AI: innovatie of revolutie?

Net als het internet, dat veel traditionele bedrijven ontwrichtte en weer nieuwe creëerde, en dat nu in bijna elk aspect van de samenleving is doorgedrongen, zal ook kunstmatige intelligentie de wereld op de lange termijn veranderen. Of het nu gaat om onderzoek en ontwikkeling, productie, consumptie, communicatie, onderwijs, interne en externe veiligheid: alle sectoren zijn al binnengedrongen en veranderd door machine-leren of getrainde software. Als mensen tegenwoordig praten over kunstmatige intelligentie, hebben ze het meestal over veelgebruikte taalmodellen zoals ChatGPT, bekend als generatieve AI. Traditionele modellen, zoals machine learning, bestaan daarentegen al veel langer. Eerst een kort overzicht.

Generatieve modellen, zoals ChatGPT, zijn gebaseerd op woorden of beelden. Ze genereren nieuwe gegevens en zijn ontworpen om creatieve en plausibele inhoud te genereren, zoals tekst, afbeeldingen of muziek, vergelijkbaar met de voorbeelden waaruit ze zijn getraind. Ze zijn complex en rekenintensief omdat ze de waarschijnlijkheidsverdeling van tekstmodules moeten leren en nieuwe gegevensmonsters moeten genereren die passen bij de statistische verdeling van de trainingsgegevens. Net als in de sport is constante training cruciaal om de prestaties te verbeteren. Generatieve modellen worden beter als ze voortdurend met nieuwe gegevens worden gevoed. De meest voor de hand liggende oplossing zou zijn om het AI-model gewoon opnieuw te trainen, wat tot een paar jaar geleden mogelijk was met niet al te veel moeite en kosten. Door de enorme omvang van de nieuwe modellen is de hoeveelheid training echter aanzienlijk toegenomen. Als gevolg hiervan is generatieve AI een speelveld geworden voor een paar grote, financieel sterke bedrijven, zoals Microsoft, Google, Meta, Amazon en Apple, die gemakkelijk tientallen miljarden dollars kunnen investeren in nieuwe datacenters en chips.

Traditionele modellen, zoals machine learning (ML) en deep learning (DL) zijn vaak gebaseerd op numerieke gegevens, die meestal voorbewerkt en in een numerieke vorm gezet moeten worden om uitspraken te kunnen doen op basis van bestaande gegevens. Ze zijn efficiënter en sneller omdat hun specialiteit classificatie of voorspelling is en ze kunnen nieuwe gegevens verwerken met relatief weinig inspanning. Ze zijn ontworpen om zo nauwkeurig mogelijke schattingen te maken op basis van hun eigen gegevens (bijv. weersvoorspellingen).

Kortom: generatieve AI creëert nieuwe dingen, nietgeneratieve AI classificeert bestaande dingen en leidt daaruit voorspellingen af. Traditionele AI-modellen voor speciale toepassingen bestaan al heel lang. Voor het grote publiek werden ze meestal in het geheim uitgevoerd. De overwinning van de IBM-computer Deep Blue tegen wereldkampioen schaken Garry Kasparov in 1997 werd met verbazing opgemerkt als een voorbeeld van de innovatieve kracht in computertechnologie. Toen het AI-model AlphaGo (Google DeepMind) in maart 2016 de Koreaanse Go-wereldkampioen Lee Sedol versloeg, was dit een veel grotere verrassing. Het Oost-Aziatische bordspel met een raster van 19 x 19 lijnen heeft na drie zetten nog steeds twee quadriljoen (2x10¹⁵) mogelijke combinaties - 16,5 miljoen keer zoveel als na drie schaakzetten.

Terwijl IBM's Deep Blue nog steeds een algoritme probeerde te gebruiken om systematisch zoveel mogelijk schaakzetten te anticiperen, evalueerde AlphaGo 150.000 menselijke spellen en liet vervolgens verschillende kopieën van de software tegen elkaar spelen om miljoenen nieuwe "kunstmatige" spellen te simuleren. Deze methode was revolutionair en werd door experts beschouwd als het begin van een nieuw AI-tijdperk.

