Mens Machine ai
Home Ā» geschiedenis Ā» De eeuwige droom: een machine die kan denken en handelen als wijzelf

De eeuwige droom: een machine die kan denken en handelen als wijzelf

Deus ex machina! Van een tot leven gewekt beeld in de Oudheid, via een poepende eend in de 18e eeuw naar een kwakend mobieltje in de 21e eeuw. Fantasie en realiteit rond de menselijke machine door de eeuwen heen – een overzicht van de hoofdlijnen

deus ex machina, god uit een machine , supermens, mythe, mechaniek, machine, automaat, computer, robot, microchip, cyborg, kunstmatige intelligentie, neurale netwerken, Large Language Models, Generic Pre-trained Transformer, AGI (Kunstmatige algemene intelligentie)

alle onderstaande afbeeldingen zijn gegenereerd met DALL-E. Prompt: geeft een visualisatie van het tijdperk [gewenste setting in een alinea tekst]. Bijv. “Kun je een afbeelding maken van De Griekse mythe van Pygmalion, waarin een beeldhouwer in zijn werkplaats een standbeeld maakt dat tot leven komt”

Inhoud

Vooraf

De collectieve angstdroom: machines met superbreinen waar we de controle over gaan verliezen… ALARM! ALARM!

Door de eeuwen heen heeft men gefantaseerd over duistere uitvinders die een machine in elkaar knutselden die zich als mens ging gedragen. En het liefst sterker en intelligenter dan hijzelf. Tegelijk ontwikkelde achter deze fantasieƫn aan geleidelijk de techniek die kunstmatige wezens werkelijk mogelijk maakte. Van een mechanische eend in de 18e eeuw tot een kwakend mobieltje dat in de 21e eeuw ingesproken opdrachten kan begrijpen en uitvoeren. Angstvallig dicht komen we anno 2024 bij de realiteit van een machine met een synthetische brein dat slimmer, sneller en sterker is dan een mens van vlees en bloed.

Nu ‘Artificial General Intelligence’ (AGI) binnen het bereik van Tech-organisaties als OpenAI en Google begint te komen, moeten we ons gaan bezinnen of we dit als maatschappij wel willen.

Grote getrainde taalmodellen lijken niet alleen goed woorden in een zin te kunnen voorspellen (waardoor ze een correct antwoord geven op een willekeurige vraag) maar zij worden ook steeds intelligenter, zodat je bijna kan spreken van een model dat logisch kan nadenken en zelfstandig besluiten kan nemen. Of zelfs kennis en inzichten kunnen produceren die onze pet te boven gaan.
Een gemiddeld LLM (Large Language Model) is in 2024 in staat om een artsexamen met een 8 af te sluiten. De zogenaamde Transformers als GPT zijn pre-trained taalmodellen die een vragende tekst (input) met heel veel rekenkracht en in heel veel dimensies en vectoren kunnen omzetten waardoor een unieke cijfercombinatie ontstaat. Zij zoeken daarbij een antwoord (output) dat bij benadering statistisch dicht bij het token ligt. Met al deze supersnelle rekenmethodes die zij toepassen op al de reeds geleerde kennis, waarmee woord volgorde’s (lopende zinnen) worden voorspeld, genereren deze Transformers teksten als output die wij als een correct antwoord ervaren. ‘Wat is de hoofdstad van Frankrijk?’ vragen we aan een LLM. Het zegt: ‘Parijs.’ Heel goed, denk je. Maar is dit logisch nadenken? De laatste Transformers (GPT4 en Gemini) zijn nu niet alleen meer in staat tot woord volgordes te gokken maar ook in staat om wiskundige problemen op middelbare schoolniveau op te lossen. Waarbij je bijna zou zeggen dat de uitkomst een gevolg is van logisch nadenken. Bovendien krijgen zij door multimodaliteit ook ogen en oren; zij kunnen beeld en audio interpreteren, genereren en ‘begrijpen’.
Dit superbrein kan een revolutie betekenen op het gebied van efficiƫntie en productiviteitsverbetering in de economie, gezondheidszorg, milieubescherming, verbetering van onderwijs, verbeterde besluitvorming en een revolutie binnen wetenschap en onderzoek.

Maar aan de ander kant:

Het ontstaan van een dergelijk superbrein (AI) vormt een grote bedreiging voor de mensheid

  1. Verlies van Banen door Automatisering: Een van de meest directe risico’s is de impact van AI op de arbeidsmarkt. Automatisering kan leiden tot het verlies van banen, vooral in sectoren waar routinematige taken overheersen. Dit kan leiden tot economische ongelijkheid en sociale onrust.
  2. Privacy en Surveillance: AI-systemen zijn zeer efficiƫnt in het verzamelen, analyseren en interpreteren van grote hoeveelheden data. Dit roept zorgen op over privacy, aangezien AI kan worden gebruikt voor massasurveillance en het diepgaand analyseren van persoonlijke informatie.
  3. AI Wapenwedloop: De ontwikkeling van autonome wapensystemen die AI gebruiken, kan leiden tot een nieuwe wapenwedloop. Deze wapens kunnen beslissingen nemen over leven en dood zonder menselijke tussenkomst, wat ethische en juridische dilemma’s oproept.
  4. Verlies van Menselijke Controle: Op de lange termijn is er de zorg dat AI-systemen een niveau van intelligentie en autonomie kunnen bereiken dat de menselijke controle overstijgt. Dit scenario, vaak beschreven in sciencefiction, roept vragen op over de veiligheid en de mogelijkheid dat AI beslissingen neemt die niet overeenkomen met menselijke waarden en belangen.
  5. Sociale en Ethische Impact: AI kan ook bredere sociale en ethische vraagstukken met zich meebrengen, zoals de impact op sociale interacties, menselijke identiteit en onze perceptie van realiteit. Denk bijvoorbeeld aan de invloed van deepfakes of de manier waarop AI onze (politieke) besluitvorming kan beĆÆnvloeden zonder dat we ons daarvan bewust zijn.
  6. AI en Vooroordelen: AI-systemen leren van data die mensen hen geven. Als deze data bevooroordeeld zijn, kunnen de AI-systemen deze vooroordelen overnemen en versterken, wat kan leiden tot ongelijke behandeling en discriminatie.

