Wat is artificial narrow intelligence?
Artificial narrow intelligence, ook wel bekend als zwakke AI, is het soort AI waar je elke dag mee omgaat. Het voedt de stemassistent op je telefoon, helpt bij het aanbevelen van programma's op je favoriete streamingdienst en sorteert zelfs spam uit je inbox.
Dit type AI is ontworpen om een enkele taak of een beperkt aantal taken uit te voeren. Het kan deze dingen heel goed, maar begrijpt de wereld buiten zijn specifieke taak niet.
Als mensen het hebben over de definitie van kunstmatige smalle intelligentie, bedoelen ze een systeem dat slim is op één gebied, maar nergens anders.
Kunstmatige smalle intelligentie werkt door gebruik te maken van grote hoeveelheden gegevens en specifieke algoritmen om problemen binnen een beperkt bereik op te lossen. Deze AI kan niet redeneren als een mens.
In plaats daarvan volgt het regels en patronen die zijn ingesteld door de programmeurs. Dit maakt het betrouwbaar voor routineklussen, maar niet voor creatief denken.
Wat is het verschil met andere vormen van AI?
Artificial narrow intelligence, of ANI, is de meest voorkomende vorm van kunstmatige intelligentie die we vandaag de dag tegenkomen. Het is ontworpen om een enkele taak of een beperkte reeks taken uit te voeren en het doet dit met indrukwekkende snelheid en nauwkeurigheid.
Maar hoe onderscheidt ANI zich van andere soorten AI, zoals kunstmatige algemene intelligentie en kunstmatige superintelligentie? De verschillen hebben te maken met de reikwijdte, de mogelijkheden en de manier waarop elk type AI omgaat met de wereld eromheen.
Niveau 1: Artificial narrow intelligence
Bij artificial narrow intelligence gaat het erom dat je één ding heel goed doet. Denk aan een schaakcomputer, een stemassistent die je wekker zet of een aanbevelingsmachine die je volgende favoriete show voorstelt. Elk van deze systemen is gebouwd voor een specifiek doel en kan niet buiten de geprogrammeerde grenzen werken.
ANI blinkt uit in patroonherkenning, gegevensanalyse en repetitieve taken, maar kan zijn kennis niet overbrengen van het ene domein naar het andere. Als je je schaakbot zou vragen om een gedicht te schrijven, zou hij geen idee hebben waar te beginnen.
Niveau 2: Artificial general intelligence
Artificial general intelligence, of AGI, is iets heel anders. AGI verwijst naar machines die kunnen begrijpen, leren en kennis toepassen op een groot aantal taken, net als een mens.
Waar ANI een specialist is, is AGI een manusje-van-alles. Het kan redeneren, problemen oplossen en zich aanpassen aan nieuwe situaties zonder voor elke nieuwe uitdaging opnieuw geprogrammeerd te hoeven worden.
Het belangrijkste verschil is dus flexibiliteit: AGI zou kunnen overschakelen van schaken naar poëzie schrijven en elke vaardigheid gaandeweg kunnen leren. Voorlopig blijft AGI echter slechts een theoretisch concept, waarbij de huidige AI-systemen uitblinken in smalle, gespecialiseerde taken.
Niveau 3: Artificial superintelligence
Artificial superintelligence, of ASI, gaat nog een stap verder. Dit is het hypothetische stadium waarin AI de menselijke intelligentie op alle mogelijke manieren overtreft. ASI zou niet alleen elke intellectuele taak aankunnen, maar zichzelf ook verbeteren met een snelheid die mensen nooit zouden kunnen evenaren.
Terwijl ANI al deel uitmaakt van ons dagelijks leven en AGI nog aan de horizon gloort, bestaat ASI vooral in het rijk van sciencefiction en speculatie. Het belangrijkste verschil is de schaal: ASI zou in staat zijn tot prestaties die veel verder gaan dan wat mensen of de huidige AI-systemen kunnen bereiken.
Belangrijkste kenmerken van artificial narrow intelligence
We weten het nu: artificial narrow intelligence is het soort AI waar je elke dag mee te maken hebt, zelfs als je je dat niet realiseert. Laten we nu eens kijken naar de belangrijkste kenmerken die kunstmatige smalle intelligentie zo uniek maken.
Taakspecificiteit
Artificial narrow intelligence is gemaakt voor één taak. Het kan talen vertalen, liedjes aanbevelen of spam e-mails herkennen, maar het zal niet plotseling je auto gaan besturen of ziektes diagnosticeren.
Sommige systemen zijn zo gespecialiseerd dat ze mensen in hun niche kunnen overtreffen, zoals gezichtsherkenningssoftware die een persoon in een menigte sneller kan identificeren dan het menselijk oog. Deze focus maakt het mogelijk om zeer bedreven te worden in het gekozen gebied, maar betekent ook dat het geen flexibiliteit heeft buiten dat domein.
De definitie van artificial narrow intelligence komt altijd terug op dit idee van specialisatie. Het komt neer op een expert op één gebied, maar daarbuiten niet erg bruikbaar.
Regelgebaseerd leren
De meeste AI-systemen leren door strikte regels te volgen of grote verzamelingen gegevens te analyseren. Ze "denken" niet creatief en maken geen logische sprongen. In plaats daarvan verwerken ze informatie op basis van wat ze geprogrammeerd zijn om te herkennen.
Een spamfilter leert bijvoorbeeld van duizenden voorbeelden van junkmail en past die lessen vervolgens toe op nieuwe berichten. Op dezelfde manier bestudeert een aanbevelingsmachine op een streamingplatform je kijkgeschiedenis om suggesties te doen voor wat je de volgende keer misschien leuk vindt. Dit maakt ze betrouwbaar, maar ook voorspelbaar: als de patronen te veel veranderen, heeft de AI vaak moeite om zich aan te passen.
Gebrek aan bewustzijn
Artificial narrow intelligence heeft geen bewustzijn of emoties. Het begrijpt de betekenis niet achter de taken die het uitvoert. Als een virtuele assistent je vraag beantwoordt, denkt hij niet na over je gevoelens of bedoelingen.
Het koppelt gewoon jouw woorden aan vooraf ingestelde reacties of zoekt naar informatie in zijn database. Zelfs geavanceerde systemen die een gesprek nabootsen of creatieve output genereren zijn zich niet "bewust" van wat ze produceren. Ze werken zonder zelfreflectie of echt begrip, hoe menselijk ze ook lijken.
Afhankelijkheid van gegevens
Deze systemen zijn sterk afhankelijk van de kwaliteit en kwantiteit van de gegevens die ze ontvangen. Als je ze slechte gegevens geeft, dalen hun prestaties. Als je ze veel goede voorbeelden geeft, worden ze beter. Deze afhankelijkheid is zowel een kracht als een beperking, die bepaalt hoe effectief kunstmatige smalle intelligentie kan zijn in echte toepassingen.
Medische beeldherkenningstools die getraind zijn op diverse scans van hoge kwaliteit kunnen bijvoorbeeld tumoren met opmerkelijke nauwkeurigheid detecteren, maar als ze getraind zijn op bevooroordeelde of onvolledige datasets, kunnen ze kritieke details missen.
