Boekrecensie: Machines That Think van Inga Strümke

Machines That Think staat uit als een goed gestructureerde en gedachtegangrijke inleiding tot kunstmatige intelligentie, waarbij technische duidelijkheid wordt gecombineerd met diepere filosofische onderzoek. In plaats van zich te storten op moderne buzzwords, Inga Strümke neemt een bewuste aanpak, waarbij lezers van de vroegste fundamenten van berekening naar de complexe ethische en maatschappelijke uitdagingen worden geleid die AI vandaag vormgeven.

Opbouw vanuit de eerste principes

Het boek begint met een gefundeerde verkenning van vroege computationele ideeën, beginnend met algoritmes en analoge computers. Deze historische context is niet alleen achtergrondinformatie – het legt de logica vast achter hoe machines informatie verwerken en waarom AI op de manier is geëvolueerd zoals het is. Door deze oorsprongen te doorlopen, zorgt Strümke ervoor dat lezers AI begrijpen als een continuüm, in plaats van een plotselinge technologische sprong.

Een van de meer waardevolle vroege onderscheidingen die ze introduceert, is het verschil tussen AI en cybernetica. Terwijl beide vakgebieden te maken hebben met systemen, feedback en controle, richt cybernetica zich meer op regulering en communicatie binnen systemen, terwijl AI zich bezighoudt met het creëren van systemen die taken kunnen uitvoeren die geassocieerd worden met intelligentie. Deze onderscheiding helpt om duidelijk te maken waarom moderne AI langs zijn huidige traject is geëvolueerd, in plaats van de meer biologisch geïnspireerde weg van vroeg cybernetisch onderzoek te volgen.

Van brute kracht naar leer systemen

De evolutie van AI wordt misschien het beste geïllustreerd door zijn relatie met spellen, met name schaken. Het contrast tussen Deep Blue en AlphaZero wordt effectief gebruikt om te demonstreren hoe dramatisch AI-methodologieën zijn veranderd.

Deep Blue vertrouwde zwaar op brute-force berekening, waarbij het miljoenen mogelijke posities per seconde evalueerde om optimale zetten te bepalen. Het was krachtig, maar fundamenteel beperkt door zijn afhankelijkheid van vooraf geprogrammeerde evaluatiefuncties en brute berekeningskracht. In tegenstelling tot AlphaZero, vertegenwoordigt dit een paradigma-verandering. In plaats van expliciet te zijn geprogrammeerd met strategieën, leert het door tegen zichzelf te spelen, patronen en strategieën te ontdekken die zelfs menselijke grootmeesters nog niet eerder hadden overwogen.

Deze overgang benadrukt een van de kernthema’s van het boek: moderne AI gaat minder over het expliciet vertellen van machines wat ze moeten doen en meer over het mogelijk maken dat ze leren van gegevens en ervaring. Het onderstreept ook een dieper filosofisch punt – AI-systemen zijn niet langer alleen maar tools die instructies uitvoeren, maar systemen die in staat zijn om nieuwe oplossingen te genereren.

Symbolische versus niet-symbolische AI

Een bijzonder sterke sectie van het boek richt zich op het onderscheid tussen symbolische en niet-symbolische AI. Symbolische AI, die vroeg onderzoek domineerde, vertrouwt op expliciete regels en logische representaties van kennis. Het is gestructureerd, interpreteerbaar en deterministisch, maar worstelt vaak met ambiguïteit en real-world complexiteit.

Niet-symbolische AI, met name neurale netwerken, werkt heel anders. In plaats van regels leren deze systemen patronen uit gegevens. Dit maakt hen veel flexibeler en krachtiger in taken zoals beeldherkenning, natuurlijke taalverwerking en patroondetectie. Echter, deze kracht komt ten koste van interpreteerbaarheid. Neurale netwerken functioneren vaak als “black boxes”, waardoor het moeilijk is om te begrijpen hoe ze tot specifieke beslissingen komen.

Strümke doet een uitstekende job in het uitleggen van deze trade-off zonder het te oversimplificeren. Ze toont aan dat de verschuiving naar niet-symbolische AI niet alleen een technische evolutie is, maar een fundamentele verandering in de manier waarop we intelligentie zelf benaderen.

Neurale netwerken en perceptie begrijpen

De secties over beeldclassificatie en neurale netwerken zijn onder de meest boeiende in het boek. Strümke legt uit hoe neurale netwerken visuele informatie in lagen verwerken, waarbij ruwe pixeldatum langzaam wordt getransformeerd in hogere abstracties. Vroege lagen detecteren eenvoudige kenmerken zoals randen en vormen, terwijl diepere lagen complexe patronen zoals objecten en gezichten identificeren.