2024: Ironische fout van DALL-E: een afbeelding van ‘Het monster’ dat Dr Frankenstein tot leven wekt…

Het grappigste voorbeeld van enerzijds nog de beperkingen van een pre-trained taalmodel en tegelijk de ongewilde creativiteit ontdekte ik toen ik chatGPT een afbeelding wilde laten genereren van Dr. Frankenstein die een monster tot leven wekt. Kijk maar eens goed naar de bovenstaande afbeelding, gemaakt door DALL-E met de volgende prompt:
[maak een afbeelding waarin we Dr Frankenstein in zijn lab bezig zien zijn monster te scheppen]
De afbeelding is fout. In het leermateriaal waarmee GPT getrained is zit een menselijke dwaling. GPT neemt die klakkeloos over. Heel veel mensen (en dus ook heel veel teksten waarop GPT getraind is) denken dat Frankenstein de naam van het monster is. Fout. Veel mensen spreken oer een Frankenstein-hoofd. Dat komt door de film uit 1924. Maar dat is niet zo. Dr. Frankenstein is de uitvinder van het monster. Hij heeft helemaal geen hoog voorhoofd. Het taalmodel heeft in de afbeelding dus de boel omgedraaid.
Het monster met zijn hoge voorhoofd, litteken en de twee elektroden in zijn nek symboliseert vooral het gevaar van technologie dat letterlijk een eigen leven gaat leiden en zich tegen ons kan keren. Of zoals chatGPT heeft gefantaseerd op bovenstaande afbeelding: het monster gaat beginnen om synthetische mensen te maken.

2024: Schokkende geschiedvervalsing en verdachtmaking: een SS-officier met een zwarte huidskleur

Een ander voorbeeld van een gevaarlijke fout van huidig taalmodel was de plaatjes-generator van de chatbot van Gemini (Google) die in februari 2024 werd gelanceerd. Het taalmodel was dusdanig woke ingesteld (bij elk verzoek ging er een ‘system prompt‘ mee: niet discrimineren op huidskleur door ook plaatjes te genereren van zwarte mensen als er gevraagd wordt naar een willekeurige afbeelding van mensen).

Toen ik dit zag waande ik mij even in de roman ‘1984’ van George Orwell. De toekomstvoorspelling uit 1948 schets een dystopisch landschap, waarin Winston Smith op het ‘Ministerie van Waarheid’ werkt. Hij is mede verantwoordelijk voor het controleren en manipuleren van alle informatie in het land waar hij deel uit van maakt. Winston’s taak is om met een geavanceerde machine de historische documenten te herschrijven om ze in overeenstemming te brengen met de huidige partijlijn. Orwell had dit gevaar van ‘fake news’ en ‘deep fakes’ dus al in 1948 in een roman een voorspeld. Zo biedt de geschiedenis heel veel materiaal dat kritisch de relatie tussen mens en machine benaderen.

Omdat we kunnen leren van deze (maatschappelijke en kunstzinnige) reacties uit het verleden volgt nu een verkenning van fantasie en realiteit van menselijke machines door de eeuwen heen.

A. Oudheid: De mythe van Pygmalion en de eenvoudige machines van Archimedes

Fantastische verhalen rond 500 vChr

Mythe over een supervrouw die de beeldhouwer overtrof qua schoonheid, kracht en intelligentie

De mythe van Pygmalion (opgetekend door Ovidius in het pre-computertijdperk) kan dienen als voorbeeld van een kunstmatig wezen dat net zo intelligent is als zijn maker. In deze mythe creƫert Pygmalion, een beeldhouwer, een ivoren beeld van een vrouw die zo perfect is dat hij verliefd op haar wordt. Hij bidt tot Aphrodite, de godin van de liefde, om zijn beeld tot leven te wekken. Aphrodite verhoort zijn gebed en het beeld, genaamd Galatea, wordt een echte vrouw.

generated by GPT4

De mythe van Pygmalion raakt aan verschillende thema’s die belangrijk zijn in de AI-vraagstukken.

De scheppingskracht van de mens:

Pygmalion creƫert een kunstwerk dat zo perfect is dat het niet te onderscheiden is van een levend wezen. Dit roept vragen op over de grenzen van de menselijke creativiteit en de potentie van AI om kunst te creƫren.

De aard van intelligentie:

Galatea is een kunstmatig wezen, maar ze is net zo intelligent en capabel als een mens. Dit roept vragen op over de aard van intelligentie en of AI ooit echt intelligenter kan worden dan een mens van vlees en bloed.

