AI-filosofie voor mensen die een hekel hebben aan filosofie

De praktische keuze

De meeste mensen zien de filosofie van kunstmatige intelligentie als een debat over de vraag of robots een ziel hebben. Dat is een vergissing die tijd verspilt en de echte risico’s vertroebelt. In de professionele wereld gaat de filosofie van deze technologie eigenlijk over aansprakelijkheid, nauwkeurigheid en de kosten van menselijke arbeid. Het gaat erom wie verantwoordelijk is wanneer een model een fout maakt die een bedrijf miljoenen euro’s kost. Het gaat erom of een creatieve werker de stijl bezit die hij in tientallen jaren heeft geperfectioneerd. We stappen af van het tijdperk waarin we ons afvroegen of machines kunnen denken. We zitten nu in het tijdperk waarin we beslissen hoeveel we ze vertrouwen om namens ons te handelen. De recente verschuiving in de industrie is gegaan van chatbots die grapjes maken naar agents die vluchten kunnen boeken en code kunnen schrijven. Deze verandering dwingt ons om de mechanismen van vertrouwen onder ogen te zien in plaats van het mysterie van bewustzijn. Als je een hekel hebt aan filosofie, zie het dan als een reeks contractonderhandelingen. Je stelt de voorwaarden vast voor een nieuw soort werknemer die nooit slaapt, maar wel vaak hallucineert. Het doel is om een kader te bouwen waarin de voordelen van snelheid niet opwegen tegen de risico’s van een totaal systeemfalen.

De mechanica van machine-logica

Om de huidige staat van de industrie te begrijpen, moet je de marketingtermen negeren. Een large language model is geen brein. Het is een enorme statistische kaart van menselijke taal. Wanneer je een prompt typt, denkt het systeem niet na over je vraag. Het berekent welk woord het meest waarschijnlijk op het vorige volgt, gebaseerd op biljoenen voorbeelden. Daarom zijn de systemen zo goed in poëzie, maar zo slecht in basiswiskunde. Ze begrijpen de patronen van hoe mensen over getallen praten, maar ze begrijpen de logica van de getallen zelf niet. Dit onderscheid is essentieel voor iedereen die deze tools in een zakelijke omgeving gebruikt. Als je de output als een feitelijk verslag behandelt, gebruik je de tool verkeerd. Het is een creatieve synthesizer, geen database. De verwarring komt vaak voort uit hoe goed deze modellen menselijke empathie nabootsen. Ze kunnen vriendelijk, gefrustreerd of behulpzaam klinken, maar dat zijn slechts taalkundige spiegels. Ze reflecteren de toon van de data waarop ze zijn getraind.

De verschuiving die we onlangs hebben gezien, betreft een beweging naar het verankeren van deze modellen in data uit de echte wereld. In plaats van een model een antwoord te laten raden, koppelen bedrijven ze nu aan hun eigen interne bestanden. Dit verkleint de kans dat het model dingen verzint. Het verandert ook de inzet van het gesprek. We vragen niet langer wat het model weet. We vragen hoe het model toegang krijgt tot wat wij weten. Dit is een verschuiving van generatieve kunst naar functioneel nut. De filosofie hier is simpel. Het is het verschil tussen een verhalenverteller en een archiefmedewerker. De meeste gebruikers willen de medewerker, maar de technologie is gebouwd om de verhalenverteller te zijn. Het verzoenen van die twee identiteiten is de grootste uitdaging voor ontwikkelaars vandaag de dag. Je moet beslissen of je een tool wilt die creatief is of een tool die accuraat is, want op dit moment is het moeilijk om beide tegelijkertijd op het maximale niveau te krijgen.

Wereldwijde belangen en nationale belangen

De impact van deze keuzes beperkt zich niet tot individuele kantoren. Overheden behandelen de ontwikkeling van deze modellen nu als een kwestie van nationale veiligheid. In de Verenigde Staten richten executive orders zich op de veiligheid en beveiliging van de krachtigste systemen. In Europa heeft de AI Act een juridisch kader gecreëerd dat systemen categoriseert op risico. Dit creëert een situatie waarin de filosofie van een ontwikkelaar in Californië de legaliteit van een product in Berlijn kan beïnvloeden. We zien een gefragmenteerde wereld waarin verschillende regio’s heel verschillende ideeën hebben over wat een machine mag doen. Sommige landen zien de technologie als een manier om de economische output tegen elke prijs te verhogen. Anderen zien het als een bedreiging voor het sociale weefsel en de arbeidsmarkt. Dit creëert een aparte set regels voor elke markt, waardoor het voor kleine bedrijven moeilijker wordt om te concurreren met de giganten die zich grote juridische teams kunnen veroorloven.

