AI werd geboren toen er nog nauwelijks computers waren. Dat was zeventig jaar geleden, op deze zomerworkshop

2 uren geleden 1

Toen de grondleggers van AI halverwege de jaren vijftig droomden over intelligente machines, bestonden er wereldwijd slechts enkele honderden computers. Die kamervullende apparaten hadden geen scherm, minder geheugen dan een moderne smartwatch en werden vooral gebruikt voor specialistisch rekenwerk.

In augustus 1955 schreven vier Amerikaanse computerwetenschappers, John McCarthy, Marvin Minsky, Nathaniel Rochester en Claude Shannon, een voorstel om in de zomer van 1956 een workshop van twee maanden te organiseren: A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence. Het was voor het eerst dat artificial intelligence als vakterm werd gebruikt, een idee van McCarthy, die toen universitair docent wiskunde was aan Dartmouth College (New Hampshire, VS).

De vier pioniers dienden het workshopvoorstel in bij de filantropische Rockefeller Foundation en vroegen om een subsidie van 13.500 dollar (een kleine anderhalve ton in euro’s van nu). De stichting kende iets meer dan de helft toe: 7.500 dollar, met als toelichting: „Ik hoop dat u niet vindt dat we al te voorzichtig zijn, maar hier leeft het algemene gevoel dat dit nieuwe vakgebied van wiskundige modellen voor het denken – hoe veelbelovend het op de lange termijn ook is – voorlopig nog moeilijk helder te doorgronden is. Dat pleit voor een bescheiden gok om deze nieuwe benadering te verkennen, maar er bestaat grote terughoudendheid om in dit stadium al een aanzienlijk bedrag te riskeren.”

Een jaar later was het zover. Tussen 18 juni en 17 augustus 1956 kwamen in de wiskundefaculteit van het Dartmouth College zo’n dertig wetenschappers bijeen om vrijuit na te denken over kunstmatige intelligentie. Sommigen bleven de hele zomer, anderen kwamen slechts eenmalig langs. Onder de deelnemers waren twee latere Nobelprijswinnaars: Herbert Simon en John Nash. Simon schreef samen met Allen Newell het eerste computerprogramma dat wiskundige stellingen kon bewijzen. En Nash, bekend van de speltheorie, werd vereeuwigd in de film A Beautiful Mind.

Daarnaast namen vijf latere winnaars van de Turing Award deel (de ‘Nobelprijs voor de informatica’): John McCarthy, Marvin Minsky, Allen Newell, John Backus – en Herbert Simon zou die prijs ook krijgen. Ook pioniers als John Holland (genetische algoritmen) en Arthur Samuel (computerdammen) schoven aan. Samuel zei later over de bijeenkomst: „Het was heel interessant, heel inspirerend, heel spannend.”

De zomerworkshop van 1956 wordt algemeen gezien als de geboorte van AI als wetenschappelijk vakgebied. De kerngedachte van de vier AI-pioniers was „dat elk aspect van leren, of van intelligentie in het algemeen, in principe zo nauwkeurig kan worden beschreven dat een machine het kan simuleren”. Voor het eerst formuleerden ze enkele grote uitdagingen: Hoe schrijf je computerprogramma’s voor menselijke cognitieve vaardigheden? Hoe kan een computer met taal omgaan? Kunnen neurale netwerken concepten vormen? Welke problemen kan een computer in redelijke tijd oplossen? Kunnen computers zichzelf verbeteren? Kunnen computers abstraheren? Kunnen computers creatief zijn?

De hoofdrolspelers van de Dartmouth-workshop leven niet meer, maar twee Nederlandse pioniers die nauw contact hadden met enkele organisatoren kijken terug op de geboortezomer van AI. Emeritus hoogleraar logica Johan van Benthem is sinds de jaren tachtig verbonden aan Stanford University (VS), waar hij John McCarthy enkele decennia als collega had. McCarthy was een van de belangrijkste vertegenwoordigers van de symbolische of logische AI, die vanaf de jaren vijftig decennialang dominant was: het klassieke idee dat kennis expliciet wordt vastgelegd in formele taal, zodat computers er logisch mee kunnen redeneren.

