AI beheerst de menselijke taal niet

Ter verduidelijking nemen we het voorbeeld van het herkennen van een hond op een afbeelding. Een neuraal netwerk analyseert als eerste enkele verschillende eenvoudige kenmerken van hetgeen dat wordt waargenomen op de afbeelding, zoals de contourlijnen en het kleurverloop. Vervolgens worden de wat complexere kenmerken geanalyseerd, zoals vacht, ogen, oren, snuit en poten. Daaropvolgend wordt er een verband gelegd tussen hetgeen het netwerk waarneemt en de tijdens de training geleerde definities van verschillende dieren met een soortgelijke bouw (vier poten, snuit, staart, enz.) Als laatste wordt er door middel van een kansberekening de meest waarschijnlijke waarneming benoemd, in dit geval een hond.

Op deze manier is een neuraal netwerk na veel training met een gigantische hoeveelheid data in staat om informatie te analyseren en te verwerken tot voor een mens herkenbare objecten. Zo kan een netwerk bijvoorbeeld het verschil herkennen tussen afbeeldingen, spraak of tekst. Het herkennen is hierbij niet te vergelijken met de werking van het menselijk brein. Het netwerk herkent patronen in data en herleidt dat, in het voorbeeld van de hond, naar de honderdduizenden gelabelde afbeeldingen van honden die tijdens de training zijn ingebracht. Door de in de training ingebrachte menselijke taalpatronen kan het neuraal netwerk zich vervolgens ook uiten in taal, waardoor een dialoog met de mens mogelijk wordt.

Een specifieke toepassing van een neuraal netwerk is het Large Language Model (LLM). Een LLM is gespecialiseerd in taal en wordt getraind met data van biljoenen zinnen. Door het gebruik van al deze data leert een dergelijk model voorspellen welk woord logisch volgt op een reeks woorden. Ook hier vormt de grondslag voor de werking een wiskundig proces, gebaseerd op zogeheten ‘vectorrepresentaties’. Een vectorrepresentatie vertaalt woorden, zinnen of objecten uit de menselijke taal naar getallenreeksen. Op basis van de statistische samenhang tussen deze reeksen, leert kunstmatige intelligentie hiermee te opereren. Op die manier kan een LLM verbanden leggen tussen woorden (bijvoorbeeld arts – ziekenhuis – klant – bestelling) zonder ooit expliciet te leren dat het ene woord een specifieke rol speelt binnen de context van de andere woorden.

Het bekendste voorbeeld van een LLM is GPT-4, dat onder meer wordt toegepast in generatieve AI-oplossingen als ChatGPT, Microsoft Copilot (in Word, Excel) en Bing Chat. Wanneer we gebruikmaken van dergelijke oplossingen, lijkt het alsof het model onze taal beheerst en ons begrijpt op de vertrouwde menselijke manier. In werkelijkheid is dat natuurlijk niet zo. Voordat deze modellen met menselijke taal kunnen werken, moet die taal eerst worden omgezet naar een serie wiskundige berekeningen.

Met de bovenstaande uitleg van de werking van NLP, neurale netwerken en LLM, kunnen we op zijn minst concluderen dat de communicatie tussen de mens en kunstmatige intelligentie nogal wat voeten in aarde heeft. Deze vormen van kunstmatige intelligentie zijn alleen in staat om op een menselijke manier te communiceren wanneer ze kunnen terugvallen op de statische data die hen is aangereikt tijdens hun uitgebreide trainingsperiode.

Het besef van de wijze waarop AI middels achterliggende wiskundige processen communiceert, moet tot de constatering leiden dat het belangrijkste aspect van de menselijke communicatie daarin volkomen afwezig is, namelijk de semantische samenhang. Semantiek in mensentaal gaat over het begrijpen van de bedoeling achter woorden. Het is het op waarde schatten van wat woorden, zinnen en uitdrukkingen betekenen en hoe mensen die betekenis in een bepaalde context begrijpen.

Het is juist de semantiek die de menselijke taal en de manier waarop we met elkaar communiceren zo uniek maakt. Bij een mens verloopt deze semantische benadering via taal natuurlijk en intuïtief. Mensen geven betekenis aan de wereld om hen heen gebaseerd op context, cultuur en persoonlijke ervaring. Mensen begrijpen elkaar niet alleen via woorden, maar ook via een combinatie van woordbetekenis, zinsstructuur, hun persoonlijke algemene ontwikkeling en natuurlijk de taal van het lichaam. Dit maakt dat mensen in staat zijn om nuances te begrijpen, ironie te herkennen en woordgrappen te snappen. Door de louter wiskundige benadering mist AI dit vermogen. Zonder deze semantische samenhang kan er dan ook nooit sprake zijn van een werkelijke beheersing van de menselijke taal.