AI, de alles omvattende toekomstbelofte?
Je kunt geen artikel meer lezen, of AI zorgt ook daar voor een revolutie. Problemen en uitdagingen lijken met het gebruik van AI als sneeuw voor de zon te verdwijnen. De toekomstbelofte lijkt enorm en we bediscussiëren zelfs of AI nu wel of niet onze menselijke intelligentie zou kunnen overtreffen. In een eerdere blog sprak ik over de ‘griezelvalei’ die roboticus Masahiko Mori in 1970 beschreef in zijn boek ‘The Uncanny Valley’. Het ongemakkelijke gevoel dat mensen krijgen als namaak heel erg natuurlijk wordt. Het geeft ons een ‘blijf weg van gevaar’ gevoel: als iets bijna menselijk lijkt, maar toch zichtbare en ongrijpbare onvolkomenheden heeft. Wat we ook voelen bij ‘deepfakes’. Kunstmatige intelligentie versus menselijke intelligentie, welke laatste wel authentiek is en een oprechte menselijke expressie laat zien.
Intelligence is nog geen intelligentie
De eerste verwarring is dat het Engelse begrip ‘intelligence’ het verzamelen van informatie van militaire of politieke waarde betekent. Het verzamelen, analyseren en doen van aanbevelingen door de computer in plaats van de mens werd daarom aangeduid met ‘automated’ of ‘artificial’ intelligence. Met menselijke intelligentie bedoelen we onze mentale vermogens zoals logica, redeneren, probleemoplossing en planning. Activiteiten die we van oudsher goed kunnen en die we de computers intussen ook geleerd hebben. De grootste uitdaging die we als mens met de computer hadden, was dat de computer via menselijke taal lastig met ons kon communiceren. En omgekeerd. Er waren deskundige programmeurs en analisten nodig om de computer te instrueren of om de uitkomsten op menselijk wijze te interpreteren en representeren.
De doorbraak kwam in 2017 met de zogenaamde grote taalmodellen (LLM, large language model) waarvoor Google de transformer-architectuur ontwikkelde. Deze is beschreven in een paper “Attention Is All You Need”, zie ook mijn eerdere blog hierover. Deze ontdekking leidde tot een paradigmaverschuiving in de natuurlijke taalverwerking waardoor we ‘opeens’ in staat waren om in een zin het belang van verschillende woorden of tokens in een bepaalde context af te wegen. In de toegepaste statistiek konden we nu de driehoek combineren van menselijke tekst, tokens en taalmodellen, hetgeen de basis is van wat we momenteel AI noemen. Door deze makkelijker communicatie werd AI een bruikbaar en welkom gereedschap om kennistaken te versnellen en zelfs deels te automatiseren.
Automatisering van kennistaken
Zoals machine en robot afgelopen eeuwen onze menselijke arbeidstaken konden overnemen, kwam afgelopen eeuw de computer op om reken- en kennistaken over te nemen. In eerste instantie nog via deskundige technici die de machines of computers bedienden, in toenemende mate werd zowel de mechanica als de computer ‘mensvriendelijker’. We kregen huishoudelijke apparatuur, de auto, de personal computer en de mobiele telefoon. Allemaal techniek die we als mens via ‘toetsen en dashboards’ konden begrijpen en bedienen. En als laatste loot aan de automatiseringsboom groeit nu op grote taalmodellen gebaseerde AI langzaam op tot volwassenheid.
Die boom lijkt nog tot aan de hemel te groeien. Elke kennistaak die we kunnen bedenken, wordt op dit moment door AI aangeraakt. Het is een paraplu-begrip geworden voor al onze toekomstverwachtingen. AI is de toekomst! Als je niets doet met AI zul je snel als dinosaurus achterblijven! Het een hype geworden omdat veel mensen zich weinig kunnen voorstellen wat er eigenlijk onder de motorkap van AI zit. Heel begrijpelijk. Was informatica al lastig voor niet-kenners, de virtualisatie van processen en diensten door digitalisering, is voor velen nog een grotere stap en voor AI gaan we nog – virtueel en digitaal – zelfs nog een stapje verder. Dat het daardoor tevens een heerlijk nieuw en veelbelovend verdienmodel is voor allerlei product- en procesverbeteringen, is begrijpelijk.
