De evolutie van (kunstmatige) intelligentie

We hebben het de afgelopen jaren allemaal zien gebeuren: kunstmatige intelligentie is een steeds grotere rol gaan spelen in onze samenleving. Taalmodellen ondersteunen ons op werk en digitale agenten beginnen steeds meer beslissingen voor ons te automatiseren. En op de achtergrond gebeurt er nog veel meer. Zo won een groep AI-onderzoekers vorig jaar al de Nobelprijs voor de Scheikunde – voor het leren voorspellen van de 3D-vorm van biologische eiwitten. AI faciliteert zo inmiddels ook allerlei doorbraken in andere takken van wetenschap.

Het lijkt daardoor soms of AI pas een paar jaar bestaat, maar dat is allerminst het geval. Zo kregen veel mensen rond het begin van deze eeuw al een navigatiesysteem in hun auto: een apparaat dat de snelste route van A naar B voor je bepaalt. Ook dat was uiteraard al een vorm van kunstmatige intelligentie, maar een nog veel beperktere. AI heeft zich over de jaren dus duidelijk verbeterd, en dat roept bij veel mensen vragen op. Hoe zal deze technologie zich immers verder ontwikkelen? 

Die vraag kunnen we denk ik op een interessante manier benaderen: door de ontwikkeling van kunstmatige intelligentie te vergelijken met de ontwikkeling van onze eigen intelligentie. Ook wij waren immers niet altijd zo intelligent als we vandaag de dag zijn – ook wij hebben een pad afgelegd. Kunstmatige intelligentie blijkt in sommige aspecten te overlappen met de natuur, en er op andere vlakken juist van te verschillen – en van beide kunnen we veel leren.

Evolutie

Laten we starten bij de ontwikkeling van intelligentie in de natuur. Intelligentie is zonder twijfel dé karakteristieke eigenschap van de mens. Niet voor niets heet onze soort homo sapiens – de denkende mens. Maar als we beter naar de natuur om ons heen kijken, is dat misschien niet helemaal eerlijk. Dieren, planten, bacteriën: eigenlijk vertonen ze ook allemaal tekenen van intelligentie – van slimme informatieverwerking. 

Zo leert een hond voortdurend welk gedrag hem voedsel oplevert, komt een plant pas in bloei als de dagen lengen, en blijkt zelfs een bacterie structureel in de richting van voedingsstoffen te zwemmen. Het zijn basale vormen van intelligentie die duidelijk niet op menselijk niveau zitten, maar als we goed kijken, treffen we intelligentie door de hele levende natuur aan. 

De vraag is dan ook: waarom – en hoe – is leven slim geworden? Het antwoord op die vraag vinden we bij Charles Darwin – de bioloog die bekend werd vanwege zijn evolutietheorie. De ontwikkeling van intelligentie past namelijk duidelijk in zijn evolutionaire plaatje. Intelligentie, oftewel slimme informatieverwerking, verhoogt immers de kans op overleving en voortplanting van een organisme. Een hond zonder brein zou het minder lang uithouden op deze wereld – en ook minder goed voortplanten. 

In onze evolutionaire geschiedenis is er daarom langdurig geschaafd aan onze intelligentie. Daarbij werden onze voorouders door willekeurige veranderingen soms toevallig slimmer (variatie), en de gunstige veranderingen bleven vervolgens behouden doordat ze tot betere overleving en voortplanting leidden (selectie). Intelligentie bleek zelfs zo belangrijk dat er zich in sommige vormen van leven een apart orgaan voor ontwikkelde: zenuwstelsels, waar ons brein een voorbeeld van is. In deze zenuwstelsels specialiseerden bijzondere cellen, zogeheten zenuwcellen, zich volledig in het doorgeven van informatie via elektrische stroompjes – en dat faciliteerde steeds complexere vormen van intelligentie. 

Leren

Daar houdt het verhaal echter niet op. De omstandigheden op aarde zijn namelijk behoorlijk veranderlijk: het klimaat verandert, er barst een vulkaan uit, er komt een nieuw roofdier in de omgeving. Een evolutionair succesvol organisme moet zich voortdurend aan nieuwe omstandigheden kunnen aanpassen. Daardoor ontstond (via toeval en selectie) het vermogen tot leren – je slimme beslissingen aanpassen op basis van wat je daadwerkelijk meemaakt.  

Zeker in organismen met een zenuwstelsel nam leren een ongekende vlucht, en het speelt dan ook een grote rol in de vorming van onze intelligentie. Word je als kind immers geboren in Vlaanderen, dan leer je zonder problemen Nederlands spreken. Maar emigreer je op jonge leeftijd naar Korea, dan leer je in plaats daarvan net zo makkelijk Koreaans spreken. Onze uiteindelijke intelligentie ligt dus niet volledig vast in onze genen, maar hangt ook sterk af van wat we tijdens ons leven meemaken. Leren is een cruciaal aspect van de ontwikkeling van intelligentie – daarom moeten we in onze jeugd zoveel jaren naar school.

