1
00:00:00,001 --> 00:00:07,400
Hey, welkom bij een nieuwe aflevering van AIToday Live, de podcast die je meeneemt in
2
00:00:07,400 --> 00:00:11,800
de wereld van kunstmatige intelligentie. Ik ben Joop Snijder, CTO bij Aigency.
3
00:00:11,800 --> 00:00:16,560
En vandaag kijken we naar de geschiedenis van AI om te kijken hoe kunstmatige intelligentie
4
00:00:16,560 --> 00:00:17,560
is ontstaan.
5
00:00:17,560 --> 00:00:24,160
Voor velen lijkt de komst van ChatGPT het begin van het AI tijdperk. Maar de wortels
6
00:00:24,160 --> 00:00:27,840
van kunstmatige intelligentie gaan veel verder terug dan je misschien denkt.
7
00:00:27,840 --> 00:00:31,280
Laten we samen een korte reis door de tijd maken.
8
00:00:31,280 --> 00:00:40,040
En die reis begint in al 1956 tijdens de nu legendarische Dartmouth-conferentie. Hier werd
9
00:00:40,040 --> 00:00:45,760
de term kunstmatige intelligentie, artificial intelligence, voor het eerst geïntroduceerd.
10
00:00:45,760 --> 00:00:51,760
Stel je voor, een groep briljante wetenschappers, waaronder John McCarthy en Claude Shannon,
11
00:00:51,760 --> 00:00:56,320
die komen samen om te bespreken hoe ze machines kunnen maken die denken als mensen.
12
00:00:56,320 --> 00:01:01,920
Dat was natuurlijk een heel revolutionair idee voor die tijd. En dat markeerde de geboorte
13
00:01:01,920 --> 00:01:07,360
van AI als wetenschappelijk vakgebied. En de sfeer tijdens deze vroege jaren was er
14
00:01:07,360 --> 00:01:12,800
een van ongebreideld optimisten. Je zou het haast bijna kunnen vergelijken met het optimisme
15
00:01:12,800 --> 00:01:19,720
van nu. De onderzoekers dachten dat we binnen een paar decennia volledige intelligente machines
16
00:01:19,720 --> 00:01:25,320
zouden hebben. Het was een tijd van grote dromen en ambitieuze projecten. En in de jaren
17
00:01:25,320 --> 00:01:32,840
60-70 zagen we de opkomst van wat we nu symbolische AI noemen. Dit was een benadering waarbij machines
18
00:01:32,840 --> 00:01:38,200
zodanig werden geprogrammeerd met expliciete regels en logica om problemen op te lossen.
19
00:01:38,200 --> 00:01:47,800
Een leuk en bekend voorbeeld uit deze periode is ELIZA. ELIZA was een systeem dat in staat
20
00:01:47,800 --> 00:01:53,200
was om menselijke gesprekken na te bootsen, zei het op een zeer basale manier. Het programma
21
00:01:53,200 --> 00:02:00,880
gebruikte een techniek genaamd scripted responses. Dus gescripte antwoorden. In essentie had ELIZA
22
00:02:00,880 --> 00:02:07,560
een reeks regels die bepaalden hoe het moest reageren op de input van een gebruiker. De
23
00:02:07,560 --> 00:02:13,120
meest bekende versie van ELIZA simuleerde een psychotherapeut. Het is wel grappig om
24
00:02:13,120 --> 00:02:22,760
te zien hoe zo'n gesprek met ELIZA eruit zag. Een gebruiker typte bijvoorbeeld in
25
00:02:22,760 --> 00:02:28,720
"ik voel me verdrietig" waarbij ELIZA antwoordde "waarom voel je je verdrietig?"
26
00:02:28,720 --> 00:02:34,200
Ik als gebruiker weer "mijn moeder begrijpt me niet" "ELIZA, waarom denk je dat je
27
00:02:34,200 --> 00:02:38,640
moeder je niet begrijpt?" Hoewel dit voor ons nu misschien primitief lijkt, was het
28
00:02:38,640 --> 00:02:46,040
voor die tijd baanbrekend en het bijzondere was dat mensen heel graag met ELIZA communiceerden
29
00:02:46,040 --> 00:02:55,320
omdat de machine het leek alsof er een mensachtige interactie was, hoe beperkt dan ook. Dus ELIZA
30
00:02:55,320 --> 00:03:01,760
werd als intelligent op dat moment ervaren. Maar waarom dan? Ten eerste omdat het programma
31
00:03:01,760 --> 00:03:07,440
kon reageren op een manier die leek op menselijke interactie. Dan hebben wij al vrij snel zoiets
32
00:03:07,440 --> 00:03:13,360
van "dan is het ook menselijk". Door gebruik te maken van trefwoorden en patroonherkenning
33
00:03:13,360 --> 00:03:19,120
kon ELISA contextafhankelijke reacties geven. En de therapeutische stijl gaf de illusie
34
00:03:19,120 --> 00:03:25,200
van empathie een begrip. In de jaren 90 had je ook nog eens dat de verwachtingen van dit
35
00:03:25,200 --> 00:03:33,880
soort systemen veel lager lagen. Toch is het belangrijk om te beseffen dat ELIZA geen echte
36
00:03:33,880 --> 00:03:38,800
intelligentie bezat. Het programma begreep de inhoud van gesprekken niet echt en had
37
00:03:38,800 --> 00:03:46,460
geen bewustzijn of inzicht. Het volgde simpelweg de regels die door de ontwikkelaars waren
38
00:03:46,460 --> 00:03:50,280
opgesteld. Nu we het toch over vroege vormen van geautomatiseerde
39
00:03:50,280 --> 00:03:55,120
gesprekken hebben, laat ons kijken naar een hilarisch voorbeeld uit het Nederlands Cabaret
40
00:03:55,120 --> 00:04:01,600
dat de beperkingen van zulke systemen perfect illustreert. De chatbot die je op deze moment
41
00:04:01,600 --> 00:04:06,060
eigenlijk ook nog steeds tegenkomt op allerlei websites. En dan heb ik het over de beroemde
42
00:04:06,060 --> 00:04:11,160
sketch 'verkoopt u ook paarse kussentjes?' van cabaretier Herman Finkers.
