113 De Cyclus van de Geest

 Googleai:

---

: Over AI-Winters, Simpliciteit en de Illusie van de Korte Route

Introductie

De geschiedenis van de kunstmatige intelligentie laat zich lezen als een opeenvolging van seizoenen. Periodes van grenzeloos optimisme en miljoeneninvesteringen worden historisch afgewisseld door ijzige 'AI-winters': tijdperken waarin het budget bevriest en de publieke belangstelling verdampt. Deze schommelingen zijn niet louter het gevolg van falende technologie. Ze komen voort uit een dieper, menselijk fenomeen: de neiging om de complexiteit van de wereld te onderschatten en te zoeken naar een simplistische kortere route naar intelligentie.

De Anatomie van een AI-Winter

Een AI-winter ontstaat altijd volgens hetzelfde patroon: overbelofte. In de jaren zestig dachten pioniers dat het vertalen van talen een kwestie was van een simpel digitaal woordenboek. In de jaren tachtig geloofde de industrie dat 'expert systemen'—enorme databases vol handgeschreven logische regels—het menselijk denkvermogen definitief zouden automatiseren.

Beide keren liep de wetenschap tegen een muur. De werkelijkheid bleek te subtiel, te chaotisch en te groot voor de computers van die tijd. Men hanteerde een simplistische visie op intelligentie. Men dacht dat het menselijk brein functioneerde als een lineaire invuloefening. Toen die illusie barstte, volgde de teleurstelling. De eerste AI-winter (1974) en de tweede AI-winter (1987) waren het directe resultaat van dit intellectuele optimisme dat de harde realiteit uit het oog verloor.

Van Simplistisch naar Simplex

Vandaag de dag bevinden we ons in een AI-zomer van ongekende proporties, aangedreven door neurale netwerken en generatieve AI. De fout uit het verleden was het idee dat we intelligentie van bovenaf konden programmeren met harde, logische regels. De moderne AI-revolutie doet het omgekeerde: we geven de computer miljarden data-punten en laten het systeem zelf de regels ontdekken.

Hier raakt de computerwetenschap aan het filosofische concept van simplexiteit. Simplexiteit is de theorie dat achter extreem complexe verschijnselen vaak verrassend simpele basisregels schuilgaan. Een zwerm vogels beweegt in een prachtig, complex patroon, maar elke individuele vogel volgt slechts drie simpele regels (afstand houden, richting aanpassen, snelheid matchen). Recent onderzoek naar grote AI-modellen laat iets soortgelijks zien. Hoewel een model als ChatGPT miljarden parameters heeft, blijkt het intern de menselijke taal en logica te ordenen in relatief eenvoudige, geometrische structuren. Intelligentie is dus niet simplistisch (een onderschatting), maar simplex: een elegante eenvoud die ontstaat binnen de complexiteit.

Conclusie: Voorkomen we de volgende winter?

De grote vraag is of de huidige AI-zomer zal omslaan in een derde winter. Zolang marketeers beloven dat AI binnen enkele jaren 'alles kan' en volledig bewustzijn zal bereiken, blijft het gevaar van een nieuwe neergang reëel.

De belangrijkste les uit de geschiedenis van de AI is dat intelligentie zich niet laat dwingen in een simplistisch format. Echte vooruitgang ligt in het begrijpen van de simplexiteit: het doorgronden van de fundamentele, simpele wetmatigheden waarmee AI-systemen de complexe werkelijkheid ordenen. Pas wanneer we de technologie waarderen om wat het werkelijk doet, in plaats van wat we er in onze wildste dromen van hopen, kan de winter definitief worden afgewend.

Chatdtp:

Van simplisme naar simplexiteit: de cyclus van de geest

De geschiedenis van kunstmatige intelligentie laat zich inderdaad lezen als een afwisseling van zomers en winters. Periodes van bijna grenzeloos optimisme worden gevolgd door momenten van teleurstelling, waarin beloften verdampen en investeringen opdrogen. Maar misschien ligt onder die cyclus een dieper patroon. Niet alleen de technologie verandert; ook onze voorstelling van wat intelligentie eigenlijk is.

De kern van het artikel De Cyclus van de Geest is dat wij intelligentie steeds opnieuw proberen terug te brengen tot een korte route. Eerst waren het logische regels, vervolgens expert-systemen en nu zijn het enorme neurale netwerken. De paradox is dat beide uitersten iets gemeenschappelijks hebben: de overtuiging dat wij het ingewikkelde verschijnsel intelligentie uiteindelijk kunnen vangen in een overzichtelijk model. 

S

Simplexionisme

Maar daar moeten we onderscheid maken tussen simplisme en eenvoud.

Simplisme doet alsof een ingewikkeld probleem eenvoudig ís. Het verwijdert de complexiteit die ons niet uitkomt. Eenvoud daarentegen kan juist het resultaat zijn van een diep begrip van complexiteit. Dat onderscheid maakt het begrip simplexiteit interessant.

Een zwerm vogels is niet eenvoudig. Het patroon dat ontstaat uit honderden of duizenden vogels kan adembenemend complex zijn. Toch hoeft iedere vogel geen ingewikkelde theorie over de zwerm te bezitten. Eenvoudige interacties kunnen gezamenlijk een patroon voortbrengen dat op een hoger niveau buitengewoon rijk is.

