Jeroen van den Berg
De afgelopen twee jaar zijn de verwachtingen rond dergelijke AGI uitzonderlijk hoog opgelopen. In de Verenigde Staten is hierdoor een ware investeringsgolf ontstaan, waarbij technologiebedrijven, financiële instellingen en overheden miljarden dollars steken in datacenters, rekenkracht en halfgeleiderproductie. Alleen al in 2025 is er ruim $ 750 miljard geïnvesteerd in infrastructuren voor kunstmatige intelligentie, en er zijn plannen om dat bedrag in de jaren tot 2029 zelfs te verviervoudigen. De Amerikaanse chipfabrikant Nvidia, gespecialiseerd in grafische verwerkingseenheden (GPU’s) die gebruikt worden om AI-modellen te trainen, is uitgegroeid tot een van de meest waardevolle beursgenoteerde bedrijven ter wereld. Ook bedrijven als Microsoft, Amazon en Oracle besteden samen honderden miljarden aan de bouw van nieuwe serverparken om de verwachte vraag naar rekenkracht op te vangen.
De resultaten van deze enorme investeringsgolf vertonen echter tot nu toe weinig overeenstemming met de verwachtingen. Veel toepassingen van generatieve AI, systemen die tekst, beeld of code kunnen produceren op basis van voorbeelden, blijken in de praktijk veel minder nuttig dan gedacht. Bedrijven die er hun werkprocessen mee wilden versnellen, constateren dat de beloofde productiviteitswinst grotendeels uitblijft. Uit grootschalig onderzoek in Denemarken onder duizenden ondernemingen blijkt dat de overgrote meerderheid van de proefprojecten met generatieve AI mislukken. Er is hier geen enkele merkbare stijging van omzet of efficiëntie. De meeste gebruikers besteden uiteindelijk juist meer tijd aan het controleren en corrigeren van de AI-resultaten dan aan het eigenlijke werk. Zelfs programmeurs, die als eersten zouden verdwijnen, bleken volgens onderzoek van OpenAI juist trager te werken met AI-hulp. Ze hadden 20% meer tijd nodig, vooral door het controleren van foutieve programmacode. De reden daarvoor is niet eenvoudig, maar hangt samen met de manier waarop de huidige generatie taalmodellen is opgebouwd. Deze systemen, bekend als Large Language Models (LLM’s), genereren tekst door te voorspellen welk woord waarschijnlijk volgt op een ander, op basis van enorme hoeveelheden voorbeeldmateriaal. Ze zijn buitengewoon goed in het nabootsen van menselijke taal, maar ze beschikken vanzelfsprekend niet over een echt begrip van de wereld waarover ze spreken. Dat betekent dat ze regelmatig antwoorden geven die overtuigend klinken maar feitelijk onjuist zijn. Zulke fouten worden hallucinaties genoemd, het is een term die inmiddels een centrale metafoor is geworden voor de toestand van de gehele AI-industrie.
Ondanks steeds grotere modellen, krachtiger chips en complexere trainingsmethoden, blijft een fundamenteel probleem bestaan. Ze kunnen niet zelfstandig afleiden wat werkelijk waar is, of welke verbanden oorzakelijk zijn. Onderzoek laat zien dat taalmodellen wel patronen herkennen, maar geen algemene principes ontdekken. Zelfs wanneer ze getraind worden op alle bekende natuurkundige formules, blijken ze niet in staat de onderliggende wetmatigheden af te leiden. Ze voorspellen juist dat wat statistisch waarschijnlijk lijkt, ook al is het niet logisch. Deze technische beperkingen beginnen zich nu te vertalen in economische twijfel. De waarde van veel technologiebedrijven is juist gebaseerd op de verwachting dat AI een revolutie in productiviteit en winstgevendheid teweeg zal brengen. Maar die winst blijft uit, terwijl de kosten exponentieel stijgen. Bedrijven als Oracle, die miljarden investeren in clouddiensten voor AI-bedrijven, lopen hierdoor het risico met enorme overcapaciteit te blijven zitten als de vraag niet groeit zoals voorspeld. Nvidia verkoopt zijn chips niet alleen aan grote technologiebedrijven, maar ook aan zogenoemde ‘neocloud’-ondernemingen. Dit zijn gespecialiseerde bedrijven die zich volledig richten op het leveren van rekenkracht voor AI-toepassingen en hun investeringen financieren met leningen van Wall Street. Deze leningen zijn vaak gedekt met dezelfde datacenters waarin de chips worden geplaatst. Dit is een structuur die doet denken aan de financiële producten die in 2008 bijdroegen aan de kredietcrisis.
De huidige waarderingen van AI-gerelateerde aandelen herinneren ook sterk aan de internetzeepbel van eind jaren negentig. Destijds steeg de Nasdaq-index met tientallen procenten per jaar, aangedreven door het geloof dat elk bedrijf met een internetstrategie de toekomst in handen had. Vandaag herhaalt dat patroon zich met kunstmatige intelligentie. De koersen van de grootste technologiebedrijven, vaak aangeduid als de Magnificent Seven, zijn de afgelopen twee jaar gemiddeld verdubbeld, terwijl de rest van de markt nauwelijks meegroeit, dit is veelzeggend. De winsten die uit AI voortkomen blijven marginaal vergeleken met de bedragen die worden geïnvesteerd, dit is op termijn niet houdbaar.