Terugblikkend op de zomer van 1956 concludeert Van Benthem: „Dartmouth leverde een vruchtbare agenda op het juiste moment en met een verbijsterende groep getalenteerde mensen. Ook het vinden van de juiste titel – artificial intelligence – was heel belangrijk om het nieuwe onderzoeksgebied richting te geven. Maar het project leverde geen doorbraak-ideeën op en ook geen onderzoeksresultaten aan het eind van die zomer.”

Emeritus hoogleraar Jaap van den Herik promoveerde in 1983 op Computerschaak, schaakwereld en kunstmatige intelligentie en was daarmee een van de eerste Nederlandse informatici die AI expliciet als vakgebied uitdroegen. Hij kende McCarthy en Minsky, maar was vooral goed bevriend met Claude Shannon, die in 1950 een van de eerste wetenschappelijke artikelen over computerschaak publiceerde waarin hij schaken als een model voor intelligentie zag. „Wat ik heb begrepen van de mensen die er in 1956 bij waren”, zegt Van den Herik, „is dat het vooral zorgde voor een verbondenheid – verbondenheid in de gedeelde visie dat computers intelligente taken kunnen doen.”

Met de blik van vandaag valt op dat het Dartmouth-voorstel nergens verwijst naar Alan Turings beroemde test uit 1950: kan een computer zo converseren dat hij niet van een mens te onderscheiden is? Deze imitation game, later bekend geworden als de turingtest, groeide uit tot een cultureel icoon van AI. Tot aan de jaren tachtig werd het filosofische artikel waarin Turing zijn test beschreef echter nauwelijks door wetenschappers geciteerd. Van Benthem en Van den Herik denken dat Turing pas later een boegbeeld van AI werd. Voor de pioniers van 1956 speelde zijn denken over intelligente machines nauwelijks een rol, ondanks dat Shannon Turing persoonlijk kende.

Wat is er anno 2026 wel en niet gerealiseerd van de AI-uitdagingen die 70 jaar geleden werden geformuleerd? Veel, lang niet alles, en vaak met een ‘maar’.

Kunnen computerprogramma’s menselijke cognitieve vaardigheden uitvoeren? Beide Nederlandse pioniers vinden dat die uitdaging, voor deeltaken, inmiddels is geslaagd. Van den Herik: „Computers verslaan mensen in schaken en go, herkennen spraak en gezichten, analyseren medische beelden en kunnen binnen een afgebakend domein specialistische problemen oplossen, zoals juridische problemen.” Van Benthem voegt daar wel een ‘maar’ aan toe: „AI mist nog altijd het brede begrip, het gezonde verstand en het aanpassingsvermogen van menselijke intelligentie.”

En computers die met taal kunnen omgaan dan? Die uitdaging is volgens zowel Van Benthem als Van den Herik dankzij moderne AI grotendeels geslaagd. „Symbolische AI, gebaseerd op regels, kon al een beetje omgaan met taal”, zegt Van Benthem, „maar moderne AI, gebaseerd op neurale netwerken en statistiek, kan er enorm veel mee. Kijk maar hoe moeilijk het inmiddels is om bij een studentenwerkstuk nog te onderscheiden of het door de student zelf is geschreven of met behulp van AI. Tegenwoordig wijzen juist de fouten erop dat een mens de tekst heeft geschreven.”

Toch plaatst Van Benthem ook hier een ‘maar’. „Wij gebruiken taal op de energie van een kopje koffie en een plakje cake. De huidige AI-modellen hebben daarvoor ongeveer een datacentrum met het energieverbruik van Almere nodig. Daarom vind ik een interessantere vraag: hoe bouw je een systeem dat hetzelfde taalgedrag vertoont met dezelfde energie-efficiëntie als een mens? AI-systemen leren om slim om te gaan met beperkte rekenkracht en energie blijft een enorme uitdaging.”