Sindsdien zijn er nog acht jaar verstreken. De rekenkracht van computers is enorm verbeterd. In de herfst van 2022 maakte OpenAI met ChatGPT 3.5 voor het eerst een generatief AI-model toegankelijk voor het grote publiek. Als er prompts werden gegeven, schreef het stereotype spreekteksten, humoristische gedichten en nuttige tekstsamenvattingen, maar produceerde het nog steeds veel onzin (hallucinaties). Amper een jaar later kwam ChatGPT 4.0 uit en leverde een verbazingwekkende prestatie. Het was niet alleen nauwkeuriger in het samenvatten, vertalen, maken en formuleren van teksten, maar maakte het ook mogelijk om complexere zaken te onderzoeken. Toch moeten gebruikers nog steeds in staat zijn om de resultaten te valideren, wat meestal hun eigen expertise vereist, omdat er vaak geen referenties zijn.

De prestaties van generatieve AI-modellen brengen echter ook risico's met zich mee. Elke gebruiker kan foto's, video's of teksten laten maken, die publieke figuren hun legitimiteit kunnen ontnemen, de publieke opinie kunnen manipuleren en op die manier ook verkiezingscampagnes kunnen beïnvloeden.

De inhoudsrichtlijnen van ChatGPT verbieden het maken van zulke beelden, maar andere AI-modellen staan het wel toe, hoewel de voorstellingen vaak nog vrij onrealistisch zijn. De hallucinaties die nog steeds worden geproduceerd zijn ook kritisch, omdat ze overtuigend volledig valse feiten presenteren in gepolijste taal.

Mustafa Suleyman, de medeoprichter van DeepMind (wiens computermodel de Koreaanse wereldkampioen Go versloeg) en Inflection AI, schetst een dystopisch beeld van de gevaren van ongebreidelde AI in zijn veelgeprezen boek The Coming Wave. Hij schetst de risico's van wijdverspreide cyberaanvallen, dodelijke wapens die autonoom handelen, de dreiging van politieke en economische destabilisatie van regeringen en burgermaatschappijen en de ontwrichting van veel werkgebieden met verstrekkende gevolgen voor honderden miljoenen werknemers.

Hij benadrukt de ambivalente aard van software - dat het goede dingen kan creëren, maar ook het tegenovergestelde kan veroorzaken. Dit kunnen aan de ene kant nieuwe banen en economische activa zijn en aan de andere kant de vernietiging van bestaande bronnen van rijkdom. Het kan ook gaan om vooruitgang in de strijd tegen ziekten die tot nu toe ongeneeslijk waren en nevenschade, of om ongecontroleerde uitbraken van virussen die met behulp van AI kosteneffectief kunnen worden gekweekt in ongecontroleerde laboratoria. Aan het einde van zijn boek beschrijft Suleyman manieren om de ongewenste neveneffecten van een universele AI te verminderen, bijvoorbeeld door gezamenlijke inspanningen van overheden, maatschappelijke organisaties, wetenschap en bedrijfsleven. Hij heeft echter beperkte hoop dat dergelijke inspanningen succesvol zullen zijn in het licht van geopolitieke machtsstrijd en wijst op China, waar het gebruik van AI bijdraagt aan de ontwikkeling van een allesomvattende controlestaat.

We moeten afwachten of de geschetste risico's werkelijkheid worden en hoe de wereld erop reageert. Zelfs aan het begin van het internettijdperk werd er al gewaarschuwd voor cyberaanvallen, gegevensdiefstal en misbruik. Deze waarschuwingen waren terecht, maar de wereld heeft zich eraan aangepast en verdedigingsmechanismen ontwikkeld. Eén ding is zeker - met de vooruitgang van kunstmatige intelligentie zullen ook de onzekerheden toenemen. Er zullen winnaars en verliezers zijn. Niet elk bedrijf dat vandaag van de hausse profiteert, zal dat morgen ook nog kunnen. De grote technologiebedrijven hebben een groot voordeel ten opzichte van kleinere concurrenten dankzij hun expertise en enorme financiële reserves.

