{"id":86571,"date":"2025-12-11T21:27:59","date_gmt":"2025-12-11T21:27:59","guid":{"rendered":"https:\/\/hanstimmerman.me\/?p=86571"},"modified":"2025-12-11T21:27:59","modified_gmt":"2025-12-11T21:27:59","slug":"waarom-ai-geen-oordeel-kan-vormen","status":"publish","type":"post","link":"https:\/\/hanstimmerman.me\/en\/waarom-ai-geen-oordeel-kan-vormen\/","title":{"rendered":"Waarom AI geen oordeel kan vormen"},"content":{"rendered":"

English version: scroll down<\/em><\/span><\/p>\n

Er zijn uitspraken die blijven hangen omdat ze een hele tijdsgeest vastleggen. Steve Jobs deed er zo een: \u201cWhat a bicycle is for the body, the computer is for the mind.\u201d<\/i><\/strong> Met dezelfde energie kon een mens op een fiets ineens drie keer sneller vooruit. Met een computer kon de mens niet drie, maar honderd keer sneller denken. Machines vergroten menselijke capaciteit \u2014 al eeuwenlang. Maar ze veranderen nooit wat een mens \u00eds.<\/span><\/p>\n

Die metafoor past feilloos bij de nieuwe fase waarin we beland zijn: de opkomst van Artificial Intelligence. Niet als vervanger van menselijke intelligentie, maar als versneller. Als een vliegtuig dat ons in recordtijd naar een bestemming brengt, maar dat ons net zo snel de verkeerde kant op kan sturen. Want hoe indrukwekkend de snelheid ook is: wie de verkeerde kant op vertrekt, komt nooit op de juiste plek aan.<\/span><\/p>\n

De illusie van gelijkwaardigheid<\/b><\/span><\/p>\n

De directe aanleiding voor deze blog was een tekst<\/a> die treffend verwoordt wat vaak onderbelicht blijft in het debat over AI: niet hoe goed AI klinkt, maar hoe AI tot een oordeel komt. Het gaat niet om accuratesse, maar om architectuur \u2014 de manier waarop een oordeel wordt gevormd.<\/span><\/p>\n

Want inderdaad, de taal die AI produceert lijkt op die van mensen. De zinnen zijn vloeiend, de argumenten overtuigend, de redenering vaak verrassend samenhangend. Maar zoals de auteur van het PNAS-commentaar<\/a> scherp stelt: mens en AI kunnen vergelijkbare taal genereren, maar nooit vanuit dezelfde realiteit. Die schijn van gelijkwaardigheid verhult een fundamenteel verschil in denkproces.<\/span><\/p>\n

Menselijk oordelen ontstaat uit een geleefd leven<\/b><\/span><\/p>\n

Menselijke intelligentie ontstaat niet uit woorden, maar uit ervaringen. We leren via onze zintuigen, via interacties, via emoties, waarden en herinneringen. We horen een melodie en begrijpen de onderliggende boodschap. We zien een frons en voelen dat er iets wringt. Een argument klinkt logisch, maar pas wanneer het past in onze ervaring van de wereld, voelt het waar. Onze oordelen zijn belichaamd, historisch gevormd, doordrenkt van context en betekenis. Ze komen voort uit een geleefd bestaan \u2014 en juist dat maakt ze menselijk.<\/span><\/p>\n

AI opereert op een totaal andere manier. Het voelt niets, ervaart niets, bedoelt niets. Het werkt uitsluitend met tekst: met representaties van de wereld, niet met de wereld zelf. Tekst wordt ontleed tot tokens, tokens worden gerangschikt tot patronen en die patronen leveren nieuwe taal op. Het is een mechaniek dat plausibiliteit produceert, geen betekenis. Het is een simulatie van redeneren, geen redenering. Maar wel mooie taal en geeft een logisch en vriendelijk antwoord.<\/span><\/p>\n

AI versus HI: de epistemologische valstrik<\/b><\/span><\/p>\n

\"\"<\/span><\/p>\n

Wanneer twee totaal verschillende processen dezelfde taal opleveren, ontstaat een nieuw soort risico: een epistemologisch risico<\/b>. Dat is het moment dat de auteur Epistemia noemt: het punt waarop plausibele taal de plaats inneemt van verificatie. Waar we vergeten hoe<\/i> kennis ontstaat en alleen nog kijken naar hoe<\/i> kennis klinkt. AI liegt niet \u2014 het simuleert. Maar die simulatie is z\u00f3 overtuigend dat wij vergeten dat menselijke oordeelsvorming iets heel anders is dan statistische voorspelling.<\/span><\/p>\n

