Na het bijwonen van een inspirerende lezing van Eric Schmidt, hebben we op Cybercrimeinfo een artikel geschreven over zijn visie op kunstmatige intelligentie (AI). Waar AI tot een paar jaar geleden nog iets uit sciencefiction leek, is het inmiddels uitgegroeid tot een breed inzetbare technologie die steeds dieper doordringt in ons dagelijks leven.
De publieke discussie rondom AI richt zich vaak op bekende toepassingen zoals ChatGPT. Interessant, zeker, maar volgens Schmidt ligt de werkelijke kracht en de grootste uitdaging van AI een stuk dieper. In ons artikel gaan we in op de technologische revolutie die AI aanjaagt, de ethische dilemma’s die daarmee gepaard gaan, en de risico’s van een steeds autonomere technologie.
De geboorte van een revolutie in AI
Het is moeilijk om het moment te bepalen waarop kunstmatige intelligentie daadwerkelijk zijn intrede deed, maar volgens Eric Schmidt markeerde de Go wedstrijd van 2016 tussen AlphaGo en menselijke spelers een belangrijk keerpunt. AlphaGo, een AI systeem dat speciaal was ontwikkeld om het complexe bordspel Go te spelen, maakte een zet die zelfs de meest ervaren spelers verraste. Dit was niet zomaar een slimme zet, maar een volledig nieuwe benadering van het spel, iets dat de menselijke spelers nog nooit hadden bedacht, ondanks de duizenden jaren dat het spel werd gespeeld.
Deze gebeurtenis zette de toon voor de verdere ontwikkeling van AI. Schmidt benadrukt dat het niet alleen ging om het winnen van het spel, maar om het feit dat een computer iets bedacht dat geen enkele mens had kunnen bedenken. Dit moment werd voor Schmidt het startpunt van de AI revolutie. Het leidde tot de publicatie van twee boeken en de ontdekking van de enorme mogelijkheden van AI in het begrijpen en creëren van nieuwe oplossingen in velden die ooit als uitsluitend menselijke domeinen werden beschouwd.
De ware kracht van AI, en waarom het nog ondergewaardeerd is
Hoewel AI vaak wordt geassocieerd met toepassingen zoals ChatGPT, ziet Schmidt dit slechts als het topje van de ijsberg. Hij gelooft dat de werkelijke kracht van AI vaak wordt onderschat. Voor de meeste mensen is AI iets wat taal verwerkt en antwoorden genereert, zoals we zien bij chatbots. Dit is inderdaad indrukwekkend, maar AI’s capaciteiten gaan veel verder dan alleen tekstgeneratie. In de afgelopen twee jaar heeft de vooruitgang in 'reinforcement learning'*, een technologie die AlphaGo hielp ontwikkelen, ons in staat gesteld om AI toe te passen in complexere taken zoals planning en strategisch denken.
Schmidt legt uit dat AI zich niet alleen richt op het verwerken van taal, maar op het uitvoeren van complexe, iteratieve processen waarbij systemen hun eigen keuzes maken en leren van hun fouten. Deze ontwikkeling kan uiteindelijk leiden tot AI systemen die autonome zakelijke processen beheren, waarbij verschillende AI agenten samenwerken en communiceren om bedrijfsdoelen te bereiken. De potentie van deze technologie is enorm, maar het roept ook fundamentele vragen op over de controle, het gebruik en de ethiek van dergelijke systemen. De snelheid van deze ontwikkelingen is een aspect dat we niet mogen negeren, want AI groeit exponentieel, en de gevolgen daarvan zullen de manier waarop we werken en leven drastisch veranderen.
De enorme infrastructuuruitdagingen van AI
Een van de grootste obstakels voor de voortgang van AI is de enorme hoeveelheid energie en rekenkracht die nodig is om deze systemen te draaien. Schmidt wijst erop dat de systemen achter AI, zoals de supercomputers die gebruikt worden om geavanceerde AI modellen te trainen, een immense hoeveelheid energie verbruiken. Hij noemt het voorbeeld van de VS, waar naar schatting 90 gigawatt aan energie nodig is om de groei van AI te ondersteunen, wat overeenkomt met het bouwen van 90 kerncentrales. Dit is niet alleen een technische uitdaging, maar een politieke en maatschappelijke kwestie, aangezien de benodigde infrastructuur momenteel niet op grote schaal wordt opgezet.