Ook op maatschappelijk niveau beginnen de grenzen zichtbaar te worden. Generatieve AI-systemen blijken niet alleen onnauwkeurig, maar ook bevooroordeeld. Omdat ze leren van bestaande data, reproduceren ze zonder meer raciale, politieke of culturele vooroordelen. Ze kunnen bovendien geloofwaardige onwaarheden produceren en verspreiden, waardoor ze een bron van misinformatie worden. Recente studies tonen aan dat chatbots bij vragen over controversiële onderwerpen in meer dan een derde van de gevallen onjuiste informatie verspreiden, een verdubbeling ten opzichte van een jaar eerder. Tegelijkertijd ontstaan er zorgen over de psychologische effecten van langdurige interactie met zulke systemen. Gebruikers ontwikkelen soms afhankelijkheid van hun virtuele gesprekspartners die empathie nabootsen, maar niet echt begrijpen. Terwijl de praktische waarde van AI beperkt blijkt, blijft de symbolische lading enorm.
In de Verenigde Staten is de ontwikkeling van kunstmatige intelligentie uitgegroeid tot een strategisch doel op zich. Zowel politiek links als rechts beschouwt technologische dominantie als een vorm van nationale veiligheid. Wie als eerste een werkende AGI weet te bouwen, zo luidt de gedachte, zou een beslissend voordeel behalen op het wereldtoneel, vooral ten opzichte van China. Daarom wordt de wedloop om rekenkracht vaak gerechtvaardigd met verwijzingen naar geopolitieke concurrentie. Maar de focus op een hypothetische superintelligentie betekent ook dat middelen en aandacht weglekken van meer haalbare en nuttige toepassingen. Het gevolg is dat de Amerikaanse economie steeds afhankelijker wordt van een klein aantal bedrijven en investeringsfondsen die de belofte van AI blijven voeden, terwijl de daadwerkelijke opbrengsten achterblijven.
De groei van 2025 is grotendeels te danken aan kapitaaluitgaven voor datacenters, een vorm van economische activiteit die de productie stimuleert, maar geen duurzame waarde creëert zolang de gegenereerde ‘intelligentie’ niet werkelijk rendeert in praktisch nut. De situatie doet denken aan een luchtbel die gevuld is met rekenkracht, vertrouwen en speculatie, maar nauwelijks met tastbare resultaten. Wanneer de verwachting van snelle doorbraken uitblijft, zal deze bubbel onvermijdelijk leeglopen. De geschiedenis van de technologie laat zien dat periodes van euforie altijd gevolgd worden door correctie. De spoorwegmanie van de negentiende eeuw, de elektrificatiebubbel aan het begin van de twintigste eeuw en de internetzeepbel rond 2000 kenden allemaal hetzelfde patroon: een overvloed aan kapitaal, een schaarste aan winst en uiteindelijk een scherpe terugval. Wat daarna overbleef, waren wel degelijk nuttige innovaties, maar veel kleiner, trager en minder revolutionair dan hun voorstanders hadden voorspeld. Dit lijkt ook met kunstmatige intelligentie te gaan gebeuren. De technologie blijft bestaan en zal op bepaalde terreinen waardevol blijken, bijvoorbeeld in onderzoek, onderwijs en data-analyse. Maar de huidige verwachting van een alles veranderende superintelligentie is op termijn niet houdbaar. Naarmate duidelijk wordt dat AGI geen tastbaar doel is, maar eerder een abstract ideaal, zullen investeerders hun geld terugtrekken en bedrijven hun uitgaven beperken. Wat dan overblijft is een nuchterder beeld van wat kunstmatige intelligentie werkelijk is, namelijk een statistisch instrument dat patronen herkent en geen geest die werkelijk denkt.
De AI bubbel weerspiegelt het verlangen naar een technologie die de complexiteit van de wereld kan reduceren tot een berekening. Wanneer die belofte niet wordt ingelost, volgt onvermijdelijk de teleurstelling. Uiteindelijk zal blijken dat niet de machines, maar de mens zelf heeft gehallucineerd en verblind was door de waandenkbeelden dat intelligentie kon worden gekocht, opgeschaald en verhandeld als ieder andere grondstof. Zodra de verwachtingen botsen met de werkelijkheid van trage productiviteitsgroei, hoge energiekosten en verzadigde markten, zal de glans verdwijnen. Wat overblijft is niet het einde van deze technologie, maar het einde van een illusie over wat het voor ons kan betekenen.
– einde artikel –
Je las een Premium artikel uit Gezond Verstand
Volg ons op social media
Kijk en beluister Gezond Verstand via
Gerelateerde berichten