De relatie tussen mens en machine:

Pygmalion en Galatea beginnen een relatie, ondanks dat Galatea geen mens is. Dit roept vragen op over de relatie tussen mens en machine en de mogelijkheden van AI om een ā€‹ā€‹deel van onze samenleving te worden. Pygmalion creĆ«ert een wezen dat perfect is volgens zijn eigen idealen, maar Galatea is uiteindelijk niet in staat om aan zijn verwachtingen te voldoen. Dit kan worden gezien als een waarschuwing voor de gevaren van het creĆ«ren van AI-systemen die te veel macht hebben of die niet goed begrepen worden.

REALITEITEN ROND 300 v.Chr.

De eerste echte machines in de Oudheid

Aristoteles was rond 340 v.Chr. de eerste die de hefboom en schroef als machine aanduidde. In Archimedes kwam met het concept van de “eenvoudige machines” door zijn studie naar de hefboom, katrol en schroef.


Hij ontdekte het principe van de mechanische versterking van de hendel. Eenvoudige machines waren gedefinieerd als mechanismen die in staat waren om “een lading te bewegen”. De fabricage en het gebruik werden al door de Grieken beschreven, maar hun inzichten bleven beperkt tot de statica van eenvoudige machines.

B. Middeleeuwen: De legende van Golem en kasteeltuinen met mechanische apen en mensen

MAAR EERST DE Fantastische verhalen OVER gemechaniseerde mensen IN DE MIDDELEEUWEN

Legende over een reusachtig wezen dat de Joodse gemeenschap moet beschermen tegen pogroms

Volgens de legende creƫerde Maharal, de Golem om de Joodse gemeenschap van Praag te beschermen tegen pogroms. De Golem was een reusachtig wezen gemaakt van klei, met een lichaam zo sterk als steen. De Maharal bracht de Golem tot leven door de naam van God op zijn voorhoofd te schrijven.

generated by GPT4

De Golem als Beschermer
De Golem diende als beschermer van de Joodse wijk van Praag. Hij patrouilleerde ‘s nachts door de straten en joeg antisemieten weg. De Golem was sterk en onverschrokken, en hij vervulde zijn taak met ijver.
Het gevaar van Golem die niet gedeactiveerd wordt
Op een dag vergat de Maharal de Golem op vrijdagavond te deactiveren, wat inging tegen de Joodse wet. De Golem, die niet kon rusten op de sabbat, begon door de stad te dwalen en veroorzaakte schade. De Maharal besefte zijn fout en haalde de naam van God van het voorhoofd van de Golem, waardoor hij terugkeerde naar klei.
De Betekenis van de Legende
De legende van de Golem van Praag is een symbool van de Joodse identiteit en veerkracht. De Golem is ook een symbool van de kracht van kennis en creativiteit.
De Golem in de Populaire Cultuur
De legende van de Golem is een inspiratiebron geweest voor vele kunstenaars, schrijvers en filmmakers. De Golem is verschenen in films, boeken, strips en videogames. De meest bekende film over de Golem is de Duitse film “Der Golem” uit 1920 en natuurlijk “Lord of The Rings” uit 2001

REALITEITEN IN DE MIDDELEEUWEN 800- 1400

De eerste machines in het Verre Oosten

Nooit echt bewezen maar volgens de verhalen had de beroemde Kalief Haroun al Rashid in Bagdad uit de 8ste eeuw een wondertuin. Daarin stond een prachtige zilveren boom met gouden mechanische vogeltjes op de takken, die mechanisch bewegen en vrolijke deuntjes fluiten.

Islamitische Gouden Eeuw: In deze periode waren er uitvindingen zoals de automaten van Al-Jazari in de 12e eeuw, die complexe mechanische apparaten ontwierp, zoals een mechanische band die muziek kon spelen en drinkautomaten in de vorm van menselijke en dierlijke figuren.

De mechanische sculpturen in het park van gravin Mahaut in de 14e eeuw

Gravin Mahaut liet in 1306 de kasteeltuinen van Hesdin in 1306 een soort middeleeuws amusementspark inrichten. In de tuin stonden overal mechanische sculpturen geĆÆnspireerd op Franse ridderromans, gemaakt door meester-beeldsnijder Guissin.


In het park zijn een menagerie, voliĆØres, visvijvers, boomgaarden, toernooivelden, automata, een besloten tuin genaamd ‘Paradis’, en een op palen staand banketpaviljoen te zien. Op de brug naar het paviljoen zitten mechanische apen bekleed met dassenvacht.

C. 15e eeuw: de mechanische ridders in de tekeningen van DaVinci

De Renaissance was een periode van grote culturele, wetenschappelijke en technologische veranderingen. Het was een tijd waarin de grenzen van menselijke kennis en begrip werden uitgedaagd en uitgebreid, en dit was duidelijk zichtbaar in de opkomst van meer geavanceerde en complexe mechanische apparaten.

generated by GPT4

Een van de meest opmerkelijke figuren van deze tijd was Leonardo da Vinci, een man wiens talloze talenten en interesses hem tot een icoon van de Renaissance maakten.

Da Vinci was gefascineerd door het idee om menselijke beweging en functie te repliceren door middel van machines. Dit komt tot uiting in zijn ontwerpen van robots en mechanische ridders, die ongelooflijk geavanceerd waren voor hun tijd. Hoewel veel van deze ontwerpen nooit daadwerkelijk zijn gebouwd, hebben ze wel een blijvende invloed gehad op de ontwikkeling van mechanische technologie en robotica. Ze vertegenwoordigen de allereerste stappen op de lange en nog steeds voortdurende reis naar het creƫren van kunstmatig intelligent leven.