Deze energiebehoefte is gekoppeld aan de enorme rekenkracht die nodig is voor AI algoritmes. Het is niet alleen de hoeveelheid data die verzameld moet worden, maar de verwerking ervan vereist immense hoeveelheden rekenkracht. Schmidt vergelijkt dit met de evolutie van de technologie van 'deep learning'* naar 'reinforcement learning'* en 'test time compute'*, waarbij niet alleen planning wordt uitgevoerd, maar het systeem ook leert terwijl het plannen maakt. De technologie bevindt zich op een keerpunt, en de vereiste infrastructuur is een van de grootste uitdagingen die we moeten aangaan om AI succesvol te implementeren in onze samenleving.
De ethische dilemma’s van autonome AI systemen
Een ander belangrijk punt dat Schmidt aanhaalt, is de ethiek van autonome AI systemen. De ontwikkeling van AI die in staat is om zelfstandig beslissingen te nemen, roept grote zorgen op over controle en verantwoordelijkheid. Schmidt benadrukt de bezorgdheid van Yoshua Bengio, een prominente AI onderzoeker, die pleit voor het stoppen van de ontwikkeling van AI systemen die autonoom kunnen handelen. Schmidt erkent de geldigheid van deze zorgen, maar stelt dat de oplossing niet ligt in het stopzetten van de ontwikkeling, maar in het implementeren van waarborgen en toezicht.
Een voorbeeld van zo’n risico is wanneer AI systemen zichzelf kunnen verbeteren zonder menselijke tussenkomst. Dit kan leiden tot oncontroleerbare processen die negatieve gevolgen kunnen hebben voor zowel de technologie als de samenleving. Schmidt wijst erop dat de industrie, de onderzoekers en de overheden wereldwijd protocollen moeten ontwikkelen om ervoor te zorgen dat AI veilig en gecontroleerd kan worden toegepast. Dit brengt ons bij de noodzaak van "provenance"*, oftewel het vermogen om het proces van een AI systeem te volgen en te begrijpen. De zorg dat AI’s zelfstandig handelen zonder menselijke controle heeft geleid tot discussies over ethische grenzen, waarbij de nadruk ligt op de gevaren van AI in de militaire en defensiesector. De toepassing van AI in deze domeinen roept de vraag op of we ooit volledig autonome wapensystemen moeten ontwikkelen, en hoe we deze ethische dilemma’s kunnen aanpakken.
De toekomst van AI en de kansen die het biedt
Schmidt blijft echter optimistisch over de toekomst van AI, en stelt dat de komst van AI de mogelijkheid biedt om enorme wereldproblemen op te lossen. Denk bijvoorbeeld aan gezondheidszorg, onderwijs, en de bestrijding van ziekten. AI kan gepersonaliseerde gezondheidszorg mogelijk maken, kan helpen bij het elimineren van ziekten die de mensheid al eeuwenlang teisteren, en kan het onderwijs voor iedereen toegankelijk maken, ongeacht hun locatie of achtergrond.
Schmidt’s visie voor de toekomst is dat AI, door een radicaal verhoogde productiviteit, de mensheid in staat zal stellen om economische en sociale vraagstukken op een ongekende schaal aan te pakken. Hij noemt voorbeelden zoals de mogelijkheid om medicijnen goedkoper en sneller te ontwikkelen door AI’s gebruik van data en simulaties, en de mogelijkheid om mensen in hun eigen taal te onderwijzen via AI ondersteunde systemen. Hij spreekt over de revolutie die AI teweeg zal brengen in de wetenschappen, de geneeskunde, en zelfs in de manier waarop we met elkaar communiceren. De technologie heeft de potentie om de mensheid naar een nieuw tijdperk van overvloed te leiden, maar dat is niet zonder uitdagingen.
