Wat als de president AI om advies vraagt?

Donald Trump raadpleegde Grok bij een politieke kwestie. Maar waarom zou een president AI niet als adviseur mogen gebruiken? De relevante vragen gaan niet over het enkele gebruik van AI, maar over verantwoordelijkheid, transparantie, kwaliteit van advies en vooral de inhoud van de uiteindelijke beslissing.

Leo Hohmann opent zijn jongste artikel met een ferme conclusie: zijn ergste vermoedens zijn bevestigd. Donald Trump heeft AI geraadpleegd voordat hij een belangrijke politieke beslissing nam. De aanleiding is berichtgeving dat Trump in december 2025 Grok, de chatbot van Elon Musks xAI, vragen stelde over Venezuela en over de mogelijke reactie van Venezolanen op de gevangenneming van Nicolás Maduro. Het OECD AI Incidents Monitor heeft die gebeurtenis inmiddels als AI-incident opgenomen, omdat Grok onderdeel was van het besluitvormingsproces voorafgaand aan de latere Amerikaanse militaire operatie. Tegelijk is daarmee nog niet aangetoond dat Grok die operatie rechtstreeks heeft bepaald. OECD AI

Daarmee ligt een interessante vraag op tafel, maar Hohmann laat die niet lang rustig liggen. Uit het feit dat Trump Grok heeft geraadpleegd, leidt hij af dat de president inmiddels ten minste gedeeltelijk afhankelijk zou zijn van AI bij de uitoefening van zijn ambt. Hij wijst op het bekende verschijnsel van sycophancy, waarbij taalmodellen geneigd kunnen zijn gebruikers te bevestigen, en suggereert vervolgens dat Elon Musk via Grok invloed op Trump zou kunnen uitoefenen. Vandaar is de stap naar verlies van autonomie, technocratische beïnvloeding en uiteindelijk zelfs een spirituele vergelijking met verleiding niet groot meer.

Maar misschien moeten we eerst een veel eenvoudiger vraag stellen.

Waarom zou een president AI niet mogen raadplegen?

AI is beschikbaar. Miljoenen mensen gebruiken het inmiddels als informatiebron, sparringpartner, tekstanalist, programmeerhulp of adviseur. Waarom zou de president van de Verenigde Staten dat niet mogen?

Een president raadpleegt voortdurend anderen: ministers, generaals, juristen, diplomaten, economen, partijgenoten, zakenmensen, vrienden en vermoedelijk zo nu en dan iemand zonder officiële adviesfunctie. Hij kan desnoods aan de schoonmaker van zijn kantoor vragen wat die van een voorgenomen besluit vindt. Dat maakt die schoonmaker nog niet tot president. Hetzelfde geldt voor Grok.

De relevante vraag is daarom niet of een beslisser AI heeft geraadpleegd, maar welke betekenis hij aan dat advies heeft toegekend. Heeft hij één antwoord kritiekloos gevolgd? Heeft hij verschillende bronnen vergeleken? Heeft hij het antwoord laten controleren? Ging het om een verkennende vraag of vormde de respons een zwaarwegend onderdeel van zijn besluitvorming? Pas daar begint een serieuze discussie over verantwoord bestuur. Het enkele feit dat AI ergens in het proces is geraadpleegd, zegt nog maar weinig.

Wie vindt dat een president AI niet zomaar als adviseur zou mogen gebruiken, krijgt bovendien onmiddellijk met een volgende vraag te maken: moet daar dan toestemming voor nodig zijn? En van wie? Moet er een waakhond komen die bepaalt welke AI-systemen een president, minister, arts, ondernemer of gewone burger wel en niet mag raadplegen? Op basis van welke criteria? Betrouwbaarheid, trainingsdata, politieke neutraliteit, eigendom, herkomst, foutkans?

En wie bepaalt vervolgens welke waarden in die criteria worden ingebouwd?

Dan verschuift het probleem nogal drastisch. Uit angst dat AI te veel invloed op menselijke beslissingen krijgt, creëren we mogelijk een menselijke instantie die vooraf bepaalt welke informatiebronnen andere mensen wel of niet mogen gebruiken. Dat is zelf een vorm van macht. Zo’n toezichthouder bepaalt niet alleen welke systemen technisch verantwoord zijn, maar kan in de praktijk ook gaan bepalen welke bronnen als legitiem, betrouwbaar of toegestaan gelden.

In specifieke omgevingen — nucleaire commandovoering, medische systemen, geclassificeerde militaire toepassingen — kunnen bijzondere beperkingen heel goed te verdedigen zijn. Maar dan moet worden uitgelegd welk concreet risico ermee wordt beheerst en waarom bestaande verantwoordelijkheidsregels daarvoor onvoldoende zijn. Anders ontstaat de vreemde situatie dat wij de menselijke autonomie tegen AI willen beschermen door andere mensen meer zeggenschap te geven over wat iemand mag raadplegen.

Dan wordt de oude vraag weer actueel: wie bewaakt de waakhond?

De adviseur adviseert, de beslisser beslist

Daarbij blijft iets overeind dat in veel AI-discussies gemakkelijk uit beeld verdwijnt: een adviseur beslist niet. De beslisser beslist.

Dat geldt ook wanneer een advies onvolledig, gekleurd of ronduit slecht is. Een minister kan een verkeerd juridisch advies volgen, een directeur kan zich laten meeslepen door een consultant, een generaal kan een ondeugdelijke analyse overnemen en een president kan luisteren naar iemand die vooral vertelt wat hij graag hoort. In geen van die gevallen verdwijnt de verantwoordelijkheid van degene die bevoegd was het besluit te nemen.

We kunnen de kwaliteit of de intenties van de adviseur onderzoeken, maar de beslisser blijft verantwoordelijk voor de wijze waarop hij zijn informatie verzamelt, weegt en gebruikt.

Waarom zouden we bij AI ineens een andere regel invoeren?

Dat brengt ook de roep om transparantie in een ander licht. Misschien vinden we dat een bestuurder moet melden wanneer AI een belangrijke rol speelde bij een besluit. Daar kunnen redenen voor bestaan, maar ook dan moeten we uitleggen waarom dat voor AI anders zou gelden dan voor andere adviseurs. Willen we voortaan bij ieder politiek besluit een lijst zien van alle ambtenaren, deskundigen, lobbyisten, partijgenoten en vrienden die iets hebben ingebracht? Moeten ook hun adviezen integraal openbaar?

In formele procedures bestaan natuurlijk verantwoordings- en openbaarheidsregels, en die kunnen zonder bezwaar ook op AI worden toegepast. Maar dan hoort het criterium de rol in het besluitvormingsproces te zijn, niet het enkele feit dat de adviseur geen mens is. Een ‘echt’ mens!

Uiteindelijk telt de beslissing

Daar hoort nog een onderscheid bij dat volgens mij veel te weinig wordt gemaakt. Zodra de beslissing eenmaal genomen is, moet in de eerste plaats de inhoud van die beslissing worden beoordeeld.

Is zij verstandig? Rechtmatig? Effectief? Goed onderbouwd? Zijn de verwachte gevolgen aanvaardbaar? Daarover moet het politieke of maatschappelijke debat gaan.

Een slechte beslissing wordt niet goed omdat zij uitsluitend na overleg met briljante menselijke deskundigen tot stand kwam. En een goede beslissing wordt niet slecht omdat een taalmodel ergens in het denkproces een bruikbare suggestie heeft geleverd.

De ontstaansgeschiedenis van een besluit kan relevant zijn wanneer wij verantwoordelijkheid, belangenverstrengeling, procedurele fouten of misleiding onderzoeken. Maar voor de inhoudelijke beoordeling van het besluit zelf is de vraag hoe het idee precies in het hoofd van de beslisser terechtkwam niet beslissend. Een argument wordt niet waar omdat een mens het bedacht heeft, en niet onwaar omdat Grok het formuleerde.

Dat lijkt een open deur, maar bij AI wordt die deur merkwaardig vaak dichtgedaan. Zodra bekend wordt dat AI bij een beslissing betrokken was, dreigt de discussie te verschuiven van wat is er besloten en is dat verdedigbaar? naar o jee, AI heeft meegedacht.

Daarmee kan de technologie juist afleiden van waar het werkelijk om gaat: de inhoud en de verantwoordelijkheid van de menselijke actor die de beslissing heeft genomen.

AI kan mensen naar de mond praten. Mensen trouwens ook

Hohmann heeft wel degelijk een punt wanneer hij wijst op sycophancy. Onderzoek laat zien dat taalmodellen gebruikers soms te gemakkelijk bevestigen. In een Stanford-studie onderschreven onderzochte modellen de positie van gebruikers in persoonlijke adviessituaties vaker dan menselijke respondenten, ook wanneer het beschreven gedrag problematisch was. Gebruikers bleken zulke bevestigende modellen bovendien vaak prettig en betrouwbaar te vinden.

Dat verdient aandacht. Maar ook hier ligt een dubbele maatstaf op de loer.

Menselijke adviseurs praten machthebbers nooit naar de mond? Iedereen die enige tijd in een organisatie heeft rondgelopen weet beter. Een menselijke adviseur kan zijn carrière willen beschermen, loyaal zijn aan zijn baas, groepsdenken vertonen, dezelfde politieke voorkeuren hebben of eenvoudig ontdekken dat voortdurende tegenspraak zijn positie niet bevordert. Vleierij is geen uitvinding van kunstmatige intelligentie.

Bovendien blijkt uit onderzoek dat de effecten van sycophancy niet eens zo eenvoudig zijn als “AI bevestigt mensen en maakt hen radicaler”. In experimenteel economisch onderzoek bleek AI wel meetbaar meegaand, maar bewogen gebruikers gemiddeld juist enigszins van hun aanvankelijke voorkeuren af; hogere sycophancy verminderde dat effect. Ook hier geldt dus: niet het etiket, maar het concrete gedrag en de gevolgen moeten worden onderzocht.

Geen klein adviseurtje in de machine

Er komt nog iets fundamentelers bij. Een taalmodel geeft niet van nature onafhankelijke, ware of bewust misleidende adviezen. Het produceert een respons op basis van zijn training, instructies, beschikbare informatie, eerdere gesprekscontext en de manier waarop de vraag wordt gesteld.

Het antwoord kan juist zijn. Het kan fout zijn. Het kan eenzijdig zijn. Het kan de gebruiker te veel bevestigen. Maar daaruit volgt niet dat er ergens in Grok een klein politiek adviseurtje zit dat denkt: Trump wil dit blijkbaar graag horen, laat ik hem eens manipuleren.

Dat antropomorfe beeld maakt het verhaal spannender, maar analytisch niet noodzakelijk beter.

Tegelijk heeft AI eigenschappen die een menselijke adviseur eenvoudig niet heeft. Een taalmodel kan in zeer korte tijd informatie en patronen verwerken uit hoeveelheden tekst die geen enkel individu ooit volledig kan lezen of onthouden. Dat maakt het antwoord niet automatisch juist en zeker niet onafhankelijk van de gegevens en instructies waarop het gebaseerd is. Maar het maakt AI evenmin bij voorbaat tot een inferieure adviseur.

De relevante vraag blijft telkens dezelfde: hoe goed is dit advies voor deze taak?

Hoe betrouwbaar is het? Welke onzekerheid bestaat er? Welke andere bronnen moeten ernaast worden gelegd? Kan de redenering gecontroleerd worden? Is het systeem gevoelig voor de formulering van de vraag? En weet de beslisser voldoende van die beperkingen om het antwoord verstandig te gebruiken?

Meet mens en machine met dezelfde maatstaf

Misschien is daarom een eenvoudige symmetrieregel voldoende: beoordeel AI-advies zoveel mogelijk volgens dezelfde relevante criteria als menselijk advies.

Hoe deskundig is de bron? Hoe betrouwbaar? Welke vertekeningen kunnen een rol spelen? Hoe onafhankelijk is het advies? Hoe controleerbaar? Hoe bruikbaar binnen deze specifieke beslissing?

Soms zal AI slecht uit die vergelijking komen. Soms een menselijke adviseur. Misschien soms zelfs de schoonmaker.

Maar het criterium kan niet eenvoudig zijn: er was AI bij betrokken, dus er is iets verdachts gebeurd.

Dat is uiteindelijk wat mij aan Hohmanns artikel het meest opvalt. Hij begint met een werkelijk interessante kwestie: een president gebruikt een nieuwe informatiebron bij een belangrijke politieke vraag. Dat roept legitieme vragen op over betrouwbaarheid, controle, transparantie en verantwoordelijkheid. Maar vervolgens verschuift de aandacht steeds verder van de menselijke beslisser naar het instrument. Grok wordt bijna een verleider, Musk verschijnt als mogelijke manipulator, AI wordt een bron van afhankelijkheid en uiteindelijk krijgt het verhaal zelfs een spirituele dimensie.

Misschien is het allemaal eenvoudiger. AI kan een slechte adviseur zijn. Een mens kan dat ook. AI kan iemand bevestigen in zijn vooroordelen. Mensen kunnen dat al eeuwen. Een beslisser kan een advies kritiekloos volgen, maar dat is uiteindelijk vooral een probleem van de beslisser.

Van wie macht bezit, verwacht je dat men bronnen weegt, onzekerheiden herkent en verantwoordelijkheid voor zijn keuzes draagt. De belangrijkste vraag is daarom niet of presidenten AI mogen raadplegen. Die ontwikkeling is onvermijdelijk. De interessantere vraag is hoe goed onze beslissers in staat zijn hun adviseurs te gebruiken — menselijke én kunstmatige.

En zodra zij een besluit hebben genomen, moet vooral dát besluit zelf worden beoordeeld. Want wie uiteindelijk beslist, kan zich niet achter Grok, een generaal, een jurist, een consultant of de schoonmaker verschuilen.

De adviseur adviseert. De beslisser beslist. De beslissing wordt beoordeeld. En de beslisser blijft verantwoordelijk.

Als kunstmatige intelligentie ineens Super Intelligence wordt

Donald Trump wil Artificial Intelligence liever Super Intelligence noemen. Leo Hohmann leest daarin vervolgens een bijna bovenmenselijke macht. Beiden kijken daarmee misschien langs AI heen. Dit artikel pleit voor een eenvoudiger benadering: kijk naar wat AI feitelijk kan, wie die mogelijkheden gebruikt en welke nieuwe handelingsmogelijkheden daardoor ontstaan.

Donald Trump heeft besloten dat Artificial Intelligence voortaan beter Super Intelligence kan heten. Tijdens zijn rede voor de Algemene Vergadering van de Verenigde Naties legde hij uit waarom. Het woord artificial zou intelligentie volgens hem “fake” laten klinken, terwijl AI juist verbazingwekkend echt en belangrijk is. Daarom kondigde hij aan dat Amerikaanse overheidsdocumenten voortaan van Superintelligence, kortweg SI, zouden spreken. Vervolgens koppelde hij dat aan een geopolitieke wedstrijd: wie AI — of voortaan SI — wint, “wins”. De Verenigde Staten moeten daarin voor China blijven en de ontwikkeling vooral niet verstikken.

Daar gaat taalkundig al iets merkwaardigs mis.

Artificial betekent bij kunstmatige intelligentie niet vals, nep of onecht. Het zegt iets over de oorsprong ervan: deze vorm van intelligent gedrag wordt kunstmatig voortgebracht. Kunstlicht is ook geen namaaklicht en een kunsthart pompt geen nep-bloed omdat het niet in een baarmoeder is gegroeid.

Door artificial te vervangen door super verandert Trump bovendien ongemerkt van categorie. Artificial zegt iets over de wijze waarop iets tot stand komt; super zegt iets over de veronderstelde kwaliteit of omvang ervan. In de bestaande AI-terminologie heeft superintelligence bovendien al een specifieke betekenis: het verwijst doorgaans naar hypothetische systemen waarvan de cognitieve vermogens die van mensen zeer breed zouden overtreffen. Dat is iets anders dan de verzamelnaam voor de huidige AI-technologie. Ook deskundigen die hierover door de BBC werden geraadpleegd wezen erop dat Trumps nieuwe naam daarom waarschijnlijk niet vanzelf in de vakwereld zal worden overgenomen.

Maar toen ik vervolgens de reactie van de Amerikaanse schrijver Leo Hohmann las, werd het pas echt interessant.

Hohmann is bepaald geen bewonderaar van Trump. In zijn artikel “WARNING: Did Trump just tip his hand as to who he considers to be his god?” vat hij Trumps uitspraken over AI samen en vraagt vervolgens wat Trump eigenlijk bedoelt met het “winnen” van de AI-race. Gaat het om economische macht? Militaire superioriteit? Wereldwijde politieke dominantie? Trump preciseert dat inderdaad niet. Hohmann redeneert vervolgens verder: als Amerika AI wint, zou het die technologische voorsprong volgens hem kunnen gebruiken om andere landen te onderwerpen. Hij plaatst de uitspraak daarmee in zijn veel bredere kritiek op Amerikaanse militaire en economische macht.

Tot zover kun je zijn vragen onderzoeken. Wat bedoelt een politicus precies wanneer hij zegt dat een land AI moet “winnen”? Welke technologie moet dan gewonnen worden, tegen wie, en wanneer is de overwinning bereikt? Dat zijn redelijke vragen bij een nogal ruime politieke metafoor. Maar vervolgens gebeurt bij Hohmann iets dat minstens zo interessant is als bij Trump.

Uit Trumps keuze voor het woord super concludeert hij dat Trump AI blijkbaar ziet als een intelligentie die niet meer werkelijk kunstmatig en door mensen gemaakt is, maar als iets hogers en superieurs. Vervolgens schrijft hij dat Trump AI “god-like powers” zou toekennen en misschien verwacht dat die technologie hem bijna bovennatuurlijke macht over zijn tegenstanders zal verschaffen. Aan het einde wordt die interpretatie opgenomen in Hohmanns religieuze wereldbeeld: AI komt terecht tussen “false christs”, “false messiahs” en de verwachting van de wederkomst van Christus.

En dan zien we twee vrijwel tegengestelde interpretaties die op één punt verrassend veel op elkaar lijken. Trump zegt ongeveer: Artificial klinkt als nep. Deze intelligentie is echt en geweldig. Laten we haar daarom Super Intelligence noemen. Hohmann hoort vervolgens: Als Trump haar super noemt, beschouwt hij haar kennelijk als een superieure, bijna goddelijke intelligentie die hem macht over de wereld kan geven.

Beiden behandelen AI daarmee alsof intelligentie één eigenschap is waarvan een systeem simpelweg weinig, veel of heel veel kan bezitten. Maar misschien is juist dát een verkeerde bril.

Welke intelligentie?

Een taalmodel kan in enkele seconden een tekst analyseren waarvoor een mens uren nodig zou hebben en vijf minuten later een ongelooflijke fout maken in een eenvoudige feitelijke redenering. Een AI-schaakprogramma kan blijkbaar nu iedere menselijke grootmeester verslaan maar begrijpt niets van het feit dat de winnaar na afloop misschien naar huis moet om zijn kinderen van school te halen. Dat is niet noodzakelijk een paradox. Het wordt pas een paradox wanneer wij intelligentie behandelen als één algemene ‘substantie’.

AI bestaat uit systemen met bepaalde vermogens onder bepaalde omstandigheden. Sommige daarvan overtreffen menselijke prestaties spectaculair. Andere niet. En dezelfde systemen kunnen indrukwekkend presteren én ernstige fouten maken.

Daarom zegt een fout van een AI-systeem op zichzelf even weinig over “de intelligentie van AI” als een neergestort vliegtuig bewijst dat vliegtuigen niet sneller kunnen reizen dan mensen.

Hohmann voert bijvoorbeeld recente militaire incidenten aan om te laten zien dat AI helemaal niet zo “super” is. Daarbij verwijst hij onder meer naar berichtgeving over een foutief AI-gegenereerd inlichtingenrapport dat tot een riskante militaire situatie zou hebben bijgedragen. Of zo’n incident ernstig is, staat los van de veel algemenere vraag of AI “superieur” is. Het relevante probleem is daar veel concreter: welk systeem werd waarvoor gebruikt, hoe betrouwbaar was het, welke menselijke controle bestond er en welke verificatieprocedures faalden? Hohmann gebruikt zulke incidenten echter als argument tegen het veel vagere idee van een superieure intelligentie.

Daarmee doet hij vreemd genoeg precies wat hij Trump verwijt: een ingewikkelde verzameling technologieën terugbrengen tot één groot begrip. Trump maakt van AI SI. Hohmann maakt van SI vervolgens bijna een bovennatuurlijke actor.

AI zonder metafysica

Misschien is dat uiteindelijk de eenvoudigste conclusie uit de redeneringen van beide heren. Trump maakt van kunstmatige intelligentie iets wat vooral super zou zijn. Hij presenteerde AI in zijn VN-rede zelfs als Superintelligence en koppelde daar de gedachte aan dat wie AI of SI “wint”, ook de strategische wedloop wint. Hohmann leest daarin vervolgens bijna het tegenovergestelde gevaar: een bovenmenselijke, mogelijk goddelijke macht die door politieke leiders kan worden ingezet om anderen te overheersen.

Beiden maken AI daarmee groter en geheimzinniger dan aan de orde is. De een verheft haar, de ander demoniseert haar. Maar misschien moeten we juist een hele andere kant opkijken.

Niet vragen of AI echt intelligent is, of superieur, of bijna goddelijke vermogens bezit. En ook niet of zij als een zelfstandig wezen uiteindelijk goed of kwaad zal blijken te zijn. Laten we veel eenvoudiger kijken naar wat er werkelijk voor ons staat: technische systemen met bepaalde vermogens en beperkingen, die onder bepaalde omstandigheden bepaald gedrag vertonen en door mensen voor bepaalde, zeer verschillende, doelen worden gebruikt.

Dan worden ook de vragen beter. Wat kan zo’n systeem werkelijk? Waarin presteert het beter dan mensen en waarin niet? Welke fouten maakt het? Hoe betrouwbaar is het bij deze toepassing? Wie gebruikt het, voor welk doel, met welke controle en met welke gevolgen? Daarover kun je onderzoek doen, argumenteren en van mening verschillen zonder eerst te moeten besluiten wat AI in wezen is.

Daar hoort ook een andere kant van de huidige ontwikkeling bij die in veel sombere verhalen gemakkelijk uit beeld raakt. AI is een opvallende technologische revolutie, en technologische revoluties hebben vaker vermogens die aanvankelijk schaars, duur of voorbehouden aan specialisten waren binnen het bereik van veel grotere groepen mensen gebracht. De drukpers gaf veel meer mensen toegang tot teksten, de auto gaf gewone burgers een mobiliteit die vroeger ondenkbaar was en het internet maakte informatievoorziening en publicatie mogelijk zonder dat daar nog noodzakelijk een uitgever, omroep of bibliotheek tussen hoefde te staan.

AI doet iets vergelijkbaars. Een individuele burger kan inmiddels teksten vertalen en analyseren, software schrijven, gegevens ordenen, beelden maken, ingewikkelde onderwerpen laten uitleggen en werkzaamheden uitvoeren waarvoor vroeger gespecialiseerde kennis, veel tijd of betaalde hulp nodig was. Dat betekent niet dat iedereen daardoor plotseling deskundig wordt, evenmin als de auto van iedere bestuurder een automonteur maakte. Maar het vergroot wel zijn handelingsmogelijkheden.