AI creëert statistisch het beste antwoord
Tijdens de laatste Tech IT-dagen afgelopen week in de RAI zag ik een lezing met de titel: ‘kan AI liegen?’ Het antwoord was: AI liegt altijd omdat het nooit de waarheid maar statisch het meest logische of best berekenbare antwoord geeft. Is dat de volledige waarheid, nee natuurlijk niet. Het systeem vult altijd zelf de ‘gaten’ aan die nog in het verwachte antwoord zitten. De grote vraag is altijd, welk deel is echt waar en welk deel is twijfelachtig. Dat hang voor een belangrijk deel af van de vraagstelling. En vooral het doorvragen als je twijfels hebt over het antwoord. Het doorvragen maakt uiteindelijk het eind-antwoord steeds betrouwbaarder. Echter, goed kunnen doorvragen, is een vak – wellicht zelfs een kunst – op zich.
Immers, zonder kennis op het gebied waar de vraag en antwoord over gaan, kun je immers lastig doorvragen. En accepteer je al snel het resultaat dat wellicht slechts voor 80% waar is en waarbij de rest ‘er omheen verzonnen’ is. Dat is het probleem van ‘kunstmatige’ intelligentie, het is immers beslist geen menselijke intelligentie, maar op kunstmatige wijze uit zoek- en kennissystemen een beste antwoord te geven. Search-engines geven de bronnen waar je zelf – met je menselijke kennis en intelligentie – je antwoord uit kunt destilleren. AI automatiseert heel mooi dat proces voor jou. En geeft je ook nog eens een goed leesbaar antwoord en klaar is Kees. Prima voor eenvoudige kennistaken en de niet spannende en niet belangrijke creatie van bijvoorbeeld handleidingen, marketing verhalen en algemene teksten.
Welke kennistaken verdwijnen het eerst?
In een artikel in de NYT van afgelopen maand stond een artikel: ‘Will A.I. kill meaningless jobs?’. Sommigen noemen het zelfs de eliminatie van de vele ‘bullshit jobs’ die in de kantoor en ambtelijke wereld zijn ontstaan. Vergelijkbaar met de simpele arbeid die in de jaren zeventig verdween toen mechanisatie en industrialisatie doorzetten. In die jaren verdwenen door automatisering in de fabriek vele banen. Mensen die al dertig jaar hun eenvoudige ‘mechanische arbeid’ deden, werden vervangen door machines, die het werk van tientallen mensen overnam. Hetzelfde zagen we in de jaren dertig toen de mechanisatie van de landbouw startte. Jaren van hoge werkloosheid omdat machines veel goedkoper, sneller en zelfs beter de simpele en vaak eentonige menselijke arbeid konden overnemen.
Nu – weer vijftig jaar later – lijkt de kennisindustrie aan de beurt te zijn. We zijn na de mechanisatie van de landbouw en de automatisering van de fabriek een diensten-industrie geworden, waarin heel veel op eenvoudige kennis gebaseerde banen zijn gecreëerd. En natuurlijk zullen kennisbanen aan de onderkant van de ladder het eerste vervangen worden. Maar AI zal gaan groeien en steeds complexere taken aankunnen, zoals medische diagnose, beurshandel, weersvoorspelling en menselijke gedragsmodellering. En dan ontstaat de vraag: welke banen zullen niet worden vervangen door AI? Welke kwaliteiten hebben mensen die niet kunnen worden vastgelegd door AI? Rollen die een significante sociale of emotionele component vereisen, lijken minder vatbaar te zijn voor automatisering vanwege het menselijke element dat erbij betrokken is.
Het belangrijkste om te begrijpen over AI is dat het taken automatiseert, niet hele banen. Sommige taken binnen een baan kan AI gereedschap overnemen maar de baan zelf kan nog steeds bestaan. AI kan administratieve taken automatiseren in klantenservice maar banen voor het verlenen van klantenservice blijven gewoon bestaan. Net zoals banen die menselijke vaardigheden, zoals interactie, empathie en emotionele intelligentie vereisen. AI is niet meer dan een bruikbaar gereedschap dat kennistaken kan uitvoeren maar nooit de mens zal vervangen. Het is en blijft immers ‘kunstmatig’ en wordt nimmer menselijk.
Photo by Kaushal Moradiya
—————————— Translated by ChatGPT ———————-
AI: The All-Encompassing Future Promise?
It’s hard to read an article these days without encountering the transformative power of AI. Challenges and problems seem to vanish with AI’s help, and the future seems promising. We even debate whether AI might surpass human intelligence. In a previous blog, I discussed the “uncanny valley,” a concept described by roboticist Masahiko Mori in 1970 in his book The Uncanny Valley. This refers to the unsettling feeling humans experience when artificial creations become almost lifelike but still have perceivable imperfections. This feeling is similar to what we sense with “deepfakes”—AI-generated content that appears real but lacks authentic human expression.
