We kunnen er niet meer omheen: Artificiële Intelligentie (AI) is een onderdeel van onze samenleving geworden en ontwikkelt zich in een hoog tempo. Maar hoe verhoudt AI zich tot natuurlijke intelligentie? Zijn er verschillen, en zo ja, welke? En hoe kunnen we hier in de praktijk verstandig mee omgaan? In deze reflectie gaan Gerard Schouten en Petra Heck van het Centre of Expertise AI for Society (CoE AI) van Fontys Hogeschool dieper in op deze vragen.
Tech-optimisten voorspellen dat allesomvattende AI, vergelijkbaar met menselijke intelligentie, binnen handbereik is. Het verhaal wat we vooral van hen horen is dat de AI-systemen van vandaag de
minst geavanceerde versies zijn en dat er ‘overmorgen’ nieuwe, nog betere modellen beschikbaar komen. Ethici wijzen juist op de risico’s en valkuilen van AI, en zetten een vergrootglas op fouten die hedendaagse AI- systemen maken. En neurowetenschappers betogen dat de AI-revolutie, die pas 75 jaar gaande is, nog ver afstaat van intelligentie die zich in een evolutieproces van maar liefst 3,5 miljard jaar heeft ontwikkeld. Wat is nu waar?
Intelligentie als emergent construct
Om deze discussie te duiden, is het zinvol om eerst naar de definitie van AI te kijken. Hoewel er talloze varianten bestaan, komen ze in essentie neer op het volgende: AI is het vermogen van machines (computers) om taken uit te voeren die menselijke intelligentie vereisen, zoals waarnemen, leren, redeneren en beslissen. Een belangrijke recente ontwikkeling is generatieve AI (GenAI): systemen die niet alleen analyseren, maar op basis van een vraag of opdracht (‘prompt’) ook nieuwe digitale inhoud creëren, zoals tekst, beeld, muziek of code. Maar wat is dan intelligentie, het kernbegrip in deze definitie? Het antwoord op deze vraag is veel lastiger. Recente inzichten uit de cognitiewetenschappen laten zien dat intelligentie een complex verschijnsel is dat zich niet laat vangen in een recht-toe-recht- aan definitie. Het is eerder een construct dat bestaat uit een interne component – een repertoire van cognitieve vaardigheden – én een externe component, die ontstaat in interactie met de omgeving. De term omgeving omvat zowel de fysieke wereld als het sociale netwerk waarin we functioneren.
Symbol grounding problem
Het zogeheten ‘symbol grounding problem’ illustreert duidelijk het fundamentele verschil tussen kunstmatige en natuurlijke intelligentie. Een voorbeeld: Als je hiernaast naar de foto van een sneeuwuil kijkt ervaar je meer dan alleen een beeld. Je voelt misschien de kou, wordt aangetrokken door de doordringende blik van de uil,
of verwondert je simpelweg over de ontmoeting. Kortom, je verbindt het geheel aan eerdere ervaringen, emoties, intenties, verhalen en context. Voor mensen zijn beelden onlosmakelijk verbonden met betekenis én beleving. Een AI-systeem daarentegen ziet slechts een verzameling pixels die volgens een ‘codebook’ worden gekoppeld aan andere symbolen zoals in dit geval ‘winter, ‘sneeuw’, ‘uil’, of ‘ogen’. In dit proces ontbreekt een anker naar de werkelijkheid. AI leunt niet op het wereldmodel dat gegrond is in de realiteit, en heeft geen eigen wil. Modellen kunnen hooguit betekenis benaderen via patronen in grote hoeveelheden data die te vinden zijn op internet. Dat kunnen ze snel en efficient, maar zonder beleving. Mensen daarentegen ontwikkelen intelligentie door te experimenteren, hypotheses te vormen en te toetsen, en continu feedback van de omgeving te verwerken.
Hoe nu verder?
Dit verschil in ‘grounding’ – AI leert van abstracte data, terwijl mensen leren door te handelen en te ervaren in de echte wereld – roept de vraag op over hoe we ons moeten verhouden tot de snelle ontwikkelingen van deze sleuteltechnologie. Allereerst een geruststelling: er is weinig reden om te geloven dat AI op korte termijn een vorm van superintelligentie bereikt die de menselijke veelzijdigheid en diepgang overstijgt. Voorlopig blijft menselijke intelligentie vele malen rijker, betekenisvoller, en beter afgestemd op de context. Het is in onze optiek daarom zinvoller om AI vooral te zien als een krachtig hulpmiddel dat menselijke vaardigheden en complexe (cognitieve) taken kan versterken. Dat vraagt niet alleen om transparante en betrouwbare AI-applicaties, maar ook om een zorgvuldige integratie van AI in de praktijk. AI moet aansluiten bij menselijke waarden en de specifieke context waarin het wordt ingezet.
Betrouwbare generatieve AI
Sinds de komst van ChatGPT is de vraag naar AI explosief gestegen. Het zijn niet langer alleen de volwassen data-gedreven organisaties die AI willen inzetten voor voorspellende toepassingen; inmiddels zien allerlei organisaties kansen om hun bedrijfsvoering te verbeteren en de productiviteit te verhogen met AI- oplossingen die teksten kunnen analyseren en genereren. Bij de ‘klassieke’ AI-modellen was al breed erkend dat er méér nodig is dan één geslaagd experiment om te komen tot betrouwbare en schaalbare oplossingen. Met de opkomst van generatieve AI lijkt dat inzicht echter weer naar de achtergrond te verdwijnen. Dat komt deels doordat nu ook niet-technische medewerkers zonder barrières met AI aan de slag kunnen. Iedereen experimenteert enthousiast met ChatGPT en vergelijkbare tools, maar vaak zonder oog voor de lange-termijn digitale transformatie die nodig is om deze technologie succesvol in te bedden. Laat staan voor de impact op het eigen vakgebied en de manier van werken binnen de organisatie.
Fontys Centre of Expertise AI for Society
GenAI-oplossingen raken alle beroepen waarvoor we als Fontys Hogeschool opleiden, en dus ook al onze praktijkpartners: zorginstellingen, grote en kleine bedrijven, overheden, etc. De roep om betrouwbare AI en zorgvuldige integratie, zelfs al tijdens de opleiding, is daardoor enorm toegenomen. Bij het CoE AI for Society van Fontys Hogeschool werken we dagelijks aan deze vertaalslag. We bouwen aan een wereld waarin AI betrouwbaar, mensgericht en duurzaam wordt ingezet. Onze visie is dat AI meer omvat dan techniek alleen: ook ethische, juridische en sociaal- maatschappelijke aspecten spelen een rol. Vanuit een realistisch, kritisch én constructief perspectief voeren we praktijkgericht onderzoek uit. Dat betekent dat ons onderzoek start vanuit een praktijkvraag. Transdisciplinariteit vormt daarbij een belangrijk uitgangspunt. Wij geloven in een aanpak waarin experts uit verschillende disciplines, professionals uit de praktijk – van beleidsmakers tot uitvoerders – én andere betrokkenen, zoals burgers, gezamenlijk nieuwe toepasbare kennis ontwikkelen. Daarnaast verbinden we onderzoek altijd met het leren van studenten. Door deze koppeling ontstaat er een wisselwerking tussen onderzoek, onderwijs en praktijk. Zo brengen we complexe maatschappelijke vraagstukken verder met betrouwbare AI-oplossingen.