Dit laag-voor-laag-benadering stelt machines in staat om taken uit te voeren die eens uniek menselijk leken. Echter, het boek maakt duidelijk dat deze “begrip” niet hetzelfde is als menselijk begrip. AI-systemen herkennen patronen statistisch, niet semantisch. Ze “weten” niet wat een object is op de manier waarop mensen dat doen – ze identificeren het op basis van geleerde correlaties.

Tegelijkertijd zijn er domeinen waarin AI-systemen menselijke capaciteiten overtreffen. In beeldherkenning, bijvoorbeeld, kunnen machines subtiele patronen en afwijkingen detecteren die onzichtbaar zijn voor het menselijk oog. Dit creëert een interessant paradox: AI-systemen kunnen menselijke prestaties overtreffen in specifieke taken, terwijl ze nog steeds echte begrip missen.

Verklaarbaarheid, ethiek en regulering

Naarmate het boek vordert, wordt Strümke’s stem meer uitgesproken, vooral bij het bespreken van verklaarbare AI en gegevensbescherming. Ze benadrukt een kritisch punt in moderne AI: naarmate systemen krachtiger worden, worden ze ook minder transparant.

Verklaarbare AI heeft tot doel dit aan te pakken door machinebeslissingen meer interpreteerbaar te maken. Dit is vooral belangrijk in domeinen met hoge inzet, zoals gezondheidszorg, financiën en recht, waar het begrijpen van de redenering achter een beslissing cruciaal is. Strümke benadrukt dat zonder verklaarbaarheid, vertrouwen in AI-systemen moeilijk te vestigen is.

Haar kritiek op gegevensbeschermingswetten is bijzonder gedachtengoed. Ze stelt dat veel bestaande regelgeving zowel beperkend als ineffectief is. Enerzijds kunnen ze innovatie vertragen door toegang tot gegevens te beperken. Anderzijds falen ze vaak om gebruikers adequaat te beschermen vanwege lacunes en uitvoeringsuitdagingen. Deze dubbele mislukking onderstreept de complexiteit van het reguleren van snel evoluerende technologieën.

Creativiteit en de grenzen van AI

Een ander overtuigend thema in het boek is de vraag naar creativiteit. Met de opkomst van AI-gegenereerde kunst, muziek en schrijven, wordt de grens tussen menselijke en machinecreativiteit steeds vager.

Strümke benadert dit onderwerp met nuances, door te vragen of AI-systemen echt creatief zijn of slechts bestaande door mensen gegenereerde inhoud recombineren. Terwijl AI indrukwekkende outputs kan produceren, is zijn creativiteit fundamenteel anders dan menselijke creativiteit, die wordt gevormd door bewustzijn, ervaring en intentie.

Dit gesprek gaat verder in bredere ethische overwegingen, waaronder eigendom, originaliteit en de waarde van menselijke input. In plaats van definitieve antwoorden te bieden, moedigt het boek lezers aan om deze vragen te onderzoeken en hun implicaties te overwegen.

Het collectieve actieprobleem in AI

Een van de meer subtiele maar belangrijke ideeën die worden onderzocht, is het collectieve actieprobleem in AI-implementatie. Naarmate AI-systemen krachtiger worden, kunnen de beslissingen van individuele organisaties verstrekkende gevolgen hebben. Echter, het coördineren van acties over gouvernementen, bedrijven en instellingen is inherent moeilijk.

Dit creëert een situatie waarin korte-termijnstimulansen in conflict kunnen komen met langetermijnsocietalbelangen. Strümke benadrukt het belang van samenwerking en governance, terwijl ze de uitdagingen erkent die hierbij komen kijken.

Naar AGI en verder

Het boek eindigt met een vooruitblikkende discussie over Artificial General Intelligence (AGI) en superintelligentie. In plaats van te speculeren, baseert Strümke haar analyse op huidige technologische trends en beperkingen.

Ze onderzoekt wat het zou kunnen kosten om AGI te bereiken, waaronder vooruitgang in berekening, gegevens en algoritmeontwerp. Tegelijkertijd overweegt ze hoe de samenleving zich mogelijk aan kan passen aan steeds krachtigere AI-systemen. Dit omvat niet alleen technologische veranderingen, maar ook verschuivingen in onderwijs, beleid en economische structuren.

De afsluiting voelt adequaat gebalanceerd – optimistisch over het potentieel van AI, maar realistisch over de uitdagingen die voorliggen.

Definitieve oordeel

Machines That Think is een goed afgerond en boeiend boek over kunstmatige intelligentie. Het slaagt erin om complexe onderwerpen toegankelijk te maken zonder diepte op te offeren, terwijl het ook de ethische en maatschappelijke implicaties van de technologie aanpakt.

Voor lezers die een sterke basis in AI willen opbouwen – en tegelijkertijd de bredere impact willen verkennen – biedt dit boek een gedachtegangrijke en omvattende perspectief. Het is zowel een inleiding als een uitnodiging om kritischer na te denken over de rol die AI zal spelen in het vormgeven van de toekomst.