Epistemia beschrijft precies de illusie die bij deze overgang hoort: de neiging om vloeiende, overtuigende taal van AI te zien als echte menselijke kennis (HI \u2013 Human Intelligence). Een AI kan enorm snel antwoord geven en daardoor lijken te begrijpen wat je zegt, terwijl ze in werkelijkheid vooral patronen in de taal herhaalt. Denkers zoals Walter Quattrociocchi<\/a> waarschuwen hoe gemakkelijk die schijn van begrip ons kan misleiden. Daarom blijft menselijke intelligentie onmisbaar: AI<\/strong> versnelt ons denken, maar HI<\/strong> bepaalt de richting. De technologie mag dan het vliegtuig zijn dat ons sneller brengt dan ooit, maar de mens blijft de piloot.<\/span><\/p>\n

De naam \u201cEpistemia\u201d wordt overigens ook gebruikt door een onderzoeksplatform (epistemia.org) en door een technologiebedrijf (epistemia.ai) dat onderzoekt hoe AI beter kan uitleggen waar\u00f3m<\/i> antwoorden worden gegenereerd. Maar de essentie is breder:<\/span> we moeten oppassen dat we mooie zinnen niet voor ware kennis aanzien \u2014 en steeds scherp blijven op het verschil tussen snelheid en begrip.<\/span><\/p>\n

AI als derde golf van arbeidstransformatie<\/b><\/span><\/p>\n

Deze verwarring rondom oordeelsvorming staat niet los van bredere maatschappelijke ontwikkelingen. We hebben dit patroon al twee keer eerder meegemaakt. De eerste golf <\/b>was de mechanisatie in de vroege twintigste eeuw. De lopende band, de tractor, de eerste machines \u2014 ze maakten zware, arbeidsintensieve en vaak mensonwaardige taken overbodig.<\/span><\/p>\n

De tweede golf<\/b> kwam in de late twintigste eeuw met automatisering. Robots, CNC-machines en computerisering veranderden fabrieken ingrijpend. Waar ooit duizend mensen aan een productielijn stonden, bleven er slechts honderd over – meestal hoger opgeleid – die de machines programmeerden, instelden en onderhielden. Maar de eenvoudige, repetitieve fabrieksbanen verdwenen.<\/span><\/p>\n

En nu zijn we in de derde golf<\/b> beland: cognitieve automatisering. AI doet in kantoren wat eerdere technologie in fabrieken deed. Het neemt monotone, repetitieve, tekstuele taken over. Vertalingen, standaardteksten, administratieve controle, productdocumentatie, eenvoudige marketingcontent \u2014 mentale lopende-band-arbeid. Waar nu duizend kantoormedewerkers zitten, blijven er uiteindelijk honderd over <\/span>die AI-systemen beheren, trainen en toepassen. En meestal alleen de personen met een hogere opleiding.\u00a0<\/span><\/p>\n

Maar mensen kunnen veel meer dan kantoorwerk<\/b><\/span><\/p>\n

Toch is het even belangrijk te benoemen wat AI n\u00edet kan \u2014 en dat is nog altijd veel. Een AI legt geen zonnepanelen op een dak, repareert geen leiding, draait geen restaurant en verzorgt geen pati\u00ebnt. Het legt geen tuin aan, bemiddelt geen conflict en toont geen empathie. Zoals automatisering nooit de timmerman verving, vervangt AI de menselijke vaardigheid evenmin. Het vervangt slechts de bureaucratie eromheen \u2014 en dat is misschien eerder winst dan verlies.<\/span><\/p>\n

Mechanisatie werd normaal. Automatisering werd normaal. Smartphones, robots, slimme verwarmingssystemen \u2014 allemaal normaal. AI zal dezelfde weg volgen. Het wordt een stille infrastructuur, onzichtbaar maar alomtegenwoordig. Voor oudere generaties is het de derde grote technologische herstructurering van het arbeidsveld. Voor jongeren de eerste \u2014 en daarom voelt het revolutionair. Maar wie de geschiedenis kent, ziet vooral herhaling.\u00a0<\/span><\/p>\n

De mens blijft de regisseur, AI het goedkope voertuig<\/b><\/span><\/p>\n

Steve Jobs\u2019 metafoor werkt nog steeds: de computer was de fiets van de geest. AI is de auto, misschien zelfs het vliegtuig. Het brengt ons verder dan ooit, maar alleen als wij bepalen waar we naartoe willen. Want niets is vervelender dan met grote snelheid de verkeerde kant op gaan. Want dan moet je uiteindelijk beslissen om – tegen hoge kosten en veel vertraging – terug te keren naar die verkeerde afslag.\u00a0<\/span><\/p>\n

AI versterkt menselijk kunnen, maar vervangt menselijke oordeelsvorming niet. Het is een instrument dat plausibiliteit produceert, geen waarheid. Daarom blijft de mens \u2014 met zijn ervaring, waarden en morele kompas \u2014 de enige die werkelijk kan sturen.<\/span><\/p>\n

