Tot nu toe hebben we het gehad over AI die was voorgeprogrammeerd. Maar het uiteindelijke doel is een AI die zelf kan leren wat de regels zijn. En hoe te reageren op situaties.
Dit kan zijn in een heel simpele vorm. Nederland wordt al beschermd door een AI. De Maeslantkering in de Nieuwe Maas bij Rotterdam heeft als controle een niet te foppen AI. Het programma verzamelt weerrapporten, waterstanden en verwachte omstandigheden en neemt op basis daarvan een beslissing of de kering dicht moet of niet. Dit omzeilt de twee factoren waar veiligheid en economisch belang botsen.
Als de AI van de kering ook maar ziet dat het water in de Maas één centimeter hoger komt te staan zal het starten met de voorbereidingen om de deuren te sluiten. Geen havenmeester die er iets tegenin kan brengen. Veiligheid wordt niet op het spel gezet voor het economisch belang. Het tegenovergestelde is ook waar: wanneer er wordt geconstateerd dat het water één centimeter onder het kritieke punt blijft zal de kering open blijven.
Dit is een voorbeeld van zelflerende AI. Het maakt gebruik van de aangegeven informatie en leert ervan om een beslissing te nemen. Maar hoe komt het aan die informatie? Het antwoord ik eigenlijk verrassend: ook van een AI!
Vroeger werden meteorologen of weerkundigen opgeleid om het weer te kunnen voorspellen. Ze keken naar de lucht en verzamelden informatie van weerstations die over de aarde waren verspreid. Uit die informatie probeerden ze het weer van morgen, of zelfs overmorgen, te voorspellen. Vanaf het einde van de jaren tachtig kregen deze mensen hulp van computers.
Aangezien computers steeds krachtiger werden konden ze steeds beter simuleren hoe het weer zou verlopen. De koers, groei en kracht van een bui kon zo vanaf het ontstaan tot het neervallen worden gevolgd en ingeschat. Door het toepassen van satellietgegevens, die steeds accurater werden, werd het ook mogelijk om onderlinge verbanden te leggen tussen een koudefront in Siberië en een warme stroom vanaf de Atlantische Oceaan.
Die computers verzinnen dat natuurlijk niet zelf. Weercomputers behoorden, tot een paar jaar terug, tot de krachtigste computers die beschikbaar waren voor niet-militaire doeleinden. Ze waren gevoed met meer dan honderd jaar informatie verzameld door weerinstituten van over de hele wereld. Deze informatie wordt weer gebruikt door een programma. Een AI die weerpatronen van nu vergelijkt met weerpatronen van vroeger.
Wanneer die ziet dat het weer dertig jaar geleden min of meer hetzelfde was als nu, waagt hij zich aan een voorspelling dat het weer voorlopig ook hetzelfde zal zijn als dertig jaar geleden. Aangezien de informatie over de jaren steeds beter is geworden zal de voorspelling ook steeds beter uitkomen. Uiteraard kan de AI het, vooral over de langere termijn, fout hebben. Het veranderende klimaat en andere factoren spelen natuurlijk nog altijd een rol die de onzekerheid vergroot.
Weercomputers en hun AI hebben weer veel gemeen met computers en AI die banken, beurzen en andere financiële instellingen gebruiken om de koers van beurzen, aandelen en zelfs hele economieën in te schatten. Door het innemen van informatie van aandelen, kwartaalrapportage en verkoopinformatie die bedrijven uitgeven kan de AI van zo’n computer berekenen of een aandeel het goed gaat doen, of dat een aandeel onderuit gaat.
Uiteraard ook weer met een marge van onzekerheid. AI en zijn berekeningen zijn niet zaligmakend. Een AI kan bijvoorbeeld ook dezelfde berekeningen gebruiken om uit te rekenen welke voetbalclub de finalewedstrijd zal winnen. Maar wanneer de sterspeler van de beoogde winnaar onderuit wordt getrapt en in de eerste minuut gewond van het veld wordt vervoerd, kan die voorspelling de prullenbak in.
