Goldman Sachs waarschuwt: de toekomst van AI is niet chatbots, maar iets veel krachtigers
Kunstmatige intelligentie heeft de afgelopen jaren enorme vooruitgang geboekt op het gebied van schrijven, vertalen, programmeren en converseren. Maar volgens het Goldman Sachs Global Institute ligt de volgende stap niet alleen in het creëren van nog grotere taalmodellen. De toekomst van AI ligt in modellen die niet alleen patronen herkennen, maar ook proberen te begrijpen hoe de wereld werkt.
Deze ‘modellen om de wereld te begrijpen’ fungeren als interne simulatoren die een systeem in staat stellen om constant te vragen: “Als ik dit doe, wat gebeurt er dan?” Mensen maken van nature gebruik van deze vaardigheid wanneer ze bijvoorbeeld anticiperen op gebeurtenissen voordat ze plaatsvinden.
Hoewel grote taalmodellen transformatief zijn en uitblinken in tekstverwerking en patroonaanvulling, missen ze een innerlijk begrip van de wereld die ze beschrijven. Dit wordt cruciaal wanneer AI wordt ingezet voor taken zoals het aansturen van robots, het beheren van toeleveringsketens of het coördineren van complexe zakelijke beslissingen.
Goldman Sachs onderscheidt twee hoofdcategorieën van ‘modellen om de wereld te begrijpen’: de fysieke wereld en de sociale of virtuele wereld. De eerste categorie omvat het simuleren van natuurkundige fenomenen zoals zwaartekracht en beweging, terwijl de tweede categorie zich richt op het simuleren van menselijk gedrag, interacties en besluitvorming.
De waarde van deze modellen ligt niet in het voorspellen van één enkele toekomst, maar in het blootleggen van mogelijke toekomstscenario’s. Ze fungeren als een nieuw besturingssysteem voor besluitvorming, waardoor organisaties beter voorbereid kunnen zijn op verschillende uitkomsten.
Hoewel investeringen in modellen voor wereldinzicht op dit moment nog een klein deel van de totale AI-uitgaven uitmaken, wijst Goldman Sachs op de groeiende behoefte aan rekenkracht, energie en gespecialiseerde systemen naarmate AI-toepassingen zich uitbreiden naar robotica, autonome systemen en strategische besluitvorming.
In plaats van alleen maar antwoorden te genereren, streven modellen om de wereld te begrijpen naar machines die context, beperkingen en gevolgen kunnen waarnemen. Dit kan wel eens de echte paradigmaverschuiving binnen AI blijken te zijn: niet alleen grotere modellen, maar diepere systemen die in staat zijn om door werelden heen te redeneren in plaats van ze alleen maar te beschrijven.