43
00:04:11,160 --> 00:04:16,360
In deze sketch zien we een verkoper bij V&D die worstelt met een nieuwe verkoopstrategie.
44
00:04:16,360 --> 00:04:23,600
En laat ons even luisteren wat er gebeurt als je regelgebaseerd een gesprek zou willen
45
00:04:23,600 --> 00:04:27,440
voeren. Verkoopt u kussentjes? Goedemiddag.
46
00:04:27,440 --> 00:04:36,980
Ja, goedemiddag. Verkoopt u ook kussentjes?
47
00:04:36,980 --> 00:04:45,380
Waarmee kan ik u van dienst zijn? Verkoopt u ook kussentjes?
48
00:04:45,380 --> 00:04:52,900
Ja, verkoopt u nou kussentjes of verkoopt u nou geen kussentjes?
49
00:04:52,900 --> 00:04:59,900
Nou, we hebben ze wel, maar we verkopen ze nooit.
50
00:04:59,900 --> 00:05:07,380
Oh, hoe komt dat dan? Ja, we hebben een keus uit maar liefst twee
51
00:05:07,380 --> 00:05:10,700
verschillende kleuren. Ja, de bijenkorf heeft tien verschillende kleuren.
52
00:05:10,700 --> 00:05:15,500
Oh ja, is het niet ver verdane bijenkorf? Nee hoor, is hier recht tegenover.
53
00:05:15,500 --> 00:05:18,260
En weer verlaat een tevreden klant het pad.
54
00:05:18,260 --> 00:05:26,320
Deze sketch laat perfect zien wat er mis kan gaan als je vasthoudt aan een rigide script
55
00:05:26,320 --> 00:05:30,460
zonder echt te luisteren naar je klant. Toch? Hij doet denken aan de frustraties die mensen
56
00:05:30,460 --> 00:05:36,060
vaak ervaren bij het gebruik van vroege chatbots of slecht ontworpen klantenservice-systemen.
57
00:05:36,060 --> 00:05:42,360
Net als de verkoper in Finkers'sketch waren vroege chatbots vaak niet in staat om flexibel
58
00:05:42,360 --> 00:05:45,580
te reageren, juist op onverwachte vragen of situaties.
59
00:05:45,580 --> 00:05:50,540
Ze volgden hun voorgeprogrammeerde scripts ongeacht of die relevant waren voor de vraag
60
00:05:50,540 --> 00:05:54,100
van de gebruiker. Laten we nu even teruggaan naar onze chronologische
61
00:05:54,100 --> 00:05:59,020
reis door de AI-geschiedenis. Want na dat initiale optimisme van de jaren
62
00:05:59,020 --> 00:06:03,020
'60-'70 kwam er een periode die bekend staat als de "AI-winter".
63
00:06:03,020 --> 00:06:08,500
In de jaren 80-90 realiseerden onderzoekers zich dat het nabootsen van menselijke intelligentie
64
00:06:08,500 --> 00:06:14,580
veel complexer was dan aanvankelijk gedacht. De financiering en interesse in AI-onderzoek
65
00:06:14,580 --> 00:06:18,620
namen af vanwege het gebrek aan tastbare vooruitgang.
66
00:06:18,620 --> 00:06:23,860
Maar zoals het zo vaak het geval is in de wetenschap was dit slechts een tijdelijke
67
00:06:23,860 --> 00:06:28,740
tegenslag en de wederopstanding van AI begon met de ontwikkeling van machine learning en
68
00:06:28,740 --> 00:06:32,460
de beschikbaarheid van enorme hoeveelheden data en krachtige computers.
69
00:06:32,460 --> 00:06:38,540
De machine learning, een subveld van AI dat systemen traint om patronen te herkennen en
70
00:06:38,540 --> 00:06:42,980
beslissingen te nemen op basis van data, veranderde het speelveld volledig.
