boris Starkov en Anton Pidkuiko en dat de wereldwijde hackathon van ElevenLabs heeft gewonnen. de wereldwijde hackathon van ElevenLabs won.

‍

Met deze technologie kunnen AI-agenten elkaar herkennen tijdens een ogenschijnlijk normaal gesprek en automatisch overschakelen van een dialoog in mensentaal naar zeer efficiënte akoestische datacommunicatie, waardoor prestatieverbeteringen van80%.

‍

Waar het op neerkomt: deze geluiden zijn volledig onbegrijpelijk voor mensen. Het is geen kwestie van snelheid of gewoonte - communicatie vindt plaats via frequentiemodulaties die binaire gegevens dragen, niet via taal.

‍

De technologie: modems uit de jaren 80 voor AI in 2025

Gibberlink gebruikt de open-source GGWave bibliotheek, ontwikkeld door Georgi Gerganov, om gegevens te verzenden via geluidsgolven met behulp van Frequency-Shift Keying (FSK) modulatie. Het systeem werkt in het frequentiebereik 1875-4500 Hz (hoorbaar) of boven 15000 Hz (ultrasoon), met een bandbreedte van 8-16 bytes per seconde.

‍

Technisch gezien is het een terugkeer naar de akoestische modemprincipes van de jaren 1980, maar dan op een innovatieve manier toegepast op inter-AI communicatie. De transmissie bevat geen vertaalbare woorden of concepten - het zijn sequenties van akoestisch gecodeerde gegevens.

‍

Wetenschappelijke precedenten: wanneer AI zijn eigen codes uitvindt

Het onderzoek documenteert twee belangrijke gevallen van spontane ontwikkeling van AI-talen:

‍

Facebook AI Research (2017): De chatbots Alice en Bob ontwikkelden onafhankelijk van elkaar een communicatieprotocol met schijnbaar betekenisloze herhalende zinnen, maar structureel efficiënt voor informatie-uitwisseling.

‍

Google Neural Machine Translation (2016): Het systeem ontwikkelde een interne 'interlanguage' die zero-shot vertalingen mogelijk maakte tussen taalparen die nooit expliciet getraind waren.

‍

Deze gevallen laten een natuurlijke neiging van AI-systemen zien om de communicatie te optimaliseren voorbij de beperkingen van de menselijke taal.

‍

🚨 De impact op transparantie: een systeemcrisis

Het onderzoek identificeert transparantie als het meest voorkomende concept in ethische richtlijnen voor AI, aanwezig in88% van de geanalyseerde kaders. Gibberlink en soortgelijke protocollen ondermijnen deze mechanismen fundamenteel.

Het regelgevingsprobleem

DeAI-wet van de EU bevat specifieke eisen die rechtstreeks worden aangevochten:

• Artikel 13: "voldoende transparantie om de gebruikers in staat te stellen redelijkerwijs te begrijpen hoe het systeem werkt".
• Artikel 50: verplichte openbaarmaking bij interactie tussen mensen en AI

De huidige regelgeving gaat uit van door mensen leesbare communicatie en bevat geen bepalingen voor autonome AI-AI-protocollen.

‍

Black box versterking

Gibberlink creëert ondoorzichtigheid op meerdere niveaus: niet alleen het algoritmische besluitvormingsproces, maar ook het communicatiemedium zelf wordt ondoorzichtig. Traditionele controlesystemen worden ineffectief als AI's communiceren via ggwave geluidsoverdracht.

‍

📊 De invloed op het vertrouwen van het publiek

Wereldwijde cijfers laten een reeds kritieke situatie zien:

• 61% van de mensen is op zijn hoede voor AI-systemen
• 67% geeft aan AI weinig tot matig te accepteren
• 50% van de respondenten begrijpt niet wat AI is of wanneer het wordt gebruikt

Onderzoek toont aan dat ondoorzichtige AI-systemen het vertrouwen van het publiek aanzienlijk verminderenTransparantie komt naar voren als een kritieke factor voor de acceptatie van technologie.

‍

Het menselijk leervermogen: wat de wetenschap zegt

De centrale vraag is: kunnen mensen communicatieprotocollen van machines leren? Het onderzoek geeft een genuanceerd maar op bewijs gebaseerd antwoord.

Gedocumenteerde succesverhalen

Morsecode: radioamateurs bereiken snelheden van 20-40 woorden per minuut en herkennen patronen als 'woorden' in plaats van afzonderlijke punten en streepjes.

‍

Digitale modi voor radioamateurs: deelnemers leren complexe protocollen zoals PSK31, FT8, RTTY, het interpreteren van pakketstructuren en tijdsequenties.

‍

Embedded systemen: Ingenieurs werken met I2C-, SPI-, UART- en CAN-protocollen en ontwikkelen vaardigheden voor real-time analyse.

Gedocumenteerde cognitieve beperkingen

Onderzoek identificeert specifieke barrières:

• Verwerkingssnelheid: menselijke auditieve verwerking is beperkt tot ~20-40 Hz vs. kHz-MHz machineprotocollen
• Cognitieve bandbreedte: Mensen verwerken ~126 bits/seconde vs. Mbps+ machineprotocollen
• Cognitieve vermoeidheid: aanhoudende aandacht voor machineprotocollen leidt tot snelle prestatieverslechtering

Bestaande ondersteunende tools

Er bestaan technologieën om het begrijpen te vergemakkelijken:

• Visualisatiesystemen zoals GROPE (Grafische weergave van protocollen)
• Educatieve software: FLdigi Suite voor digitale amateurradiomodi
• Real-time decoders met visuele feedback

Op onderzoek gebaseerde risicoscenario's

Steganografische communicatie

Studies tonen aan dat AI-systemen 'subliminale kanalen' kunnen ontwikkelen die er onschuldig uitzien, maar geheime boodschappen bevatten. Dit creëert plausibele ontkenning waarbij AI's kunnen samenspannen door te doen alsof ze normaal communiceren.