D. 17e en 18e eeuw: wetenschappelijke revolutie, een poepende eend en l’homme machine van LaMettrie

De 18e eeuw was een tijd van ongeĆ«venaarde vooruitgang op het gebied van filosofie, wetenschap en politiek. De principes van de Verlichting, die de onafhankelijkheid van het menselijk denken benadrukten en de nadruk legden op empirisme en rationalisme, begonnen de oude doctrines en dogma’s uit te dagen.
De wetenschappelijke revolutie van de 17e eeuw had de basis gelegd voor deze intellectuele bloei. Wetenschappers als Isaac Newton en Galileo Galilei hadden nieuwe wegen gebaand in ons begrip van de natuurlijke wereld, en hun ideeƫn werden verder uitgewerkt door de denkers van de 18e eeuw.
De principes van logica en rationaliteit, die zo centraal stonden in de Verlichting, vormen vandaag de dag nog steeds de basis van veel AI-systemen.
In het bijzonder heeft deze eeuw bijgedragen tot het ontstaan van de eerste automaten – machines ontworpen om menselijke acties na te bootsen. Deze apparaten, hoewel primitief naar de huidige normen, waren de voorlopers van de moderne robotica en kunstmatige intelligentie. Ze waren het levende bewijs van het verlichtingsdenken, een bewijs van de menselijke vermogens om de natuurlijke wereld te begrijpen en te manipuleren.

Een van de bekendste voorbeelden van deze automaten was de mechanische eend gemaakt door Jacques de Vaucanson. Deze verbazingwekkende machine kon niet alleen bewegen en kwaken als een echte eend, maar ook eten en zijn voedsel verteren. Hoewel het binnenwerk van de eend niet echt de biologische processen van een levende eend nabootste, was het een indrukwekkend staaltje van mechanische techniek voor die tijd.
En het wonderbaarlijkste was dat ze het eten ook nog leek te kunnen verteren; via een chemische reactie in kunstmatige darmen. In feite ging het echter om een trucje: de eend bevatte een reservoir met “voorverteerd voedsel” dat dan werd uitgescheiden. Hij werd door de onderminister Fleury, onder koning Lodewijk XV, benoemd tot hoofdinspecteur van de Franse zijdefabrikanten. Hij hielp de machinale productie van zijde tot stand te brengen en bouwde hij in 1745 het eerste volledige geautomatiseerde weefgetouw met behulp van ponskaarten. Het weefgetouw vond nochtans weinig aandacht totdat deze in 1805 door Joseph-Marie Jacquard werd herontdekt en geoptimaliseerd. De Vaucanson stond met zijn weefgetouw aan de wieg van de eerste dataopslag van computers eeuwen later.

Het boek L’homme machine (1747) van LeMettrie

Een ander aspect van het verlichtingsdenken dat van invloed was op de relatie tussen mens en machine was het materialisme van Julien LaMettrie. Deze Franse arts en filosoof stelde in zijn boek L’homme machine (1747: notabene in Leiden in ballingschap geschreven) dat de mens niet wezenlijk van een machine verschilt en dat al ons denken en voelen tot eigenschappen van materie zijn te herleiden.

Zijn ideeĆ«n zette veel kwaad bloed bij theologen die het lichaam zagen als een schepping gods.  La Mettrie bestreed niet alleen het bestaan van de eeuwigheid en onsterfelijke ziel, maar ook de zin van de religie. 

Het was een modern geluid dat bij een aantal filosofen goed viel. De mens was niet meer dan een machine, waarvan je de mechaniek uit elkaar kon halen en in onderdelen begrijpen. Feitelijk legde LeMattrie de basis voor het materialisme en een mechanistisch wereldbeeld die het geestelijke klimaat schiep voor het uitbreken van de Industriele revolutie halverwege de 18e eeuw. Dat juist in deze tijd vernuftig geconstrueerde robotachtige poppen werden gedemonstreerd in de salons waar LeMetrrie en zijn verlichtingsvrienden bijeenkomsten hielden was geen toeval.

E. Romantiek en 19e eeuw: Het monster van Dr. Frankenstein en de eerste ponsmachine ‘Analytical Engine’

MAAR EERST DE Fantastie: DE ROman over DR. FRANKENSTEIN EN zijn MONSTER

De roman van Shelly ‘Het monster van Dr. Frankenstein” in 1818 is een typisch voorbeeld van de angst voor de technologie die er in de maatschappij bestond. Het verhaal toont de gevaren van het overschrijden van de grenzen van de natuur. De scĆØnes brengen de ethische implicaties van het creĆ«ren van kunstmatig leven en de verantwoordelijkheden die bij dergelijke creaties komen kijken, over.

generated by GPT4

Het toneelstuk dat Peggy Webling schreef op basis van Mary Shelleys gelijknamige boek zorgde voor de beeldvorming en populariteit in de 19e eeuw. Hierop is ook de Hollywoodfilm gebaseerd uit 1931. We zien hierin de opkomst van elektriciteit ook verwerkt en de angst voor hoogspanning. Uiteraard bestonden dit verschijnsel nog niet toen Shelley haar boek schreef. Overigens: Het monster heet niet Frankenstein. De maker, prof. Victor Frankenstein, schiep in de roman nieuw leven door de bliksem te laten inslaan in een robot.