71
00:06:42,980 --> 00:06:50,020
Algoritmen zoals neurale netwerken die ooit als te complex werden beschouwd kwamen weer
72
00:06:50,020 --> 00:06:56,420
in de belangstelling dankzij verbeterde rekenkracht. Dit legde de basis voor wat we nu kennen als
73
00:06:56,420 --> 00:07:01,220
deep learning. De echte doorbraak kwam in de jaren 2000-2010.
74
00:07:01,220 --> 00:07:06,500
Deep learning, geavanceerde vorm van machine learning die gebruik maakt van deep neurale
75
00:07:06,500 --> 00:07:11,260
netwerken begon zijn opmars. Deze technologie ligt een grondslag aan veel
76
00:07:11,260 --> 00:07:17,900
van de recente AI innovaties. Van spraakerkenning, beeldherkenning, eigenlijk alles wat we nu
77
00:07:17,900 --> 00:07:23,860
zien als zijnde AI. En nu hadden we AI systemen die in staat waren
78
00:07:23,860 --> 00:07:28,100
om taken uit te voeren die voorheen als exclusief menselijk werden beschouwd.
79
00:07:28,100 --> 00:07:33,980
Maar de echte gamechanger kwam natuurlijk met de introductie van grote taalmodellen
80
00:07:33,980 --> 00:07:38,340
zoals ChatGPT. Deze modellen, getraind op enorm hoeveel de
81
00:07:38,340 --> 00:07:44,220
tekstgegevens kunnen mensachtige teksten genereren en begrijpen tussen aanhalingstekens
82
00:07:44,220 --> 00:07:51,460
op een niveau dat voorheen dus ondenkbaar was. De lancering van ChatGPT eind 2022 markeerde
83
00:07:51,460 --> 00:07:54,620
een keerpunt in de publieke perceptie van AI.
84
00:07:54,620 --> 00:08:00,020
Plotseling hadden mensen toegang tot een AI systeem dat in staat was om coherente en contextueel
85
00:08:00,020 --> 00:08:04,420
relevante antwoorden te geven, maar enorm scala aan vragen.
86
00:08:04,420 --> 00:08:10,980
Iedereen weet, je kan essays meeschrijven, code debuggen, creatieve verhalen bedenken
87
00:08:10,980 --> 00:08:19,260
en zelfs wat matige grappen laten genereren. Nu zijn we aangekomen in 2024 en bevinden
88
00:08:19,260 --> 00:08:22,660
we ons in een tijdperk waarin AI alledaags is geworden.
89
00:08:22,660 --> 00:08:27,860
We gebruiken AI aangedreven technologie in ons dagelijks leven, vaak zelfs zonder bij
90
00:08:27,860 --> 00:08:32,860
stil te staan. Van de aanbevelingen die we krijgen op streamingdiensten tot de automatische
91
00:08:32,860 --> 00:08:37,300
fotobewerkingen op onze smartphones. AI is overal om ons heen.
92
00:08:37,300 --> 00:08:42,860
Terwijl we deze aflevering afsluiten is het fascinerend om te zien hoe ver we zijn gekomen
93
00:08:42,860 --> 00:08:49,340
sinds die dagen van Elisa en de vroege chatbot. Van de frustrerende scriptgebaseerde interacties
94
00:08:49,340 --> 00:08:54,180
die Herman Finkers zo briljant parodieerde, tot de vloeiende contextbewuste gesprekken
95
00:08:54,180 --> 00:09:00,260
die we nu kunnen voeren met AI systemen. De vooruitgang is verbazingwekkend als je dat
96
00:09:00,260 --> 00:09:04,660
zo bekijkt. Maar laten we niet vergeten dat deze vooruitgang
97
00:09:04,660 --> 00:09:12,660
voortbouwt op decennia van onderzoek en ontwikkeling. Elke doorbraak, elke AI-winter en elke heropleving
98
00:09:12,660 --> 00:09:17,420
heeft bijgedragen aan waar we nu staan. Terwijl we vooruitkijken naar de toekomst
99
00:09:17,420 --> 00:09:22,420
van AI kunnen we alleen maar speculeren over de ontwikkelingen die nog komen.
100
00:09:22,420 --> 00:09:27,220
Dankjewel weer voor het luisteren naar deze aflevering van AIToday Live.
101
00:09:27,220 --> 00:09:33,100
Als je geïnteresseerd bent in meer verhalen over misschien zelfs nog iets meer geschiedenis
102
00:09:33,100 --> 00:09:37,300
in de toekomst van AI, vergeet je dan niet te abonneren via je favoriete podcast app.
103
00:09:37,300 --> 00:09:41,900
En het zou leuk zijn om ons te laten weten wat je denkt. We zijn altijd benieuwd naar
104
00:09:41,900 --> 00:09:43,940
de mening van onze luisteraars. Dankjewel!
105
00:09:43,940 --> 00:09:45,940
[Muziek]