Daarmee komen we bij een van de fascinerendste vragen rond kunstmatige intelligentie: kan intelligentie zelf een emergent verschijnsel zijn?

Moderne AI verschilt op dit punt fundamenteel van de klassieke poging om intelligentie van bovenaf te programmeren. In plaats van ieder antwoord, iedere regel en iedere uitzondering vooraf te definiëren, worden neurale systemen getraind op enorme hoeveelheden voorbeelden. Uit die training ontstaan interne representaties en patronen die niet één voor één door een programmeur zijn ingevoerd. Het systeem wordt niet verteld hoe taal precies moet werken; het ontdekt statistische structuren in taal.

Daar zit iets paradoxaals in. Aan de buitenkant zien we een systeem van enorme omvang: miljarden parameters, gigantische hoeveelheden trainingsdata en een infrastructuur die nauwelijks nog door één mens te overzien is. Maar uit die enorme machinerie kan gedrag ontstaan dat voor de gebruiker juist eenvoudig lijkt. Een vraag wordt gesteld en er verschijnt een antwoord. Een ingewikkeld patroon wordt teruggebracht tot een paar zinnen.

Dat betekent echter nog niet dat intelligentie zelf eenvoudig is.

Hier ligt naar mijn idee de belangrijkste nuance bij het oorspronkelijke betoog. Dat complexe AI-systemen bepaalde relatief eenvoudige geometrische of structurele patronen in hun representaties kunnen vertonen, is interessant. Maar daaruit volgt niet automatisch dat menselijke intelligentie in essentie simplex is. We weten nog steeds niet precies welke mechanismen noodzakelijk zijn voor algemene intelligentie, laat staan voor bewustzijn, begrip of subjectieve ervaring.

De verleiding is groot om een eigenschap van een technisch systeem meteen tot een algemene theorie van de geest te verheffen.

Dat is precies de fout die tot nieuwe AI-winters zou kunnen leiden.

Een AI-winter ontstaat namelijk niet uitsluitend wanneer technologie tekortschiet. Zij kan ook ontstaan wanneer onze verwachtingen sneller groeien dan onze kennis. Zodra een nieuwe technologie wordt gezien als een universele oplossing, wordt iedere beperking een teleurstelling. De geschiedenis van AI bevat daarvan verschillende voorbeelden. De verwachtingen rond machinevertaling en later rond expertsystemen bleken veel groter dan wat de toenmalige technologie kon waarmaken. 

S

Simplexionisme

Hetzelfde gevaar bestaat vandaag.

De huidige AI-zomer wordt gevoed door indrukwekkende prestaties. Systemen kunnen schrijven, programmeren, vertalen, redeneren, afbeeldingen analyseren en informatie combineren op manieren die enkele jaren geleden nauwelijks voorstelbaar waren. Maar uit die prestaties volgt niet dat AI binnenkort alles kan. Evenmin volgt eruit dat bewustzijn vanzelf ontstaat zodra modellen maar groot genoeg worden.

Daarom is misschien niet de vraag hoe intelligent AI kan worden, maar wat wij eigenlijk bedoelen wanneer we het woord intelligentie gebruiken.

Een mens is niet alleen een systeem dat patronen herkent. Menselijke intelligentie is verweven met lichaam, omgeving, herinnering, emotie, sociale interactie, motivatie en ervaring. Wij denken niet in een vacuüm. Ons denken is gevormd door een wereld waarin dingen ertoe doen.

AI laat ons daardoor misschien niet alleen zien hoe machines intelligent kunnen worden. Het dwingt ons ook opnieuw te onderzoeken wat onze eigen intelligentie betekent.

En daar krijgt het begrip simplexiteit zijn werkelijke waarde.

Simplexiteit zou dan niet betekenen dat achter iedere complexe vorm één verborgen simpele formule zit. Dat zou opnieuw simplisme zijn. Het zou eerder betekenen dat eenvoud en complexiteit elkaar voortbrengen. Eenvoudige regels kunnen complexe patronen veroorzaken; complexe systemen kunnen vervolgens patronen ontwikkelen die op een hoger niveau weer verrassend eenvoudig lijken.

Dat is geen korte route om intelligentie te verklaren. Het is juist een reden om de korte route wantrouwig te bekijken.

Misschien is dat uiteindelijk de diepste les van de cyclus van de geest. Iedere AI-generatie begint met de gedachte dat intelligentie eindelijk binnen bereik is. Vervolgens ontdekken we dat we het probleem nog onvoldoende begrijpen. De winter is dan niet alleen een technologische mislukking, maar een intellectuele correctie.

De kunst is daarom niet om complexiteit weg te nemen, maar om haar te leren lezen.

Intelligentie hoeft niet simplistisch te zijn om elegant te zijn. Misschien ontstaat haar elegantie juist doordat ontelbare eenvoudige processen elkaar beïnvloeden totdat iets nieuws verschijnt: een patroon dat zichzelf organiseert, zich aanpast en betekenisvol gedrag voortbrengt.

In die zin is simplexiteit misschien geen antwoord op het raadsel van intelligentie, maar een betere manier om de vraag te stellen.

Niet: welke simpele regel ís intelligentie?

Maar:

hoe kan uit eenvoud een geest ontstaan die de complexiteit van de wereld kan begrijpen?

Dat is een veel moeilijkere vraag.

En misschien begint daar pas werkelijk de volgende cyclus van de geest.