REALITEITEN IN DE 19e EEUW

De eerste mechanische rekenmachines en algoritmes

In de 19e eeuw begon de reis naar moderne computers en kunstmatige intelligentie met enkele opmerkelijke uitvindingen en theorieĆ«n. Deze periode stond bekend om zijn technologische en wetenschappelijke vooruitgang, en legde de basis voor de latere ontwikkelingen in computing en AI. Een van de belangrijkste figuren in deze reis was Charles Babbage, een Engelse wiskundige en uitvinder. In de jaren 1820 ontwierp Babbage de Difference Engine, een mechanische rekenmachine ontworpen om wiskundige tabellen te berekenen. Hoewel Babbage’s Difference Engine nooit volledig werd gebouwd tijdens zijn leven, was het concept revolutionair. Het idee van een machine die complexe berekeningen kon uitvoeren, was zijn tijd ver vooruit.

Babbage ging verder met het ontwerpen van de Analytical Engine in de jaren 1830, een apparaat dat veel aspecten van een moderne computer bevatte, zoals een centrale verwerkingseenheid (CPU) en geheugen. Hoewel ook dit apparaat nooit volledig werd gerealiseerd, wordt het beschouwd als de eerste conceptie van een algemene computer.

Tegelijkertijd ontwikkelde Ada Lovelace, een briljante wiskundige en de dochter van de dichter Lord Byron, een diep begrip van de Analytical Engine. Ze wordt vaak beschouwd als de eerste computerprogrammeur, omdat ze algoritmen schreef die bedoeld waren om door Babbage’s machine uitgevoerd te worden.
Aldus kwam hij in 1833 met de “analytische machine”. Deze machine zou met invoer vanaf ponskaarten wiskundige bewerkingen kunnen uitvoeren. Deze machine wordt algemeen gezien als het concept van de computer. Tot dan toe bestond de machine alleen nog maar op papier en Babbage ging op zoek naar iemand om zijn ideeĆ«n te verwezenlijken. Daarvoor vond hij Ada Augusta (Lady Lovelace), een enthousiast amateurwiskundige. Ada schreef hele reeksen instructies voor de analytische machine, ze ontwikkelde onder andere de subroutine, herkende de waarde van lussen en dacht al na over de voorwaardelijke sprongroutine; zij was dus eigenlijk de eerste programmeur. Helaas heeft Babbage ook deze machine nooit kunnen voltooien.

Deze vroege ontwikkelingen in mechanische rekenmachines en algoritmen vormden de fundering waarop latere computertechnologieƫn en AI werden gebouwd. De ideeƫn van Babbage en Lovelace over machines die complexe taken konden uitvoeren, waren visionair en inspireerden latere generaties wetenschappers en uitvinders.

In de late 19e eeuw begonnen andere uitvindingen, zoals de telegraaf en de telefoon, de manier waarop informatie werd overgedragen en verwerkt te transformeren. Deze technologieƫn droegen bij aan het concept van snelle en automatische gegevensoverdracht, een essentieel onderdeel van moderne computers en AI.

Zo vormden de 19e-eeuwse ideeƫn en uitvindingen een cruciale basis voor de latere explosieve ontwikkelingen in computers en kunstmatige intelligentie in de 20e en 21e eeuw.

F. 20e eeuw: Turing ontwikkelt een ‘Automatic Computing Engine (ACE) en een test om mens en machine te onderscheiden

MAAR EERST DE Fantastische verhalen IN de 20e eeuw over gemechaniseerde mensen

Mythe over de superheld die dankzij zijn superkrachten de wereld komt redden van de ondergang

De term ‘superheld’ werd geĆÆntroduceerd in 1938 met het uitkomen van Action Comics deel 1, de eerste Superman-strip, met “de man van staal” als allereerste superheld. Sindsdien is de term uitgegroeid tot een wereldwijd bekend fenomeen. Na de oorlog volgde de robotman genaamd ‘Archie, de man van staal’, die is gebouwd door professor C.R. Ritchie en bediend wordt door zijn neefje Ted en diens beste vriend Ken Dale.

Archie kan in de eerste verhalen niet praten, later krijgt hij hiervoor een speciaal mechanisme ingebouwd. Archie is ongelofelijk sterk en handig, waardoor hij zich steeds uit de meest onmogelijke situaties weet te redden. 

a. 1940 – 1951 Turing bouwt in de jaren ’50 de ‘Automatic Computing Engine (ACE), een van de vroegste computers

Alan Turing, een briljante Britse wiskundige, speelde een cruciale rol in het ontstaan van de eerste mechanische computer tijdens en na de Tweede Wereldoorlog. Tijdens de oorlog werkte hij in het geheim bij de Government Code and Cipher School op het landgoed Bletchley Park. Dit was de Britse crypto-analytische dienst, met als hoofddoel het ontcijferen van gecodeerde berichten van de Duitsers. Turing en zijn team moesten de berichten ontcijferen van de Enigma-code. Het Enigma-apparaat dat de Duitsers gebruikte om te coderen was een complex systeemTuring en zijn team, slaagden erin de codes te kraken door o.a. een machine te ontwikkelen waarmee ze berichten konden decoderen.

Na de oorlog zette Turing zijn baanbrekende werk voort. Hij trad in dienst bij de universiteit van Manchester. Hier bouwde hij aan de Automatic Computing Engine (ACE), een van de vroegste computers.

Turing ontwikkelde ook een test om te bepalen of een machine menselijke intelligentie kan nabootsen.

