Kunstmatige intelligentie (AI) probeert met een computer iets te simuleren dat menselijke intelligentie evenaart of overtreft. Maar wat is intelligentie? Het vermogen om te leren, te redeneren en toe te kunnen passen. AI is niet nieuw, mensen begonnen al in de jaren 50 met AI te onderzoeken!
Machine learning houdt letterlijk in dat de machine leert, je geeft hem veel informatie en hij observeert dingen. Een machine learning-algoritme is erg goed in het analyseren van patronen en het ontdekken van patronen in data. Hoe meer trainingsdata je hem kunt geven, hoe betrouwbaarder hij kan voorspellen.
Dus voorspellingen doen is iets waar machine learning bijzonder goed in is. Een ander ding is het ontdekken van uitschieters en zeggen: dat ziet er anders uit dan al het andere. Een systeem wordt gebruikt op een manier die normaal gesproken niet voorkomt.
Machine learning werd populairder in de 2010’s. De technologie is de afgelopen decennia enorm volwassen geworden en vormt de basis van veel van wat we momenteel met AI doen.
Bij deep learning gebruiken we neurale netwerken. Neurale netwerken zijn manieren waarop een computer de werking van het menselijk brein simuleert. Het wordt deep learning genoemd, omdat we meerdere lagen van die neurale netwerken hebben.
Ze simuleren de werking van het brein, maar het menselijk brein kan redelijk onvoorspelbaar zijn. Je stopt er bepaalde dingen in, maar er komt niet altijd hetzelfde uit. Deep learning werkt hetzelfde.
In sommige gevallen begrijpen we niet volledig waarom we de resultaten krijgen die we krijgen, omdat het neurale netwerk zoveel lagen heeft dat het moeilijk is om te ontleden en precies te achterhalen wat erin zit. Dit werd ook populair in de 2010’s.
De meest recente ontwikkelingen gebeuren in het gebied van generatieve kunstmatige intelligentie, of Gen AI. De basismodellen, zoals taalmodellen (LLM’s), waarbij we taal nemen en modelleren om voorspellingen te doen, zijn populair geworden. Bepaalde woordsoorten kunnen voorspellen wat het volgende woord zal zijn.
Zie dit een beetje als de autocomplete-functie: wanneer je iets begint te typen, wordt er een suggestie gegeven van wat je woord zal zijn. Alleen voorspellen grote taalmodellen in dit geval niet het volgende woord, maar de volgende zin, de volgende alinea, het volgende hele document.
Er is dus een enorme exponentiële sprong in wat Gen AI kan doen. We noemen deze nieuwe technologieën generatief, omdat ze nieuwe content genereren. Het argument dat Gen AI niet echt generatief is, is dat deze technologieën eigenlijk gewoon bestaande informatie herkauwen en in een ander formaat zetten.
Nou, laat me je een analogie geven. Neem bijvoorbeeld muziek, dan is elke noot al uitgevonden. Dus in zekere zin is elk nummer slechts een recombinatie, een andere permutatie van alle noten die al bestaan, en ze gewoon in een andere volgorde zetten. Maar mensen componeren en creëren nog steeds nieuwe nummers op basis van bestaande informatie.
Gen AI is vergelijkbaar. Er kan nieuwe content uit worden gegenereerd! En er zijn veel verschillende vormen die dit kan aannemen, zoals audio- en videomodellen.
Fundamentele modellen hebben onze aandacht in de 2020’s naar AI geleid. De mogelijkheden om nieuwe content te genereren, of in sommige gevallen bestaande content samen te vatten, om ons iets te bieden dat beheersbaar en toepasbaar is. Dit is wat alle aandacht heeft getrokken!
In de jaren 50 kwam de adoptie van AI vrij langzaam op gang. De meeste mensen wisten niet dat het bestond, en als ze het al wisten, leek het altijd alsof het iets was dat nog 5-10 jaar zou duren. Maar toen kwamen machine learning, en deep learning, en zagen we een opleving. Toen kwamen de fundamentele modellen, Gen AI, en toen ging het hard.
Deze fundamentele modellen hebben de adoptiecurve veranderd, en nu zien we dat AI overal wordt toegepast. En wat we moeten begrijpen, is in welk stadium wij ons bevinden, en waar AI kan worden toegepast, om ervoor zorgen dat we de vruchten van deze technologie kunnen plukken. Hoe ervaar jij de balans tussen mens en machine?