Intelligentie alleen schiet tekort als AI grenzen in de echte wereld raakt buiten wiskunde en code

Lessen uit het verleden, van het Manhattan Project tot de gebroeders Wright, tonen waarom het opschalen van modellen knelpunten in biologie, infrastructuur en ontdekking niet kan omzeilen

Drie jaar nadat OpenAI beweerde dat zijn systemen basisschoolwiskunde aankonden, meldde het bedrijf dat het het lang bestaande Navier-Stokes Millennium Prize-probleem in slechts 88 uur had opgelost. Dergelijke snelle vooruitgang voedt Sam Altman’s overtuiging dat kunstmatige intelligentie uiteindelijk ziekten zal uitroeien, maar wekt ook angst voor ongecontroleerde systemen die zich tegen de mensheid keren.

De mantra van schaalvergroting botst met praktische beperkingen

Melanie Mitchell en David Krakauer van het Santa Fe Institute vatten de heersende aanpak samen als “schaal is alles wat je nodig hebt”. Grotere datasets en meer rekenkracht verbeteren de prestaties, maar deze visie berust op de onuitgesproken aanname dat pure intelligentie voor elk resultaat volstaat. Altman’s voorspellingen van exponentiële groei weerspiegelen die aanname, maar macht en intelligentie werken in de praktijk anders.

Anthropic meldt dat zijn Claude-model al meer dan 80 procent van de code genereert die zijn engineers accepteren. Volledige automatisering zou systemen in staat stellen hun eigen opvolgers te ontwerpen, wat volgens chief executive Dario Amodei neerkomt op “een land van genieën in een datacenter”. Zowel de belofte als het gevaar berust op het idee dat superieure cognitie elke hindernis overwint.

Los Alamos toont aan dat intelligentie infrastructuur nodig heeft

De Verenigde Staten testten geconcentreerd wetenschappelijk talent tijdens het Manhattan Project. Historicus Alex Wellerstein van het Stevens Institute of Technology berekende dat Los Alamos National Laboratory slechts 4 procent van de totale kosten van bijna 2 miljard dollar van het project vertegenwoordigde. De overige 80 procent ging naar industriële productie van uranium en plutonium in Tennessee en Washington. In getuigenis voor het Congres in 1945 merkte J. Robert Oppenheimer op dat wetenschappers onmisbaar waren, maar op zichzelf onvoldoende.

Domeinen met snelle feedback vorderen snel, andere blijven achter

AI heeft duidelijke winst opgeleverd in programmeren, wiskunde en weersvoorspelling. Deze velden leveren overvloedige trainingsdata, directe verificatie en binaire uitkomsten die systemen gegrond houden. Daarentegen levert schrijven vaak weinig waardevolle output op, en het genezen van kanker vereist langdurige biologische experimenten die snelle iteratie bemoeilijken.

De gebroeders Wright slaagden waar beter gefinancierde pogingen faalden omdat zij het belang van continue correctie begrepen. Samuel Langley ontving 50.000 dollar aan overheidssteun en een veel krachtiger motor, maar zijn inherent stabiele vliegtuigontwerp belandde in de Potomac. De fietsmakers baseerden zich op windtunneltests van ongeveer 200 vleugelvormen en het principe dat instabiele machines in de lucht blijven door voortdurende aanpassingen.

Afnemende meeropbrengsten doen zich voor in onderzoeksvelden

Theoretische natuurkunde illustreert het patroon. Vroege doorbraken in de kwantummechanica kwamen relatief gemakkelijk, maar latere vooruitgang vertraagde ondanks superieure instrumenten. Nobelprijswinnaar Paul Dirac merkte in 1975 op dat tweederangs natuurkundigen ooit eersteklas werk leverden, terwijl eersteklas natuurkundigen nu moeite hebben om zelfs tweederangs resultaten te behalen.

Stanfords econoom Nicholas Bloom en collega’s documenteerden vergelijkbare trends in halfgeleiders: het verdubbelen van de chipdichtheid vereist nu meer dan achttien keer zoveel onderzoekers als in het begin van de jaren zeventig. Modellen van Forethought-onderzoekers Tom Davidson en Tom Houlden geven ongeveer 60 procent kans dat volledig geautomatiseerd AI-onderzoek drie jaar vooruitgang comprimeert tot één jaar, maar zij verwachten toch afnemende opbrengsten naarmate software zijn grenzen nadert.

Amodei’s eigen analyse benadrukt aanhoudende knelpunten

Amodei heeft voorspeld dat geavanceerde AI 50 tot 100 jaar biologische vooruitgang zou kunnen comprimeren tot vijf tot tien jaar en een reductie van 95 procent of meer in kankerincidentie en -sterfte zou kunnen bereiken. In zijn essay “Machines of Loving Grace” uit 2024 vroeg hij zich zelf af hoeveel extra intelligentie elke stap oplevert en welke andere inputs beperkend worden zodra intelligentie overvloedig aanwezig is. Deeltjesfysici beschikken al over voldoende theorieën, maar missen versnellerdata om ze te testen. Andere Anthropic-onderzoekers hebben opgemerkt dat Amdahl’s Law suggereert dat het versnellen van één fase de beperkingen simpelweg elders verschuift, zelfs bij zelfverbeterende AI.

Kapitaal en fysieke systemen blijven de echte poortwachters

De vier grootste technologiebedrijven alleen al plannen dit jaar ongeveer 760 miljard dollar aan kapitaaluitgaven. Een voorsprong in redeneervermogen creëert niet meteen een leger, elektriciteitsnet of toeleveringsketen. Die assets vereisen aanhoudende tijd en investeringen. Hoewel schaalvergroting wiskunde en programmeren heeft getransformeerd, stuit het doortrekken van dezelfde lijn ver buiten die domeinen op structurele barrières die intelligentie alleen niet kan wegnemen.

Tags bij dit artikel