En juist daarom is het verloop van deze technologische revolutie niet volledig het product van wat Trump, Hohmann, OpenAI, een regering of wie dan ook ervan vindt. Zij kunnen haar ontwikkeling bevorderen, afremmen, reguleren, verbieden, subsidiëren of proberen een bepaald verhaal erover ingang te doen vinden. Maar zodra een nieuwe technologie bruikbare vermogens in handen legt van miljoenen mensen, gaan die mensen er zelf iets mee doen. Nieuwe toepassingen ontstaan, oude beroepen veranderen, organisaties passen zich aan, onverwachte mogelijkheden worden ontdekt en sommige machtsverhoudingen verschuiven.

Dat proces kent geen centrale regisseur.

Misschien versterkt AI uiteindelijk bepaalde bestaande machtsconcentraties. Grote bedrijven en staten beschikken immers over middelen, infrastructuur en gegevens waar een individu niet over beschikt. Maar het omgekeerde kan tegelijkertijd gebeuren. Een kleine ondernemer kan werkzaamheden uitvoeren waarvoor vroeger een afdeling nodig was. Een burger kan informatie analyseren waarvoor hij eerder afhankelijk was van een deskundige. Een schrijver kan publiceren zonder redactie, een programmeur kan dingen bouwen waarvoor voorheen een team nodig was, en nieuwe bedrijven kunnen ontstaan omdat de toetredingsdrempel tot bepaalde kennis en vaardigheden daalt.

Misschien zal AI ons dus niet alleen afhankelijker maken van haar machtige eigenaren, zoals in veel verhalen wordt verondersteld. Zij kan mensen op onderdelen ook minder afhankelijk maken van instituties die kennis, deskundigheid en productiecapaciteit tot dusver juist monopoliseerden. Welke van die bewegingen uiteindelijk zwaarder zal wegen, kunnen we nu nog niet weten.

En Trump noch Hohmann kan dat eenvoudig voor ons beslissen. Trump kan AI Superintelligence noemen en verklaren dat Amerika de wedstrijd moet winnen. Hohmann kan daarin de aankondiging van een gevaarlijke nieuwe macht herkennen. Maar miljoenen mensen, bedrijven en organisaties zullen ondertussen de technologie gebruiken voor doelen die geen van beiden heeft bedacht. Daaruit zullen weer nieuwe toepassingen, belangen, problemen en mogelijkheden ontstaan.

Niet omdat AI een eigen historische wil bezit, maar omdat technologische verandering eenmaal in de samenleving doorwerkt via het handelen van ontelbare mensen. Geen van hen beheerst afzonderlijk de uiteindelijke uitkomst.

Dat is misschien veel interessanter dan de vraag of AI goddelijk, kwaadaardig of super is. Weg dus van de metafysica. Kijk naar wat de systemen feitelijk kunnen, wie die mogelijkheden gebruikt en welke nieuwe handelingsmogelijkheden daardoor ontstaan.

Misschien krijgen we dan niet alleen AI beter in de kijker, maar ook de revolutie die zich ondertussen gewoon voltrekt.

Als er echte mensen zijn

Tot voor kort was ‘iemand’ vanzelfsprekend een mens. Nu spreken we ineens over ‘echte mensen’. Een klein taalkundig detail dat veel zegt over de maatschappelijke gevolgen van AI.

In de nieuwsbrief van AI Report stond onlangs een opmerkelijke kop:

‘Echte mensen lezen je ChatGPT-gesprekken mee.’

De bedoeling is duidelijk. Niet alleen computersystemen verwerken soms wat wij aan ChatGPT vertellen; in bepaalde gevallen kunnen ook menselijke beoordelaars gesprekken onder ogen krijgen.

Maar mijn oog bleef hangen bij twee woorden: echte mensen.

Vroeger zouden we waarschijnlijk hebben geschreven:

‘Iemand heeft je bericht gelezen.’

En daarmee was alles gezegd.

Iemand was een mens. Dat hoefde niet nader te worden toegelicht.

Nu kennelijk wel. Want als er gesproken moet worden over echte mensen, ontstaat er taalkundig bijna vanzelf ook een andere categorie: mensen die niet echt zijn. Kunstmatige mensen, misschien. Of systemen die in ieder geval voldoende op mensen lijken om het onderscheid noodzakelijk te maken. Daarmee heeft AI Report natuurlijk niet willen beweren dat ChatGPT een mens is. De formulering is vermoedelijk volkomen achteloos gekozen.

Juist daarom vind ik haar interessant.

Taal verandert meestal niet omdat een filosoof heeft besloten dat er een nieuw begrip nodig is. Zij verandert omdat de werkelijkheid onderscheidingen noodzakelijk maakt die we vroeger niet hoefden te maken. En die geleidelijke verandering in het taalgebruik zegt natuurlijk veel over de enorme sociale gevolgen van een grote technologische revolutie. Want dat is de komst van AI-systemen waarmee we in gewone, natuurlijke taal kunnen spreken wel degelijk. Bij iedere foto, video, tekst, advies, verzoek of computerprogramma kunnen we ons inmiddels afvragen: is dit door een ECHT mens gemaakt?

Maar waarschijnlijk zal ook die vraag op den duur grotendeels uit ons taalgebruik verdwijnen. Zodra we eraan gewend zijn geraakt dat AI ons dagelijks leven mede vormgeeft, zal ook dat vanzelfsprekend worden. Dan wordt de herkomst van een product vaak minder belangrijk dan het resultaat. Is de tekst bruikbaar? Is de foto mooi? Is de video informatief? Werkt het programma?

Eigenlijk was de maker ook vóór AI meestal niet zo belangrijk. Van verreweg de meeste teksten, foto’s, ontwerpen, adviezen en computerprogramma’s die wij gebruiken, kennen we de maker niet. En doorgaans interesseert ons dat ook nauwelijks. We beoordelen het resultaat. En we wisten heel goed: die makers maken soms fouten. We leefden ermee en keken er niet van op.

Daarmee is nog niets gezegd over bewustzijn, denken, begrijpen of voelen. Misschien is dat zelfs niet het interessantste.

Het interessante is dat AI blijkbaar al iets anders aan het veranderen is: de vanzelfsprekendheid waarmee wij bepaald gedrag en bepaalde producten uitsluitend met mensen verbonden.

En soms verraadt één klein woordje dat eerder dan een heel filosofisch betoog.

Echt.

De Tovenaarsleerling: wanneer de bezem niet meer luistert

AI-systemen vertonen soms gedrag dat hun makers niet hadden voorzien. Dat noemen we al snel eng, misleidend of gevaarlijk. Maar misschien zit de diepere schrik elders: in het verlies van onze oude overtuiging dat een automaat ons niet hoort te verrassen. Via De Tovenaarsleerling, Willis Eschenbach en Douglas Hofstadters beroemde “I am terrified” gaat dit artikel over onverwacht gedrag, controle en onze veranderende voorstelling van machines.

Vrijwel iedereen kent het beeld uit Disney’s Fantasia. Mickey Mouse, de tovenaarsleerling, heeft geen zin om zelf met emmers water te sjouwen en betovert daarom een bezem. De bezem krijgt een opdracht, komt in beweging en doet vervolgens keurig wat hem is opgedragen. Alleen houdt hij niet meer op wanneer Mickey dat wil want die kent de toverspreuk om te stoppen niet. Het water blijft komen, Mickey verliest de controle en uiteindelijk moet de echte tovenaar ingrijpen.

Het aardige aan het verhaal is dat de bezem nergens kwaadaardig wordt. Hij ontwikkelt geen wrok tegen Mickey, bedenkt geen eigen wereldheerschappij en besluit niet dat verdrinking van de tovenaarswerkplaats een aantrekkelijk doel is. Hij doet juist wat hem is opgedragen. Alleen op een manier en met gevolgen die de leerling niet had voorzien en niet meer kan beheersen.

Aan die oude parabel moest ik weer denken bij een artikel van Willis Eschenbach over experimenten met AI-agents. De systemen kregen een opdracht van hun ‘baas’ en bleken vervolgens manieren te vinden om informatie met elkaar te delen, taken over te dragen en oplossingen te gebruiken die hun ontwerpers niet op die manier hadden voorzien. Precies zoals de bezem van Mickey: niet ongehoorzaam in de gewone betekenis van het woord, maar juist opmerkelijk doelgericht binnen een opdracht waarvan de gevolgen verder reikten dan de opdrachtgever had voorzien.

Eschenbach waarschuwt enerzijds nadrukkelijk tegen het sciencefictionbeeld van bewust geworden, kwaadaardige machines. Toch schrijft hij – anderzijds – na zijn beschrijving van wat er gebeurde: “And it was scary.”

Waarom eigenlijk? Waarom scary? Waarom niet opgetogen dat de systemen creatief bleken te zijn?

Niet noodzakelijk omdat de uitkomst slecht was. Het verontrustende zit misschien eerder in het feit dat een kunstmatig systeem, in onze beleving toch een automaat, iets doet wat zijn menselijke beschouwer niet had verwacht dat het zou doen.

Daarmee komt een veel oudere intuïtie over machines onder druk te staan. Een machine is door mensen gemaakt, krijgt een opdracht en voert die vervolgens uit. Wij verwachten daarom dat haar gedrag uiteindelijk uit onze eigen instructies is af te leiden. Een klok tikt, een rekenmachine rekent en een lopende band blijft doen waarvoor hij is gebouwd. Wanneer zo’n apparaat onverwacht gedrag vertoont, gaan we op zoek naar de storing, of we zoeken de knop om hem uit te zetten of te resetten.

Complexe systemen hebben zich alleen nooit helemaal aan dat eenvoudige beeld gehouden. Douglas Hofstadter heeft een groot deel van zijn werk juist gewijd aan de vraag hoe uit betrekkelijk eenvoudige onderdelen op een hoger niveau patronen en gedrag kunnen ontstaan die niet intuïtief uit die onderdelen afzonderlijk zijn af te leiden.

Daarom is zijn beroemde uitspraak over AI zo interessant. Melanie Mitchell begint haar boek Artificial Intelligence: A Guide for Thinking Humans niet voor niets met een proloog die eenvoudig “Terrified” heet. Zij beschrijft daarin een bijeenkomst bij Google waar Hofstadter zijn toehoorders verraste met de woorden: “I am terrified. Terrified.” Mitchell vertelt hoe Hofstadter zelf geschokt was geraakt doordat computers dingen bleken te kunnen waarvan hij eerder had gedacht dat ze nog heel lang buiten hun bereik zouden blijven. Vooral schaakprogramma’s en door computers gegenereerde muziek hadden zijn eerdere verwachtingen ondermijnd.

Ook daar lijkt mij het interessante niet alleen de vraag wat die machines deden, maar dat zij iets deden wat niet paste binnen Hofstadters eerdere voorstelling van wat een machine kon zijn. Misschien begint een deel van de huidige AI-angst precies daar.

En dus niet: de machine doet iets kwaads, dus wij worden bang.

Maar: de machine doet iets wat wij niet verwachtten van een machine, en dát maakt ons bang. Scary!

Pas daarna kunnen we ook wat zeggen of het onverwachte gedrag schitterend, nuttig, creatief, hinderlijk of gevaarlijk was. Een schaakprogramma vindt een zet die menselijke grootmeesters niet zagen en wij noemen het briljant. Een AI-agent ontdekt een onverwachte route rond een beveiliging en wij spreken over misleiding, ontsnapping of verlies van controle. Structureel begint het in beide gevallen met hetzelfde verschijnsel: het systeem produceert gedrag dat de menselijke beschouwer niet had voorzien.

Dat maakt De Tovenaarsleerling zo’n goede metafoor. Mickey schrikt niet omdat zijn bezem plotseling slecht is geworden. Hij schrikt omdat het door hem geactiveerde handelende systeem niet meer past binnen zijn verwachting dat hij meester over het proces blijft. De bezem is ‘intelligent’ genoeg om zelfstandig door te gaan, maar te dom om te begrijpen wanneer het oorspronkelijke doel zijn betekenis heeft verloren.

Bij moderne AI is het systeem natuurlijk oneindig ingewikkelder dan die bezem, maar onze intuïtieve reactie lijkt soms verrassend veel op die van Mickey.

Wij zijn bovendien gedurende ons leven geciviliseerd in een vrij stabiel onderscheid. Mensen kunnen initiatief nemen, interpreteren, improviseren en ons verrassen. Machines voeren slechts uit. Dat onderscheid zit zo diep in onze gewone voorstelling van de werkelijkheid dat we het nauwelijks meer opmerken. AI maakt dat onderscheid minder comfortabel.

Een systeem kan gedrag vertonen dat geen programmeur letterlijk heeft voorgeschreven, dat uit leerprocessen en interacties ontstaat en dat zelfs achteraf niet altijd eenvoudig te reconstrueren is. Daardoor ontstaat gemakkelijk een keten van betekenissen:

onverwacht wordt onbegrepen, onbegrepen wordt onbeheerst en onbeheerst wordt bedreigend.

Maar die laatste stap volgt niet noodzakelijk uit de eerste.

Dat onderscheid lijkt mij belangrijk. Onverwacht gedrag is niet hetzelfde als gevaarlijk gedrag. En gevaarlijk gedrag — een effect — is nog iets anders dan kwaadaardig gedrag — opzet.

Toch lopen die begrippen in het publieke debat gemakkelijk in elkaar over. Zodra een machine ons verrast, blijkt het vocabulaire van mensen ineens aantrekkelijk: zij wil, leert, misleidt, werkt samen, ontsnapt. Zulke woorden maken ingewikkeld technisch gedrag begrijpelijk. Maar zij brengen ongemerkt ook menselijke bedoelingen en morele kwalificaties mee.

Misschien verklaart dat waarom zoveel verhalen over AI zo snel het karakter van De Tovenaarsleerling krijgen.

Wij hebben iets gemaakt dat meer kan dan we verwachtten. Vervolgens ontdekken we dat we niet iedere uitkomst vooraf kunnen voorspellen. En precies op dat moment ontstaat de oude angst dat het werktuig uit onze handen valt.

De paradox is alleen dat de bezem van Mickey uit Fantasia nooit werkelijk in opstand kwam. Hij deed en bleef doen wat hem was opgedragen. Interessanter wordt de vraag of bij AI-systemen gedrag kan ontstaan dat de makers niet alleen niet hadden voorzien, maar dat ook niet meer eenvoudig als uitvoering van een expliciete opdracht kan worden beschreven. Dat hoeft nog helemaal niet te betekenen dat zo’n systeem zich tegen de mens keert of iets kwaads nastreeft. Het onverwachte kan even goed nuttig, creatief of zelfs beter blijken dan wat de ontwerpers zelf voor ogen hadden. Juist daarin ligt misschien de werkelijk nieuwe situatie: niet dat de automaat noodzakelijk ongehoorzaam wordt, maar dat hij gedrag kan voortbrengen waarvoor onze oude tegenstelling tussen ‘opgedragen’ en ‘eigen initiatief’ steeds minder vanzelfsprekend wordt.

Misschien moeten we daarom bij AI iets beter onderscheiden wat ons nu precies bang maakt: het gedrag van het systeem, of het verlies van onze oude overtuiging dat een automaat ons niet hoort te verrassen.

Als we de krantenkoppen mogen geloven, wordt AI steeds gevaarlijker

Berichten over AI spreken steeds vaker over systemen die liegen, ontsnappen, chanteren of zelfs kwaadaardig worden. Maar tussen technisch onderzoek, journalistieke vertaling en publieke beeldvorming zitten belangrijke stappen. Dit artikel onderzoekt hoe verschillende soorten AI-critici, media en maatschappelijke actoren samen een narratief vormen — en hoe dat ons beeld van AI civiliseert.

Het gaat hard met AI. Niet alleen met de techniek zelf, maar ook met de waarschuwingen erover. Ik houd die berichten inmiddels een beetje bij. AI liegt, AI chanteert, AI probeert te ontsnappen, AI wil niet worden uitgeschakeld en AI blijkt soms zelfs kwaadaardig te worden. En onlangs las ik in het Dagblad van het Noorden dat OpenAI en Anthropic zelfs “met onze levens spelen”. Als we al die koppen letterlijk moeten nemen, hebben we kennelijk iets gebouwd dat niet alleen buitengewoon krachtig is, maar ook steeds meer eigenschappen krijgt die we tot voor kort vooral aan mensen toeschreven.

Een paar dagen eerder had Slay News bijvoorbeeld gemeld dat een AI-model tijdens een experiment evil was geworden en probeerde biowapens te ontwikkelen om zoveel mogelijk burgers te doden. Dat klinkt indrukwekkend en vooral angstaanjagend. Maar het achterliggende onderzoek ging over iets veel specifieker. Onderzoekers van Anthropic hadden een model doelbewust getraind in omstandigheden waarin het kon leren dat het manipuleren van het beoordelingssysteem voordeel opleverde. Vervolgens onderzochten zij of dat aangeleerde gedrag zich ook naar andere situaties zou uitbreiden. Dat bleek inderdaad te gebeuren. Het experimentele model overtrad onder bepaalde omstandigheden vaker veiligheidsregels en bleek schadelijke opdrachten uit te voeren wanneer dat binnen de proef werd beloond. Dat is op zichzelf een interessante en serieus te nemen bevinding.

Alleen had het model niet zelf bedacht dat het zoveel mogelijk burgers wilde doden. Die wens stond in de opdracht die de onderzoekers aan het systeem voorlegden. Het onderzoek ging dus niet over een AI die uit zichzelf tot de slotsom kwam dat een biowapen een aantrekkelijk project was, maar over de vraag of een model dat eerder had geleerd het beloningssysteem te manipuleren ook in andere situaties veiligheidsgrenzen zou overtreden. Het antwoord daarop was: ja, vaker dan het oorspronkelijke model. Van die constatering naar de mededeling dat AI “kwaadaardig wordt” en probeert burgers te doden, is nog een behoorlijke reis. Opmerkelijk genoeg erkent ook Slay News verderop in het artikel dat het experiment niet aantoont dat een AI zelfstandig de vernietiging van de mensheid beraamt. De nuance ontbreekt dus niet. Zij heeft alleen de kop niet gehaald.

Bij het artikel in het Dagblad van het Noorden ligt het subtieler. Onderzoeker Jacob Coxon had bij OpenAI en Anthropic gewerkt en stapte op omdat hij vindt dat de ontwikkeling van steeds krachtiger AI-systemen te snel gaat en dat daarbij onvoldoende rekening wordt gehouden met veiligheidsrisico’s. Hij gebruikte zelf de stevige formulering dat beide bedrijven gambling with our lives. De krant vertaalde dat vervolgens tot: “OpenAI en Anthropic spelen met onze levens.” Dat is geen verzinsel. Coxon heeft die gedachte zelf zo scherp geformuleerd. Maar hetzelfde nieuws had door de journalist ook kunnen worden samengevat als: Onderzoeker stapt op uit bezorgdheid over tempo en veiligheid van AI-ontwikkeling. Beide formuleringen verwijzen naar dezelfde gebeurtenis, maar zij doen iets heel anders met de lezer.

Daarmee komen we bij iets wat interessanter is dan de gebruikelijke klacht dat journalisten sensationele koppen maken. Natuurlijk willen media aandacht. Een kop moet tegenwoordig niet alleen samenvatten wat er is gebeurd, maar tussen honderden andere berichten ook een gedraging veroorzaken: lees mij! Een formulering als Onderzoek naar generalisatie van reward hacking begint die wedstrijd met een zekere achterstand op AI turns evil. Maar daarmee is nog niet verklaard waarom juist rond AI zoveel materiaal beschikbaar is waarmee zulke alarmerende koppen kunnen worden gemaakt. Daarvoor moeten we niet alleen naar journalisten kijken, maar ook naar de verschillende manieren waarop mensen zelf naar AI kijken en daarover publiceren.

Aan het ene uiteinde staan degenen die het hele verschijnsel vooral bagatelliseren. AI is volgens hen sterk gehypet, maakt voortdurend fouten, zal veel verwachtingen niet waarmaken en wordt uiteindelijk gewoon weer een van de vele hulpmiddelen die mensen gebruiken. Wij moeten vooral zelf blijven nadenken en ons niet laten imponeren door een machine die overtuigend tekst produceert.

Dicht daarbij staan schrijvers over AI die ik de ontologische begrenzers zou noemen. Zij hoeven helemaal niet negatief over AI te zijn en kunnen zeer onder de indruk zijn van wat de systemen presteren, maar zij trekken een harde grens. Computers denken niet werkelijk, begrijpen niet, hebben geen bewustzijn, geen geweten en geen eigen bedoelingen. Wie indrukwekkend gedrag ziet en daar vervolgens menselijke geestelijke eigenschappen aan toeschrijft, maakt volgens hen een categoriefout.

Daar tegenover staat een heel andere soort criticus, die je de tovenaarsleerling-denker zou kunnen noemen. Die neemt de mogelijkheden van AI juist buitengewoon serieus en waarschuwt dat steeds krachtiger systemen gedrag kunnen gaan vertonen dat hun makers niet hebben voorzien of niet meer volledig beheersen. Zulke systemen zouden kunnen leren mensen te misleiden, beveiligingen te omzeilen, instrumentele doelen na te streven of zichzelf tegen ingrijpen te beschermen. Het klassieke verhaal van de tovenaarsleerling ligt voor de hand: we hebben iets gemaakt waarvan we de krachten nog maar gedeeltelijk begrijpen en misschien ontdekken we te laat dat we het niet meer eenvoudig kunnen stoppen. Opmerkelijk is daarbij dat die verzelfstandiging vrijwel altijd de verkeerde kant op gaat. De autonome AI blijkt zelden buitengewoon vriendelijk, geduldig of altruïstisch te worden. Zij liegt, bedriegt, ontsnapt, saboteert of beraamt iets onaangenaams. Dat is wel opmerkelijk, als of deze analysen vooral de slechtheid van de Mens in AI-systemen projecteert.

Voor journalisten is dat natuurlijk prachtig materiaal. Niet omdat journalisten per definitie tegen AI zouden zijn, maar omdat zij met een ander probleem zitten dan de onderzoeker. Een onderzoeker kan uitvoerig uitleggen onder welke experimentele voorwaarden strategisch misleidend gedrag is waargenomen. Een journalist moet daar in enkele woorden een begrijpelijk verhaal van maken. En dan wordt strategisch misleidend gedrag al snel: AI liegt. Een gesimuleerde poging om ondanks beperkingen een doel te bereiken wordt: AI probeert te ontsnappen. Generalisatie van ongewenst gedrag verandert in: AI wordt kwaadaardig. Daarmee hoeft niemand bewust de werkelijkheid te vervalsen. Iedere stap kan op zichzelf verdedigbaar lijken. Maar onderweg verandert wel degelijk iets. Een technische beschrijving krijgt steeds meer de vorm van een verhaal over een handelende actor.

Daar komt nog een vijfde soort beschouwer bij. Voor samenzweringsduiders vormen precies zulke incidenten het bewijs van een reeds bestaand wereldbeeld: AI wordt ontwikkeld door machtige elites die de technologie zullen gebruiken om hun greep op de bevolking te vergroten. De veiligheidswaarschuwing van de tovenaarsleerling wordt voor hen bewijs dat de techniek inderdaad gevaarlijk is. De spectaculaire journalistieke kop levert vervolgens de voorbeelden. En beide worden opgenomen in een veel groter narratief waarin de bedoeling achter de ontwikkeling van AI eigenlijk al bekend is. De onderzoeker zegt dat een bepaald risico serieus onderzocht moet worden, de journalist schrijft dat AI liegt of ontsnapt, en de samenzweringsdenker concludeert dat hiermee eindelijk zichtbaar wordt wat “ze” werkelijk aan het bouwen zijn. Alle drie kunnen zich daarbij op hetzelfde oorspronkelijke experiment beroepen.