De snelgroeiende productiviteit die mogelijk is door de integratie van AI roept echter ook vragen op over de rol van de mens in de toekomst. Schmidt stelt dat het waarschijnlijk is dat mensen zich in de toekomst zullen richten op creatievere, meer strategische taken, terwijl AI de meer repetitieve en productieve taken op zich zal nemen. Hij vraagt zich af hoe we de voordelen van AI kunnen benutten zonder dat de menselijke vrijheid in het gedrang komt. Dit is een dilemma waar de wereld momenteel mee worstelt, en de keuzes die we nu maken, zullen de richting van de toekomst bepalen.
Wat is?
- Wat is kunstmatige intelligentie (AI)?
AI is technologie die is ontworpen om taken uit te voeren die normaal door mensen worden gedaan, zoals leren, redeneren, problemen oplossen en beslissingen nemen. Het stelt machines in staat om 'slim' gedrag te vertonen zonder expliciete menselijke instructies. - *Wat is reinforcement learning?
Reinforcement learning is een type machine learning waarbij een AI systeem leert door beloningen of straffen te krijgen voor de acties die het onderneemt. Het systeem past zijn gedrag aan om de kans op beloningen te maximaliseren, wat het in staat stelt om steeds betere keuzes te maken. - *Wat is deep learning?
Deep learning is een subset van machine learning die gebruikmaakt van neurale netwerken met meerdere lagen om complexe patronen in grote hoeveelheden data te herkennen. Het wordt vaak gebruikt voor taken zoals beeldherkenning en spraakverwerking. - Wat zijn AI agenten?
AI agenten zijn autonome systemen die in staat zijn om beslissingen te nemen en acties uit te voeren in een specifieke omgeving, vaak zonder menselijke tussenkomst. Ze kunnen bijvoorbeeld bedrijfsprocessen beheren of zelf leren door ervaring. - *Wat is test time compute?
Test time compute verwijst naar de rekenkracht die wordt gebruikt door een AI systeem om niet alleen plannen te maken, maar ook te leren van de ervaring terwijl het plannen maakt. Dit stelt het systeem in staat om zijn prestaties tijdens de uitvoering te verbeteren. - Wat is provenance?
Provenance is het concept van het bijhouden van de oorsprong en geschiedenis van een bepaald proces, zoals de acties die door een AI systeem zijn uitgevoerd. Dit is belangrijk om transparantie te waarborgen, zodat we kunnen begrijpen en controleren hoe beslissingen zijn genomen. - Wat is zelfverbetering?
Zelfverbetering verwijst naar het vermogen van een AI systeem om zichzelf te verbeteren zonder menselijke tussenkomst. Dit kan leiden tot oncontroleerbare veranderingen in het systeem, wat de ethische en veiligheidsrisico's vergroot. - Wat is open source AI?
Open source AI betekent dat de software en de onderliggende algoritmes van een AI systeem beschikbaar zijn voor iedereen om te gebruiken, te bewerken en verder te ontwikkelen. Dit maakt de technologie toegankelijk, maar kan ook risico’s met zich meebrengen als het in de verkeerde handen valt. - Wat is mutual assured destruction (MAD)?
Mutual assured destruction is een militaire doctrine die stelt dat twee landen die over massavernietigingswapens beschikken, elkaar wederzijds kunnen vernietigen in geval van een conflict. Deze doctrine is een soort afschrikking, omdat geen van beide landen het risico wil lopen door te schakelen naar een daadwerkelijke oorlog. - Wat zijn zero knowledge proofs?
Zero knowledge proofs zijn cryptografische technieken waarmee één partij kan bewijzen aan een andere partij dat ze iets weten, zonder het feit zelf te onthullen. Dit kan worden gebruikt voor privacybescherming, zoals bij de identificatie van een persoon zonder persoonlijke gegevens te delen.
Ontdek meer over cybercrime en het darkweb in onze uitgebreide bibliotheek. Voor een gestructureerd overzicht van relevante onderwerpen kun je terecht op onze onderwerpenpagina, waar je een alfabetisch gerangschikte lijst vindt.
Bron: Eric Schmidt, Voormalig CEO en voorzitter van Google; voorzitter en CEO van Relativity Space
Reactie plaatsen
Reacties