Intelligence is not Intelligence
One common confusion arises from the term “intelligence” itself. In English, “intelligence” can refer to the gathering of information with military or political value. This task was labeled as “automated” or “artificial” intelligence when computers began to perform it instead of humans. However, when we talk about human intelligence, we mean mental abilities like logic, reasoning, problem-solving, and planning. These are activities humans excel at, and we’ve since taught computers to do the same. But for years, communicating with computers through human language was difficult. Computers couldn’t easily understand or respond to human input, which required expert programmers to bridge the gap.
A major breakthrough came in 2017 with the development of large language models (LLMs), thanks to Google’s transformer architecture. Described in the paper “Attention Is All You Need,” this discovery led to a paradigm shift in natural language processing. Suddenly, we were able to weigh the significance of words or tokens in a sentence based on context. This statistical approach allowed for the combination of human text, tokens, and language models—foundational elements of what we now call AI. This leap forward turned AI into a useful tool for accelerating knowledge tasks and even automating parts of them.
Automation of Knowledge Work
Just as machines and robots have replaced physical labor over the past centuries, computers began to take over cognitive and computational tasks in the last century. Initially operated by expert technicians, both machines and computers gradually became more user-friendly. We now have household appliances, cars, personal computers, and mobile phones—technology we can understand and operate through buttons and dashboards. The latest advancement in automation is AI, particularly large language models, which are growing toward maturity.
AI seems like a tree growing to the sky. Every knowledge task we can imagine is currently being touched by AI, and it has become an umbrella term for all our future expectations. AI is seen as the future, and the fear of being left behind, like a dinosaur, if you don’t engage with AI is widespread. It’s understandable, though—if IT was already challenging for non-experts, the virtualization of processes and services through digitization is even more abstract. AI takes this one step further. Moreover, the promise of AI presents a lucrative new business model for product and process improvements.
AI Statistically Produces the Best Answer
At the recent Tech IT Days last week in Amsterdam, a presentation posed the question: “Can AI lie?”. The answer was: ‘AI always lies because it never presents the truth, but instead provides the most logical or statistically best-calculated answer’. Can AI tell the absolute truth? No, not necessarily. AI fills in the “gaps” in its responses based on what is expected. The critical question is always, how much of this is accurate, and how much is speculative? This largely depends on how the question is asked, and follow-up questions are crucial when there are doubts about the answer. By asking further questions, the response can become more reliable—but knowing how to ask the right follow-ups is a skill – or even an art – in itself.
Without sufficient knowledge in the field you’re questioning, it’s hard to dig deeper into the subject. You might quickly accept an answer that’s only 80% accurate, while the rest is fabricated to fit the context. That’s the issue with “artificial” intelligence—it’s certainly not human intelligence but merely an algorithm providing the best answer based on its training data. Search engines present the sources from which you can derive your answer using your own knowledge. AI streamlines this process by automatically presenting a coherent response for you. For simple knowledge tasks, like creating manuals, marketing stories, and general texts, this approach works fine.
Which Knowledge Tasks Will Disappear First?
A recent article in The New York Times asked, “Will A.I. kill meaningless jobs?” Some refer to this as the elimination of the many “bullshit jobs” that have arisen in office and bureaucratic settings. It mirrors the simple labor that disappeared in the 1970s as mechanization and industrialization took over. Many factory jobs vanished as machines replaced workers who had performed repetitive tasks for decades. Similarly, in the 1930s, mechanization in agriculture led to massive unemployment as machines proved cheaper, faster, and better at performing simple, monotonous human labor.
Now, 50 years later, the knowledge industry seems to be next in line. After the mechanization of agriculture and the automation of factories, we’ve become a service-oriented industry with many jobs based on simple knowledge. Unsurprisingly, knowledge jobs at the lower end of the spectrum will be the first to go. However, AI will continue to evolve, handling increasingly complex tasks such as medical diagnosis, stock trading, weather forecasting, and modeling human behavior. This raises the question: which jobs won’t be replaced by AI? What human qualities are impossible to replicate with AI? Jobs that require significant social or emotional components seem less likely to be automated due to the essential human element involved.
The key thing to understand about AI is that it automates tasks, not entire jobs. AI tools can take over some tasks within a job, but the job itself may still exist. For instance, AI can automate administrative tasks in customer service, but the job of providing customer service remains. Similarly, roles requiring human skills, such as interaction, empathy, and emotional intelligence, will endure. AI is nothing more than a helpful tool for performing knowledge tasks—it will never replace humans. After all, it’s “artificial” and will never be truly human.