Photo by Pavel Danilyuk<\/a><\/span><\/p>\n

Schema: Matja\u017e Perc<\/a>\u00a0<\/span><\/p>\n

\u2014\u2014\u2014\u2014\u2014\u2014\u2014\u2014\u2014\u2014 Translated by ChatGPT\u00a0 <\/span>\u2014\u2014\u2014\u2014\u2014\u2014\u2014\u2014-<\/span><\/p>\n

Why AI Cannot Form a Judgment<\/b><\/span><\/p>\n

Some statements linger because they capture the spirit of an entire era. Steve Jobs coined one of them: \u201cWhat a bicycle is for the body, the computer is for the mind.\u201d<\/i> With the same effort, a person on a bicycle suddenly moves three times faster. With a computer, the human mind doesn\u2019t think three times faster, but a hundred times faster. For centuries, machines have amplified human capacity \u2014 without ever changing what a human is<\/b>.<\/span><\/p>\n

That metaphor fits seamlessly with the new phase we\u2019ve entered: the rise of Artificial Intelligence. Not as a replacement for human intelligence, but as an accelerator. A plane that can take us to our destination in record time \u2014 or send us rapidly in the wrong direction. Because no matter how impressive the speed: if you start off wrongly, you\u2019ll never arrive at the right place.<\/span><\/p>\n

The Illusion of Equivalence<\/b><\/span><\/p>\n

The trigger for this piece was an essay that captured something often overlooked in the AI debate: not how good<\/b> AI sounds, but how<\/b> AI arrives at an answer. It\u2019s not about accuracy, but about architecture \u2014 the structure of judgment.<\/span><\/p>\n

Indeed, AI\u2019s language resembles ours. Sentences are smooth, arguments persuasive, reasoning surprisingly coherent. But as the author of the PNAS commentary sharply notes: humans and AI may produce similar language, but never from the same reality<\/b>. That superficial resemblance masks a fundamental difference in the underlying process.<\/span><\/p>\n

Human Judgment Emerges From a Lived Life<\/b><\/span><\/p>\n

Human intelligence is not built from words, but from experience.<\/span>
\nWe learn through our senses, through interactions, through emotions, values and memories. We hear a tone and instantly understand its subtext. We see a frown and feel that something is off. An argument may sound logical, but it only feels true when it aligns with our lived understanding of the world. Human judgment is embodied, historically shaped, saturated with context and meaning. It arises from a lived life \u2014 and that is what makes it human.<\/span><\/p>\n

AI operates in an entirely different realm. It does not feel, experience or intend anything. It works exclusively with text: with representations of the world, not the world itself. Text becomes tokens; tokens become patterns; patterns produce new text. It is a mechanism that generates plausibility, not meaning. A simulation of reasoning \u2014 not reasoning.<\/span><\/p>\n

AI versus HI: the Epistemological Trap<\/b><\/span><\/p>\n

When two fundamentally different processes produce similar language, a new kind of risk arises: an epistemological one. This is what the author calls Epistemia<\/b> \u2014 the moment when plausible language replaces verification. When we forget how knowledge is created and focus only on how knowledge sounds<\/i>. AI does not lie \u2014 it simulates. But that simulation is so convincing that we easily forget that human judgment is something entirely different from statistical prediction.<\/span><\/p>\n

Epistemia captures this illusion precisely: the tendency to mistake AI\u2019s fluent, convincing output for genuine human knowledge (HI \u2013 Human Intelligence). AI can answer incredibly fast and seem to understand what it says, while in reality it merely recombines linguistic patterns. Thinkers such as Walter Quattrociocchi warn how easily this appearance of understanding can mislead us.<\/span><\/p>\n

That is why human intelligence remains indispensable: AI accelerates our thinking, but HI determines the direction<\/b>. The technology may be the airplane that takes us farther than ever \u2014 but the human remains the pilot.<\/span><\/p>\n

The name \u201cEpistemia\u201d is also used by a research platform (epistemia.org) and a technology company (epistemia.ai) exploring how AI can better explain the origins of its own outputs. But the essence is broader:<\/span>
\nwe must stay alert not to mistake elegant sentences for real knowledge \u2014 and remain sharp on the difference between speed and understanding.<\/span><\/p>\n

AI as the Third Wave of Labor Transformation<\/b><\/span><\/p>\n

This confusion around judgment doesn\u2019t stand alone. We\u2019ve seen this pattern twice before.<\/span><\/p>\n

The first wave was mechanization<\/b> in the early twentieth century. Assembly lines, tractors and the first machines eliminated heavy, labor-intensive and often dehumanizing tasks.<\/span><\/p>\n