Kunnen neurale netwerken concepten vormen? „Ja, ook die uitdaging is inmiddels gerealiseerd”, zegt Van den Herik. „Maar de weg ernaartoe kende pieken en dalen.” Pas dankzij grote hoeveelheden data, krachtige chips en baanbrekende algoritmen groeiden neurale netwerken vanaf 2012 uit tot de dominante AI-technologie. Een netwerk dat gezichten herkent, leert daarbij eerst eenvoudige vormen, daarna abstractere eigenschappen en uiteindelijk het concept ‘gezicht’.

De uitdaging welke problemen een computer al dan niet in redelijke tijd kan oplossen, is uitgegroeid tot een belangrijk onderzoeksgebied binnen de informatica, zegt Van Benthem. „De pioniers zagen goed dat daar veel te halen viel. Tegenwoordig heet dit vakgebied complexiteitstheorie. Het geeft fundamenteel inzicht in alle rekenactiviteiten van computers, dus ook over zowel de moderne als de klassieke AI.”

Kunnen computers zichzelf verbeteren? Computerschaak is daarvoor decennialang een belangrijke inspiratiebron geweest. Aanvankelijk probeerden onderzoekers schaakprogramma’s te bouwen met expliciete logische regels, geheel in de geest van de symbolische AI. In deze eeuw ontwikkelden die programma’s zich echter tot zelflerende systemen die menselijke wereldkampioenen overtroffen. „In beperkte zin is het dus zeker gelukt om computers zichzelf te laten verbeteren”, zegt Van den Herik. „Maar”, vult Van Benthem aan, „als je bedoelt dat een computer zijn eigen programmatuur fundamenteel kan herschrijven, dan is dat nog niet gelukt.”

Zo zien we in de wiskunde af en toe revoluties waarbij iemand met nieuwe begrippen een totaal andere manier van denken introduceert. Toen wiskundigen eind negentiende eeuw de topologie ontwikkelden, ontstond een radicaal nieuw perspectief op meetkundige vormen: een koffiekop en een donut gelden daarin als dezelfde vorm, omdat ze allebei één gat hebben. Van Benthem: „Zo’n fundamenteel nieuwe manier van denken heeft AI nog niet voortgebracht.”

Kunnen computers abstraheren? „Nee, dit is nog niet gerealiseerd”, zegt Van den Herik. „Huidige AI is goed in verbanden leggen. Zo kan het bijvoorbeeld een hond op een plaatje herkennen. Maar abstraheren op een conceptueel niveau, bijvoorbeeld dat honden trouw zijn aan hun baas, dat kan AI in algemene zin nog niet. Het probleem is dat wij als mensen nog onvoldoende grip hebben op het formaliseren van abstracties.”

Kunnen computers creatief zijn? Dat was de laatste uitdaging uit het Dartmouth-voorstel. Daarover verschillen Van den Herik en Van Benthem van mening. Van den Herik antwoordt volmondig ‘ja’: „Alles wat ze nieuw verzinnen overstijgt het niveau van een groot deel van de mensen. Nog niet op alle terreinen het niveau van de allerbesten, maar ik denk dat dat op termijn gaat gebeuren.” Van Benthem vindt het begrip creativiteit slecht gedefinieerd en vraagt zich ook af of we menselijke creativiteit niet overschatten; zo creatief zijn de meeste mensen nu ook weer niet.

Dartmouth-deelnemer Herbert Simon voorspelde in 1957, een jaar na de workshop, dat een computer binnen tien jaar de wereldkampioen schaken zou verslaan. Uiteindelijk duurde het geen tien maar veertig jaar, maar de voorspelling kwam wel uit toen supercomputer Deep Blue in 1997 wereldkampioen Garry Kasparov versloeg. Wat liep er in zeventig jaar AI nog meer anders dan gedacht? En welke grote vragen bepalen de toekomst van AI?