Dat gold ook voor Yahoo, totdat Google ten tonele verscheen en met een superieur zoekalgoritme de oude zoekmachinetopper verdrong. AI is een technologische revolutie die enerzijds de grote spelers nog machtiger kan maken en anderzijds een asymmetrie kan creëren waardoor de Davids de Goliaths kunnen verslaan.Kleinere verstoorders, zoals Microsoft, Amazon, Apple en Alphabet (Google) ooit waren, slagen er zelden in om traditionele machtsstructuren te verstoren. De vermeende verstoorders worden vaak zelf het slachtoffer van de verstoring, zoals de voorbeelden in de tabel en hun aandelenkoersen in Figuur 2 illustreren.

Sommige bedrijfsmodellen die vandaag nog als veilig worden beschouwd, kunnen in de toekomst bijvoorbeeld verzwakt of zelfs ondermijnd worden door een snelle verdere ontwikkeling en wijdverspreid gebruik van kunstmatige intelligentie. Een belangrijke les die we hieruit kunnen trekken is dat bedrijven hun kwetsbaarheid voor technologische verandering moeten onderzoeken, hun portefeuilles wat breder moeten spreiden en niet moeten rekenen op slechts een paar (vermeende) AI-winnaars.

Kan AI de beursprestaties voorspellen?

Isaac Newton herkende treffend de onvoorspelbaarheid van menselijk gedrag in tegenstelling tot de voorspelbaarheid van natuurkundige wetten, door te zeggen: "Ik kan de beweging van hemellichamen berekenen, maar niet de waanzin van mensen."

Om de beursprestaties te voorspellen, zou men niet alleen de waanzin van mensen moeten berekenen, maar ook de toekomst moeten kunnen voorspellen, die niet zal gebeuren zoals voorspeld als iedereen van tevoren weet wat er gaat gebeuren.

Als je bijvoorbeeld vraagt naar de vooruitzichten op succes van een bepaald bedrijf en zijn aandelen, dan worden de grenzen van generatieve taalmodellen al snel duidelijk. Het resultaat is meestal de consensus van analistenramingen of meningen van de financiële pers, maar geen begrijpelijk, zelf afgeleid oordeel. Een generatief taalmodel is hier niet toe in staat.

AI kan echter wel het analytische proces ondersteunen, zoals het beoordelen van de concurrentiekracht van een bedrijf of de kwaliteit van het management. De bruikbaarheid van de resultaten hangt sterk af van het stellen van de juiste vragen ("prompting") en de stapsgewijze verduidelijking ervan. Uiteindelijk moeten de resultaten nog worden onderworpen aan een feiten- en plausibiliteitscontrole. Bij het beoordelen van het management is het belangrijk om te bepalen of de persoon geschikt is voor een leidinggevende rol in dat specifieke bedrijf.

Door de eigen, afzonderlijke database van een bedrijf te combineren met generatieve AI is het bijvoorbeeld mogelijk om managementverklaringen te controleren op nauwkeurigheid en geloofwaardigheid en managers in te delen naargelang ze geneigd zijn om problemen te verdoezelen of om problemen te benoemen en concrete oplossingen voor te stellen. Ook andere kenmerken zoals professionele competentie, authenticiteit, motivatie en leiderschapsstijl kunnen op deze manier worden getest. De kwaliteit van de resultaten hangt af van de kwaliteit van de database en hoe de vragen of taken zijn geformuleerd. Met toenemende ervaring en het aantal casestudies (vooral positieve of negatieve) verbetert de database en worden de vragen van de analisten verfijnd, wat leidt tot betere resultaten. Er moet geen aanspraak worden gemaakt op 100% nauwkeurigheid. Het is ook mogelijk dat niet zozeer de AI zelf het analyseproces verbetert, maar eerder de verduidelijking van de vragen en de systematiek die door de AI-modellen wordt afgedwongen.