The second wave came in the late twentieth century with automation<\/b>. Robots, CNC machines and digital control systems reshaped factories. Where a thousand workers once stood at an assembly line, a hundred and fifty remained \u2014 programming, adjusting and maintaining machines. Repetitive factory jobs disappeared.<\/span><\/p>\n

Now we have entered the third wave<\/b>: cognitive automation.<\/span>
\nAI is doing in offices what earlier technologies did in factories. It takes over monotone, repetitive, textual work: translations, boilerplate warnings, administrative checks, product documentation, simple marketing copy \u2014 mental conveyor-belt labor. Where a thousand office workers now sit, a hundred will ultimately remain to manage, train and deploy AI systems.<\/span><\/p>\n

But People Can Do Far More Than Office Work<\/b><\/span><\/p>\n

It is equally important to recognize what AI cannot<\/b> do \u2014 and that is still a great deal. AI does not install solar panels, repair a leaking pipe, run a restaurant or care for a patient. It does not landscape a garden, mediate a conflict or show empathy. Just as automation never replaced the carpenter, AI will not replace human skill. It merely replaces the bureaucracy around that skill \u2014 which may be a gain rather than a loss.<\/span><\/p>\n

Mechanization became normal. Automation became normal. Smartphones, robots, smart heating systems \u2014 all normal. AI will follow the same path. It will become a silent infrastructure, invisible yet omnipresent. For older generations, this is the third major technological restructuring of the labor market. For younger generations, the first \u2014 and therefore it feels revolutionary. But anyone who knows history mainly sees repetition.<\/span><\/p>\n

The Human Remains the Director, AI the Vehicle<\/b><\/span><\/p>\n

Steve Jobs\u2019 metaphor still holds: the computer was the bicycle for the mind. AI is the car \u2014 perhaps even the airplane. It can take us farther than ever before, but only if we<\/b> decide where to go. Nothing is more dangerous than moving at great speed in the wrong direction.<\/span><\/p>\n

AI amplifies human capability, but it does not replace human judgment. It is an instrument that generates plausibility, not truth. And that is why the human \u2014 with experience, values and a moral compass \u2014 remains the only one truly capable of steering.<\/span><\/p>\n

 <\/p>","protected":false},"excerpt":{"rendered":"

Steve Jobs\u2019 metaphor still holds: the computer was the bicycle for the mind. AI is the car \u2014 perhaps even the airplane. It can take us farther than ever before, but only if we decide where to go. Nothing is more dangerous than moving at great speed in the wrong direction.<\/p>\n

AI amplifies human capability, but it does not replace human judgment. It is an instrument that generates plausibility, not truth. And that is why the human \u2014 with experience, values and a moral compass \u2014 remains the only one truly capable of steering.<\/p>","protected":false},"author":3,"featured_media":86593,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_jetpack_memberships_contains_paid_content":false,"footnotes":""},"categories":[293],"tags":[902,903,904,119,631,682,695,805,856,898,899,900,901],"class_list":["post-86571","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-artificial-intelligence","tag-stevejobs","tag-aivshi","tag-techphilosophy","tag-ai","tag-digitaltransformation","tag-artificialintelligence","tag-futureofwork","tag-aiethics","tag-automation","tag-humanintelligence","tag-epistemia","tag-cognitiveautomation","tag-historyoftechnology"],"jetpack_featured_media_url":"https:\/\/i0.wp.com\/hanstimmerman.me\/wp-content\/uploads\/2025\/12\/pexels-pavel-danilyuk-8112199-scaled.jpg?fit=2560%2C1709&ssl=1","jetpack_sharing_enabled":true,"_links":{"self":[{"href":"https:\/\/hanstimmerman.me\/en\/wp-json\/wp\/v2\/posts\/86571","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/hanstimmerman.me\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/hanstimmerman.me\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/hanstimmerman.me\/en\/wp-json\/wp\/v2\/users\/3"}],"replies":[{"embeddable":true,"href":"https:\/\/hanstimmerman.me\/en\/wp-json\/wp\/v2\/comments?post=86571"}],"version-history":[{"count":16,"href":"https:\/\/hanstimmerman.me\/en\/wp-json\/wp\/v2\/posts\/86571\/revisions"}],"predecessor-version":[{"id":86597,"href":"https:\/\/hanstimmerman.me\/en\/wp-json\/wp\/v2\/posts\/86571\/revisions\/86597"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/hanstimmerman.me\/en\/wp-json\/wp\/v2\/media\/86593"}],"wp:attachment":[{"href":"https:\/\/hanstimmerman.me\/en\/wp-json\/wp\/v2\/media?parent=86571"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/hanstimmerman.me\/en\/wp-json\/wp\/v2\/categories?post=86571"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/hanstimmerman.me\/en\/wp-json\/wp\/v2\/tags?post=86571"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}