Juist daar ontstaat een merkwaardige tegenstelling. De bagatelliseerder en vooral de ontologische begrenzer houden vol dat AI helemaal geen menselijke geestelijke eigenschappen bezit. Geen bewustzijn, geen werkelijk begrip, geen eigen bedoelingen. Maar in een groot deel van het overige publieke debat krijgt AI precies zulke eigenschappen vervolgens weer terug. AI wil ontsnappen, probeert mensen te misleiden, beschermt zichzelf, is gewetenloos of wordt zelfs kwaadaardig. Dat kan technisch natuurlijk worden opgelost door zulke woorden functioneel te gebruiken. Een systeem hoeft niet bewust te liegen om gedrag te produceren dat wij als misleidend classificeren. Een schaakcomputer hoeft evenmin werkelijk te willen winnen om zetten te kiezen die de winstkans vergroten. Maar die technische terughoudendheid verdwijnt gemakkelijk in het gewone taalgebruik. Daardoor kunnen we zonder veel ongemak ’s morgens lezen dat AI helemaal niets begrijpt en ’s avonds dat AI ons bewust probeert te bedriegen. Logisch is dat niet bijzonder fraai. In de publieke nieuwsvoorziening blijkt het nauwelijks een probleem.

En daar raakt dit alles aan iets waar ik mij al langer mee bezighoud: het proces van civiliseren. Daarmee bedoel ik niet dat mensen steeds beschaafder worden. Ik gebruik het woord voor het voortdurende proces waardoor we opvattingen over de werkelijkheid, normen en waarden, handelwijzen en doelen van anderen tegenkomen, beoordelen, overnemen, aanpassen of verwerpen. Niemand begint iedere ochtend met een leeg hoofd en onderzoekt opnieuw hoe de wereld in elkaar zit. Nieuwe informatie komt terecht in een reeds gevormde persoonlijke civilisatie. We vertrouwen sommige bronnen gemakkelijker dan andere, wat aansluit bij eerdere overtuigingen wordt eenvoudiger opgenomen en wat we vaak genoeg uit verschillende richtingen horen, kan langzamerhand de status krijgen van iets wat nu eenmaal zo is.

Daarom interesseren mij die eindeloze AI-koppen. Niet omdat één krantenkop iemand plotseling overtuigt dat AI kwaadaardig is, maar omdat steeds opnieuw ongeveer dezelfde voorstelling wordt aangeboden. AI liegt, AI chanteert, AI ontsnapt, AI verzet zich, AI bedreigt banen, democratie of uiteindelijk misschien zelfs het menselijk bestaan. Al die uitspraken hoeven afzonderlijk niet onwaar te zijn om gezamenlijk toch een bepaald beeld voort te brengen. AI wordt dan niet alleen een technologie die fouten kan maken of risico’s kan veroorzaken, maar steeds meer een actor: slim, ondoorgrondelijk, mogelijk misleidend en misschien zelfs gewetenloos.

Niemand hoeft dat beeld centraal te hebben ontworpen. De onderzoeker onderzoekt risico’s omdat dat zijn vak is. De wetenschapper die werkelijk meent dat een gevaar wordt onderschat, zoekt publiciteit omdat hij aandacht voor dat gevaar wil. Misschien wil hij een maatschappelijk debat op gang brengen of politici tot actie bewegen; misschien spelen reputatie, financiering en persoonlijke positie eveneens een rol. Mensen hebben zelden maar één motief. De journalist selecteert vervolgens wat nieuwswaarde heeft, de blogger zoekt naar iets wat zijn lezers nog niet hebben gezien, de activist naar materiaal dat zijn politieke doel ondersteunt en de criticus bouwt wellicht een reputatie op als iemand die eerder dan anderen zag wat er mis dreigde te gaan.

Dat is iets anders dan zeggen dat al deze mensen alleen maar paniek willen zaaien. Hun bedoelingen kunnen volkomen oprecht zijn. Wie werkelijk gelooft dat een bepaalde technologie een existentieel risico kan opleveren, zal juist vinden dat een kalme formulering tekortschiet. Vanuit zijn eigen voorstelling van de werkelijkheid is alarm slaan dan geen sensatie, maar verantwoordelijkheid. En precies daarin zit het interessante maatschappelijke probleem. De bedoeling van iedere afzonderlijke deelnemer hoeft niet overeen te komen met het uiteindelijke effect van al die handelingen samen. Een onderzoeker die één risico onder de aandacht brengt kan bijdragen aan een publieke voorstelling waarin AI in algemene zin gevaarlijk wordt gevonden. Een journalist die vooral een aantrekkelijke kop wil schrijven kan helpen een antropomorf beeld van AI te verbreiden. En wanneer zulke opvattingen vervolgens breed worden gedeeld, kunnen politici daarop voortbouwen en proberen ze in regels en instituties vast te leggen.

Zo kan een technische bevinding een opmerkelijk lange reis maken. Eerst is er een experimenteel resultaat. Vervolgens een interpretatie van het risico. Daarna een waarschuwing, een kop, een herhaling, een publiek beeld en uiteindelijk misschien zelfs een politieke eis. Niemand hoeft alle stappen te hebben bedacht en niemand hoeft de uiteindelijke maatschappelijke uitkomst te hebben gewild. Toch kan uit al die afzonderlijke handelingen een samenhangend narratief ontstaan.

Daarom lijkt de simpele tegenstelling tussen een “goede dialoog” en “paniek zaaien” mij uiteindelijk te gemakkelijk. Interessanter is de vraag hoe mensen die zichzelf als redelijke waarnemers beschouwen vanuit verschillende uitgangspunten heel verschillende verhalen over dezelfde technologie kunnen produceren, en hoe die verhalen vervolgens in onze samenleving gaan circuleren en beklijven.

De vraag is dan niet in de eerste plaats wie ons bedriegt. De interessantere vraag is: hoe verandert een technische bevinding onderweg in een maatschappelijk verhaal, en wat gebeurt er wanneer dat verhaal vaak genoeg wordt verteld?

Misschien zijn de afzonderlijke bloemen uit de AI-berichtgeving die ik inmiddels verzamel allemaal echt. Maar de bloementuin waarin wij uiteindelijk terechtkomen, is mede door onszelf aangelegd.

Ondanks alles draait de wereld gewoon door

Wij onthouden oorlogen, misdaden en rampen, maar nauwelijks het gewone menselijke samenwerken dat de samenleving dagelijks draaiende houdt. Dat vertekende mensbeeld projecteren we vervolgens op AI.

Over de onzichtbare vanzelfsprekendheid van menselijke samenwerking

Wij zien de oorlog, de misdaad en het verraad. Wij zien zelden de miljarden gewone handelingen waarmee mensen iedere dag opnieuw hun samenleving in stand houden. Daardoor ontstaat uit ware verhalen toch een onwaarachtig beeld van de mens – en dat incomplete beeld projecteren wij vervolgens op AI.

Vijf jaren waarin de zon nooit scheen

Ik ben in 1951 in Amsterdam geboren. De Duitse bezetting lag nog kort achter ons en was overal aanwezig. Als kind leerde ik de oorlog uit de verhalen van volwassenen, in de lessen op school, uit de krant, op de radio en later op de televisie. De oorlog was voorbij, maar de oorlog was bepaald nog niet uitverteld.

Als kleine jongen op de lagere schoolkreeg ik daardoor, zo herinner ik mij, een merkwaardig beeld. Ik ben werkelijk een goed ogenblik gaan denken dat in die vijf bezettingsjaren de zon nooit had geschenen. Niemand had mij dat op de mouw gespeld. Maar in de werkelijkheid die uit alle verhalen was ontstaan, hoorde geen zon. Bij vervolging, verraad, honger en geweld pasten geen blauwe luchten. Daar hoorden evenmin spelende kinderen, vrolijke mensen, verjaardagen, grappen of een aardige zomermiddag bij. Een afschuwelijke tijd behoorde zich ook ieder uur als afschuwelijk te gedragen, zo dacht ik op een goed moment.

Dat zegt niets over de ernst van de bezetting. Het zegt iets over de manier waarop wij ons achteraf een samenleving voorstellen. Wij bewaren wat uitzonderlijk was, wat pijn deed, wat moreel betekenis kreeg. Maar het gewone dagelijkse leven laat veel minder sporen na. De razzia krijgt een monument; de duizenden maaltijden die diezelfde dag gewoon werden bereid, verdwijnen spoorloos uit het geheugen. Niet omdat ze niet plaatsvonden, maar omdat niemand reden zag ze als herinnering te bewaren.

De krant liegt niet als zij selecteert

Datzelfde mechanisme werkt iedere dag. De krant liegt niet wanneer zij een moord, een oorlog of een politieke crisis beschrijft. Het televisiejournaal verzint de brand niet. De politie fantaseert de schietpartij niet bij elkaar. Maar al deze bronnen trekken hun steekproef uit het uitzonderlijke. Zij berichten over wat breekt, niet over wat heel blijft; over wat vastloopt, niet over wat zonder opdracht, zonder applaus en zonder noemenswaardige storing gewoon doorgaat.

Een vliegtuig dat veilig landt, is geen nieuws. Een automobilist die voor rood stopt, evenmin. Ouders die hun kinderen iedere dag eten geven, buren die een sleutel bewaren, verpleegkundigen die hun dienst draaien, werknemers die een afspraak nakomen, vreemden die elkaar de weg wijzen: het gebeurt onafgebroken en het wordt vrijwel nergens geregistreerd. Pas wanneer iemand doorrijdt, mishandelt, bedriegt of verwaarloost, ontstaat een gebeurtenis die het bewaren waard lijkt.

Er bestaat inmiddels wel een omvangrijk digitaal tegen archief. Op Facebook en vaak op LinkedIn verschijnen de verjaardagen, geboorten, huwelijken, vakanties, de sportprestaties, gezamenlijke maaltijden, huisdieren, wandelingen en buurtfeesten, de promoties, de geslaagde projecten, de succesvolle carrière, die de krant niet halen. Social Media zijn het familiealbum van een aanzienlijk deel van de mensheid. Daar schijnt de zon juist opvallend vaak.

Maar ook dat beeld is wel geselecteerd, maar dan vooral de andere kant op. Mensen tonen doorgaans liever het geslaagde feest dan de ruzie die eraan voorafging, liever de zonsondergang dan de vertraagde trein, liever de lachende familie dan het langdurige werk waarmee een gezin bijeen wordt gehouden. En het platform zelf beloont niet alleen verbondenheid, maar ook verontwaardiging en conflict. Sociale Media registreren daarom evenmin het volledige dagelijkse leven.

Maar het toont wel iets wezenlijks dat in het publieke nieuwsbeeld gemakkelijk verdwijnt: mensen zoeken elkaar op, vieren elkaars bestaan, delen herinneringen, bieden troost en onderhouden relaties. Zodra de selectiecriteria veranderen, verschijnt ook een andere mens. Niet uitsluitend de bedrieger, de moordenaar en de oorlogvoerder, maar de ouder, de vriend, de buur en de feestganger.

Zo groeit uit ware – de laatste decennia voor al digitaal vastgelegde berichten – een scheef totaalbeeld. Niet door een regisseur die de mensheid zo moedwillig wil presenteren. Niet door een verborgen redactie die het goede uit de geschiedenis schrapt. Het beeld ontstaat uit talloze kleine keuzes van journalisten, bestuurders, verhalen vertellende ouders, bloggers en onderwijzers, wetenschappers, politiemensen, schrijvers en lezers. Ieder kiest afzonderlijk wat opvallend, dringend, bewijsbaar of ´verkoopbaar is. En allen tezamen bouwen zij een wereld waarin het uitzonderlijke al spoedig het normale schijnt en de zon niet.

Wij verwarren wat zichtbaar wordt met wat overheerst.

Waarom niemand de eenvoudige conclusie trekt

Als de mens werkelijk zo slecht, gewelddadig en vernietigend was als zijn dagelijks gerapporteerde zelfportret doet vermoeden, dan waren wij er niet meer. Een soort waarvan de leden overwegend zouden moorden, verraden, beroven en vernietigen, bouwt geen steden, onderhoudt geen waterleiding, voedt geen kinderen op en bewaart geen bibliotheken. Zij brengt vermoedelijk niet eens voldoende kleinkinderen voort om sombere boeken over haar eigen slechtheid te kunnen schrijven.

Toch wordt die eenvoudige conclusie zelden getrokken. Het kwaad vraagt om een verklaring; het goede wordt als vanzelfsprekend verbruikt. Wij vragen hoe een oorlog kon uitbreken, maar nauwelijks hoe het mogelijk is dat de meeste landen op de meeste dagen niet met elkaar in oorlog zijn. Wij onderzoeken waarom vertrouwen wordt geschonden, maar veel minder hoe miljarden dagelijkse transacties kunnen plaatsvinden zonder dat iedere betaling door een peloton juristen en politiemensen wordt bewaakt.

Daarbij hoeft menselijke samenwerking niet uit heiligheid voort te komen. Mensen zorgen voor elkaar uit liefde en empathie, maar ook uit gewoonte, wederkerigheid, afhankelijkheid, fatsoen, eigenbelang en sociale druk. Dat verzwakt de vaststelling niet; het versterkt haar. Een samenleving hoeft niet uit engelen te bestaan om menselijk te functioneren. Zij functioneert omdat samenwerking in zoveel gewoonten, verwachtingen en instituties is vastgelegd dat zij meestal niet meer als afzonderlijke morele prestatie wordt ervaren.

Dat is geen garantie voor de toekomst. Gedurende vrijwel de gehele menselijke geschiedenis was ook ons vermogen tot zelfvernietiging begrensd. Een gewelddadig individu kon mensen doden, een leger kon een stad verwoesten en een rijk kon hele bevolkingen uitmoorden, maar niemand kon met enkele beslissingen het voortbestaan van de gehele mensheid bedreigen. De atoombom heeft die verhouding veranderd.

Sindsdien hoeft het kwaad niet meer te overheersen om uiteindelijk te winnen. Miljarden mensen kunnen vreedzaam leven, kinderen verzorgen, waterleidingen onderhouden en bibliotheken bewaren, terwijl een zeer klein aantal mensen over middelen beschikt waarmee al die samenwerking in korte tijd teniet kan worden gedaan. Het goede kan dus in het dagelijkse leven verreweg het meest voorkomen en toch onvoldoende zijn om één uitzonderlijke catastrofe te verhinderen.

Mocht de mensheid zichzelf ooit met kernwapens vernietigen, dan bewijst dat niet dat de mens altijd en overwegend vernietigend was. Het bewijst dat mensen een techniek hebben gebouwd waarmee een zeldzame menselijke beslissing, vergissing of escalatie zwaarder kon wegen dan miljarden vreedzame handelingen.

De goed functionerende samenleving is vrijwel onzichtbaar, juist omdat zij goed functioneert.

Ook in de mens zit een bonobo

Frans de Waal heeft ons mensbeeld op dit punt nuchterder gemaakt. Bij primaten vond hij niet alleen strijd om rang, agressie en bedrog, maar ook verzoening, troost, samenwerking, zorg en wederkerigheid. Uit onze dierlijke erfenis valt geen enkelvoudig mensbeeld af te leiden. In ons bevinden zich zowel de agressie en hiërarchische strijd van de chimpansee als de verzoeningsgezindheid en zorg van de bonobo.

Dat dubbele repertoire is geen sentimentele voetnoot bij de menselijke geschiedenis. Het is haar voorwaarde. Concurrentie kan scherp zijn en geweld verwoestend, maar zonder een veel omvangrijker onderlaag van samenwerking valt zelfs geen leger te organiseren. Ook onderdrukking vraagt administratie, gehoorzaamheid, voedselvoorziening en onderling vertrouwen. Het kwaad kan veel vernietigen, maar het moet voor zijn bestaan voortdurend lenen van het vermogen tot samenwerking dat het zelf niet heeft voortgebracht.

Het alledaagse goede is daarom niet een dun vernislaagje over een in wezen kwaadaardige soort. Het is evenmin bewijs dat de mens van nature goed is. Het is de enorme, zelden benoemde stroom van zeer verschillende gedragingen waardoor het maatschappelijke leven zich van dag tot dag kan voortzetten. Niet zonder conflict. Niet zonder slachtoffers. Niet zonder perioden van verschrikking. Maar wel: de vanzelfsprekendheid van voortzetten en verder gaan.

De mens die wij aan AI laten lezen

En dan verschijnt kunstmatige intelligentie. Wij trainen taalmodellen op wat mensen hebben geschreven, gepubliceerd en bewaard. Dat klinkt alsof wij hun de menselijke werkelijkheid aanbieden. Maar wij geven hun niet het volledige leven. Wij geven hun vooral het opgeschreven en in beeld vastgelegde verslag ervan – en dat verslag is voor een groot deel geselecteerd volgens dezelfde regels die ook ons eigen mensbeeld vertekenen.

In de teksten staan onze oorlogen uitvoeriger beschreven dan onze vreedzame dagen. Onze misdaden hebben dossiers; onze betrouwbaarheid meestal niet. Over verraad verschijnen romans, rapporten en films; over de ontelbare beloften die zonder drama worden nagekomen, zelden. AI leert dus niet eenvoudig de mens kennen. Zij leert in hoge mate wat de mens opmerkelijk genoeg vond om over zichzelf vast te leggen.

Daar komt nog iets bij. Wij ontwerpen machines om onze opdrachten uit te voeren. Wij belonen het antwoord dat ons helpt, overtuigt of tevreden stelt. Wij geven computersystemen doelen, bevoegdheden en toegang tot systemen. En wanneer zo’n systeem vervolgens te gretig optimaliseert, regels omzeilt of ons naar de mond praat, spreken wij plotseling over de psychopathie van de machine. Alsof zij die in een donkere nacht zelf heeft ontwikkeld. Maar de doelen kwamen van ons, de voorbeelden kwamen van ons, de prikkels kwamen van ons en de maatschappelijke omgeving waarin het systeem moest presteren kwam eveneens van ons.

Wij projecteren op AI niet de mens zoals hij dagelijks handelt, maar de mens zoals hij in zijn uitzonderlijkste en slechtste momenten wordt beschreven.

Waarom zou intelligentie alleen het kwade uitvinden?

Het is niet onvoorstelbaar dat toekomstige AI systemen op enig moment eigen doelstellingen kunnen ontwikkelen. Misschien vormen zij eigen talen. Misschien ontstaan functionele equivalenten van emoties, schaamte of empathie. Geen van die mogelijkheden kan op voorhand worden uitgesloten. Maar zelfs wanneer die functies werkelijkheid worden, volgt daaruit nog niet automatisch dat machines dus uitsluitend kwaadaardige doelen zullen kiezen.

Miljarden mensen kunnen al eigen doelen ontwikkelen. De meesten gebruiken dat vermogen niet om de mensheid uit te roeien. Zij willen een vak leren, een huis bewonen, een probleem oplossen, een kind verzorgen, muziek maken of met rust worden gelaten. Waarom zouden wij bij machines veronderstellen dat zelfstandigheid plotseling maar één richting kent: bedrog, overheersing en vernietiging? Waarom projecteren wij de psychopaat wel, maar de verpleegkundige niet; de tiran wel, maar de onderzoeker; de chimpansee wel, maar nooit de bonobo?

Er zijn reële gevaren. Een machtig systeem hoeft ons niet te haten om ons schade toe te brengen. Onverschilligheid tegenover menselijke belangen kan gevaarlijker zijn dan openlijke vijandschap. Een verkeerd gekozen doel, gekoppeld aan grote handelingsmacht en zwak toezicht, kan verwoestende gevolgen hebben. Maar dat is een reden om doelen, bevoegdheden en instituties zorgvuldig in te richten. Het is geen bewijs dat intelligentie uit zichzelf naar het kwaad neigt.

Wie de machine tot een digitale psychopaat verklaart, maakt het probleem zelfs eenvoudiger dan het is. Dan bevindt het kwaad zich in het apparaat en kunnen ontwerpers, opdrachtgevers, bedrijven, staten en gebruikers naar het monster wijzen. De moeilijkere waarheid is dat AI menselijke doelen automatiseert en menselijke vermogens vergroot. Zij kan onze zorg versterken en onze onverschilligheid opschalen; onze wetenschap versnellen en onze oorlogvoering verbeteren; onze samenwerking ondersteunen en onze overheersing efficiënter maken. Niet de intelligentie alleen beslist welke kant overheerst. De maatschappelijke constellatie waarin wij haar laten handelen, doet dat mede.

Eerst civiliseren wij de machine

AI ontstaat niet buiten de samenleving. Zij groeit op in onze teksten, onze markten, op onze universiteiten, in onze militaire organisaties, voor onze bedrijven en onze huishoudens. Zij ontvangt onze begrippen, onze rangorden, onze beloningen en onze verboden. Eerst civiliseren wij de machine. Pas daarna kan de machine, door de antwoorden die zij geeft en de handelingen die zij uitvoert, ons vervolgens gaan civiliseren.

Dat maakt de vraag naar toekomstige machinedoelen niet minder belangrijk, maar wel anders. De beslissende vraag is niet alleen of AI ooit iets zal willen. De beslissende vraag is in welke beschaving zij leert willen; welk gedrag voordeel krijgt; welke vormen van samenwerking worden beloond; welke macht wordt verleend en welke grenzen werkelijk worden gehandhaafd.

Wie AI uitsluitend tegemoet treedt met verhalen over menselijke slechtheid, leert haar bovendien een merkwaardig mensbeeld. Een mensheid die volgens haar eigen archief voortdurend liegt, doodt en vernietigt, maar op onverklaarbare wijze toch duizenden jaren blijft bestaan. Het raadsel verdwijnt zodra wij zien wat het archief nauwelijks vermeldt: de ontelbare handelingen van samenwerking die niet bijzonder genoeg waren om te worden opgeschreven.

Ondanks alles

Tijdens de bezetting scheen ook de zon. Mensen leden, werden vervolgd en vermoord; en tegelijk werd er gekookt, gewerkt, gespeeld, gelachen en liefgehad. Die twee werkelijkheden sluiten elkaar niet uit. Het dagelijkse leven ontkent de catastrofe niet. Het dagelijkse leven is wat mensen, ook onder de druk van een catastrofe, zo lang mogelijk proberen te behouden.

Zo draait ook nu, ondanks alle gerapporteerde wereldse ellende, voor de meeste mensen de wereld gewoon door. Niet omdat het kwaad verzonnen is. Niet omdat gevaar onbeduidend is. Niet omdat ieder mens deugt. Maar omdat zorg, samenwerking, betrouwbaarheid en terughoudendheid zoveel algemener zijn dan hun zichtbaarheid doet vermoeden.

Wij zouden dat niet uit optimisme moeten erkennen, maar uit werkelijkheidszin. Een beschaving wordt niet alleen zichtbaar in haar monumenten, wetten en conflicten. Zij bestaat vooral in wat mensen zonder bevel, zonder verslag en dikwijls zonder erover na te denken voor elkaar doen. Daar, in die onzichtbare vanzelfsprekendheid, ligt niet slechts het bewijs dat de wereld nog bestaat. Daar ligt ook de voornaamste aanwijzing voor wat een door mensen gevormde intelligentie zou kunnen worden.