Onderzoekers gingen zich afvragen hoe dit leerproces in ons brein eigenlijk werkt: wat gebeurt daar tijdens ons leven, hoe werkt leren van ervaring? Neurowetenschappers vonden daarbij dat de verbindingen tussen de zenuwcellen in ons brein zich tijdens ons leven voortdurend aanpassen, op basis van wat we meemaken. Hierdoor verandert langzaam ons gedrag, en gaan we als kind bijvoorbeeld de taal spreken die we in onze jeugd om ons heen horen. Volwassen menselijke intelligentie is daarmee een product van twee processen: 1) de aanleg voor intelligentie (brein & leermechanismen) in onze genen (‘nature’) en 2) het daadwerkelijke leerproces dat we tijdens ons leven doorlopen op basis van wat we meemaken (‘nurture’).

Machine learning

Het is tijd om de sprong te maken naar de kunstmatige wereld. Ook AI-onderzoekers zagen uiteraard de centrale rol van leren in natuurlijke intelligentie. Ze gingen daarom proberen om dit proces in computers na te bootsen. Als eerste stap probeerden ze de werking van biologische zenuwcellen (‘neuronen’) in computers te simuleren– zogeheten artificiële neuronen. De zenuwcellen in ons brein sturen namelijk voortdurend elektrische stroompjes naar elkaar door, en soortgelijke elektrische stroompjes kunnen we nabootsen op de chip van een computer. 

De uitdaging bleek echter hoe we al die elektrische stroompjes af moeten stellen – om de computer iets slims te laten doen. Nu zagen we al dat zenuwcellen in de natuur worden afgesteld op basis van ervaring (‘leren’), en dus gingen AI-onderzoekers ook ervaringen uit onze wereld verzamelen. In computers noemen we die ervaringen doorgaans data.

Zo leren taalmodellen bijvoorbeeld van grote hoeveelheden voorbeeldteksten. We stellen het model bijvoorbeeld een vraag, en passen vervolgens alle stroompjes op de computerchip zo aan dat het model het juiste antwoord gaat geven. Daarmee proberen AI-onderzoekers op een versimpelde manier na te bootsen wat we in de natuur zien gebeuren: keten van zenuwcellen die steeds beter worden afgesteld op basis van ervaring (oftewel: data). 

Leren in computers (‘machine learning’) is dus duidelijk geïnspireerd op leren in de natuur (biologisch leren). De ‘nurture’ kant van intelligentie vertoont daarmee duidelijk overlap, maar hoe zit het met de ‘nature’ kant: wie speelt de rol van evolutie in computers? Wie schaaft er in computers aan het ontwerp van de leeralgoritmen? Dat zijn we interessant genoeg zelf: AI-onderzoekers zitten voortdurend aan hun algoritmen te sleutelen om ze tot betere prestaties te brengen. In computers spelen mensen daarmee eigenlijk de rol die evolutie voor ons speelde in de natuur. 

Duur

Er zitten dus belangrijke parallellen tussen de ontwikkeling van intelligentie in de natuur en in computers. In ons brein wordt intelligentie immers mogelijk gemaakt door zenuwcellen die elkaar elektrische stroompjes doorgeven – een proces dat we in computers proberen te simuleren. En in ons brein worden deze stroompjes tijdens ons leven afgesteld op basis van wat we meemaken (‘ervaring’) – een proces dat we in computers proberen na te bootsen op basis van ‘data’. En hoe dat leerproces werkt is in de natuur afgesteld door evolutie – een rol die in computers is overgenomen door AI-onderzoekers. 

Naast overeenkomsten bestaan er echter ook belangrijke verschillen tussen beide processen – en die kunnen veel inzicht opleveren. Zo verschilt allereerst de duur van de ontwikkeling van natuurlijke en kunstmatige intelligentie sterk. Het proces van natuurlijke evolutie loopt immers al ontzettend lang: leven ontstond een kleine vier miljard jaar geleden op aarde, en de eerste zenuwstelsels verschenen een kleine miljard jaar geleden op het toneel. In dat proces zijn de breinen van onze voorouders steeds verder verfijnd – en daardoor is onze intelligentie heel subtiel afgesteld.

De geschiedenis van AI is daarentegen veel korter. Kunstmatige intelligentie bestaat nog niet eens honderd jaar – de eerste digitale computers werden pas ontwikkeld tijdens de Tweede Wereldoorlog. De ontwikkeling van kunstmatige intelligentie is daarmee eigenlijk nog heel erg jong: er is veel minder tijd overheen gegaan dan in de natuur. Dat verklaart direct waarom AI zoveel minder stabiel is dan menselijke intelligentie, en bijvoorbeeld op vreemde momenten kan hallucineren – natuurlijke intelligentie heeft een duidelijk voordeel door haar veel langere geschiedenis. 

Tempo

Op andere vlakken is kunstmatige intelligentie echter in het voordeel – bijvoorbeeld wat betreft het tempo van verbetering. De evolutie van natuurlijke intelligentie is immers afhankelijk van toevallige veranderingen die vervolgens gunstig blijken uit te pakken. Elk aspect van ons huidige brein moest eerst door toeval ontstaan – en dat kan soms lang duren. Natuurlijke evolutie, en daarmee de ontwikkeling van onze intelligentie, verloopt daarom relatief traag: het kostte vele generaties om onze voorouders genetisch slimmer te maken.