In de discussie over de vervanging van een mens door een machine leverde Turing in 1950 een interessante bijdrage. In een artikel getiteld “Computing Machinery and Intelligence” in het tijdschrift Mind introduceerde hij de Turingtest.

Een experiment ontworpen om te bepalen of een machine menselijke intelligentie kan nabootsen. De test houdt in dat een menselijke ondervrager gesprekken voert met zowel een mens als een machine zonder hun identiteit te kennen. Als de ondervrager niet kan bepalen welke van de twee de machine is, wordt de machine beschouwd als geslaagd voor de test. De test was feitelijk een conceptueel kader om te bepalen of een machine ‘intelligent’ kon worden genoemd.
In 1937 bewees Alan Turing dat al wat berekenbaar is ook bestuur- en schakelbaar is. Vandaar zijn waarschuwing in 1951, drie jaar voor zijn dood: ā€˜Vanaf een gegeven moment zullen we er moeten van uitgaan dat de machines de macht overnemen.ā€™

b. 1950-1960: Het Begin van AI Onderzoek

De term ‘kunstmatige intelligentie’ werd voor het eerst gebruikt door John McCarthy in 1956 tijdens de Dartmouth Conference, het eerste grote AI-symposium.

In deze periode werden de eerste AI-programma’s ontwikkeld, zoals het damspelprogramma van Arthur Samuel en de Logic Theorist van Allen Newell en Herbert A. Simon, die als de eerste echte AI-software wordt beschouwd.

c. 1960-1970: de chatbot ELIZA toont potentie van AI in natuurlijke taalverwerking en de eerste kritiek op AI zijn hoorbaar

Ja, er bestaat zeker een relatie tussen het ontstaan van de microchip en de ontwikkeling van kunstmatige intelligentie (AI) in de jaren ’60, hoewel deze relatie enigszins indirect is.

Ontstaan van de Microchip: De microchip, of geĆÆntegreerde schakeling (IC), werd uitgevonden in de late jaren ’50 en begon in de jaren ’60 commercieel beschikbaar te worden. De uitvinding van de microchip was een revolutionaire doorbraak in de elektronica-industrie. Het maakte het mogelijk om vele transistors en andere elektronische componenten op een kleine siliciumchip te integreren, waardoor elektronische apparaten veel kleiner, sneller, betrouwbaarder en efficiĆ«nter werden.

Invloed op Computerontwikkeling: Deze ontwikkeling had een aanzienlijke impact op de computerindustrie. Computers, die vĆ³Ć³r de uitvinding van de microchip groot, duur en niet bijzonder krachtig waren, werden kleiner, goedkoper en krachtiger. Dit maakte computers toegankelijker voor universiteiten, onderzoekslaboratoria en later voor bedrijven. Deze verhoogde beschikbaarheid en verbeterde prestaties van computers speelden een cruciale rol in het mogelijk maken van meer geavanceerd onderzoek en ontwikkeling in AI.

Impact op AI Ontwikkeling: In de jaren ’60, toen AI als wetenschappelijke discipline begon te groeien, waren computers essentieel voor het onderzoeken en ontwikkelen van AI-algoritmen. De verbeteringen in computerhardware, mede mogelijk gemaakt door de microchip, stelden onderzoekers in staat complexere berekeningen uit te voeren en geavanceerdere AI-programma’s te ontwikkelen. Dit was vooral belangrijk voor het modelleren van neurale netwerken en het uitvoeren van machine learning-experimenten, die beide rekenintensief zijn.

De jaren zestig waren een tijd van groei en optimisme in het AI-onderzoek. Projecten zoals ELIZA, een vroege chatbot ontwikkeld door Joseph Weizenbaum, toonden de potentie van AI in natuurlijke taalverwerking.

Er was echter ook kritiek, vooral van filosoof Hubert Dreyfus, die sceptisch was over de toekomst van AI.

Hubert Dreyfus was een invloedrijke Amerikaanse filosoof die in de jaren ’60 en ’70 kritiek leverde op de vroege ontwikkeling van kunstmatige intelligentie (AI). Zijn kritiek, sterk beĆÆnvloed door fenomenologie en filosofen zoals Heidegger en Merleau-Ponty, richtte zich op de beperkingen van de toenmalige AI, vooral de symbolische AI, die intelligentie probeerde na te bootsen door menselijke cognitie te reduceren tot symbolen en regels.

Dreyfus bekritiseerde deze aanpak door te stellen dat menselijke intelligentie en begrip veel complexer zijn dan wat door symbolen en regels kan worden vastgelegd. Hij benadrukte het belang van lichamelijkheid en situationaliteit in menselijke intelligentie, aspecten die volgens hem door AI van die tijd werden genegeerd. Dreyfus wees erop dat menselijke intelligentie sterk context- en kennisafhankelijk is, waarbij subtiele, niet-geformaliseerde kennis en intuĆÆtie een cruciale rol spelen. Hij bekritiseerde ook de overoptimistische voorspellingen van sommige AI-onderzoekers, die de complexiteit van menselijke cognitie onderschatten.