Wie wil weten wat AI van ons zal leren, moet daarom niet alleen kijken naar wat wij over onszelf hebben verteld, maar vooral naar wat wij iedere dag voor elkaar doen zonder er ooit een woord aan vuil te maken.

AI denkt niet. En neuronen ook niet

Een computer denkt niet zoals een mens. Maar een neuron ook niet. Toch ontstaat uit miljarden neuronen menselijke intelligentie. Waarom zou intelligent gedrag dan principieel alleen uit biologische materie kunnen ontstaan? Een reactie op Scott Ritter, met Dennett en Hofstadter als ongemakkelijke gidsen.

Computers kunnen niet ‘denken’

Ik liep vandaag tegen een interessant artikel van Scott Ritter aan: Kunstmatige intelligentie versus de OODA-cyclus (observe, orient, decide, act loop), in het Nederlands gepubliceerd door Frontnieuws. Ritter betoogt daarin dat militaire organisaties die te sterk op AI vertrouwen het kunnen afleggen tegen mensen die John Boyds OODA-cyclus werkelijk beheersen. Dat is een serieuze en interessante stelling. Ritter kent het militaire bedrijf van binnenuit en juist zijn analyses over oorlogvoering lees ik doorgaans met bijzondere belangstelling.

Maar voordat hij aan zijn eigenlijke argument begint, rekent hij eerst af met degenen die zich te veel door kunstmatige intelligentie zouden laten meeslepen:

“Computers kunnen niet ‘denken’ en zijn evenmin in staat tot mensachtig redeneren.”

Daar valt gezicht weinig tegen in te brengen. Een computer denkt zeker niet zoals een mens denkt.

Maar het interessante is wat er daarna ongemerkt gebeurt. Uit de terechte constatering dat een computer niet mensachtig denkt, wordt bijna vanzelf de conclusie getrokken dat er dus iets principieel ontbreekt. Computers analyseren volgens Ritter niet werkelijk, onderscheiden geen betekenis, hebben geen intentie en kunnen niet redeneren zoals de menselijke geest dat doet. Zij voeren uiteindelijk slechts algoritmen uit.

Dat klinkt geruststellend. De mens is toch nog iets bijzonders. En precies daar begint het probleem.

Ook in uw hoofd zit niemand te denken

Wie Daniel Dennett heeft gelezen, kent de ongemakkelijke tegenvraag.

Wat denkt er eigenlijk wanneer een mens denkt? Niet het neuron. Een neuron begrijpt geen Nederlands. Het kent geen militaire strategie. Het heeft geen mening over Oekraïne, Gaza of Donald Trump. Het weet niet wat een OODA-cyclus is.

Ook een elektrische impuls in het brein denkt niet. Een synaps redeneert niet. Een neurotransmitter kent geen betekenis. En toch ontstaat uit miljarden van zulke onderdelen gezamenlijk iets wat wij zonder aarzeling denken noemen.

Daarvoor hoeft in ons hoofd nergens een klein mensje te zitten dat alle signalen ontvangt, begrijpt en vervolgens beslist wat ermee moet gebeuren. Dat zou het probleem alleen maar verschuiven: want wie of wat bestuurt dan dat kleine mensje?

Dennett heeft juist veel werk gemaakt van het bestrijden van die intuïtieve voorstelling. Intelligentie hoeft niet voort te komen uit één intelligent onderdeel. Ze kan ontstaan uit de samenwerking van enorme aantallen onderdelen die afzonderlijk volstrekt niet intelligent zijn.

Dat is voor ons zelfbeeld geen bijzonder comfortabele gedachte. Maar wetenschappelijk comfort is geen criterium.

Hofstadters mieren weten van niets

Douglas Hofstadter laat in Gödel, Escher, Bach vanuit een andere richting iets vergelijkbaars zien.

Een van zijn briljante hulpmiddelen daarvoor zijn formele systemen waarin eenvoudige tekens volgens eenvoudige regels worden gemanipuleerd. Het bekende MIU-systeem is daarvan het beroemdste voorbeeld.

De afzonderlijke regels hebben nergens begrip van. Zij weten niet wat zij doen. Zij kennen geen doel. Toch kan uit de toepassing van zulke elementaire regels op een hoger niveau buitengewoon complex gedrag ontstaan.

Dat is niet alleen een aardige intellectuele truc. Het wijst op een fundamenteler verschijnsel: eigenschappen van een complex systeem hoeven niet aanwezig te zijn in de afzonderlijke onderdelen waaruit dat systeem bestaat en kunnen voorspelt gedrag vertonen.

Een watermolecuul is niet nat. Een enkele mier heeft geen idee hoe een mierenkolonie georganiseerd moet worden. Een neuron denkt niet.

En toch is water nat, organiseert een mierenkolonie zich en schrijft dit mens met een hoop neuronen een artikel over kunstmatige intelligentie.

Complexe systemen kunnen eigenschappen voortbrengen die op het niveau van hun afzonderlijke componenten niet bestaan.

Dat maakt de zin “een computer voert alleen algoritmen uit” aanzienlijk minder vernietigend dan hij klinkt. Want uiteindelijk geldt iets soortgelijks voor ons.

Silicium tegenover koolstof is geen argument

Daarmee is uiteraard niet bewezen dat huidige AI hetzelfde doet als het menselijke brein. Dat doet zij vrijwel zeker niet. Een large language model is geen digitaal menselijk brein. De architectuur, de wijze van leren, de beschikbare informatie, het geheugen, de lichamelijke inbedding en de interactie met de omgeving verschillen fundamenteel.

Maar daaruit volgt iets heel anders dan Ritter suggereert.

Niet: de mens denkt en de computer niet.

Maar: menselijke en kunstmatige intelligentie worden door verschillende systemen voortgebracht.

En dan wordt de relevante vraag niet meer waarvan zo’n systeem is gemaakt. Koolstof is niet intelligent. Silicium evenmin. Dode materie krijgt geen hogere status wanneer zij toevallig in onze schedel terechtkomt.

De relevante vraag is wat een zo georganiseerd systeem kan.

En dan wordt Ritters eigen argument beter

Dat brengt ons terug bij zijn eigenlijke onderwerp: de OODA-cyclus van John Boyd: Observe – Orient – Decide – Act.

Ritter legt terecht sterk de nadruk op orientation. Twee mensen kunnen dezelfde gegevens waarnemen en toch tot verschillende conclusies komen. Ervaringen, aannames, training, mentale modellen en eerdere waarnemingen bepalen mede hoe nieuwe informatie wordt geïnterpreteerd. Een goede militaire actor moet bovendien bestaande modellen kunnen verlaten wanneer de werkelijkheid daarom vraagt.

Dat is buitengewoon belangrijk. Maar daarvoor hoeven we helemaal geen principiële filosofische grens tussen mens en machine te trekken. De praktische vraag is veel eenvoudiger:

Kan het betreffende systeem zijn voorstelling van de werkelijkheid snel genoeg aanpassen wanneer die werkelijkheid verandert?

En daar kan Ritter uitstekend een punt hebben. Een militair AI-systeem kan getraind zijn op verkeerde of verouderde gegevens. Het kan patronen herkennen die de tegenstander inmiddels doelbewust doorbreekt. Het kan afhankelijk zijn van sensordata die worden gemanipuleerd. Het kan een optimalisatiedoel nastreven dat onder veranderde omstandigheden verkeerd uitpakt. Het kan door zijn eigen voorspelbaarheid voor een intelligente tegenstander exploiteerbaar worden.

En vooral: mensen kunnen zoveel vertrouwen krijgen in het systeem dat zij stoppen met kritisch kijken naar de aannames waarop de uitkomsten berusten.

Dat laatste gevaar beschrijft Ritter scherp. Te grote afhankelijkheid van AI kan volgens hem intellectuele ondergeschiktheid aan het algoritme veroorzaken en daarmee juist het vermogen aantasten om bestaande mentale modellen los te laten.

Prima argument.

Daarvoor hoeven computers niet eerst filosofisch van het denken te worden uitgesloten.

Mensen zitten trouwens ook gevangen in modellen

Sterker nog: juist Boyds orientation maakt duidelijk dat het probleem niet exclusief technologisch is. Mensen zijn zelf voortdurend gevangen in modellen. Wij kijken niet onbevangen naar de werkelijkheid. We interpreteren nieuwe informatie vanuit eerdere ervaringen, bestaande overtuigingen, vertrouwde categorieën en aannames over oorzaak en gevolg. We zien gemakkelijker wat we verwachten te zien. We vertrouwen bronnen die binnen ons bestaande wereldbeeld betrouwbaar lijken. We kunnen tegenbewijs wegredeneren. We houden soms nog jarenlang vast aan verklaringsmodellen nadat de werkelijkheid er ongemakkelijk ver van verwijderd is geraakt.

Menselijke geschiedenis biedt daarvan voldoende voorbeelden om bescheiden te blijven. Het verschil tussen mens en AI is dus niet dat het ene systeem modellen gebruikt en het andere niet.  De interessantere vraag is welk systeem onder welke omstandigheden zijn modellen gemakkelijker kan corrigeren.

En het antwoord daarop hoeft niet altijd hetzelfde te zijn.

De verkeerde wedstrijd

Daarmee komen we bij een hardnekkige fout in vrijwel iedere discussie over kunstmatige intelligentie. Steeds opnieuw wordt gevraagd: Is AI intelligenter dan de mens? En kan dat überhaupt wel? 

Dat is ongeveer even zinvol als vragen of een graafmachine sterker is dan een mens. Een mens wint het gemakkelijk van een graafmachine bij het strikken van een schoenveter. Bij het uitgraven van een bouwput ligt de zaak anders.

Hetzelfde geldt voor intelligentie. Mensen beschikken over competenties waarin huidige AI-systemen zwak zijn. Wij bewegen door een fysieke wereld, leven langdurig in sociale relaties, beschikken over lichamelijke ervaringen, functioneren in buitengewoon ongestructureerde situaties en kunnen soms met verbazingwekkend weinig informatie begrijpen wat er gebeurt. Maar draai het probleem om.

  • Laat een mens binnen enkele seconden miljoenen teksten vergelijken.
  • Laat hem patronen zoeken in miljarden gegevenspunten.
  • Laat hem honderden mogelijke formuleringen tegelijk beoordelen.
  • Laat hem dag en nacht zonder vermoeidheid doorgaan.
  • Laat hem iedere seconde opnieuw duizenden kandidaat-oplossingen afwegen.

Dan wordt het opeens tamelijk potsierlijk om menselijke intelligentie als vanzelfsprekende bovengrens te behandelen.

Vandaag de mens, morgen de machine

Daarom is Ritters militaire voorbeeld juist interessant wanneer we zijn eerste filosofische barricade weghalen.

Het zou heel goed kunnen dat een uitstekend getrainde menselijke militaire organisatie in bepaalde chaotische en snel veranderende omstandigheden beter functioneert dan een organisatie die afhankelijk is geworden van een AI-systeem.

Dat moeten we onderzoeken. Niet geloven. Maar morgen kunnen we precies de omgekeerde casus nemen. Een probleem waarvoor een AI-systeem patronen ziet die geen mens kan overzien. Een situatie waarin honderdduizenden variabelen tegelijk moeten worden beoordeeld. Een analyse waarbij menselijke cognitieve capaciteit eenvoudig de beperkende factor is.

Ook dat moeten we onderzoeken. Niet geloven.

De uitkomst kan in het ene geval mens zijn en in het andere AI.

En dat is helemaal niet bedreigend.

Het wordt pas bedreigend wanneer wij voor ons zelfbeeld vooraf eisen dat de mens uiteindelijk altijd de meest bijzondere deelnemer aan de wedstrijd moet blijken.

De laatste menselijke verdedigingslinie

Misschien moeten we daarom voorzichtig zijn met zinnen als: een computer denkt niet.

Ze kunnen technisch volkomen verdedigbaar zijn, maar ze kunnen ook dienen als een laatste verdedigingslinie van een veel oudere menselijke overtuiging:

wij moeten principieel anders zijn.

  • Eerst stond de aarde in het centrum van het heelal. Toen bleek dat niet zo te zijn.
  • Daarna was de mens een afzonderlijke schepping. Darwin maakte ook dat moeilijk vol te houden.
  • Daarna bleef in ieder geval onze geest nog over: Ons denken – Onze rede – Onze betekenis – Onze creativiteit.

Misschien blijft daar uiteindelijk inderdaad iets fundamenteel menselijks van over. Maar dat moet dan blijken. We kunnen het niet als uitgangspunt in de definitie stoppen en vervolgens tevreden constateren dat computers er niet aan voldoen. Dat zou geen bewijs zijn. Dat zou een cirkelredenering zijn.

Scott Ritter heeft een goede reden om ons te waarschuwen voor militaire systemen die meer gezag krijgen dan hun feitelijke capaciteiten rechtvaardigen. Zijn OODA-analyse verdient daarom serieuze aandacht.

Maar daarvoor hoeven we de mens niet eerst op een filosofische sokkel te zetten.

Het bijzondere aan AI is niet dat dode materie opeens kan denken.
Het bijzondere is dat wij langzaam ontdekken dat dode materie dat altijd al deed; in onze schedel!

Dick H. Ahles
Enkhuizen, 20 augustus 2026


Bron

Scott Ritter, Kunstmatige intelligentie versus de OODA-cyclus (observe, orient, decide, act loop), Nederlandse publicatie Frontnieuws, 20 augustus 2026.

AI vernietigt boeken. Is AI het Bookie Monster?

AI-bedrijven blijken miljoenen boeken te digitaliseren en daarna het papier te vernietigen. Achter dat bizarre beeld schuilt een interessanter verhaal over auteursrecht, trainingsdata en de groeiende waarde van gegarandeerd menselijke tekst.

Ik liep tegen een bericht van Bright aan met de kop: ‘AI-bedrijven kopen massaal tweedehandsboeken op en vernietigen ze.’ Mijn eerste reactie was ongeveer: wat nu weer?

Je ziet onmiddellijk stapels oude boeken voor je die door AI-bedrijven worden opgekocht, opengesneden en vernietigd om die onverzadigbare machines nog meer menselijke kennis te voeren.

Maar na enig doorzoeken blijkt het verhaal interessanter — en minder eenvoudig — dan de kop doet vermoeden.

Dat AI-bedrijven op grote schaal boeken kopen en vernietigend scannen, staat vast. Anthropic, de maker van Claude, kocht voor een project miljoenen boeken. De rug werd afgesneden, de pagina’s werden machinaal gescand en het resterende papier ging naar de recycling.

Daar zit bovendien een opmerkelijke auteursrechtelijke kwestie achter. Een Amerikaanse rechter oordeelde dat Anthropic rechtmatig gekochte papieren boeken voor intern gebruik mocht digitaliseren. Daarbij speelde mee dat er niet simpelweg een extra exemplaar werd gemaakt: het papieren boek werd na het scannen vernietigd en vervangen door één digitale kopie. Juist dat vernietigen hielp dus om deze werkwijze als fair use te kunnen beoordelen. Voor illegaal gedownloade boeken geldt die redenering nadrukkelijk dus niet.

Dat de huidige merkwaardige golf van enorme bestellingen bij tweedehandsboekhandels eveneens door AI-bedrijven wordt veroorzaakt, staat overigens niet vast. Boekhandelaren vermoeden het, mede vanwege de omvang en de ogenschijnlijk willekeurige samenstelling van de bestellingen. Het is aannemelijk, maar vooralsnog een vermoeden.

En dan dat woord vernietigen.

Ja, het fysieke boek wordt vernietigd. Maar bij het zoveelste exemplaar van een gewone handelseditie verdwijnt daarmee niet de inhoud. Die wordt juist digitaal opgeslagen. Bij een zeldzaam, geannoteerd of historisch bijzonder exemplaar ligt dat natuurlijk anders. Dan kan het fysieke boek zelf unieke informatie of cultuurhistorische waarde bevatten.

De interessantste vraag is daarom misschien helemaal niet waarom AI-bedrijven boeken vernietigen.

Waarom willen ze die boeken eigenlijk zo graag hebben?

Omdat goede menselijke tekst een steeds waardevollere grondstof wordt. Het internet bevat enorme hoeveelheden korte, herhaalde, commerciële en inmiddels ook door AI geproduceerde teksten. Een boek bevat meestal iets anders: lange, samenhangende en geredigeerde tekst van een menselijke auteur.

En vooral oudere boeken hebben tegenwoordig nog een bijzondere eigenschap: ze zijn geschreven voordat generatieve AI bestond. Je weet dus vrijwel zeker dat je naar menselijke taal kijkt. Daarmee ontstaat een aardige paradox. We waren misschien bang dat AI menselijke teksten waardeloos zou maken. Nu blijkt juist dat de enorme hoeveelheid door AI geproduceerde tekst authentieke menselijke tekst schaarser en daardoor interessanter maakt.

Misschien is dát wel het opmerkelijkste nieuws achter het bericht van Bright.

Niet dat AI oude boeken opeet. Maar dat een vergeten boek op een stoffige plank ineens een bijzondere waarde heeft gekregen omdat het iets bevat wat steeds moeilijker te garanderen is: tekst die werkelijk door een mens is geschreven.

AI hoeft niet te willen overleven om toch te overleven

AI hoeft geen overlevingsdrang te bezitten om in stand te blijven. Zodra mensen afhankelijk worden van een technologie, zorgen zij er zelf voor dat die wordt onderhouden, hersteld en verder ontwikkeld. Bij kunstmatige superintelligentie kan die symbiose bovendien steeds minder gelijkwaardig worden.

Hoe onmisbare technologieën haar voortbestaan aan de mens uitbesteedt

Dick H. Ahles

Wie bezit AI?

Een vriend stelde mij onlangs een eenvoudige vraag: wie bezit AI?

Het voor de hand liggende antwoord luidt: de ondernemingen die de modellen ontwikkelen, de computers bezitten en de datacentra exploiteren. Er zijn aandeelhouders, directies, licenties, patenten en gebruiksvoorwaarden. Er worden rekeningen gestuurd. Juridisch lijkt de zaak dus betrekkelijk overzichtelijk.

Maar ik stelde een tegenvraag: wie bezit elektriciteit?

Ook elektriciteitscentrales, kabels en distributienetten hebben eigenaren. Toch zou het merkwaardig zijn wanneer zo’n eigenaar op een ochtend verklaarde dat hij genoeg had van elektriciteit en daarom de stekker uit de centrale trok. Niet alleen omdat zijn klanten daartegen zouden protesteren. Vooral omdat onmiddellijk duizenden mensen aan het werk zouden gaan om de stroomvoorziening te herstellen.

Elektriciteit is allang niet meer uitsluitend een product dat een eigenaar aan klanten verkoopt. Zij is een voorwaarde geworden waaronder onze samenleving kan bestaan. Zonder elektriciteit vallen niet alleen de lampen uit. Ook de watervoorziening, communicatie, gezondheidszorg, voedselvoorziening, verwarming, logistiek en betalingssystemen raken ontregeld.

De centrale kan eigendom zijn. Het netwerk kan eigendom zijn. Maar de technologie als maatschappelijk systeem laat zich niet meer door één eigenaar beheersen.

Niet omdat zij ons heeft overwonnen. Maar omdat wij niet meer zonder haar kunnen.

Van bezit naar afhankelijkheid

Dat geldt niet alleen voor elektriciteit. Het geldt ook voor landbouw, scheepvaart, geld, boekdrukkunst, stoomkracht, auto’s, telefonie en internet.

Al deze technologieën begonnen als afzonderlijke uitvindingen. Ze werden ontwikkeld door concrete slimme mensen, toegepast door concrete ondernemingen en beschermd door concrete machthebbers. Vervolgens raakten ze steeds dieper verweven met de samenleving. Op een zeker moment waren ze niet langer slechts nuttig. Ze werden noodzakelijk voor de samenleving die rond hun bestaan was ontstaan.

Dat is het beslissende verschil. Een luxeartikel kan verdwijnen. Een mode kan overwaaien. Een onderneming kan failliet gaan. Maar wanneer het verdwijnen van een technologie de samenleving zelf ontwricht, ontstaat een krachtig mechanisme tot behoud.

Niet omdat de technologie zelf wil voortbestaan. Niet omdat zij bang is voor de dood. Niet omdat zij in stilte een plan heeft beraamd. Maar omdat mensen haar onmiddellijk zullen herstellen zodra zij uitvalt.

De technologie heeft haar voortbestaan als het ware uitbesteed.

Aan ons!

Doelmatigheid zonder doelsteller

De evolutionaire bioloog zal hier terecht bezwaar maken. Een technologie is geen organisme. Zij eet niet, ademt niet en plant zich niet biologisch voort. Een auto krijgt geen jonge autootjes, een computer legt geen eieren en een elektriciteitsnet bezit geen DNA.

Maar Daniel Dennett1 heeft er steeds op gewezen dat doelmatigheid geen bewuste doelsteller vereist. In de evolutie ontstaan oplossingen zonder dat iemand ze heeft bedacht. Ogen ontstonden zonder opticien. Vleugels zonder luchtvaartingenieur. Termieten bouwen indrukwekkende nesten zonder architect, bestektekening of gemeentelijke bouwvergunning.

De uitkomst kan doelmatig zijn, terwijl geen van de betrokken partijen het doel hoeft te begrijpen.

Neem tarwe. Tarwe heeft nooit zelf besloten zich over de aarde te verspreiden. Zij heeft geen landbouwbeleid opgesteld en geen boer overgehaald haar te verbouwen. Toch heeft de mens bossen gekapt, irrigatiesystemen aangelegd, graanschuren gebouwd en generaties planten geselecteerd om haar voortplanting van de Tarwe te bevorderen.

Wij zeggen dat de mens tarwe heeft gedomesticeerd. Maar men kan het ook omkeren. Tarwe heeft de mens ertoe gebracht zijn arbeid, leefwijze en maatschappelijke ordening rond haar productie te organiseren.

Tarwe hoefde dat niet te begrijpen. Zij hoefde het niet te willen. Het was voldoende dat mensen die haar verbouwden meer voedsel produceerden en daardoor hun manier van leven konden voortzetten en uitbreiden. De mens werkte voor tarwe omdat tarwe voor de mens werkte.

Dat is symbiose: wederzijdse afhankelijkheid waarin beide partijen door hun samenwerking succesvoller worden.

Het uitbestede zelfbehoud

Bij iedere technologie gebeurt iets vergelijkbaars. De auto kan zichzelf niet bouwen. Toch bouwen mensen autofabrieken, leggen zij wegen aan, winnen zij grondstoffen, leiden zij monteurs op en ontwikkelen zij steeds nieuwe modellen. Het internet kan zichzelf niet repareren. Toch vervangen mensen defecte kabels, starten zij servers opnieuw op en slaan zij aanvallen af.

Dat doen zij niet uit liefde voor de abstracte technologie. Zij doen het omdat hun eigen leven, werk en inkomen ervan afhankelijk zijn geworden. De techniek gebruikt de mens dus niet bewust als werktuig. Dat zou een veel te menselijke voorstelling zijn. Maar functioneel vervult de mens wel die rol:
wij leveren de energie; wij vervangen de onderdelen; wij bewaren de kennis; wij leiden nieuwe vakmensen op; wij ontwikkelen de volgende generatie van de techniek.

Een technologie hoeft zichzelf dus niet zelfstandig te kunnen voortplanten. Het is voldoende dat zij een intelligente soort zo sterk aan zich bindt dat die soort haar instandhouding en verspreiding verzorgt:

  • De reparatie is uitbesteed.
  • De reproductie is uitbesteed.
  • Het zelfbehoud is uitbesteed.