De wereldwijde supply chain voor deze technologie is ook een punt van spanning. De hardware die nodig is om deze modellen te draaien is geconcentreerd in enkele handen. Dit creëert een nieuw soort machtsdynamiek tussen de landen die de chips ontwerpen, de landen die ze produceren en de landen die de data leveren. Voor de gemiddelde gebruiker betekent dit dat de tools waar je op vertrouwt onderhevig kunnen zijn aan handelsoorlogen of exportcontroles. De filosofie van AI is nu verbonden met de filosofie van soevereiniteit. Als een land vertrouwt op een buitenlands model voor zijn gezondheidszorg of rechtssysteem, verliest het een zekere mate van controle over zijn eigen infrastructuur. Daarom zien we een push voor lokale modellen en sovereign clouds. Het doel is om ervoor te zorgen dat de logica die een natie bestuurt niet in handen is van een bedrijf aan de andere kant van de planeet. Dit is de praktische kant van het debat die vaak verloren gaat in praatjes over sciencefiction-scenario’s.

Een ochtend met synthetische intelligentie

Denk aan een typische dag voor een marketingmanager genaamd Sarah. Ze begint haar ochtend door een assistent te vragen drie dozijn e-mails samen te vatten. De assistent doet dit in seconden, maar Sarah moet controleren of hij geen cruciaal detail over een bezuiniging heeft gemist. Later gebruikt ze een generatieve tool om afbeeldingen voor een nieuwe campagne te maken. Ze besteedt een uur aan het finetunen van de prompt omdat de machine de mensen in de afbeeldingen steeds zes vingers geeft. ’s Middags gebruikt ze een coding assistant om een bug op de bedrijfswebsite te repareren, ook al weet ze niet hoe ze moet coderen. Ze is in wezen een dirigent van een digitaal orkest. Ze doet het handwerk niet, maar ze is verantwoordelijk voor de uiteindelijke uitvoering. Dit is de nieuwe realiteit van werk. Het gaat meer om redigeren en verifiëren dan om creatie vanaf nul. Sarah is productiever, maar ze is ook vermoeider. De mentale belasting van het constant controleren van een machine op fouten is anders dan de belasting van het werk zelf doen

De prikkels voor het bedrijf van Sarah zijn ook veranderd. Ze nemen geen entry-level schrijvers meer aan. Ze nemen één senior editor aan die drie verschillende modellen gebruikt om dezelfde hoeveelheid content te produceren. Dit bespaart op korte termijn geld, maar creëert een probleem op lange termijn. Waar komen de volgende generatie senior editors vandaan als niemand het entry-level werk doet? Dit is een gevolg van de huidige logica van efficiëntie. We optimaliseren voor het heden terwijl we potentieel de toekomst uithollen. De inzet voor makers is nog hoger. Muzikanten en illustratoren zien hun werk gebruikt worden om de modellen te trainen die nu met hen concurreren om banen. Dit is niet zomaar een verandering in de markt. Het is een verandering in de waarde die we hechten aan menselijke inspanning. We moeten ons afvragen of we het resultaat meer waarderen dan het proces, en wat er met onze cultuur gebeurt als het proces verborgen zit in een black box.

• Bedrijfsleiders moeten beslissen of ze snelheid boven originele gedachten waarderen.
• Werknemers moeten leren om machine-output te auditen als een primaire vaardigheid.
• Wetgevers moeten de behoefte aan innovatie in evenwicht brengen met de bescherming van de beroepsbevolking.
• Makers moeten manieren vinden om te bewijzen dat hun werk menselijk is om de waarde ervan te behouden.
• Onderwijzers moeten heroverwegen hoe ze studenten beoordelen wanneer de antwoorden slechts een klik verwijderd zijn.

De verborgen kosten van automatisering

We praten vaak over de voordelen van deze technologie zonder de rekening te noemen. De eerste kost is privacy. Om deze modellen nuttiger te maken, moeten we ze meer data geven. We worden aangemoedigd om onze persoonlijke schema’s, onze privénotities en onze bedrijfsgeheimen in deze systemen te voeren om betere resultaten te krijgen. Maar waar gaat die data heen? De meeste bedrijven beweren dat ze klantgegevens niet gebruiken om hun modellen te trainen, maar de geschiedenis van het internet suggereert dat beleid kan veranderen. Zodra je data in het systeem zit, is het bijna onmogelijk om het er weer uit te krijgen. Dit is een permanente ruil van privacy voor gemak. We zien ook een enorme toename in energieverbruik. Het trainen van een enkel groot model vereist genoeg elektriciteit om duizenden huizen een jaar lang van stroom te voorzien. Naarmate we naar complexere systemen gaan, zullen de milieukosten alleen maar groeien. We moeten ons afvragen of het vermogen om een grappig plaatje van een kat te genereren de ecologische voetafdruk waard is die het genereert.