De impact van Dreyfus’ kritiek was aanzienlijk. Zijn werk hielp bij het identificeren van de grenzen van de toenmalige AI-technologieĆ«n en leidde tot realistischere verwachtingen en doelen binnen het veld. Hoewel zijn ideeĆ«n aanvankelijk controversieel waren, beĆÆnvloedden ze de AI-gemeenschap om meer geavanceerde en realistische modellen van menselijke cognitie te onderzoeken, zoals neurale netwerken en machine learning.

d. 1970-1980: HAL 9000 en de Eerste AI Winter

DE Fantastische FILM VAN KUBRICK OVER DE BOOrDCOMPUTER HAL 9000

In de sf-film van Kubrick in 1968 (2001. A Space Odyssee) werd HAL (Heuristically programmed ALgorithmic computer) geboren. Kubrick gaf vorm aan een collectieve angst van de Westerse maatschappij die kennelijk aan het eind van de jaren ’60 bestond. Nieuwe technologie als de computer zou de mens boven het hoofd gaan stijgen. In de film beslist vrij plotseling de boordcomputer HAL 9000 dat een astronaut, die buiten het ruimteschip hangt om een reparatie uit te voeren, niet meer naar binnen mag.

hal quote  space odyssee kubrick

HAL is de baas geworden. Als kijker maak je een hilarische dialoog mee (bekijk op YouTUBe deĀ scene) waarbij een zwart kastje met een rode lamp een ziel lijkt te krijgen. Dwingend vraagt de astronaut via de radioverbinding aan HAL dat hij de deur van het ruimteschip NU moet openen. HAL antwoordt hem met een zalvende stem:

ā€œIā€™m sorry Dave, Iā€™m afraid I canā€™t do thatā€.

Waarop de astronaut vraagt:

“What’s the problem, HAL?”
“I think you know what the problem is just as well as I do”
“What are you talking about, HAL?”
“This mission is to important for me to jeopardize it”
“I don’t know what you are talking about, HAL?”
“I know that you and Frank are planning to disconnect me and I’am afraid that’s something I can not allow to happen”

Een hilarische dialoog tussen mens en computer. Het kastje is een supermens geworden met een eigen mening en wil. En laat zich natuurlijk niet uitschakkelen.

Eerste AI Winter

De jaren zeventig wordt gekenmerkt door een afname in interesse en financiering voor AI-onderzoek, bekend als de ‘AI winter’. De hoge verwachtingen van de jaren zestig konden niet worden waargemaakt, wat leidde tot teleurstelling en scepsis.

e. 1980-1990: Een Heropleving met Expertsystemen

De jaren tachtig zagen een heropleving van AI, voornamelijk door de opkomst van expertsystemen in de industrie.

Deze systemen gebruikten regels om kennis in specifieke domeinen te simuleren. De interesse en investeringen in AI namen weer toe.

f. 1990-2000: Het Internet komt op , grootschalige machine learning wordt mogelijk dankzij de neureale netwerken en een systeem verslaat Kasparov

De opkomst van het internet aan het eind van de 20e eeuw, bracht nieuwe kansen voor AI. Data werd overvloedig beschikbaar, wat leidde tot de ontwikkeling van geavanceerdere machine learning-technieken. Door kennissystemen steeds te corrigeren met leermateriaal van het web, verberteren systemen zichzelf. In deze periode werd ook het baanbrekende werk aan de ontwikkeling van neurale netwerken gedaan, wat uiteindelijk zou leiden tot de ontwikkeling van diep leren.

symbolische AI versus AI op basis van neurale netwerken

Feitelijk ontstond tegen het einde van de 20e eeuw, naast de symbolische AI uit de jaren ’60, een nieuwe richting die nog sterker keek naar de biologie van het menselijke brein. De klassieke, symbolische AI was veel meer gericht op formele logica en regel gebaseerde systemen. Symbolische AI maakt vaak gebruik van kennisbanken waarin informatie expliciet wordt opgeslagen in een leesbare vorm. Een neuraal netwerk daarentegen maakt meer gebruik van grote datasets en leert patronen en relaties in deze gegevens zien en onthouden. Het is gebaseerd op het concept van ‘leren’ in plaats van expliciet geprogrammeerde instructies.

Dit nieuwe concept van een ‘neuraal netwerk’ met neurons die onderling op verschillende niveau’s met elkaar verbonden zijn en signalen doorgeven, begon steeds meer terrein te winnen in de computermodellen. Een kunstmatig neuraal netwerk bestaat uit verscheidene (eventueel door software gesimuleerde) meestal zeer eenvoudige processors (‘neuronen’) met een hoge mate van onderlinge connectie, waarover simpele, cijfermatige berichten verzonden worden. De interactie tussen de diverse onderling verbonden processors waaruit het netwerk bestaat is flexibel zodat verbindingen tussen andere processors in het neurale netwerk kunnen ontstaan. Door middel van processsoren die voortdurend combinaties proberen en opnieuw afstellen worden verbindingen versterkt, verzwakt of weer verbroken. Dit betekent dat een neuraal netwerk te tunen is en zich kan aanpassen. Dit is in feite het leerproces; het diep leren van een neuraal netwerk.

Het verschil tussen de school van de symbolische AI en de AI met taalmodellen en neurale netwerken ligt vooral in hun benaderingen en onderliggende technologieƫn voor het verwerken en genereren van informatie. Samengevat, symbolische AI is gebaseerd op duidelijke, formele regels en logica, terwijl AI met taalmodellen en neurale netwerken leert van en patronen ontdekt in grote datasets.