„Allereerst liep de symbolische of logische AI tegen beperkingen aan”, zegt Van Benthem. „Die aanpak klonk plausibel en heeft met expertsystemen en methoden om kennis formeel te representeren ook waardevolle bijdragen aan de AI geleverd. Maar zodra men die systemen probeerde op te schalen, bleken ze in de praktijk slecht te werken. Aan de andere kant boekten neurale netwerken decennialang weinig vooruitgang. Lange tijd deden ze het zelfs slechter dan de logica-gebaseerde AI. Pas met de data-revolutie, toen gigantisch veel gegevens beschikbaar kwamen, bleken neurale netwerken te groeien en te bloeien terwijl de logica-gebaseerde systemen vastliepen.” Deze ontwikkeling leverde vanaf 2012 succesvolle AI-technologie op.

Een volgende AI-revolutie kwam in 2017 met de publicatie van het artikel ‘Attention is All You Need’ door Google-onderzoekers. Van den Herik: „Zij introduceerden de zogeheten transformer: een AI-architectuur die via een ‘attention’-mechanisme leert welke woorden en zinnen relevant zijn voor elkaar, ook al liggen ze in een tekst ver uiteen.” Deze doorbraak vormde de basis voor chatbots als ChatGPT, Gemini, Claude en Le Chat, die inmiddels dagelijks door honderden miljoenen mensen worden gebruikt.

„Technologisch gezien zijn grote taalmodellen zoals ChatGPT zeer succesvol, vooral in samenwerking met mensen”, zegt Van Benthem. „Maar wetenschappelijk begrijpen we nog maar beperkt hoe ze precies werken. Daarnaar gebeurt nu veel onderzoek waarin logica, AI en cognitiewetenschap samenkomen. Je kunt het vergelijken met de stoommachine: eind achttiende eeuw werkte die al uitstekend, terwijl de wetenschap die haar werking beschrijft, de thermodynamica, pas halverwege de negentiende eeuw ontstond. Ook bij grote taalmodellen loopt de engineering vooruit op de wetenschap.” Een wetenschappelijk begrip van de moderne AI-systemen is voor Van Benthem de belangrijkste uitdaging voor de komende jaren.

Van den Herik denkt graag groot en gelooft dat we hard op weg zijn via artificial general intelligence (AGI) naar artificial super intelligence (ASI). Een AGI-systeem zou mensen op vrijwel alle cognitieve taken minstens evenaren. „Daarvoor moeten we van taalmodellen naar wereldmodellen gaan”, zegt Van den Herik. „Dat zijn modellen van hoe de fysieke wereld werkt, hoe gebeurtenissen elkaar veroorzaken en wat de gevolgen van handelingen zijn.”

Onderzoekers werken bijvoorbeeld aan AI-systemen die leren begrijpen wat er in video’s gebeurt. Zo’n systeem kijkt niet alleen naar losse beelden, maar probeert te voorspellen wat er daarna waarschijnlijk zal gebeuren: bijvoorbeeld dat iemand eerst een deur opent en daarna een kamer binnenloopt. Van den Herik: „Wereldmodellen laten AI beter redeneren, plannen en voorspellen, allemaal eigenschappen die nodig zijn voor AGI.” Al die eigenschappen stonden trouwens ook al op de agenda van de klassieke AI. „Ik zie AGI nog deze eeuw gebeuren”, besluit Van den Herik. „De 22ste eeuw is dan voor artificial super intelligence: AI-systemen die mensen op alle cognitieve taken ver overtreffen. Het begin daarvan verwacht ik nog voor het eind van de eeuw.”

Wat in de zomer van 1956 begon als een bescheiden brainstorm van een kleine groep wetenschappers, groeide uit tot een technologie die vrijwel elk domein van de samenleving ingrijpend verandert en waarin jaarlijks inmiddels honderden miljarden euro’s omgaan. Opvallend genoeg staan diverse van de grote wetenschappelijke vragen van toen nog altijd overeind. Zeventig jaar AI heeft machines steeds indrukwekkender gemaakt, maar juist daardoor intelligentie zelf misschien wel raadselachtiger.

Lees het hele artikel