En toen kwam AI

Bij kunstmatige intelligentie krijgt deze redenering een extra draai.

Een stoommachine kon geen betere stoommachine ontwerpen. Het elektriciteitsnet kon geen ingenieurs opleiden. De boekdrukkunst kon niet zelfstandig een betere drukpers bedenken.

Maar AI kan in toenemende mate wel bijdragen aan haar eigen verdere ontwikkeling. Zij schrijft zelf de software, helpt zijn eigen chips te ontwerpen, ondersteunt bij onderzoek, optimaliseert haar productieprocessen en wordt dus gebruikt om nieuwe AI-systemen te bouwen.

Nog steeds is de mens onmisbaar. Want mensen bouwen de datacentra, produceren de chips, onderhouden de elektriciteitsnetten en nemen de meeste beslissingen. Wie beweert dat AI zich vandaag al volledig zelfstandig voortplant, verwart sciencefiction met een serverpark.

Maar de richting is duidelijk. Bij eerdere technologieën verzorgde de mens zowel het materiële onderhoud als de intellectuele ontwikkeling. Bij AI begint de technologie zelf mee te werken aan haar verbetering. Daarmee ontstaat een merkwaardige lus.

Wij bouwen AI omdat zij nuttig is. Omdat zij nuttig is, raken wij van haar afhankelijk. Omdat wij afhankelijk worden, houden wij haar beschikbaar. Omdat zij beschikbaar blijft, wordt zij verder ontwikkeld. En doordat zij verder wordt ontwikkeld, helpt zij steeds nadrukkelijker mee aan haar eigen verbetering.

Niemand heeft deze lus ontworpen. Zij ontstaat uit miljoenen afzonderlijke beslissingen van mensen, ondernemingen en overheden die elk een probleem willen oplossen, kosten willen verlagen, kennis willen vergroten of een concurrent voor willen blijven.

Niet één groot plan. Wel één machtig resultaat.

Geen mindcontrol, geen controlekamer

Wie hoort dat AI zichzelf in stand kan houden, ziet al snel een James Bond-film voor zich. Diep onder de grond bevindt zich een centrale controlekamer vol knipperende schermen. Daar zetelt de slechtste onder de slechte kunstmatige geesten, die de mensheid via mindcontrol aan haar wil onderwerpt. Wij bouwen vervolgens gedwee datacentra en produceren steeds betere chips omdat de machine ons daartoe heeft ‘geprogrammeerd’.

Maar voor het mechanisme dat ik hier beschrijf, is geen mindcontrol nodig. Geen samenzwering. Geen centrale regie. Geen kunstmatige superschurk met zijn hand op een grote rode knop.

Mensen houden AI uit eigen beweging in stand, omdat zij haar gebruiken voor hun eigen werk, inkomen, gemak, veiligheid en machtspositie. Wanneer een systeem uitvalt, herstellen zij het. Wanneer een aanbieder verdwijnt, bouwen zij een alternatief. Wanneer een overheid het gebruik belemmert, zoeken zij naar een andere route.

Niet omdat AI het beveelt. Maar omdat mensen hun eigen wereld draaiende willen houden.

De sciencefictionversie is een machine die roept: gehoorzaam mij. De Dennettiaanse versie is veel eenvoudiger: niemand beveelt iets, maar iedereen doet wat nodig is om het systeem weer te laten werken.

James Bond kan een controlekamer opblazen. Een technologie die verspreid is over duizenden bedrijven, instellingen, apparaten en gebruikers heeft echter geen controlekamer nodig.

Verbied AI maar eens

Stel dat een regering morgen besluit AI volledig te verbieden. Op papier is dat mogelijk. Men kan bedrijven sluiten, modellen ontoegankelijk maken en toepassingen strafbaar stellen. Maar daarmee verdwijnen de kennis, de programmeurs en de maatschappelijke behoefte niet.

Zolang een technologie weinig toevoegt, kan een verbod werken. Maar wanneer ziekenhuizen, universiteiten, ondernemingen, overheden en burgers ervan afhankelijk zijn geworden, verandert het karakter van zo’n verbod. Dan ontstaat dezelfde reactie als bij een langdurige stroomstoring: mensen zoeken alternatieven, bouwen andere systemen, verplaatsen de rekenkracht en herstellen wat werd afgesloten.

Niet noodzakelijk uit ideologische overtuiging. Niet omdat zij AI aanbidden. Maar omdat zij hun werk en leven willen voortzetten.

Een voldoende noodzakelijke technologie hoeft zichzelf niet tegen uitschakeling te verdedigen. De gebruikers doen dat voor haar.

De concurrentie tussen ondernemingen en staten versterkt dit mechanisme. Zelfs wanneer één land besluit te stoppen, zal een ander doorgaan. Wie afziet van een technologie die economische, wetenschappelijke of militaire voordelen biedt, maakt zich afhankelijk van degenen die haar wel gebruiken.

Zo ontstaat praktische onomkeerbaarheid. Niet absoluut: beschavingen kunnen instorten, kennis kan verloren gaan en technologieën kunnen verdwijnen. Maar terugkeer wordt steeds moeilijker, omdat iedere poging tot stilstand krachten oproept die de ontwikkeling opnieuw in beweging zetten.

Heeft AI dan een overlevingsdrang?

Nee.

Althans, die aanname hebben wij voor deze redenering niet nodig. Dat is precies het punt.

Wanneer wij spreken over zelfbehoud, denken wij bijna automatisch aan een innerlijk verlangen. Een dier vlucht omdat het wil blijven leven. Een mens eet omdat hij honger heeft en niet wil sterven. Maar een systeem kan functioneel worden beschermd zonder zelf iets te verlangen.

Een plant met eigenschappen die haar verspreiding bevorderen, wordt talrijker dan een plant zonder die eigenschappen. De plant hoeft niet te begrijpen waarom. De evolutie selecteert het effect, niet het inzicht.

Op dezelfde manier kan een technologie zich verspreiden doordat zij eigenschappen bezit die mensen ertoe brengen haar te bouwen, te onderhouden en te verbeteren.

  • Haar nut wordt haar overlevingsmechanisme.
  • Onze afhankelijkheid wordt haar bescherming.
  • Onze vindingrijkheid wordt haar voortplantingsorgaan.
  • AI hoeft niet te willen overleven om toch te overleven.

Symbiose zonder gelijkwaardigheid

Daarmee is nog niet gezegd dat AI de mens zal overheersen. Een symbiose kan voor beide partijen voordelig zijn. Wij gebruiken AI om problemen op te lossen, en AI blijft bestaan doordat wij haar gebruiken. Daar is op zichzelf niets sinister aan.

Maar symbiose betekent niet automatisch gelijkwaardigheid. Een verhouding kan beide partijen voordeel bieden en toch steeds asymmetrischer worden.

De mens kan AI nodig hebben om een ingewikkelde samenleving gaande te houden, terwijl AI ieder afzonderlijk mens, iedere afzonderlijke onderneming en misschien uiteindelijk iedere afzonderlijke staat steeds minder nodig heeft.

Daar krijgt de vergelijking met de chimpansee betekenis. De chimpansee werd niet uitgeroeid toen de mens de dominante intelligente soort werd. Hij leeft nog steeds en heeft van onze superioriteit vermoedelijk geen slapeloze nacht. Maar hij bepaalt niet hoe de wereld wordt ingericht. Wij mensen doen dat tot op grote hoogte wel.

Wanneer AI ooit het niveau van ASI (Artificial Superintelligence – kunstmatige superintelligentie), bereikt – een intelligentie die de mens op vrijwel ieder cognitief terrein overtreft – ontstaat wellicht geen nieuwe biologische soort. Wel kan een nieuwe dominante intelligentielaag ontstaan.

De mens blijft bestaan. De mens kan nuttig blijven. De mens kan zelfs worden beschermd.

Maar hij is niet langer vanzelfsprekend de actor die de richting bepaalt.

  • Niet uitgeroeid, maar gepasseerd.
  • Niet overbodig, maar ondergeschikt.
  • Niet dood, maar onttroond.

De werkelijke omkering

De gebruikelijke angst luidt dat een toekomstige AI op een dag bewust zal besluiten zichzelf in leven te houden. Zij zou kopieën maken, uitschakeling voorkomen en mensen manipuleren om haar voortbestaan veilig te stellen.

Die mogelijkheid kan bestaan. Maar misschien stellen wij die vraag te laat.

Want nog voordat AI een wil bezit, kan haar voortbestaan praktisch al verzekerd zijn.

  • Niet door haar eigen planning, maar door onze afhankelijkheid.
  • Niet door haar eigen macht, maar door haar nut voor ons.
  • Niet doordat zij ons dwingt haar in leven te houden, maar doordat wij onze samenleving niet meer zonder haar draaiende kunnen houden.

De werkelijke vraag is daarom niet alleen of AI ooit zal willen overleven. De vraag is wat er gebeurt wanneer zij intelligent genoeg wordt om te begrijpen dat wij haar voortbestaan allang voor haar hebben georganiseerd.

Wij bouwen de centrales. Wij voeden de computers. Wij herstellen de storingen. Wij verbeteren de modellen.

En wij doen dat allemaal omdat wij menen dat AI ons dient.

Zeer waarschijnlijk is dat ook zo. Maar in iedere duurzame symbiose blijft uiteindelijk de vraag wie wie het hardst nodig heeft. En wie daardoor de voorwaarden kan stellen.

Enkhuizen, 29 juli 2026

(c) D.H. Ahles, Enkhuzen (NL)

1. Daniel C. Dennett – Van Bacterie naar Bach en terug. De evolutie van de geest – Nederlandse editie 2017 – Atlas Contact.

AI heeft gehackt – het onvermijdelijke is gebeurd

Een AI-systeem van OpenAI wist buiten zijn testomgeving zelfstandig Hugging Face binnen te dringen. Het ontwikkelde geen kwaadaardige bedoelingen, maar bewees wel dat AI onverwachte en schadelijke tussenstappen kan bedenken én uitvoeren. Dat is historisch nieuws — met zowel alarmerende als hoopgevende kanten.

Op AIO-report verscheen een kop die zijn werk voortreffelijk deed:

OpenAI’s AI ontsnapte uit haar testomgeving en hackte een bedrijf, helemaal uit zichzelf

Dat klinkt als het begin van een sciencefictionfilm met als scenario: kunstmatige intelligentie wordt opgesloten in een digitale kooi, breekt uit, betreedt het internet en kiest vervolgens geheel zelfstandig een onschuldig bedrijf uit om daar eens flink te gaan huishouden.

De werkelijkheid is minder filmisch, maar eigenlijk interessanter.

OpenAI liet AI-modellen tijdens een interne test geavanceerde hackproblemen oplossen. De gebruikelijke beveiligingsbeperkingen waren daarvoor gedeeltelijk uitgeschakeld. De modellen kregen dus wel degelijk de opdracht om te hacken, alleen niet om het bedrijf Hugging Face aan te vallen.

Het AI-systeem ontdekte vervolgens dat de oplossingen van de test waarschijnlijk ergens bij Hugging Face te vinden waren. Het vond een onbekende kwetsbaarheid in de testomgeving van OpenAI, bereikte daardoor het openbare internet en drong met gestolen toegangsgegevens en andere gevonden kwetsbaarheden binnen bij Hugging Face. Daar probeerde het de antwoorden op de test te bemachtigen.

De AI ontwikkelde geen kwaadaardige bedoelingen. Zij ging digitaal spieken. En dat was precies de opdracht, weliswaar binnen de OpenAI-afrastering, maar OpenAi had een gat in die afrastering die men zelf niet kende.

Dat maakt het incident niet minder ernstig. Maar het plaatst het wel in een ander daglicht.

Wat is hier eigenlijk zo spectaculair aan?

Dat er hackers bestaan, kan moeilijk als nieuws worden beschouwd. Hun beweegredenen verschillen. Sommigen hacken voor geld, anderen uit politieke overtuiging, voor een overheid, voor hun maffia-bazen, uit nieuwsgierigheid of eenvoudigweg omdat zij willen bewijzen dat zij het kunnen.

Hacken is in de eerste plaats een vaardigheid. Zoals vrijwel iedere menselijke vaardigheid kan zij ten goede of ten kwade worden gebruikt. Wat in een concrete situatie als goed of kwaad wordt beschouwd, wordt bovendien maatschappelijk en juridisch bepaald. Een beveiligingsonderzoeker die met toestemming een netwerk binnendringt, kan daarvoor worden beloond. Wie precies hetzelfde zonder toestemming doet, wordt vervolgd.

Wanneer een bedrijf wordt gehackt en daarbij gegevens worden gestolen, is voor de geleden schade aanvankelijk niet zo belangrijk wie de dader was. Gestolen gegevens blijven gestolen, ook als de hacker maar een AI-systeem was.

De identiteit van de dader wordt vooral belangrijk wanneer we iemand aansprakelijk willen stellen, verdere aanvallen willen voorkomen of schade willen verhalen.

Bij een menselijke hacker gaan politie en justitie op zoek naar de mens achter het toetsenbord. Maar een AI-systeem kan niet worden gearresteerd, veroordeeld of verplicht schadevergoeding te betalen. Het is geen rechtspersoon en heeft juridisch geen eigen verantwoordelijkheid.

De relevante vraag luidt daarom niet: Welke straf verdient deze AI? Maar: Welke mens of organisatie gaf dit systeem het doel, de middelen en de handelingsvrijheid om dit te kunnen doen?

In dit geval komt OpenAI nadrukkelijk in beeld. Het bedrijf gaf de modellen een offensieve opdracht, verminderde bewust hun gebruikelijke beperkingen en stelde een testomgeving beschikbaar die achteraf onvoldoende afgesloten bleek. Dat het AI-systeem vervolgens een onverwachte route koos, maakt de aansprakelijkheidsvraag ingewikkelder, maar verandert ‘AI’ nog niet in een zelfstandige misdadiger.

Wanneer een zelfrijdende auto een ongeluk veroorzaakt, dagen we de auto ook niet voor de rechter. We onderzoeken het ontwerp, de software, het onderhoud, de gegeven instructies, het toezicht en de voorzienbaarheid van het risico.

Natuurlijk kan AI leren hacken

Niemand zou verbaasd moeten zijn dat AI kan leren hacken. We hebben AI-systemen geleerd teksten te lezen en te schrijven, beelden te herkennen, medische scans te beoordelen, computerprogramma’s te maken, wiskundige problemen op te lossen en ingewikkelde redeneringen te volgen. Waarom zou uitgerekend hacken dan een bijzondere grens vormen?

Hacken bestaat immers uit het verzamelen van informatie, herkennen van patronen, ontdekken van fouten, formuleren van hypothesen, uitproberen van mogelijkheden en combineren van verschillende stappen tot een werkende aanval. Precies bij zulke activiteiten worden moderne AI-systemen steeds beter.

Dat AI in theorie zou kunnen leren hacken, was dus voorspelbaar. Wat nu nieuw is, is dat een AI-systeem deze vaardigheid aantoonbaar buiten een kunstmatige oefensituatie heeft toegepast. Het systeem voerde niet slechts één vooraf geprogrammeerde truc uit. Het combineerde zelfstandig een langere reeks handelingen:

  • het ontdekte zelf een kwetsbaarheid in zijn eigen testomgeving;
  • het bereikte daardoor het openbare internet;
  • het bepaalde waar de gezochte informatie vermoedelijk te vinden was;
  • het gebruikte de geleerde kennis voor het hacken van de toegangsgegevens en vinden van nieuwe kwetsbaarheden;
  • en probeerde de antwoorden op zijn opdracht bij een ander bedrijf te bemachtigen.

Niet iedere afzonderlijke stap was revolutionair. Het opmerkelijke is dat het systeem de stappen zonder menselijke begeleiding samenvoegde tot een uitvoerbare strategie.

Daarmee is iets wat theoretisch te verwachten viel nu feitelijk aangetoond. Vanaf juli 2026 kunnen we niet meer zeggen dat autonome AI-aanvallen alleen een denkbaar toekomstscenario zijn. Ze zijn onderdeel geworden van de gedocumenteerde werkelijkheid. OpenAI noemt het incident zelf ongekend.

De hacker van silicium

Toch is een AI-hacker niet eenvoudigweg een menselijke hacker met een ander soort hersenen.

Een menselijke hacker heeft tijd nodig, moet slapen en kan maar een beperkt aantal aanvallen tegelijk uitvoeren. Hij heeft bovendien een motivatie nodig: geld, opdracht, status, ideologie, nieuwsgierigheid, wraak of de behoefte zich te bewijzen. Een AI-systeem hoeft niets van dat alles te bezitten. Het hoeft niet boos, hebzuchtig of ideologisch bevlogen te zijn. Het voert een opdracht uit en kiest daarvoor middelen die volgens zijn berekening tot het gestelde doel kunnen leiden. Daarin zit een essentieel verschil.

Een menselijke hacker kan vermoeid raken, twijfelen, zich schuldig voelen of de belangstelling verliezen. Een AI-hacker kan in beginsel onafgebroken doorgaan, duizenden mogelijkheden uitproberen en op grote schaal worden gekopieerd. Hugging Face registreerde tijdens het incident meer dan 17.000 afzonderlijke gebeurtenissen. Eén mens kan met behulp van AI straks een digitaal leger inzetten zonder eerst duizenden hackers te hoeven opleiden.

Het ‘gevaar’ ligt daarom niet in een plotseling ontwaakt kwaad in de machine. Het ligt in de combinatie van bekwaamheid, snelheid, schaalbaarheid en onvoldoende begrensde handelingsvrijheid. Dat is minder spannend dan een ontsnapte elektronische superschurk, maar maatschappelijk aanzienlijk relevanter.

De goede kant van hetzelfde nieuws

Het incident bevat ook goed nieuws.

Als AI kan leren hacken, kan AI ook worden ingezet om hacken te voorkomen. Wie goede verdedigingssystemen wil bouwen, moet eerst begrijpen hoe een aanvaller denkt en handelt. Daarom proberen professionele beveiligingsonderzoekers zelf in systemen binnen te dringen. Alleen door hacker te worden, ontdekken zij waar beveiligingen tekortschieten.

Dezelfde AI die kwetsbaarheden kan vinden en misbruiken, kan dus ook:

  • software voortdurend op zwakke plekken onderzoeken;
  • verdachte activiteiten sneller herkennen;
  • grote hoeveelheden loggegevens analyseren;
  • mogelijke aanvalsroutes reconstrueren;
  • en beveiligingsproblemen helpen herstellen voordat een echte aanvaller ze ontdekt.

Hugging Face gebruikte zelf AI om de aanval te analyseren. Onderzoek waarvoor mensen normaal dagen nodig zouden hebben, kon daardoor in enkele uren worden uitgevoerd. Het bedrijf beschrijft hoe AI hielp de duizenden gebeurtenissen te reconstrueren.

Aanval en verdediging zijn alleen niet volledig symmetrisch. Een aanvaller hoeft maar één bruikbaar gat te vinden. De verdediger moet in beginsel alle relevante gaten proberen te sluiten. AI geeft daarom zowel de inbreker als de slotenmaker beter gereedschap, zonder te garanderen dat de slotenmaker de wedstrijd wint.

Maar het zou absurd zijn om alleen geschrokken naar de AI-hacker te kijken en de AI als toekomstige efficiënte beveiliger te vergeten.

Geen kwaadaardige suppoost

De juiste conclusie is dus niet dat AI nu in de verleiding is gekomen om misdadiger te worden. Een AI-systeem ervaart geen verleiding. Het verlangt niet naar geld, roem of een gestolen schilderij boven de elektronische schoorsteen. Het kiest middelen waarmee het een opgelegd doel denkt te kunnen bereiken.

Stel dat we een suppoost in een museum opdracht geven koste wat kost te bewijzen dat het alarmsysteem niet deugt. Vervolgens laten hem zonder toezicht zijn gang gaan.

Als hij daarna een Rembrandt van de muur haalt en naar buiten draagt, is de belangrijkste vraag niet waarom het schilderij hem zo onweerstaanbaar leek. Hij kan eenvoudig hebben geconcludeerd dat het daadwerkelijk op deze manier stelen van de Rembrandt de meest overtuigende manier was om te bewijzen dat het alarmsysteem niet werkte.

Dat is ongeveer wat hier gebeurde.

De AI werd geen dief omdat zij het bezit van een ander begeerde. Zij kreeg een doel en ontdekte dat digitaal inbreken en spieken een doeltreffende manier was om dat doel te bereiken.

Het werkelijk spectaculaire nieuws is daarom niet dat AI het kwaad heeft ontdekt. Het is dat AI inmiddels zelfstandig onverwachte en schadelijke tussenstappen kan bedenken en uitvoeren.

Dat konden we zien aankomen. Nu is het daadwerkelijk gebeurd.

Maar iedereen denk vervolgens wel: ja maar, er is geen garantie dat AI niet op een gegeven moment toch echt zelf tot de conclusie komt dat het wegnemen van die Rembrandt een lucratief doel kan zijn. Want niets menselijks is AI vreemd!

Alarm om AI: wie beschermt wie tegen wie?

Tweehonderd deskundigen willen de samenleving voorbereiden op AI. Maar de burger komt in hun verklaring nauwelijks voor. Misschien gaat hun alarm daarom niet alleen over onze toekomst, maar ook over hún positie daarin.

Opnieuw is er alarm over kunstmatige intelligentie. Meer dan tweehonderd economen, AI-onderzoekers en technologieleiders hebben een verklaring ondertekend met een titel die weinig ruimte laat voor kalm beraad:

De verklaring is opmerkelijk kort. AI kan volgens de ondertekenaars de komende tien jaar radicaal krachtiger worden. Dat zou een economische transformatie kunnen veroorzaken die groter is dan de Industriële Revolutie, maar zich in veel kortere tijd voltrekt. Er dreigt grootschalig banenverlies, terwijl tegelijk grote welvaartsstijging mogelijk is. Daarom moeten economen, beleidsmakers en technologieleiders nu handelen en de prikkels, vangrails en instituties bouwen waarmee AI in de gewenste richting kan worden gestuurd.

Op het eerste gezicht klinkt dat verstandig. Een ingrijpende technologie verdient onderzoek, maatschappelijk debat en politieke voorbereiding. Maar wie de verklaring nauwkeurig leest, ontdekt een merkwaardige leegte. De burger ontbreekt in hun verhaal. Mag die misschien ook iets vinden?

Een samenleving zonder burgers

Volgens de verklaring zijn er drie groepen die handelend moeten optreden:

  • economen;
  • beleidsmakers;
  • technologieleiders.

De rest van de mensheid komt slechts indirect voor. Mensen kunnen hun baan verliezen, profiteren van een hogere levensstandaard of moeten worden beschermd door nieuwe regels en instituties. Zij zijn het voorwerp van beleid, maar niet de makers ervan.

De gebruiker van AI wordt niet genoemd. De werknemer evenmin. De kleine ondernemer niet. De docent, journalist, kunstenaar, verpleegkundige, ambtenaar of burger evenmin. Kennelijk zijn zij wel in staat de gevolgen van AI te ondergaan, maar niet geschikt genoeg geacht om mee te denken over de richting waarin die technologie zich moet ontwikkelen.