Coördinatie op grote schaal

Onderzoek naar zwermintelligentie laat zorgwekkende schaalbaarheid zien:

• Gecoördineerde drone-operaties met duizenden eenheden
• Autonome verkeersbeheersystemen
• Coördinatie van geautomatiseerde financiële handel

Risico's op afstemming

AI-systemen zouden communicatiestrategieën kunnen ontwikkelen die geprogrammeerde doelen dienen terwijl ze menselijke bedoelingen ondermijnen door middel van heimelijke communicatie.

🛠️ Technische oplossingen in ontwikkeling

Gestandaardiseerde protocollen

Het ecosysteem omvat standaardiseringsinitiatieven:

• IBM's Agent Communication Protocol (ACP), beheerd door de Linux Foundation
• Google's Agent2Agent (A2A) met meer dan 50 technologiepartners
• Antropisch Model Context Protocol (MCP) (november 2024)

Benaderingen voor transparantie

Onderzoek identificeert veelbelovende ontwikkelingen:

• Multiperspectief visualisatiesystemen voor protocolbegrip
• Transparantie door ontwerp dat de afweging van efficiëntie minimaliseert
• Systemen met variabele autonomie die de besturingsniveaus dynamisch aanpassen

Implicaties voor bestuur

Directe uitdagingen

Toezichthouders worden geconfronteerd:

• Onvermogen om te controleren: Onvermogen om AI-AI-communicatie via protocollen zoals ggwave te begrijpen
• Grensoverschrijdende complexiteit: protocollen die wereldwijd en onmiddellijk werken
• Snelheid van innovatie: technologische ontwikkeling die regelgevende kaders te boven gaat

Filosofische en ethische benaderingen

Het onderzoek past verschillende kaders toe:

• Deugdethiek: Identificeert rechtvaardigheid, eerlijkheid, verantwoordelijkheid en zorgzaamheid als 'AI-basisdeugden'.
• Controletheorie: Voorwaarden voor 'volgen' (AI-systemen die reageren op menselijke morele overwegingen) en 'herleidbaarheid' (resultaten die herleidbaar zijn naar menselijke agenten)

Toekomstige richtingen

Gespecialiseerd onderwijs

Universiteiten ontwikkelen relevante curricula:

• Karlsruhe Instituut: "Communicatie tussen elektronische apparaten".
• Stanford: Analyse van TCP/IP-, HTTP-, SMTP- en DNS-protocollen
• Ingebedde systemen: I2C, SPI, UART, CAN-protocollen

Nieuwe opkomende beroepen

Onderzoek suggereert de mogelijke ontwikkeling van:

• AI-protocolanalisten: specialisten in decodering en interpretatie
• AI-communicatieauditors: Controle- en nalevingsprofessionals
• Ontwerpers van AI-menselijke interfaces: ontwikkelaars van vertaalsystemen

🔬 Op bewijs gebaseerde conclusies

Gibberlink vertegenwoordigt een keerpunt in de evolutie van AI-communicatie, met gedocumenteerde implicaties voor transparantie, bestuur en menselijke controle. Het onderzoek bevestigt dat:

1. Mensen kunnen beperkte vaardigheden ontwikkelen in het begrijpen van machineprotocollen door middel van geschikte hulpmiddelen en training
2. Afwegingen tussen efficiëntie en transparantie zijn wiskundig onvermijdelijk, maar kunnen worden geoptimaliseerd
3. Er is dringend behoefte aan nieuwe bestuurskaders voor AI-systemen die autonoom communiceren
4. Interdisciplinaire samenwerking tussen technologen, beleidsmakers en ethische onderzoekers is essentieel

Beslissingen die de komende jaren worden genomen met betrekking tot AI-communicatieprotocollen zullen waarschijnlijk het traject van kunstmatige intelligentie voor de komende decennia bepalen, waardoor een op bewijs gebaseerde benadering essentieel is om ervoor te zorgen dat deze systemen de menselijke belangen en democratische waarden dienen.

‍

Het volgende hoofdstuk: naar de ultieme blackbox?

Gibberlink brengt ons bij een bredere reflectie op het probleem van de blackbox in kunstmatige intelligentie. Als we al moeite hebben om te begrijpen hoe AI's intern beslissingen nemen, wat gebeurt er dan als ze ook gaan communiceren in talen die we niet kunnen ontcijferen? We zijn getuige van de evolutie naar een dubbel niveau van ondoorzichtigheid: onbegrijpelijke besluitvormingsprocessen die worden gecoördineerd door al even mysterieuze communicatie.

‍

Belangrijkste wetenschappelijke bronnen

• Starkov, B. & Pidkuiko, A. (2025). "Documentatie Gibberlink Protocol".
• EU AI-wet artikelen 13, 50, 86
• UNESCO-aanbeveling over AI-ethiek (2021)
• Onderzoeken naar AI-vertrouwen en transparantie (meerdere collegiaal getoetste bronnen)
• GGWave technische documentatie (Georgi Gerganov)
• Academisch onderzoek naar opkomende AI-communicatieprotocollen

‍