Ik was onderdeel van één van de weinige lichtingen AI-studenten aan de TU Delft. Voor de massa was kunstmatige intelligentie op dat moment pure sciencefiction. Voor ons, die paar verdwaalde pioniers in Delft, was het ploeteren op complexe wiskunde en pogingen om menselijke logica in machines te stoppen. Een vakgebied dat door de buitenwereld amper serieus werd genomen.
Spoel de tijd door naar vandaag en die eenzame collegezaal heeft plaatsgemaakt voor een wereldwijde goudkoorts. Iedereen 'doet iets' met AI en de experts schieten als paddenstoelen uit de grond. Als ik naar die explosie kijk, voel ik een mengeling van trots en gezonde scepsis. Want in de hype schuilen ook gevaren.
En om die gevaren duidelijk te maken, neem ik je graag mee naar hoe het allemaal begon.
De wortels van AI liggen in de jaren ‘50
Toen visionairs als Alan Turing droomden van denkende machines, ontstond de visie om een computer te laten werken als een menselijk brein. In de decennia erna werd er hard gezocht naar manieren om dat voor elkaar te krijgen. De ontwikkeling van AI ging met horten en stoten: het ene moment stapten wetenschappers (en investeerders) massaal op de AI-trein, het andere moment zakte hun geloof in AI tot het vriespunt. Er kwamen meerdere "AI-winters" voorbij. Maar het vroor nooit helemaal dood…
Toen ik rond 2001 midden in mijn AI-studie zat, was de AI-wereld verdeeld
Nog altijd werd er hard gewerkt om die gedroomde artificiële intelligentie te ontwikkelen. Maar de AI-enthousiastelingen waren duidelijk verdeeld in twee kampen:
Kamp ‘algoritmiek’
De overgrote meerderheid van wetenschappers geloofde dat je intelligentie vooral moest bouwen met geprogrammeerde algoritmes, logica en beslisbomen. Eventueel aangevuld met een beetje machine learning. Neurale netwerken? Die zouden nooit breed betrouwbare resultaten opleveren, was de overtuiging.
Kamp ‘neurale netwerken’
Een kleine minderheid geloofde in de digitale schaduw van het brein. Zij geloofden dat machines niet primair regels moesten volgen, maar moesten 'leren' door patronen te herkennen. Dit is de voorganger van wat we nu Deep Learning noemen.
Jarenlang won het kamp 'algoritmiek' met overmacht. We misten simpelweg de rekenkracht én de data om neurale netwerken echt tot hun recht te laten komen. Een neuraal netwerk van toen was als een krachtige motor zonder brandstof. De theorie was briljant, maar de hardware was hopeloos ondermaats en de datasets waren schaars. Toch bleef ik al die jaren geloven in de kracht die AI ons ooit zou laten zien.
Die verhouding is inmiddels compleet omgedraaid: waar het vroeger negentig procent algoritmiek was en een vleugje machine learning, verschuift het nu steeds meer richting machine learning met alleen waar nodig nog traditionele algoritmiek.
Bij Blis Digital geloofden we al vroeg in de kracht van AI
Vanzelfsprekend nam ik mijn enthousiasme over AI mee naar Blis Digital. We zochten continu naar manieren om het in te zetten. Alleen ging dat niet altijd direct met succes. Pionieren betekent immers ook dat je soms je neus stoot.
Onze belangrijkste les? Dat de kloof tussen een technisch werkend prototype en een waardevol product vaak groter is dan gedacht.
Zo bouwden we zo'n tien jaar geleden voor een groot advieskantoor een systeem om financiële wet- en regelgeving te analyseren. De visie was goed: experts ondersteunen met digitale snelheid. Maar de AI-modellen van toen konden maar een paar zinnen tegelijk verwerken, terwijl juridische documenten tientallen pagina's beslaan. We moesten documenten handmatig opknippen in kleine stukjes om ze überhaupt door het model te krijgen. Technisch was de oplossing indrukwekkend, maar commercieel was het niet levensvatbaar.
Een heel andere barrière troffen we aan bij een project voor een grote entertainmentorganisatie, waar we gezichtsherkenning implementeerden bij de entree. Hier was de techniek juist geen probleem. Het systeem werkte perfect, maar we liepen tegen de muren van maatschappelijke acceptatie en wetgeving op. De wereld was nog niet klaar voor de slimme oplossingen met AI.
Je zou kunnen zeggen dat het mislukkingen zijn, maar ik zie het anders. Wat mij betreft waren het noodzakelijke experimenten die ons leerden dat innovatie niet enkel zit in het schrijven van slimme code. De context is minstens zo belangrijk.
Inmiddels staat AI op een heel ander, maar ook gevaarlijk punt
Nu we jaren verder zijn is de 'brandstof' er eindelijk. Rekenkracht en data zijn nu in overvloed beschikbaar. De uitkomsten van AI zijn daardoor verbluffend. Na jaren wachten komen de theoretische techniek en de kracht van de AI motor bij elkaar. In no-time werk je oplossingen uit die vroeger dagen, weken of zelfs maanden duurden.
Maar precies daar zit ook het gevaar. Bij die vroege projecten leerden wij het al: enkel de uitkomst die AI je geeft is niet genoeg, context is allesbepalend. En dat wordt door de huidige hype vaak over het hoofd gezien.
Ik noem dit 'de toverstaf-illusie'
Ik noem dit 'de toverstaf-illusie'. Omdat tools als ChatGPT zo verbluffend menselijk en intelligent overkomen, staren veel bedrijven zich blind op de snelle oplossing die AI geeft. Maar ze vergeten die noodzakelijke context en denken dat de machine het volledige denkwerk wel even overneemt.
Wij weten door schade en schande inmiddels beter: een AI-model, hoe indrukwekkend ook, begrijpt de diepere logica en nuances van jouw specifieke bedrijfsproces niet. Wie AI puur als magische pleister gebruikt zonder die context, bouwt op drijfzand.
AI is niet de oplossing op zich, maar een waanzinnig krachtige motor in een groter geheel. Aan een motor met enorm vermogen heb je niets als er geen stuur, remmen en versnellingsbak omheen zitten. De AI-motor levert de kracht, maar bij Blis Digital laten we die nooit zomaar 'los' in een organisatie.
De mens blijft een onmisbare schakel, ook over 10 jaar
Mijn visie voor de toekomst? Op dit moment staan we midden in de generatieve AI-revolutie en we zijn nog lang niet aan het plafond. De modellen worden steeds krachtiger, de techniek verfijnder en de toepassingen breder. Maar de angst dat de mens overbodig wordt? Die deel ik niet.
Sterker nog: in een wereld vol brute rekenkracht wordt het menselijk vermogen om context te zien, ethiek te bewaken en de juiste vragen te stellen alleen maar belangrijker. Dat geldt nu, maar ook over 10 jaar.
AI is de motor, maar wij blijven de bestuurder.
