Kunstmatige intelligentie lijkt tegenwoordig steeds slimmer te worden. AI schrijft teksten, maakt afbeeldingen, vertaalt talen, helpt artsen bij diagnoses en verslaat zelfs de beste menselijke spelers in complexe spellen. Daardoor ontstaat gemakkelijk de indruk dat AI uiteindelijk alles zal kunnen.
Nieuw wetenschappelijk onderzoek laat echter zien dat dit niet het geval is. Wiskundigen hebben aangetoond dat er fundamentele grenzen bestaan aan wat kunstmatige intelligentie kan leren. Het gaat daarbij niet om een gebrek aan rekenkracht, te weinig trainingsdata of een nog niet slim genoeg AI-model. Sommige problemen zijn volgens de wiskunde eenvoudigweg niet door AI op te lossen.
Niet alles is te leren
Vrijwel alle moderne AI-systemen werken volgens hetzelfde principe: ze leren patronen uit enorme hoeveelheden voorbeelden. Hoe meer gegevens beschikbaar zijn, hoe beter de AI meestal presteert.
De onderzoekers laten nu zien dat er een categorie problemen bestaat waarvoor die aanpak nooit voldoende zal zijn. Zelfs als een AI-model oneindig veel voorbeelden krijgt en over onbeperkte rekenkracht beschikt, kan het sommige verbanden niet betrouwbaar leren herkennen of voorspellen.
Dat betekent dat er grenzen zijn aan wat machine learning kan bereiken. Die grenzen zijn niet afhankelijk van een specifiek AI-model zoals ChatGPT, Gemini of Claude, maar vloeien voort uit de onderliggende wiskunde.
Wat betekent dit in de praktijk?
* AI zal nooit álles kunnen leren.
* Meer data is niet altijd de oplossing.
* Grotere AI-modellen lossen dit probleem niet op.
* Voor sommige taken blijven menselijke kennis, expliciete regels of aanvullende informatie noodzakelijk.
Dat klinkt misschien teleurstellend, maar het onderzoek heeft juist ook een positieve kant. Dezelfde wiskunde laat namelijk zien welke soorten problemen AI wél uitstekend kan leren. Denk aan:
* beeldherkenning;
* spraakherkenning;
* taalmodellen;
* patroonherkenning in grote datasets;
* voorspellingen op basis van veel voorbeelden.
Voor dat soort toepassingen blijft AI zich razendsnel ontwikkelen.
Meer data is niet altijd de oplossing
Wanneer een AI-systeem fouten maakt, wordt vaak gedacht dat het model simpelweg meer gegevens nodig heeft. Dat is lang niet altijd waar.
Bij sommige vraagstukken helpt extra data namelijk helemaal niet. Ook een groter taalmodel of krachtigere computer verandert daar niets aan. De beperkingen zitten niet in de technologie, maar in de aard van het probleem zelf.
Voor onderzoekers is dat een belangrijke ontdekking. Het voorkomt dat er jarenlang tijd en geld wordt gestoken in problemen die theoretisch niet door AI zijn op te lossen.
AI blijft indrukwekkend
Dat betekent overigens niet dat AI minder belangrijk wordt. Integendeel. Voor veel toepassingen blijft kunstmatige intelligentie uitzonderlijk goed presteren. Denk aan beeldherkenning, spraakherkenning, automatische vertalingen, medische beeldanalyse, het herkennen van patronen in grote datasets en het ondersteunen van softwareontwikkeling.
Ook taalmodellen zoals ChatGPT blijven zich in hoog tempo ontwikkelen en worden steeds beter in het ondersteunen van mensen bij dagelijkse werkzaamheden. Het nieuwe onderzoek laat vooral zien dat AI, hoe indrukwekkend ook, geen wondermiddel is dat elk denkbaar probleem kan oplossen.
Wat betekent dit voor HCC-leden?
Voor iedereen die AI gebruikt of ermee experimenteert, is dit een waardevolle les. AI is een krachtig hulpmiddel, maar geen alwetende machine. Er zullen altijd situaties blijven waarin menselijke kennis, ervaring, gezond verstand of expliciete regels noodzakelijk zijn. Juist daarom is het belangrijk om de uitkomsten van AI kritisch te blijven beoordelen en niet blind op de technologie te vertrouwen.
De onderzoekers geven ontwikkelaars bovendien een belangrijk hulpmiddel in handen. Door beter te begrijpen welke problemen wél en niet geschikt zijn voor AI, kunnen nieuwe systemen slimmer worden ontworpen en efficiënter worden ingezet.
Standpunt van HCC
HCC ziet kunstmatige intelligentie als een van de belangrijkste technologische ontwikkelingen van deze tijd. AI biedt enorme kansen voor consumenten, bedrijven en hobbyisten, maar het is minstens zo belangrijk om de mogelijkheden én de beperkingen ervan te begrijpen. Dit onderzoek onderstreept dat AI geen magische oplossing is voor ieder vraagstuk. Juist kennis van de achterliggende techniek helpt gebruikers om AI verantwoord, kritisch en effectief toe te passen.
Voor HCC is dat precies waar digitale geletterdheid om draait: niet alleen weten wat AI kan, maar ook begrijpen waar de grenzen liggen. Wie die grenzen kent, haalt uiteindelijk het meeste uit deze veelbelovende technologie.