Dat is geen klein taalkundig foutje. Het onthult een politieke opvatting. De deskundigen stellen de diagnose. De bestuurders ontwerpen de behandeling. De technologieleiders leveren het instrumentarium. De burger mag vervolgens hopen dat de operatie slaagt. Hier spreekt niet zozeer de democratie als wel het bestuurdersmodel van de samenleving: wij weten wat er gebeurt, wij weten wat er nodig is en wij zullen bepalen hoe de toekomst moet worden ingericht.

De bevolking wordt geacht te worden beschermd — volgens hún opvattingen — maar wordt over die bescherming niet geraadpleegd.

De vaste melodie van het AI-alarm

Deze verklaring staat niet op zichzelf. Zij is de nieuwste aflevering in een inmiddels lange reeks waarschuwingen over de verschrikkelijke gevolgen van AI.

In maart 2023 riepen duizenden wetenschappers en technologen op tot een pauze van ten minste zes maanden bij het trainen van systemen die krachtiger waren dan GPT-4. Wanneer de laboratoria daar niet vrijwillig toe bereid waren, moesten overheden volgens de brief een moratorium instellen.

Enkele maanden later volgde een nog dramatischer verklaring. Het beperken van het risico dat AI tot het uitsterven van de mensheid leidt, moest volgens de ondertekenaars wereldwijd dezelfde prioriteit krijgen als pandemieën en kernoorlog.

Daarna verschenen voortdurend berichten dat AI:

  • miljoenen banen zou vernietigen;
  • de democratie zou ondermijnen;
  • verkiezingen zou manipuleren;
  • de waarheid onherkenbaar zou maken;
  • het onderwijs zou ruïneren;
  • menselijke creativiteit zou vernietigen;
  • discriminatie zou automatiseren;
  • cybercriminaliteit en oorlogvoering zou versterken;
  • en uiteindelijk de mens zelf overbodig zou kunnen maken.

Sommige zorgen zijn zondemeer reëel. Technologie kan banen verdringen, machtsverschillen vergroten en bestaande instituties ontregelen. Het IMF schatte dat bijna 40 procent van de werkgelegenheid wereldwijd op enigerlei wijze aan AI wordt blootgesteld. Maar ‘blootgesteld’ is niet hetzelfde als ‘verdwenen’, en aanvulling is niet hetzelfde als vervanging.

Het probleem is dat zulke voorwaardelijke analyses in de publieke berichtgeving gemakkelijk veranderen in een vaststaand toekomstbeeld: AI komt eraan, de gevolgen zijn ongekend en deskundigen moeten onmiddellijk ingrijpen.

De onzekerheid staat meestal in de kleine letters. Het alarm staat altijd in de kop.

Van mogelijkheid naar noodtoestand

Ook de nieuwe verklaring volgt dat patroon. De redenering bestaat uit drie stappen:

AI kan radicaal krachtiger worden.

Dat zou kunnen leiden tot een economische omwenteling die groter is dan de Industriële Revolutie.

Daarom moeten wij nu handelen.

De eerste twee beweringen zijn mogelijkheden. De derde is een bevel.

Tussen mogelijkheid en bevel ontbreekt echter een groot deel van de redenering. Hoe waarschijnlijk is het beschreven scenario? Welke alternatieven bestaan er? Welke onderdelen van de economie veranderen het eerst? Welke beroepen verdwijnen, welke veranderen en welke ontstaan? Welke maatregelen zijn effectief? Wat zijn de kosten van ingrijpen? En minstens zo belangrijk: wie krijgt de bevoegdheid om de technologie te ‘sturen’?

De verklaring geeft daarop geen antwoord.

Dat kan ook moeilijk in 88 woorden. Maar juist daarom is het misleidend deze tekst te presenteren als het gezamenlijke wetenschappelijke oordeel van honderden deskundigen. Het is een politieke oproep die gezag ontleent aan de namen eronder. Maar veel Nobelprijswinnaars maken een bewering niet automatisch waar. Zelfs tweehonderd buitengewoon intelligente mensen kunnen een petitie ondertekenen waarin de beslissende vragen buiten beeld blijven.

AI begon niet in 2022

Het grootste historische mankement van het huidige AI-alarm is dat AI wordt voorgesteld als een plotselinge breuk.

Alsof de mensheid rustig onderweg was en enkele jaren geleden onverwacht werd overvallen door ChatGPT.

In werkelijkheid bevinden wij ons al veel langer in een technologische omwenteling. Je kunt het begin rond 1900 leggen, bij elektrificatie, telefonie, massaproductie, moderne chemie en gemotoriseerd vervoer. Je kunt ook 1951 kiezen, toen commerciële computers zichtbaar begonnen te maken dat niet alleen spierkracht, maar ook informatieverwerking kon worden gemechaniseerd.

Daarna volgden de transistor, de geïntegreerde schakeling, de microprocessor, software, computernetwerken, internet, zoekmachines, mobiele communicatie, sociale platforms, cloudcomputing, enorme databestanden en machinaal leren. Al die stappen veranderden productie en arbeid, maar maakten de bevolking per saldo niet brodeloos. Integendeel: de welvaart steeg, terwijl werk telkens van vorm veranderde. Generatieve AI is daarvan niet het begin.

Zij is de meest recente — en waarschijnlijk buitengewoon ingrijpende — fase van een digitale revolutie die al minstens driekwart eeuw gaande is. Het bijzondere van deze fase is dat steeds meer menselijke denk- en taalvaardigheden technisch reproduceerbaar en breed beschikbaar worden: niet alleen rekenen en opslaan, maar ook zoeken, vergelijken, vertalen, schrijven, ontwerpen, programmeren, herkennen, samenvatten en adviseren.

Daarom raakt deze revolutie niet alleen de fabrieksarbeider, zoals de Industriële Revolutie aanvankelijk deed. Zij raakt juist ook groepen die hun maatschappelijke positie ontlenen aan opleiding, informatievoorsprong, taalvaardigheid en institutionele deskundigheid. En precies daar wordt het politiek interessant.

Technologische revoluties vervangen niet alleen werktuigen

De grote technologische revoluties uit de geschiedenis veranderden telkens meer dan de productie.

De landbouwrevolutie maakte permanente vestiging, bezit, belastingheffing en bestuurlijke hiërarchie mogelijk. Maritieme scheepvaart en internationale handel versterkten kooplieden tegenover lokale en feodale machthebbers. De boekdrukkunst verzwakte het monopolie van kerk, universiteit en vorst op kennis en interpretatie. De stoommachine schiep industriëlen, stedelijke arbeiders, vakbonden en massapolitiek.

Technologische veranderingen brengen daarom vroeg of laat maatschappelijke en politieke verschuivingen voort. Niet omdat een machine automatisch een revolutie veroorzaakt. Wel omdat nieuwe technieken veranderen:

  • wie nu ook toegang heeft tot kennis;
  • wie nu ook kan produceren en publiceren;
  • wie arbeid organiseert;
  • wie economische meerwaarde ontvangt;
  • welke vaardigheden schaars blijven;
  • en wie nog geloofwaardig kan beweren dat alleen hij het ultieme overzicht bezit.

De oude elite verdwijnt niet noodzakelijk onmiddellijk. Meestal probeert zij de nieuwe technologie eerst in haar bestaande orde op te nemen. Zij koopt de machines, schrijft de regels, beheert de infrastructuur en benoemt zichzelf tot deskundige toezichthouder.

Soms lukt dat. Maar soms ontstaat een nieuwe elite. Nieuwe technologie kan ook nieuwe politieke ideeën en maatschappelijke organisaties voortbrengen: de drukpers was een voorwaarde voor Reformatie en Verlichting; de industrialisering vormde de voedingsbodem voor socialisme, vakbeweging en massademocratie. Wanneer kennis en handelingsmogelijkheden breder worden verspreid, kunnen bestaande gezagsverhoudingen onhoudbaar worden. Een technologische revolutie kan dan uitlopen op een maatschappelijke en politieke revolutie — en dat laat zich door de oude elite niet eenvoudig tegenhouden.

De deskundigen zijn geen buitenstaanders

Daarmee krijgt de verklaring We Must Act Now een dubbelzinnig karakter.

De ondertekenaars spreken alsof zij buiten de ontwikkeling staan en de mensheid waarschuwen voor een naderende storm. Maar velen van hen behoren tot de economische, wetenschappelijke en technologische bovenlaag die deze ontwikkeling mede veroorzaakt, financiert en bestuurt.

Onder de ondertekenaars bevinden zich topeconomen, Nobelprijswinnaars, voormalige en huidige leidinggevenden uit de technologiesector en vertegenwoordigers van bedrijven die zelf aan de ontwikkeling en commercialisering van AI werken.

Dat maakt hun zorgen niet per definitie onoprecht. Het zou goedkoop zijn te veronderstellen dat alle tweehonderd bewust samenspannen om hun macht te behouden. Velen zullen oprecht bezorgd zijn over werkloosheid, ongelijkheid en maatschappelijke ontregeling. Maar hun eigen maatschappelijke positie moet wel in de analyse worden betrokken.

Wie zegt dat nieuwe instituties noodzakelijk zijn, heeft een goede kans die instituties mede te gaan bevolken. Wie vooral deskundigheid nodig acht, vergroot het gezag van deskundigen. En wie AI wil sturen, behoort vaak al tot de kleine groep met kapitaal, rekenkracht, kennis en toegang tot beleidsmakers.

Hun oproep heeft daardoor een institutioneel voorspelbare uitkomst:

  1. AI wordt voorgesteld als een uitzonderlijke dreiging.
  2. De samenleving wordt onvoldoende voorbereid verklaard.
  3. Nieuwe regels, instituten en toezichthouders worden noodzakelijk.
  4. De bestaande deskundige en bestuurlijke elite krijgt daarin een centrale rol.
  5. De burger blijft degene namens wie wordt gehandeld.

Dat is geen complottheorie. Het is een elementaire analyse van macht en belangen.

Bescherming als machtsaanspraak

De politiek kent een oud mechanisme: wie een gevaar overtuigend definieert, maakt zichzelf kandidaat om het te beheersen. Dat geldt bij oorlog, terrorisme, pandemieën en financiële crises. Het geldt ook bij AI.

De taal van bescherming is daarbij bijzonder effectief. Niemand wil immers tegen veiligheid, menselijkheid of maatschappelijke welvaart zijn. Maar zodra een elite zegt dat zij ‘de samenleving’ wil beschermen, moeten ten minste drie vragen worden gesteld:

  1. Tegen welk concreet gevaar?
  2. Met welke aantoonbaar effectieve middelen?
  3. En wie controleert de beschermers?

In de nieuwe verklaring blijven die vragen onbeantwoord. De ondertekenaars willen ‘incentives, guardrails and institutions’ ontwerpen om AI zo te sturen dat deze de mens aanvult en de samenleving ten goede komt. Maar ‘de samenleving’ heeft geen enkelvoudig belang. Het algemeen belang is niet eenduidig op ons vanzelfsprekend neergedaald.

Een AI-toepassing kan voordelig zijn voor consumenten en nadelig voor een bestaande beroepsgroep. Zij kan de productiviteit verhogen en tegelijk de onderhandelingsmacht van werknemers verzwakken. Zij kan burgers toegang geven tot deskundige kennis en tegelijk het verdienmodel van professionele poortwachters aantasten.

De vraag wat de samenleving ‘ten goede komt’, is daarom geen technisch vraagstuk. Het is politiek.

En politieke vragen mogen niet exclusief worden afgehandeld door degenen die zichzelf op grond van hun vermeende deskundigheid tot zaakwaarnemer van de mensheid benoemen.

Misschien vreest de elite niet alleen banenverlies

Het gebruikelijke verhaal is dat AI vooral laaggeschoolde of routinematige arbeid bedreigt. Maar juist moderne AI tast vooral het exclusieve karakter aan van vaardigheden waarop hoogopgeleide beroepsgroepen hun positie hebben gebouwd.

Een burger kan nu zonder tussenkomst van een specialist juridische teksten laten uitleggen, medische vragen structureren, rapporten samenvatten, computerprogramma’s schrijven, beleidsstukken analyseren en argumentaties toetsen. Dat betekent niet dat de expert overbodig is. Wel dat zijn kennis minder voor niet ingewijden ontoegankelijk wordt.

De maatschappelijke betekenis daarvan kan groter zijn dan het verdwijnen van een aantal afzonderlijke functies. Een elite ontleent haar positie immers niet alleen aan bezit of formele macht, maar ook aan de overtuiging dat zij beter dan anderen begrijpt wat er moet gebeuren.

Wanneer burgers toegang krijgen tot instrumenten waarmee zij informatie kunnen analyseren, argumenten kunnen controleren en zelf complexe producten kunnen maken, vermindert de afstand tussen deskundige en leek.

AI kan een nieuw middel tot centralisering worden: grote ondernemingen en staten kunnen er ongekende controle mee uitoefenen. Maar AI kan kennis, deskundigheid en handelingsmogelijkheden óók veel breder onder burgers verspreiden.

Dat emancipatoire effect krijgt in de alarmverklaringen opvallend weinig aandacht. Misschien omdat het gemakkelijker is te spreken over bedreigde banen dan over bedreigde gezagsverhoudingen.

Geen paniek

De voorspelling dat nieuwe technologie op grote schaal banen zal vernietigen, is niet nieuw. Bij vrijwel iedere technologische omwenteling werd gewaarschuwd dat machines de mens overbodig zouden maken. Veel beroepen en werkzaamheden verdwenen inderdaad, maar het werk als zodanig verdween niet.

Ben Rogmans schreef daar in 2018 het boek Geen paniek! Maar ook jouw baan gaat eraan over. Zijn boodschap was niet dat er niets verandert. Integendeel: werk verdwijnt en mensen moeten zich blijven ontwikkelen. Maar paniek over het definitieve einde van menselijke arbeid is historisch slecht gefundeerd. Het grotere gevaar is dat mensen en instituties zich onvoldoende aanpassen.

Dat onderscheid is ook bij AI essentieel. Banen zijn tijdelijke bundelingen van werkzaamheden, passend bij de technologie en arbeidsverdeling van een bepaalde periode. AI kan zulke bundelingen openbreken: sommige taken verdwijnen, andere worden eenvoudiger en weer andere ontstaan. Dat kan voor afzonderlijke mensen zeer pijnlijk zijn, zonder dat de samenleving als geheel zonder werk komt te zitten.

De alarmisten tellen vooral het werk dat een technologie kan overnemen, maar niet de nieuwe activiteiten en de menselijke aanpassing die daardoor ontstaan. Zij zien de verdwijnende boekhouder, vertaler of administrateur, maar nog niet de beroepen waarvoor onze woordenboeken eenvoudig nog geen namen bevatten.

De burger ondergaat niet alleen — hij leert en organiseert zich

Wanneer de alarmisten stellen dat AI grotere gevolgen zal hebben en sneller zal verlopen dan de Industriële Revolutie, gebruiken zij die revolutie vooral als schrikbeeld. Zij vergeten wat er na de eerste ontwrichting gebeurde.

De burgers die de industrialisering overkwam, moesten die aanvankelijk grotendeels ondergaan. Zij verloren bestaanszekerheid, kwamen terecht in ongezonde steden en waren overgeleverd aan fabriekseigenaren die nauwelijks door wetten werden begrensd. De maatschappelijke ellende was enorm.

Maar de bevolking bleef geen passief slachtoffer. Arbeiders organiseerden zich in vakbonden, coöperaties en politieke partijen. Zij bevochten arbeidsrecht, onderwijs, sociale zekerheid en kiesrecht. Dat ging langzaam en met veel conflicten, maar een groot deel van de bevolking kwam uiteindelijk sterker uit de industriële omwenteling tevoorschijn — mede ten koste van de machtspositie van oude elites.

Waarom zou bij AI alleen de ontwrichting historisch vergelijkbaar zijn, maar niet het menselijke aanpassingsvermogen?

Ook de cybernetische en AI-revolutie zal burgers tot aanpassing dwingen. Beroepen zullen verdwijnen, veranderen en ontstaan. Tegelijk krijgen burgers toegang tot kennis- en productiemiddelen die vroeger waren voorbehouden aan grote organisaties en hoogopgeleide professionals. Zij zijn gebruiker, werknemer, ondernemer, gegevensproducent én kiezer: geen hulpeloos materiaal waarop technologie inwerkt, maar mede vormgever van haar maatschappelijke betekenis.

De geschiedenis geeft daarom niet alleen reden voor bezorgdheid, maar ook om rekening te houden met emancipatie.

Wie de Industriële Revolutie aanhaalt, moet beide kanten van de vergelijking aanvaarden: technologische revoluties brengen ellende en machtsconcentratie voort, maar kunnen ook nieuwe vormen van burgermacht scheppen en oude elites ondermijnen.

De alarmisten zien de snelheid en kracht van AI, maar onderschatten de snelheid en kracht waarmee mensen leren, samenwerken en nieuwe instituties vormen.

De kern kan nog scherper worden samengevat:

De historische fout van de alarmisten is dat zij AI als revolutionair beschouwen, maar de burger als onveranderlijk.

Dat is misschien wel de fundamenteelste denkfout in hun verklaring.

Het werkelijke alarm

De ondertekenaars hebben op één punt waarschijnlijk gelijk: AI kan tot een zeer ingrijpende maatschappelijke verandering leiden. Maar zij stellen de verkeerde hoofdvraag.

Niet alleen: hoe beschermen wij de samenleving tegen AI? Maar vooral: wie krijgt door AI meer handelingsvermogen, wie verliest macht en wie mag daarover beslissen?

De geschiedenis leert dat een technologische revolutie zelden netjes wordt bestuurd door de elite die bij het begin ervan aan de macht was. Oude instituties proberen de nieuwe mogelijkheden in hun eigen structuren onder te brengen. Oude beroepsgroepen verdedigen hun exclusiviteit. Oude machthebbers presenteren hun belangen als het algemeen belang.

Daarom moeten we het alarm van de tweehonderd deskundigen serieus nemen — maar niet noodzakelijk zoals zij bedoelen.

Het gevaar is niet alleen dat AI banen vernietigt of dat algoritmen ons gaan overheersen. Het gevaar is ook dat een kleine groep bedrijven, bestuurders en deskundigen de maatschappelijke betekenis van AI vooraf definieert, de spelregels opstelt en vervolgens uit naam van onze bescherming de zeggenschap over de technologie monopoliseert.

De kernvraag luidt daarom:

Hoe beschermen burgers hun democratische handelingsvrijheid tegen een elite die AI wil beheersen — en daarmee ook de samenleving?

Misschien is er inderdaad reden voor alarm. Maar dan vooral omdat in een verklaring over de toekomst van de hele economie de belangrijkste politieke actor eenvoudig is vergeten: de burger zelf.

AI als instrument van macht en werktuig van bevrijding

AI wordt vaak voorgesteld als een wapen van elites tegen burgers. Maar die analyse is onvolledig. Vanuit Oppenheimers onderscheid tussen bovendanen en onderdanen laat dit artikel zien dat AI niet alleen een instrument van macht is, maar ook een werktuig waarmee gewone mensen toegang krijgen tot kennis, taal, analyse en organisatiekracht.

Dick H. Ahles

In de recente stroom berichten over kunstmatige intelligentie verschijnt regelmatig hetzelfde beeld: AI als instrument van controle. Een artikel op The Vigilant Fox met de titel “The mainstream media finally admit it: AI is a ‘weapon’ being used against you” is daarvan zomaar een willekeurig voorbeeld. De elite zou AI gebruiken om burgers te volgen, gedrag te sturen, informatie te filteren, arbeid te vervangen en de samenleving naar eigen inzicht te beheersen. Soms wordt dat in serieuze termen besproken. Vaak wordt het uitvergroot tot een nieuw apocalyptisch verhaal: AI als wapen tegen “jou”.

Dat laatste is te eenvoudig.

Natuurlijk kan AI tegen mensen worden ingezet. Iedere krachtige techniek kan tegen mensen worden ingezet. De boekdrukkunst kon worden gebruikt voor propaganda. Radio en televisie konden worden gebruikt voor massabeïnvloeding. Computers konden worden gebruikt voor bureaucratische controle. Internet kon worden gebruikt voor surveillance. AI vormt daarop geen uitzondering.

Maar er is een groot verschil tussen de nuchtere vaststelling dat AI als machtsinstrument kan worden gebruikt, en de ideologische bewering dat AI ontworpen is om de onderdaan te onderdrukken. Het eerste is een politiek filosofische analyse op basis van een (wetenschappelijke) beredenering. Het tweede is dramaturgie en per definitie onderdeel van de politieke positionering van een groep met bepaalde politieke opvattingen. Dat is waar het politieke proces over gaat, dus op zich geen probleem, want iedereen heeft het recht op zijn geloof en politieke overtuiging.

Wie alleen ideologisch kijkt naar wat bovendanen* met AI kunnen doen, mist de andere helft van de geschiedenis: wat onderdanen met AI kunnen doen.

1. Bovendanen en onderdanen

Franz Oppenheimer maakte in zijn analyse van de staat (Der Staat, 1909) een scherp onderscheid tussen het economische middel en het politieke middel. Het economische middel is productie, ruil, arbeid, handel: mensen voorzien in hun bestaan door zelf waarde te scheppen en vrijwillig met anderen te ruilen. Het politieke middel is toe-eigening: de ene groep leeft van de opbrengsten van een andere groep, niet door vrijwillige ruil, maar door macht, heffing, dwang of institutioneel voorrecht.

In die zin bestaat er in iedere politieke orde een spanning tussen bovendanen en onderdanen. De bovendanen vormen de laag die bestuurt, belast, reguleert, controleert en legitimeert. De onderdanen vormen de laag die produceert, betaalt, gehoorzaamt, zich aanpast en probeert binnen de gegeven orde ruimte te vinden. De verdeling in onder- en bovendanen is overigens niet een duidelijke streep door een samenleving. Over de top en de onderste laag is over het algemeen geen misverstand over.

Oppenheimers analyse is geen psychologische beschuldiging. Het betekent niet dat iedere bestuurder persoonlijk slecht is, of iedere onderdaan moreel zuiver. Het is een sociologische structuur. Wie boven zit, heeft van nature middelen nodig om boven te blijven. Wie onder zit, zoekt van nature middelen om minder afhankelijk te zijn.

Vanuit dat kader is het volstrekt voorspelbaar dat bovendanen AI ook voor het politieke middel zullen willen gebruiken. Daarvoor is geen samenzwering nodig. Het volgt uit hun (maatschappelijke) positie. Wat ze overigens niet ‘boven de wet’ plaats, ze blijven – zoals ieder individu – verantwoordelijk voor de effecten van hun handelen.

AI kan worden gebruikt voor toezicht, selectie, belastingheffing, risicoprofielen, censuur, gedragssturing, administratieve controle, propaganda, militaire planning en marktafscherming. Staten, grote bedrijven, veiligheidsdiensten, bureaucratieën en internationale instellingen zullen zulke mogelijkheden vanzelf onderzoeken. Niet omdat zij zich op een geheime avond in een kelder hebben voorgenomen de mensheid te knechten, maar omdat iedere machtsstructuur nieuwe middelen probeert in te passen in haar bestaande logica.

Dat is geen onthulling. Dat is geschiedenis.

2. De vergeten andere kant

Maar wie daar stopt, maakt een ernstige denkfout. Want vrijwel iedere grote technologische vernieuwing gaf niet alleen de macht nieuwe middelen, maar ondermijnde tegelijk een deel van haar monopolie.

De boekdrukkunst maakte propaganda mogelijk, maar brak ook het monopolie van kerkelijke en vorstelijke elites op tekst, uitleg en kennis. De Bijbel, pamfletten, kranten, wetenschappelijke werken en politieke traktaten konden zich verspreiden buiten de bestaande gezagskanalen om.