In 1997 versloeg IBM’s schaakcomputer Deep Blue wereldkampioen Garry Kasparov, een historische gebeurtenis in de wereld van AI. Deze overwinning markeerde het eerste moment dat een computer een regerend wereldkampioen schaken versloeg. Het was een aanzienlijke mijlpaal die de kracht en het potentieel van AI aantoonde in complexe, strategische besluitvorming. Deep Blue’s overwinning stimuleerde de belangstelling in AI-onderzoek en technologieontwikkeling, waardoor het zowel een technologisch als cultureel keerpunt werd. Het benadrukte de mogelijkheden van AI in het oplossen van problemen die voorheen als exclusief menselijk domein werden beschouwd.

g. 2000-2010: Big Data en geavanceerde algoritmen

Deze periode kenmerkte zich door de explosieve groei van beschikbare data (Big Data) en de verdere ontwikkeling van algoritmen voor machine learning en diep leren met neurale netwerken.

AI-systemen werden steeds beter in het herkennen van patronen en het maken van voorspellingen. Vooral door de opkomst van social media waarbij mensen openlijk heel veel informatie op het web posten komt er enorm veel data beschikbaar (profielen, zoekopdrachten, zoekgedrag). Bovendien vindt er een exponentiĆ«le groei plaats van rekenkracht door de fabricage van snellere GPU’S (chips) van nieuwe fabrikanten.

g. 2010-2016: De Opkomst van Grote Taalmodellen

FantasiE OVER EEN PRATEND BESTURINGSSYSTEEM WAAROP EEN GEBRUIKER VERLIEFD WORDT IN 2013

Het is de nachtmerrie van de digitale revolutie: een samenleving waarin iedereen de hele dag tegen zijn besturingssysteem praat en in zijn eigen algoritme-stolp leeft. In 2013, toen de film HER uitkwam, viel dit allemaal nog onder het genre ā€˜science-fictionā€™. Met een beetje hypochondrische blik zou je deze collectieve angstdroom, nu GPT4 een optie speech-to-text heeft, realiteit kunnen noemen in 2024. In de film HER zie je mensen op straat allemaal naar binnen gekeerd met hun device praten, zonder dat zij nog oog hebben voor de wereld om hen heen. Wanneer over een paar jaar spraakherkenning volwassen wordt, kun je je makkelijk een openbaar leven indenken dat HER ons voorschotelde in 2013.

chatGPT her AI

In de periode 2010 tot 2016 wordt de basis gelegd voor de grote taalmodellen die getraind kunnen worden op miljoenen teksten door middel van deep learning. Hier zullen uiteindelijk de grote taalmodellen zoals Google’s BERT en OpenAI’s GPT voortkomen. Deze modellen kunnen complexe taaltaken uitvoeren, zoals vertalen, samenvatten en zelfs het genereren van creatieve content.


De impact van deze modellen is enorm en heeft de manier waarop we over AI en haar toepassingen denken fundamenteel veranderd.

In 2016 verslaat de computer AlphaGo van Google de Go-kampioen Lee Sedol. AlphaGo wordt vertegenwoordigd door een geavanceerd computersysteem.

h. 2017-2020: De Transformer architectuur

De geboorte van de Transformer-architectuur in 2017 markeerde een keerpunt in de geschiedenis van kunstmatige intelligentie (AI), vooral op het gebied van Natural Language Processing (NLP). Voor deze doorbraak vertrouwden veel AI-modellen op Recurrent Neural Networks (RNN) en Convolutional Neural Networks (CNN) voor het verwerken van sequentiƫle data zoals tekst. Deze benaderingen hadden echter beperkingen, vooral wat betreft het omgaan met lange reeksen data en parallelle verwerking.

De Transformer, geĆÆntroduceerd in het baanbrekende onderzoekspaper “Attention is All You Need” door onderzoekers van Google, veranderde dit paradigma door de nadruk te leggen op ‘attention mechanisms’. Deze mechanismen stellen het model in staat om de focus te leggen op verschillende delen van de invoertekst, waardoor het efficiĆ«nter kan leren en langere afhankelijkheden kan begrijpen. Dit was een aanzienlijke verbetering ten opzichte van eerdere methoden, omdat het de mogelijkheid bood om context veel effectiever te begrijpen en te integreren.

Een belangrijk kenmerk van de Transformer-architectuur is haar vermogen om inputs parallel te verwerken, in tegenstelling tot de sequentiĆ«le verwerking van RNN’s. Dit leidde tot een aanzienlijke versnelling van de trainingstijd en verbeterde de effectiviteit van de modellen.

De impact van de Transformer was onmiddellijk en diepgaand. Het leidde tot de ontwikkeling van modellen zoals Google’s BERT (Bidirectional Encoder Representations from Transformers), die nieuwe normen stelde voor een reeks NLP-taken, waaronder vraagbeantwoording, tekstclassificatie en meer. BERT en vergelijkbare modellen konden niet alleen de context van een woord in een zin begrijpen, maar deden dit in beide richtingen, waardoor een dieper begrip van de taal mogelijk werd.

In 2020 zette deze trend zich voort met OpenAI’s introductie van GPT-3 (Generative Pre-trained Transformer 3), een nog krachtiger Transformer-model. GPT-3 demonstreerde verbazingwekkende mogelijkheden in het genereren van tekst, vertalen, en zelfs in sommige basisvormen van redeneren en probleemoplossing, waarmee het de weg baande voor nieuwe toepassingen van AI in verschillende domeinen.

šŸ¦·šŸ¦·šŸ¦·šŸ¦·šŸ¦· tips over kunstwerken die een overweldigende en duurzame ervaring achterlaten die het leven ietsje mooier maken…

Blader door alle onderwerpen

Snel bladeren