Die dynamiek ligt totaal anders in computers. We bespraken immers al dat de kunstmatige zenuwcellen en leeralgoritmen in computers worden ontworpen door AI-onderzoekers – en die zijn zelf al intelligent. De verbetering van AI is daarmee niet afhankelijk van toeval (zoals in de natuur), maar van menselijke sturing. AI verbetert daardoor relatief veel sneller: in minder dan een eeuw heeft de technologie al opvallende stappen gezet, terwijl menselijke intelligentie in die tijd eigenlijk nauwelijks is veranderd. AI is dus een veel jonger fenomeen dan natuurlijke intelligentie, maar zij verbetert zich (voorlopig) wel duidelijk sneller.

De situatie is daarmee als volgt. Stel dat er een grote ‘intelligentieberg’ bestond: hoe hoger je op deze berg staat, hoe slimmer je bent. Natuurlijke intelligentie is miljarden jaren geleden begonnen met het beklimmen van deze berg, maar de klim verloopt relatief traag, omdat elke verbetering door toeval moet ontstaan. Kunstmatige intelligentie is nog geen eeuw geleden begonnen met klimmen (en heeft dus een forse achterstand), maar loopt voorlopig aanmerkelijk sneller naar boven (omdat het profiteert van menselijk ontwerp). De vraag is uiteraard of AI haar menselijke voorloper ooit zou kunnen inhalen, maar daarin spelen meer factoren een rol. 

Data

We zagen immers al dat intelligentie niet alleen een gevolg is van ‘nature’ (de kwaliteit van de leeralgoritmen), maar ook van ‘nurture’ (de kwaliteit van de aangeboden ervaringen/data). Ook op dit vlak zien we belangrijke verschillen tussen mensen en computers ontstaan. Moderne AI leert namelijk van ongekende hoeveelheden data: de beste taalmodellen zijn bijvoorbeeld getraind op alle beschikbare tekst op het internet – een hoeveelheid data die een mens in een leven nooit zou kunnen doornemen. 

Deze datahonger van AI roept veel vragen op: waarom hebben computers immers zoveel voorbeelden nodig om slim te worden, terwijl mensen het met veel minder ervaringen af kunnen? Enerzijds is die vergelijking niet helemaal eerlijk: het kost een kind immers ook twintig jaar om tot volwassen intelligentie te komen, en in die periode krijgen wij ook 24/7 informatie binnen via al onze zintuigen. Ook onze intelligentie is het product van een gigantische hoeveelheid data – veel meer dan we ons doorgaans realiseren. 

Anderzijds zit er ook een kern van waarheid in de kritiek: mensen lezen duidelijk niet het gehele internet door voordat ze een slim antwoord kunnen geven op een vraag. Dat komt door de eerdergenoemde lange evolutionaire geschiedenis van de mens: onze leeralgoritmen zijn zo verfijnd afgesteld dat we het af kunnen met een relatief beperkte hoeveelheid data (vergeleken met computers). 

Tot slot speelt ook een rol dat computers veel grotere hoeveelheden data kúnnen verwerken dan mensen – omdat ze zoveel sneller kunnen rekenen. De zenuwcellen in ons brein versturen bijvoorbeeld tot ongeveer 100 stroompjes per seconde, terwijl de chips in computers dat miljarden keren per seconde kunnen – zo’n 10 miljoen keer sneller. Computers verwerken informatie simpelweg veel sneller dan mensen – en daardoor kunnen ze ook profiteren van veel grotere hoeveelheden data.

Vergelijking

Samengevat bestaan er opvallende parallellen tussen de ontwikkeling van intelligentie in de natuur en in computers. In beide gevallen draait het proces om leren: het steeds beter afstellen van (gesimuleerde) zenuwcellen op basis van ervaring/data. Tegelijkertijd zien we ook belangrijke verschillen tussen beide processen. Natuurlijke intelligentie heeft als belangrijkste voorsprong haar ongekend lange geschiedenis: het proces is over miljarden jaren heel fijn afgesteld. Kunstmatige intelligentie ontwikkelt zich daarentegen veel sneller, doordat het profiteert van menselijke sturing en het vermogen om grotere hoeveelheden data te verwerken.

Voorlopig blijft het moeilijk inschatten hoe groot de voorsprong van natuurlijke intelligentie exact is – en of kunstmatige intelligentie dit niveau ooit zou kunnen bereiken (of zelfs passeren). Dat vraagt voortdurende alertheid bij de verdere ontwikkeling van kunstmatige intelligentie, omdat delen van het proces duidelijk onderhevig zijn aan een andere dynamiek dan de ontwikkeling van natuurlijke intelligentie. Tegelijkertijd bieden de parallellen tussen beide werelden ook grote kansen: het grensvlak tussen neurowetenschap en kunstmatige intelligentie, de zogeheten computationele neurowetenschap, is ook een vruchtbaar pad naar beter begrip van ons eigen denken.