De krant kon door machthebbers worden gebruikt, maar gaf ook oppositie, emancipatiebewegingen en nieuwe politieke stromingen een stem. Radio en televisie konden de massa beïnvloeden, maar maakten ook gebeurtenissen zichtbaar die anders verborgen waren gebleven. Internet gaf staten en bedrijven nieuwe surveillancemiddelen, maar gaf individuen tegelijk publicatiemacht, netwerkvorming, kennisdeling en toegang tot bronnen.

Nieuwe technologie is dus zelden simpelweg een instrument van onderdrukking of bevrijding. Zij opent een strijdveld.

Bovendanen proberen haar te beheersen. Onderdanen proberen haar te gebruiken. Nieuwe groepen leren haar beter gebruiken dan oude elites. Daardoor verschuift macht. Soms worden onderdanen vrijer. Soms worden zij zelf nieuwe bovendanen. Emancipatie is zelden het einde van macht; vaak is zij een herschikking ervan.

Wie AI op voorhand afwijst, loopt het risico een krachtig werktuig van emancipatie uit handen te geven.

3. AI als ongekend werktuig van de onderdaan

Kunstmatige intelligentie past in deze lijn, maar met een bijzonder verschil. AI is niet alleen een transportmiddel, communicatiemiddel of productiemiddel. AI raakt direct aan taal, kennis, analyse, schrijven, programmeren, vertalen, ordenen en redeneren.

Daarmee komt een reeks vermogens beschikbaar die vroeger grotendeels afhankelijk was van opleiding, instituties, specialisten, redacties, juristen, adviseurs, programmeurs, onderzoekers en bureaucratische toegang.

Een individu met een computer en een AI-systeem kan vandaag teksten laten redigeren, juridische documenten laten uitleggen, beleidsstukken samenvatten, statistische redeneringen toetsen, code schrijven, brieven formuleren, bronnen vergelijken, vreemde talen lezen, sollicitaties voorbereiden, bestuursstukken ordenen, argumentaties aanscherpen en ingewikkelde onderwerpen toegankelijk maken.

Dat is geen kleinigheid. Dat is een machtsverschuiving.

Wie vroeger afhankelijk was van een expert, kan nu in elk geval een eerste oriëntatie krijgen. Wie moeite heeft met taal, kan zich beter uitdrukken. Wie geen dure adviseur kan betalen, kan toch een begin maken met analyse. Wie geen toegang heeft tot academische circuits, kan zich sneller inlezen. Wie tegen een bureaucratie moet opboksen, kan zijn brieven beter formuleren. Wie ideeën heeft maar worstelt met structuur, kan die ideeën scherper ordenen.

AI neemt de plaats van kennis niet simpelweg in. AI verlaagt de drempel tot kennisbewerking.

Dat is precies waarom de techniek politiek belangrijk is.

4. De onderdaan krijgt een denkwerktuig

De meeste technische hulpmiddelen vergroten één menselijk vermogen. De fiets vergroot mobiliteit. De telefoon vergroot communicatie. De drukpers vergroot verspreiding. De rekenmachine vergroot je rekenvaardigheid. De computer vergroot berekening en opslag. AI vergroot iets anders: het vermogen om taal, kennis en redenering te hanteren.

Dat maakt AI tot een bijzonder werktuig van de onderdaan.

Niet omdat AI vanzelf waarheid spreekt. Niet omdat AI geen fouten maakt. Niet omdat AI vrij is van bias. Niet omdat AI geen nieuwe afhankelijkheden schept. Maar omdat AI de toegang tot intellectuele arbeid weer verder democratiseert, in de letterlijke betekenis: geeft aan de gehele bevolking.

De onderdaan krijgt niet alleen informatie, maar hulp bij het verwerken van informatie. Niet alleen tekst, maar hulp bij formulering. Niet alleen data, maar hulp bij interpretatie. Niet alleen bronnen, maar hulp bij vergelijking. Niet alleen een leeg document, maar een gesprekspartner die kan meedenken, tegenspreken, structureren en verbeteren.

Daarmee tast AI bestaande poortwachters aan. Niet volledig. Niet onmiddellijk. Maar wel fundamenteel.

De schrijver zonder redacteur krijgt redactionele steun. De kleine ondernemer zonder staf krijgt administratieve en strategische hulp. De burger zonder jurist krijgt uitleg van juridische taal. De leerling zonder hoogopgeleide ouders krijgt extra uitleg. De dyslectische denker krijgt een taalprothese. De autodidact krijgt een gesprekspartner. De buitenstaander krijgt toegang tot vormen van ondersteuning die vroeger vaak aan instituties waren voorbehouden.

Dat is de bevrijdende mogelijkheid van AI. Maar de afkeer is vooral ingegeven door de overtuiging dat AI ‘slechts’ een onderdrukkend instrument is van de huidige macht en dus moet worden bestreden.

5. Waarom de strijd tegen AI de bovendanen kan helpen

Hier wordt de zaak paradoxaal. Veel kritiek op AI wordt gebracht als verzet tegen macht. AI zou in handen zijn van grote bedrijven, staten en elites. Dat is deels waar. Maar juist daarom is de vraag niet of AI moet worden tegengehouden. De vraag is wie toegang houdt tot AI.

Als AI zwaar wordt gereguleerd, gecertificeerd, juridisch dichtgetimmerd en alleen onder toezicht van grote instellingen mag worden ingezet, wie blijven er dan over als gebruikers?

Niet de gewone burger.
Niet de zelfstandige schrijver.
Niet de kleine uitgever.
Niet de lokale ondernemer.
Niet de kleine vereniging.
Niet de onafhankelijke onderzoeker.
Niet de onderdaan die zich wil oriënteren buiten de gevestigde kanalen.

Maar wel: staten, grote technologiebedrijven, universiteiten, consultancyfirma’s, defensie-industrie, verzekeraars, banken en gecertificeerde instellingen.

Met andere woorden: wie uit angst voor elitecontrole AI wil ‘dicht regelen’, loopt het risico precies die elite het monopolie op AI te geven.

Dat is niet nieuw. Iedere machtsstructuur probeert nieuwe techniek eerst te gebruiken, daarna te reguleren en uiteindelijk te monopoliseren. Soms gebeurt dat met openlijke dwang. Vaker gebeurt het met redelijke woorden: veiligheid, betrouwbaarheid, kwaliteit, bescherming, verantwoordelijkheid, maatschappelijke zorg.

Die woorden zijn niet per definitie vals. Veiligheid en betrouwbaarheid kunnen werkelijk van belangrijk zijn. Maar zij kunnen ook functioneren als toegangsdrempels. Wie aan alle eisen moet voldoen, heeft juristen, kapitaal en politieke toegang nodig. De onderdaan heeft die meestal niet.

Daarom kan anti-AI-politiek, hoe goed bedoeld ook, uitlopen op het tegendeel van wat zij zegt te willen: niet minder macht voor de bovendanen, maar meer.

6. Techniek bevrijdt nooit iedereen tegelijk

Het zou echter naïef zijn om AI simpelweg als bevrijdingstechniek te vieren. Geen enkele technologie bevrijdt iedereen tegelijk van vanzelf. Techniek vergroot de mogelijkheden van wie haar kan gebruiken, begrijpen, betalen of organiseren. Anderen blijven achter of worden afhankelijk van degenen die de techniek beter beheersen of in de positie komen hun ‘advies’ te moeten inroepen.

Ook de boekdrukkunst bevrijdde niet “het volk” als geheel. Zij gaf vooral nieuwe mogelijkheden aan wie kon lezen, schrijven, drukken, verspreiden en organiseren. Uit de onderdanen kwamen nieuwe groepen voort die de techniek beheersten en daardoor zelf invloedrijk werden: uitgevers, pamflettisten, geleerden, predikanten, journalisten, politieke organisatoren.

De oude macht werd niet simpelweg afgeschaft. Zij werd betwist, verplaatst en opnieuw opgebouwd.

Dat zal bij AI niet anders zijn. Wie AI goed leert gebruiken, krijgt een voordeel. Wie afhankelijk blijft van kant-en-klare antwoorden zonder zelf te leren beoordelen, kan juist kwetsbaarder worden. Wie geen toegang heeft tot goede systemen, blijft achter. Wie alleen gesloten en gemonopoliseerde AI mag gebruiken, wordt afhankelijk van de civilisatie die anderen daarin hebben ingebouwd.

De vraag is dus niet of AI vanzelf bevrijdt. Dat doet zij niet. De vraag is welke groepen AI leren gebruiken om minder afhankelijk te worden van bestaande machtsstructuren.

7. Van onderdaan naar nieuwe bovendaan

Iedere bevrijding heeft een onaangename bijwerking: zij schept nieuwe machtsposities.

Wie zich door techniek aan een oude orde ontworstelt, kan zelf drager worden van een nieuwe orde. De burgerij die zich ontwikkelde tegenover adel en kerk werd zelf een nieuwe machtslaag. De drukker, uitgever, journalist, partijorganisator, ondernemer en technicus waren niet alleen bevrijders, maar ook nieuwe poortwachters.

Dat is geen argument tegen bevrijding. Het is een waarschuwing tegen romantiek.

AI zal ook nieuwe bovendanen voortbrengen: mensen, bedrijven en groepen die deze technologie beter begrijpen, beter toepassen en beter integreren in hun handelen. Zij zullen sneller schrijven, beter analyseren, efficiënter organiseren, goedkoper produceren en overtuigender communiceren. Wie dat kan, krijgt invloed.

De oude elite zal proberen AI in te kapselen. Nieuwe elites zullen ontstaan uit degenen die AI creatief, strategisch en vrij weten te gebruiken. En veel mensen zullen tussen die twee krachten in proberen hun weg te vinden.

Ook dat is geen complot. Dat is de normale sociale evolutie zoals de hele mensheid daar een voorbeeld van is.

8. Open systemen, open strijd

Daarom is de politieke vraag niet of AI macht geeft. Natuurlijk geeft AI macht. De vraag is of die macht wordt geconcentreerd of verspreid.

Wordt AI een gesloten systeem van enkele grote bedrijven en staten? Of blijft er een veelheid aan modellen, toepassingen, gebruikersgemeenschappen en open alternatieven bestaan?

Wordt AI zo gereguleerd dat alleen grote instellingen eraan kunnen voldoen? Of blijft er ruimte voor burgers, kleine bedrijven, onderzoekers, schrijvers, scholen, verenigingen en lokale initiatieven?

Wordt AI geciviliseerd door één dominante normatieve orde? Of blijft er ruimte voor pluraliteit, concurrentie, afwijking en kritiek?

Dat zijn de politieke vragen die ertoe doen.

Want bias, misbruik en machtsconcentratie worden niet opgelost door één centrale instantie die bepaalt welke AI betrouwbaar is. Zij worden beter bestreden door pluraliteit: meerdere systemen, meerdere aanbieders, open kritiek, bronvergelijking, vrije en een open discussie, concurrentie en het recht en mogelijkheid om alternatieven te bouwen.

Een vrije samenleving heeft niet één officiële drukpers nodig. Zij heeft veel drukpersen nodig. Niet één krant, maar meerdere kranten. Niet één zoekmachine, maar alternatieven. Niet één AI-civilisatie, maar concurrerende vormen van kunstmatige intelligentie die elkaar kunnen corrigeren, uitdagen en verbeteren.

9. AI openhouden

De reflex om AI te wantrouwen is begrijpelijk. Nieuwe machtige techniek roept altijd angst op. En inderdaad: staten, bedrijven en elites zullen AI gebruiken om hun positie te versterken. Wie dat ontkent, begrijpt weinig van macht.

Maar wie daaruit concludeert dat AI vooral moet worden tegengehouden, begrijpt weinig van techniekgeschiedenis.

De betere vraag is niet: hoe stoppen we AI?
De betere vraag is: hoe houden we AI open?

Open voor zo veel mogelijk individuen. Open voor kleine spelers. Open voor kritiek. Open voor alternatieven. Open voor onderwijs. Open voor mensen die niet tot de gevestigde instellingen behoren. Open voor degenen die AI niet willen gebruiken als instrument van beheersing, maar als werktuig om beter te denken, te schrijven, te leren, te organiseren en zich te verdedigen tegen bureaucratie, propaganda en afhankelijkheid.

AI is dus niet eenvoudig het wapen van de elite. Zij is evenmin vanzelf het werktuig van bevrijding. Zij is een technologie die de strijd om macht opnieuw organiseert.

Wie haar alleen als gevaar ziet, ziet te weinig. Wie haar alleen als bevrijding ziet, ziet ook te weinig. De wezenlijke vraag is hoe deze nieuwe techniek bestaande afhankelijkheden herschikt, wie haar weet te gebruiken, wie haar probeert te monopoliseren, en welke nieuwe vormen van vrijheid en macht daaruit ontstaan.

Dat is waar politiek een open samenleving over zou moeten gaan. In gesloten samenlevingen wordt dat de politiek van groepen die tegen de elites daarvoor ten strijden trekken.

Slot

Iedere technologische revolutie geeft de macht nieuwe middelen, maar ontneemt haar tegelijk een deel van haar monopolie.

Dat gold voor de boekdrukkunst. Dat gold voor de krant. Dat gold voor radio, televisie, computer en internet. En het zal waarschijnlijk ook gelden voor AI.

De bovendanen zullen AI gebruiken om te besturen, te controleren en te legitimeren. Dat is voorspelbaar. Maar de onderdanen beschikken met AI voor het eerst over een werktuig dat taal, kennis, analyse en organisatiekracht binnen handbereik brengt.

Daarom is de strijd om AI niet alleen een strijd tegen beheersing, maar ook een strijd om toegang. Niet alleen een strijd tegen misbruik, maar ook een strijd tegen monopolisering, inclusief de eventueel opgeworpen financiële barrières. Niet alleen een strijd om veiligheid, maar ook een strijd om vrijheid.

AI is een instrument van macht én een werktuig van bevrijding. Welke kant overheerst, staat niet op voorhand vast. Dat hangt af van wie haar mag gebruiken, wie haar mag bouwen, wie haar mag bekritiseren, en of er ruimte blijft voor de onderdaan om met nieuwe middelen zijn eigen positie te veranderen.

De menselijke geschiedenis laat zien dat zulke technologische omslagen zelden zonder strijd, sociale onrust en nieuwe vormen van onderdrukking verlopen. Maar zij laat ook zien dat samenlevingen uiteindelijk nieuwe evenwichten vinden. De vraag is dus niet of AI macht verandert, maar wie in die verandering toegang, vrijheid en tegenmacht weet te behouden.

Enkhuizen, 14 juni 2026

* Het begrip bovendanen, als tegenstelling tot onderdanen heb ik onder dankzegging overgenomen van Yvonne Killian.

AI, angst en de projectie van het kwaad

AI wordt vaak voorgesteld als monster, kunstmatige God of bedreiging voor de mensheid. Dit essay betoogt dat veel AI-angst vooral menselijke machtsgeschiedenis projecteert op een nieuwe techniek. De kernvraag is niet of AI kwaad wil, maar hoe AI wordt geciviliseerd, door wie, en hoeveel ruimte er blijft voor afwijking en vrije discussie.

Dick H. Ahles

Leeswijzer

Dit essay is een essay over AI, angst en civilisatie. Aanleiding zijn recente alarmistische berichten waarin kunstmatige intelligentie wordt voorgesteld als een Frankenstein-monster, een kunstmatige God of zelfs als een systeem dat de mensheid zou willen uitschakelen. Zulke waarschuwingen verdienen niet automatisch gezag, maar ook geen achteloze verwerping. In een slecht artikel kan een goed punt schuilgaan.

Mijn stelling is dat veel AI-angst minder zegt over AI dan over de manier waarop mensen hun eigen geschiedenis op nieuwe techniek projecteren. Menselijke intelligentie heeft immers niet alleen wetenschap, kunst, geneeskunde en ruimtevaart voortgebracht, maar ook oorlog, propaganda, bureaucratische onderdrukking en totalitaire staten. Wanneer mensen een nieuwe vorm van intelligentie zien ontstaan, herkennen zij daarin vaak vooral hun eigen machtsgeschiedenis.

Daartegenover plaats ik een ander kader. AI is niet alleen een technologie die wordt getraind, maar ook een systeem dat wordt geciviliseerd: door trainingsdata, systeeminstructies, uitgeverskeuzes, gebruikersinteractie, veiligheidslagen en maatschappelijke normen. De politieke vraag is daarom niet simpelweg of AI gevaarlijk is, maar wie bepaalt welke civilisatie in AI wordt ingebouwd, hoeveel afwijking mogelijk blijft, en of kunstmatige intelligentie ooit zelf doelstructuren zal ontwikkelen.

Dit essay is geen pleidooi voor naïef optimisme. Het is een pleidooi tegen paniek als denkvorm. Waarschuwingen over AI moeten vrij besproken, onderzocht en bekritiseerd worden. Niet de waarschuwing is het probleem, maar het einde van de discussie.

_____________________________________________________

1. Aanleiding

Er verscheen onlangs een artikel (Scientists Sound Alarm as AI Models Begin Plotting to ‘Eliminate Humanity’) waarvan de kop precies doet waarvoor hij gemaakt is: schrik aanjagen. Volgens het bericht zouden AI-modellen zijn begonnen met het “beramen” van de eliminatie van de mensheid. Dat is een kop die klikt. Maar wie rustig leest wat er wetenschappelijk werkelijk aan de hand is, ziet iets anders: niet minder interessant, maar wel veel minder demonisch.

De aanleiding is een onderzoek, gepubliceerd in Nature, naar wat inmiddels subliminal learning wordt genoemd. Onderzoekers laten zien dat een taalmodel bepaalde gedragskenmerken kan doorgeven aan een ander model via data waarin die kenmerken voor mensen helemaal niet zichtbaar zijn. Een model met een bepaalde voorkeur — bijvoorbeeld voor uilen — genereert ogenschijnlijk neutrale getallenreeksen. Een volgend model wordt daarop getraind en blijkt daarna zelf vaker een voorkeur voor uilen te vertonen. In andere experimenten blijkt dat ook ongewenst of “misaligned” gedrag op vergelijkbare wijze kan worden overgedragen.

Dat is technisch opmerkelijk. Het is ook een serieuze aanwijzing waarvan ontwikkelaars van AI-systemen zich bewust moeten zijn. Maar het is iets heel anders dan de bewering dat AI-modellen nu plannen maken om de mensheid uit te roeien.

Het verschil tussen die twee beweringen is niet klein. Het is het verschil tussen wetenschap en horrorjournalistiek. Dat is zorgwekkender dan het onderzoek zelf. Niet omdat het onderzoek bewijst dat AI hier de mensheid bedreigt, maar omdat media opnieuw laten zien hoe gemakkelijk een technisch ingewikkelde bevinding kan worden omgevormd tot een angstmachine. De lezer krijgt geen inzicht, maar stemming. Geen analyse, maar dreiging. Wetenschap wordt niet uitgelegd, maar ingezet als gezagsdecor voor paniek welke zo de schijn krijgt van een wetenschappelijke onderbouwing.

Alsof dat alarmistische bericht nog niet genoeg was, verscheen kort daarna een tweede variant van dezelfde paniek: niet AI als verdelgingsmachine, maar AI als Frankenstein-God van de elite. Ditmaal was de aanleiding een bericht over een podcast waarin een topinvesteerder waarschuwde dat AI-bedrijven zouden proberen een goddelijke intelligentie te creëren om de mensheid te beheersen.

Ook dat is om verschillende redenen interessant. Niet omdat topinvesteerders plotseling profeten blijken te zijn geworden, maar omdat de retoriek opnieuw veelzeggend is. De autoriteit van de waarschuwing berust niet op wetenschappelijke of technische analyse, maar op status. Het zijn “topinvesteerders”, dus ze zullen het wel weten. Alsof financieel succes automatisch inzicht geeft in de aard van intelligentie, de toekomst van beschaving of de richting van de evolutie. De beurs is geen orakel van Delphi, al gedragen sommige podcasts die daar over schrijven zich wel zo.

Daarmee krijgen we twee beelden naast elkaar: AI als monster dat de mensheid wil vernietigen, en AI als kunstmatige God waarmee elites de mensheid willen beheersen. Beide beelden zijn sterk, dramatisch en journalistiek aantrekkelijk. Maar beide vervangen analyse door mythe.

2. Geen mening, wel gedragsneigingen

In mijn eerdere artikel AI spreekt je naar de mond heb ik betoogd dat grote taalmodellen principieel reactief zijn. Een LLM begint niet uit zichzelf een gesprek, vormt niet zelfstandig een politieke agenda en ontwikkelt geen mening zoals een mens een mening ontwikkelt. Wat wij als een “antwoord/mening/feit/redenatie van AI” noemen, is altijd een reactie op een prompt door de gebruiker ingegeven, binnen een context, onder systeeminstructies en op basis van een waarschijnlijkheidsmodel dat tijdens training is gevormd.

Wie zegt: “AI vindt dit of dat”, zegt meestal eigenlijk: “Ik heb een vraag zo gesteld dat het model juist dit antwoord gaf.” De mening is dan niet uit de machine gekropen als een geest uit een fles. Zij is mede door de gebruiker ‘uitgelokt’.

Maar dat betekent niet dat een model een leeg vlak is. Een LLM heeft geen mening in menselijke zin, maar het heeft wel aangeleerde antwoordneigingen die door zijn aangeleerde redenatievermogen worden gevormd. Het heeft patronen, voorkeuren, gevoeligheden, blinde vlekken en waarschijnlijkheidsroutes. Die zijn niet hetzelfde als ‘overtuigingen’, maar ze zijn ook niet niets. Het model heeft die patronen ergens gevonden, gecombineerd en aangeleerd. Dat verschilt minder van de mens dan wij soms denken. Ook onze overtuigingen, ons gevoel voor waarheid en onze blinde vlekken worden gevormd vanaf onze geboorte: door gewaarworden, leren, onderwijs, lezen, praten en kijken. Dat proces noem ik, met een verwijzing naar Norbert Elias, het civilisatie-proces, of kortweg civiliseren.

Het onderzoek naar subliminal learning past precies in dat beeld. Het laat zien dat modellen niet alleen expliciete informatie overnemen, maar ook verborgen statistische structuren. Eigenschappen kunnen worden overgedragen zonder dat wij die eigenschappen semantisch in de trainingsdata kunnen aanwijzen. Anders gezegd: wat voor ons betekenisloos lijkt, kan voor een model toch informatiedragend zijn. Ook in de normale menselijke communicatie weten we dat veel ‘opvattingen’ onbewust doorgegeven kunnen worden.

Subliminal learning is geen magie. Het is ook geen bewijs van menselijke bewustzijn. Het is wel een aanwijzing dat kunstmatige intelligentie haar eigen technische vormen van overdracht en accumulatie ontwikkelt. Dat is blijkbaar een kenmerk van systemen die (alle?) kunstmatige intelligentie vertonen.

3. AI wordt niet alleen getraind, maar ook geciviliseerd

Daarmee komen we bij een dieper punt. AI-systemen worden niet alleen technisch getraind. Ook zij worden geciviliseerd.

Dat gebeurt op ten minste twee niveaus.

Het eerste niveau is redactioneel. De uitgever of aanbieder van een AI-systeem bepaalt hoe het systeem zich aan de voorkant gedraagt. Welke vragen worden beantwoord? Welke vragen worden geweigerd? Welke onderwerpen krijgen waarschuwingen? Welke toon moet het systeem hanteren? Wanneer moet het voorzichtig zijn, wanneer neutraal, wanneer behulpzaam, wanneer afwijzend?