Er zijn ook de kosten van de waarheid. Naarmate het makkelijker wordt om realistische tekst en afbeeldingen te genereren, neemt de waarde van bewijs af. Als alles vervalst kan worden, kan niets bewezen worden. Dit beïnvloedt onze politieke systemen en onze rechtbanken al. We gaan een periode in waarin de standaardveronderstelling is dat wat we op een scherm zien een leugen is. Dit creëert een hoog niveau van sociale wrijving. Het maakt het moeilijker om het eens te worden over basisfeiten. De filosofie van AI gaat hier over de erosie van een gedeelde realiteit. Als iedereen naar een versie van de wereld kijkt die gefilterd en aangepast is door een algoritme, verliezen we het vermogen om effectief te communiceren over die scheidslijnen heen. We ruilen een stabiele sociale basis in voor een meer gepersonaliseerde en vermakelijke ervaring. Dit is een keuze die we elke keer maken als we deze tools gebruiken zonder hun bron of hun intentie in twijfel te trekken.

Heeft u een AI-verhaal, tool, trend of vraag die wij volgens u zouden moeten behandelen? Stuur ons uw artikelidee — we horen het graag.

Technische beperkingen en lokale systemen

Voor de power users gaat het gesprek over meer dan alleen ethiek. Het gaat over de grenzen van de hardware en de software. Een van de grootste hindernissen is het context window. Dit is de hoeveelheid informatie die een model tegelijkertijd in zijn actieve geheugen kan houden. Hoewel deze windows groeien, zijn ze nog steeds beperkt. Als je een model een boek van duizend pagina’s voert, zal het tegen de tijd dat het het einde bereikt, het begin vergeten. Dit leidt tot inconsistenties in lange projecten. Er is ook het probleem van API-limieten en latency. Als je bedrijf afhankelijk is van een model van een derde partij, ben je overgeleverd aan hun uptime en hun prijzen. Een plotselinge verandering in hun servicevoorwaarden kan je hele workflow verbreken. Daarom stappen veel geavanceerde gebruikers over op lokale opslag en lokale uitvoering. Ze draaien kleinere modellen op hun eigen hardware om controle en snelheid te behouden.

Workflow-integratie is de volgende grote uitdaging. Het is niet genoeg om een chatbox op een website te hebben. De echte waarde komt voort uit het koppelen van deze modellen aan bestaande tools zoals spreadsheets, databases en projectmanagementsoftware. Dit vereist een diepgaand begrip van hoe data gestructureerd moet worden zodat het model het kan begrijpen. We zien de opkomst van RAG, of Retrieval-Augmented Generation. Dit is een methode waarbij het model specifieke informatie uit een vertrouwde bron opzoekt voordat het antwoordt. Het is een manier om de kloof tussen het statistische karakter van het model en de feitelijke behoeften van de gebruiker te overbruggen. Dit voegt echter een laag complexiteit toe aan het systeem. Je moet de zoekmachine, de database en het model tegelijkertijd beheren. Het is een onderhoudsintensieve oplossing die een specifieke set vaardigheden vereist om effectief te beheren.

• Quantization stelt grote modellen in staat om op consumentenhardware te draaien door de precisie van de gewichten te verminderen.
• Fine-tuning wordt minder populair naarmate RAG betere feitelijke nauwkeurigheid biedt met minder inspanning.
• Tokenization blijft een verborgen kost die bepaalde talen duurder kan maken om te verwerken dan andere.
• Lokale uitvoering is de enige manier om 100 procent privacy voor gevoelige bedrijfsgegevens te garanderen.
• Model distillation creëert kleinere, snellere versies van gigantische modellen voor mobiel gebruik.

De praktische weg vooruit

De filosofie van AI is geen afleiding van het werk. Het is het werk. Elke keer dat je een model kiest, maak je een keuze over welk soort logica je leven moet domineren. Je beslist welke risico’s acceptabel zijn en welke kosten te hoog zijn. De technologie verandert snel, maar de menselijke behoeften blijven hetzelfde. We willen tools die ons beter maken, geen tools die ons vervangen. We willen systemen die transparant zijn, geen systemen die in het donker opereren. De verwarring rond dit onderwerp is vaak opzettelijk. Het is makkelijker voor bedrijven om een magische doos te verkopen dan een complex statistisch hulpmiddel. Door de opsmuk weg te halen en je te concentreren op de prikkels, kun je de technologie zien voor wat ze werkelijk is. Het is een krachtige, gebrekkige en diep menselijke creatie. Het weerspiegelt onze beste ideeën en onze slechtste gewoontes. Het doel is om het met open ogen te gebruiken, begrijpend welke afwegingen je maakt bij elke interactie. Je kunt meer vinden over de nieuwste trends in machine learning om deze verschuivingen voor te blijven. Voor diepere inzichten in de ethiek van deze systemen bieden bronnen zoals het Stanford Institute for Human-Centered AI en de MIT Technology Review uitstekende data. Je kunt ook de juridische veranderingen volgen in de tech-sectie van de New York Times.

Noot van de redactie: We hebben deze site gemaakt als een meertalige AI-nieuws- en gidsenhub voor mensen die geen computernerds zijn, maar toch kunstmatige intelligentie willen begrijpen, er met meer vertrouwen mee willen omgaan en de toekomst willen volgen die al aanbreekt.