Dit was ook een van de oorzaken van de bankencrisis van 2007 en de daaruit voortvloeiende kredietcrisis en wereldwijde recessie. Men had het overzicht verloren en vertrouwde te veel op de informatie die de computers gaven. En die gaven door dat er geen problemen aan de horizon waren. Terwijl die er wel degelijk waren. Nu hebben we het in dit hoofdstuk over zelflerende AI en de AI van beurscomputers heeft zich sinds de crisis aangepast.
Deels door het aanscherpen van de software door ontwikkelaars. Deels doordat het zelf geleerd heeft van de fouten. Een crisis als 2007 zal nu minder snel gebeuren door het aanscherpen van de regels, en sneller ingrijpen van overheden en waakhondorganisaties. En door het beter herkennen van kritieke situaties door de computers. Eenzelfde ontwikkeling is uiteraard ook aanwezig bij weercomputers. Wanneer het een voorspelling fout heeft wordt het in het systeem opgenomen en uitgezocht waardoor de fout ontstaan is. Uiteindelijk zal de foutmarge kleiner en kleiner worden naarmate de AI leert van fouten.
Houdt deze informatie even in het achterhoofd terwijl we de tijd doorspoelen. De kennis en kracht van computers neemt in tussentijd hand over hand toe. En de ontwikkeling van AI groeit mee. De chipbouwer Intel ontwikkelde zelfs een systeem dat kon voorspellen welke acties de gebruiker als volgende zou nemen. Dit systeem kon daar alvast op inspelen. Helaas bleek het gevoelig voor inbraak en computercriminelen, maar de AI werd steeds beter. Het was een kwestie van tijd voor iemand de code kraken zou en daadwerkelijk een AI zou laten zien die men versteld zou doen staan.
Het was in 2022. De wereld zit in de nadagen van de coronacrisis en het sluimerende onafhankelijkheidsconflict tussen enkele regio’s in het oosten van Oekraïne ontaard in een werkelijke oorlog en invasie van Rusland op de vroegere Sovjet-Satellietstaat. Het is op dit moment dat de wereld zweefde tussen hoop en vrees dat een door Microsoft gesponsord bedrijf genaamd OpenAI, een opzienbarende technologie naar buiten bracht; DALL-E.
Een afbeelding generator. Die bestonden eigenlijk al jaren voor verschillende doeleinden. Vooral aanpassing generatoren hadden enige mate van populariteit. Upload een foto naar een website en zet die om in een karakter van de Simpsons of South Park. Maar er waren ook werkelijk generatoren die dingen uit het “niets” konden maken..Zo is er een website waar je realistische gezichten van niet-bestaande personen kan genereren.
DALL-E was echter anders. Met een paar instructies was het ineens mogelijk om van alles te maken. Niet alleen gezichten, maar ook vergezichten. DALL-E was getraind op het lezen en herkennen van de miljarden afbeeldingen die het internet rijk is. Zodoende kan het niet alleen de opdrachten voor objecten interpreteren en plaatsen in een afbeelding. Het kan ook de stijl aanpassen naar die van de Simpsons, of Rembrandt of realistisch.
Het ontketende een revolutie. Gebrek aan kennis en materialen was ineens geen belemmering meer om een meesterwerk te kunnen maken. Paus Franciscus in een dikke windjack? Men vergaapte zich aan deze foto die nooit genomen is, maar toch gemaakt.
Toch was DALL-E niet zaligmakend. Waar de afbeelding van Zijne Heiligheid inderdaad realistisch aandoet is van het overgrote deel van de afbeeldingen af te zien dat ze gemaakt zijn door AI. Handen hebben zes vingers, of acht, of drie. Afbeeldingen van de mooiste keukens, maar onder de kraan blijkt geen afvoer te zitten. Ogen die vreemd staan of uitlopen. Aan de AI van DALL-E moest nog het nodige gebeuren. Maar het begin was er. En later dat jaar deed hetzelfde bedrijf een andere grote onthulling; Chat-GPT werd voorgesteld aan de wereld die toch al op z’n kop stond.