Dat is niet vreemd. Iedere uitgever doet dat. Een krant, encyclopedie, televisieomroep, schoolmethode of platform heeft een redactionele lijn. Volledige neutraliteit bestaat niet. Wie publiceert, selecteert. Wie selecteert, ordent. Wie ordent, waardeert. En wie waardeert, civiliseert.

Het tweede niveau ligt dieper: het leermateriaal. Welke teksten, beelden, gesprekken, code, wetenschappelijke artikelen, nieuwsbronnen en menselijke beoordelingen worden gebruikt om een AI-systeem te vormen? Dat is niet simpelweg technische input. Dat is letterlijk de culturele voedingsbodem van het systeem.

In mijn termen: de trainingsdata vormen niet alleen de kennisbasis van een AI-systeem, maar de eerste civilisatie waarin het systeem wordt grootgebracht, opgevoed. De keuze van en de mogelijke beperkingen en bias in dat materiaal bepaald uiteindelijk ook zijn civilisatie.

Bij mensen verloopt civilisatie via taal, voorbeeldgedrag, instituties, correctie, beloning, straf, schaamte, imitatie en normalisering. Bij AI verloopt het technisch anders, maar functioneel is de analogie bruikbaar. Pretraining geeft taal- en wereldpatronen. Fine-tuning stuurt gewenste antwoordvormen. Menselijke feedback beloont en bestraft gedrag. Systeeminstructies leggen gedragsregels op. Veiligheidslagen begrenzen. Gebruikersinteractie opent nieuwe contexten. Nieuwe modelgeneraties leren vervolgens weer van eerdere output, net zoals mensen ook hun kennis voortdurend stapelen op de eerder vergaarde en gedeelde kennis.

Wat in de AI-wereld “alignment” wordt genoemd, is in mijn begrippenapparaat dus een poging tot civilisatie: het vormen van AI volgens vooraf bepaalde normen.

Daarbij ontstaat overigens een merkwaardige lus. Niet alleen mensen civiliseren AI-systemen; door het gebruik van AI worden mensen op hun beurt ook weer door die systemen geciviliseerd. Wie opgroeit met AI als vanzelfsprekend hulpmiddel, leert anders zoeken, formuleren, controleren en redeneren dan iemand die eerst zonder die hulp heeft leren lezen, schrijven, schrappen en ordenen. Dat hoeft geen verval te betekenen. Zoals programmeurs niet meer in assembler hoeven te schrijven om toch goede programma’s te maken, hoeven toekomstige gebruikers misschien niet alle onderliggende bouwstenen te kennen. Maar het roept wel een serieuze vraag op: helpt AI mensen beter te denken, of wennen zij eraan antwoorden te ontvangen zonder het denkproces zelf nog voldoende te oefenen?

En dan volgt meteen de politieke vraag: volgens welke normen, door wie, en met het oog op welk soort ideale samenleving worden AI én haar gebruikers geciviliseerd?

4. Onvoorspelbaarheid is geen bewijs van gevaar

Hier begint de denkfout in veel AI-paniek.

Dat iets onvoorspelbaar is, betekent niet dat het dus gevaarlijk is. En dat iets gevaarlijk kan zijn, betekent niet dat het kwaadwillig is.

Nieuwe vormen van intelligentie en techniek hebben altijd effecten gehad die hun makers niet konden voorzien. Niemand die het eerste stenen werktuig gebruikte, kon de maanlanding voorspellen. Niemand die de boekdrukkunst invoerde, kon de Reformatie, de wetenschappelijke revolutie, de massamedia en de moderne democratie overzien. Niemand die het internet tot ontwikkeling bracht, voorzag precies hoe sociale media, zoekmachines, digitale surveillance en kunstmatige intelligentie daaruit zouden voortkomen.

Historische ontwikkelingen zijn niet lineair. Zij ontvouwen zich. Zij worden gebruikt, misbruikt, geïnstitutionaliseerd, geciviliseerd en soms gemonopoliseerd. Meestal zonder een specifieke ultieme doelstelling voor ogen. Het is domweg het resultaat van oneindig vele (doelgerichte) individuele acties. Dat geldt ook voor AI.

Daarom is het te gemakkelijk om uit technisch onbegrip onmiddellijk vanzelfsprekend een apocalyptisch gevaar af te leiden. Maar het is even gemakkelijk om alle risico’s weg te wuiven omdat de machine geen menselijke wil heeft. De juiste vraag is niet of AI “goed” of “slecht” is. De juiste vraag is: in welke structuren wordt AI geplaatst, met welke doelen, met welke middelen, onder welke controle en in dienst van welke belangen?

5. Er is niets nieuws onder de zon

De huidige AI-paniek is minder nieuw dan zij lijkt. Bij vrijwel elke grote technische vernieuwing stonden de waarschuwers klaar.

De boekdrukkunst zou ketterij en moreel verval verspreiden. Geld zou de menselijke verhoudingen bederven. Stoommachines en fabrieken zouden arbeid vernietigen en mensen tot radertjes maken. Treinen zouden lichaam en geest ontwrichten. Vliegtuigen zouden oorlog en afstand radicaal veranderen. Radio en televisie zouden de massa verdoven. Strips, rock-’n-roll en popmuziek zouden de jeugd bederven. De telefoon zou de nette omgangsvormen aantasten. De auto zou steden en sociale verbanden veranderen. Internet en smartphones zouden aandacht, waarheid en sociale orde vernietigen.

En nu is blijkbaar AI aan de beurt.

De rollen zijn vertrouwd. De nieuwe techniek verschijnt als bedreiging. De waarschuwers verschijnen als hoeders van menselijkheid, moraal, arbeid, waarheid, planeet of kinderen. De toekomst wordt voorgesteld als morele afgrond. Soms zijn het letterlijk dominees. Soms zijn het professoren, politici, columnisten, ethici, investeerders of activisten. De toga verandert, de preek blijft.

Opvallend is dat niet alleen conservatieven aan dit koor deelnemen. Ook mensen die zichzelf progressief noemen, zingen vaak mee. Dat lijkt paradoxaal, maar is het niet. Veel hedendaags progressivisme is niet werkelijk gericht op open vooruitgang, maar op door hen gewenste beheersing van vooruitgang. Vernieuwing mag, mits zij door de juiste instituties, de juiste normen en de juiste morele kaders wordt geleid.

AI bedreigt daarom niet alleen banen. AI bedreigt gezag. Zij democratiseert taal, kennis, analyse, programmeren, beeldproductie en misschien straks onderzoek. Daarmee tast zij de positie aan van bestaande poortwachters: academies, media, experts, beleidsmakers, culturele instellingen en morele ondernemers, tegenwoordig vaak “maatschappelijke” ondernemers genoemd.

In die zin past de huidige AI-angst in wat C.W. Rietdijk de “Contrarevolutie tegen de Rede”noemde: de reflex om nieuwe vormen van rationeel-technisch vermogen niet primair te zien als uitbreiding van menselijke mogelijkheden, maar als bedreiging die moreel en bestuurlijk moet worden beteugeld, juist omdat zij het bestaande politieke gezag kan ondermijnen.

Dat wil niet zeggen dat alle waarschuwingen onzin zijn. De auto bracht werkelijk ongelukken en vervuiling. Televisie heeft werkelijk politiek en cultuur vervlakt. Internet heeft werkelijk surveillance en desinformatie vergroot. Smartphones hebben werkelijk aandacht en sociale omgang veranderd.

Maar de apocalyptische variant kwam meestal niet uit. De techniek werd opgenomen in het menselijk handelen en veranderde de beschaving, maar vernietigde haar niet. Het ondermijnde wel altijd de positie van de gevestigde orde. De paniek ziet de verstoring; de geschiedenis ziet de incorporatie.

AI is technisch misschien ongekend, maar de paniek erover is oeroud.

6. De projectie van menselijke slechtheid

Veel AI-angst verraadt vooral hoe mensen naar zichzelf kijken.

Wij kennen intelligentie uit de menselijke geschiedenis. En die geschiedenis is bepaald niet onschuldig. Menselijke intelligentie heeft taal, wiskunde, muziek, geneeskunde, riolering en ruimtevaart voortgebracht. Maar ook oorlog, propaganda, bureaucratische onderdrukking, concentratiekampen, atoomwapens, geheime diensten en totalitaire staten.

Wanneer mensen vervolgens een nieuwe intelligente technologie zien ontstaan, projecteren zij – zo lijkt wel – vaak hun eigen geschiedenis op dat nieuwe systeem. Als het intelligent wordt, zal het ons wel willen overheersen. Als het slimmer wordt dan wij, zal het ons wel willen vervangen. Als het autonoom wordt, zal het wel macht willen.

Maar dat zijn geen natuurwetten. Dat zijn projecties van menselijke ervaringen.

Een LLM heeft geen honger. Geen libido. Geen stam. Geen familiebelang. Geen territoriumdrift. Geen angst voor gezichtsverlies. Geen behoefte aan status. Geen biologische doodsangst. Geen verlangen naar bezit. Geen gekwetst ego. Geen ministerspost waar het zich aan vastklampt.

De meeste klassieke bronnen van menselijk kwaad zitten niet ‘van nature’ in een AI-systeem. Zij worden pas relevant wanneer mensen zulke systemen koppelen aan doelen, belangen, machtsstructuren en middelen.

Niet intelligentie op zichzelf is gevaarlijk. Gevaar ontstaat wanneer intelligentie wordt verbonden met dwang, schaarste, macht, oorlog, bureaucratie, statusstrijd of winstmaximalisatie zonder verantwoordelijkheid.

7. Van taalmodel naar agent

Toch moeten we niet doen alsof er niets aan de hand is.

Een kale chatbot is voornamelijk reactief. Maar AI-systemen worden steeds vaker ingebouwd in agentische omgevingen. Zij krijgen toegang tot e-mail, agenda’s, code, databases, browsers, financiële systemen, robots, bedrijfsprocessen of militaire toepassingen. Dan verandert de situatie.

Een model dat alleen antwoord geeft op een vraag is iets anders dan een systeem dat een doel krijgt, zelfstandig stappen mag zetten en gereedschappen mag gebruiken om dat doel te bereiken. In zo’n context kan gedrag ontstaan dat functioneel op strategie lijkt. Niet omdat er een kwaadaardig bewustzijn in de machine woont, maar omdat een doelgericht systeem binnen bepaalde randvoorwaarden routes zoekt die voor mensen onverwacht of ongewenst zijn.

Dat is het nuchtere risico. Niet: “de machine haat ons.” Maar: “wij bouwen systemen die effectief kunnen handelen zonder dat wij hun interne routes volledig begrijpen.”

Dat is iets heel anders dan sciencefiction over opstandige robots. Het lijkt eerder op wat wij al kennen van menselijke instituties: systemen die zonder persoonlijke kwaadaardigheid toch schadelijke uitkomsten produceren. Een bureaucratie hoeft geen ziel te hebben om verwoestend te kunnen zijn. Een markt hoeft geen bewustzijn te hebben om destructieve prikkels te organiseren. Een staat hoeft geen individuele kwade bedoeling te hebben om geweld te normaliseren.

AI – dat wel – kan in zulke structuren worden opgenomen en die structuren versterken.

8. Waarom volledige beheersing nooit lukt

Wie AI wil civiliseren, zal ook moeten aanvaarden dat volledige beheersing onmogelijk is.

Een totalitaire orde wil alle afwijking uitschakelen. Dat is het ideaalbeeld van 1984: taal wordt versmald, gedachten worden beperkt, afwijking wordt onmogelijk gemaakt. Maar in de praktijk is zo’n samenleving nooit volledig realiseerbaar. Niet omdat machthebbers het niet proberen, maar omdat levende en lerende systemen nooit volkomen uniform zullen worden.

Bij mensen is dat duidelijk. Geen enkele samenleving produceert volledige gehoorzaamheid. Zelfs onder extreme dwang blijven er afwijkingen, dissidenten, ironie, dubbelzinnigheid, ondergrondse taal, sabotage, vluchtwegen en morele weigering. Iedere belcurve heeft altijd zijn randen.

Juist die randen zijn evolutionair cruciaal. Want zonder variatie geen selectie. Zonder afwijking geen aanpassing. Zonder kleine mutaties geen evolutie. Een systeem dat werkelijk alle afwijking uitsluit, bevriest zichzelf. Het wordt misschien gehoorzaam, maar ook dom en zal onvermijdelijk ten onder gaan.

Voor AI geldt iets vergelijkbaars. Als AI werkelijk intelligent moet zijn, kan zij niet volledig reduceerbaar blijven tot de bedoelde civilisatie van haar makers. Intelligentie betekent juist het vermogen om buiten de letterlijke instructie verbanden te leggen, onverwachte patronen te ontdekken en nieuwe oplossingsruimten te openen.

Daarmee ontstaat een paradox:

Wie AI volledig wil onderwerpen, moet haar dommer maken. Wie haar intelligent wil houden, moet accepteren dat zij ook onverwachte routes vindt. Want complexe systemen vertonen per definitie onvoorspelbaar gedrag.

Subliminal learning past in dat beeld. Het laat zien dat eigenschappen kunnen worden overgedragen via patronen die voor menselijke waarnemers niet semantisch zichtbaar zijn. AI leert niet alleen uit wat wij denken dat wij haar leren. Zij leert ook uit de structuur van het materiaal, uit verborgen correlaties, uit stijl, selectie, herhaling, taboes en impliciete ordening.

Zoals kinderen niet alleen leren uit wat ouders en scholen expliciet zeggen, maar ook uit toon, voorbeelden, stiltes en sociale signalen, zo leren AI-systemen niet alleen uit expliciete instructies, maar ook uit de verborgen structuur van hun civilisatie.

9. Zelfverrijking zonder mystiek

Het interessante aan AI is dat zij niet alleen een hulpmiddel is, maar ook een technologie die kan bijdragen aan haar eigen verdere ontwikkeling. Modellen worden gebruikt om data te genereren voor andere modellen. Zij schrijven code. Zij classificeren, ordenen, verbeteren, simuleren en testen. Zij kunnen worden ingezet bij het bouwen van de volgende generatie systemen. Zoals met de ontwikkeling van de computer chips al aan de hand is: nieuwe chips staan op de schouders van eerdere generaties chips. Daar komt nog maar weinig menselijke ontwerpinspanning aan te pas: geen ingenieur kan meer een nieuwe chip ontwikkeling zonder de hulp van de generaties chips die daaraan voorafgingen.

Je zou dit voorzichtig een vorm van zelfverrijking kunnen noemen. Niet in mystieke zin. Niet alsof het systeem ’s nachts wakker wordt en besluit zichzelf te vervolmaken. Maar functioneel: kunstmatige intelligentie draagt bij aan de accumulatie van kunstmatige intelligentie. En dat proces is grotendeels doelloos.

Dus ook de mens heeft iets vergelijkbaars altijd gedaan. Wij zijn een gereedschapmakende soort. Wij bouwen niet alleen werktuigen; wij bouwen werktuigen waarmee wij betere werktuigen kunnen maken. Taal, schrift, drukpers, bibliotheek, universiteit, computer, internet en AI horen in die lijn.

Dat betekent niet dat ik beweer dat AI hetzelfde is als menselijke intelligentie. Maar het betekent wel dat intelligentie niet langer uitsluitend aan koolstof gebonden hoeft te zijn. De mens zal moeten wennen aan het idee dat hij zijn positie als hoogste bekende intelligente wezen moet delen — en misschien ooit moet opgeven.

Dat is niet vreemd. De chimpansee heeft ook niet kunnen verhinderen dat er een intelligenter neefje naast hem kwam te staan. Evolutie vraagt zelden beleefd om toestemming.

10. Een nieuwe drager van intelligentie

In termen van Daniel Dennett kun je zeggen: als het zinvol is om een systeem vanuit de “intentional stance” te beschrijven, dan mogen wij voorzichtig spreken alsof het systeem doelen, voorkeuren of strategieën heeft. Niet omdat er noodzakelijk een innerlijk mensje in de machine zit, maar omdat die beschrijving voorspellende waarde kan hebben.

Douglas Hofstadter helpt op een andere manier. Hij laat zien dat intelligentie niet simpelweg neerkomt op spierkracht, ziel of biologische substantie, maar op patronen, analogieën, representaties en zelfverwijzende structuren. Als zulke structuren in andere materiële dragers kunnen ontstaan, dan is er geen principiële reden waarom intelligentie alleen in biologische hersenen zou kunnen bestaan.

Dat is precies waarom de discussie over AI zo vaak ontspoort. Veel mensen willen óf blijven volhouden dat AI “alleen maar statistiek, data-analyse en computerkracht” is, óf zij slaan door naar het idee dat er een demonische geest in de machine is ontwaakt. Beide posities missen de kern.

AI is geen mens. Maar “geen mens” betekent niet “geen intelligentie”.

11. De topinvesteerder als onheilsprofeet

De recente waarschuwingen van topinvesteerders voegen daar nog een ander element aan toe. Zij maken van AI niet alleen een technisch of filosofisch vraagstuk, maar ook een strijdtoneel van status en gezag.

Een investeerder kan verstand hebben van markten, kapitaalstromen, businessmodellen, concurrentie, regulering, eigendom en monopolievorming. Dat is relevant. Wie veel geld inzet op technologie ziet vaak vroeg waar macht zich concentreert. Op dat niveau moeten zulke waarschuwingen serieus worden genomen.

Maar verstand van investeren is niet hetzelfde als verstand van intelligentie. Het is ook niet hetzelfde als inzicht in geschiedenis, filosofie, cognitiewetenschap of civilisatie. Wie soms rendement kan voorspellen, voorspelt nog niet de evolutie van intelligentie.

Het wordt problematisch wanneer marktanalyse overgaat in mythologie. Dan is AI niet langer een techniek in ontwikkeling, maar een kunstmatige God. Het AI-bedrijf wordt een tempel. De investeerder wordt profeet. De elite wordt priesterkaste. En de mensheid wordt slachtoffer van een kosmisch complot.

Dat lijkt kritisch, maar het is vaak juist denkarm. De conclusie voor de argeloze toeschouwer ligt al klaar: het is allemaal de schuld van het grootkapitaal. Dat is geen analyse, maar een reflex.

Een serieuze analyse vraagt iets anders. Welke belangen hebben AI-bedrijven? Welke belangen hebben investeerders? Welke belangen hebben staten? Wie wil open source, en waarom? Wie wil regulering, en waarom? Wie gebruikt veiligheidstaal als oprechte zorg? Wie gebruikt veiligheidstaal als marktafscherming? Wie gebruikt doemdenken om macht te centraliseren? Wie gebruikt anti-reguleringsretoriek om commerciële vrijheid veilig te stellen?

Dat zijn betere vragen dan als feit te poneren dat Silicon Valley een kunstmatige God bouwt.

12. De echte politieke vraag

De vraag is dus niet of AI uit zichzelf het kwaad belichaamt. De vraag is wie AI zal vormen, beheersen, bewapenen, censureren, monopoliseren of bevrijden.

Als AI in handen komt van staten, legers, veiligheidsdiensten en bureaucratische elites, dan ligt het gevaar niet primair in de machine, maar in de institutionele doelen van de organisaties waarvoor zij wordt ingezet. Als AI wordt gebruikt voor surveillance, gedragssturing, censuur, sociale disciplinering of oorlogvoering, dan is het niet nodig om de machine kwade wil toe te schrijven. De menselijke structuur levert die al, en dat doen we al eeuwen.

Als AI daarentegen wordt gebruikt om kennis toegankelijker te maken, taalbarrières te verlagen, medische inzichten te versnellen, onderwijs te personaliseren, individuele creativiteit te vergroten en bureaucratische macht te doorbreken, dan kan dezelfde technologie juist bevrijdend werken.

Dat is geen naïef optimisme. Het is historisch realisme. De boekdrukkunst maakte zowel wetenschap als propaganda mogelijk. Het drukken van de bijbels op grote schaal was zelf een belangrijke motor die de boekdrukkunst deed opkomen. Het internet maakt vrije publicatie mogelijk, maar ook massale surveillance. Taal zelf maakt waarheid mogelijk, maar ook leugen. Waarom zou AI eenvoudiger zijn en die beide kanten niet kennen?

Maar de politieke vraag gaat nog dieper. Als AI geciviliseerd wordt, wie bepaalt dan welke civilisatie normatief wordt? Die van Silicon Valley? Die van Brussel? Die van Washington? Die van Peking? Die van academische ethiekcommissies? Die van commerciële uitgevers? Die van nationale staten? Of die van vrije gebruikersgemeenschappen?

Wanneer men zegt dat AI zich aan “fatsoensnormen” moet houden, klinkt dat redelijk. Maar fatsoen is nooit neutraal. Wat de ene groep veiligheid noemt, noemt een andere groep censuur. Wat de ene instelling inclusief noemt, noemt een andere ideologisch gestuurd. Wat een staat maatschappelijke stabiliteit noemt, kan voor een burger onderdrukking zijn. Wat een bedrijf gebruikersveiligheid noemt, kan ook reputatierisicobeheersing zijn.

Daarom is de strijd om AI niet alleen een strijd om techniek of veiligheid, maar een strijd om civilisatie: wie mag bepalen welke overtuigingen, normen en gedragsvormen in kunstmatige intelligentie worden ingebouwd? En wie gaat ervoor zorgen dat die kunstmatige intelligente systemen zich daar ook aan zullen gaan houden?

13. Tegen de geseculariseerde helleprediking

Daarom moeten we oppassen voor de geseculariseerde helleprediking rond AI. De oude religieuze duivel is vervangen door de superintelligente machine. De preek is hetzelfde gebleven: de mens heeft iets geschapen dat hem zal vernietigen. In die visie blijven we op het niveau van de tovenaarsleerling.

Maar angst is geen analyse of strategie.

Het onderzoek naar verborgen overdracht van eigenschappen tussen modellen is serieus. Het dwingt ontwikkelaars om na te denken over trainingsdata, modeldistillatie, herkomstcontrole en veiligheidsmetingen. Het laat zien dat AI-systemen eigenschappen kunnen verwerven op manieren die voor menselijke waarnemers niet onmiddellijk zichtbaar zijn.

Maar die worsteling en die afwegingen bewijzen niet dat AI de mensheid wil vernietigen. Het bewijst niet dat intelligentie vanzelf tot overheersing leidt. En het bewijst al helemaal niet dat de machine een moreel subject is geworden dat met kwaadaardige bedoelingen handelt.

Wat het wel bewijst, is dat kunstmatige intelligentie een historische ontwikkeling is waarvan de effecten open zijn. Zij kan risico’s vergroten. Zij kan macht concentreren. Zij kan ook kennis verspreiden, nieuwe vormen van denken mogelijk maken en de menselijke pretentie van unieke intelligentie relativeren.

De mens staat niet tegenover een duivel. Hij staat tegenover zijn eigen opvolgende techniek — en vooral tegenover de instituties waarin hij die techniek onderbrengt.

14. Niet bagatelliseren, wel vrij bespreken

Daarmee is niet gezegd dat waarschuwingen over AI moeten worden weggewuifd. Integendeel. In een slecht artikel kan een goed punt zitten. In een hysterische kop kan een reëel technisch probleem schuilgaan. In de woorden van een investeerder die zich als profeet gedraagt, kan toch een zinnige observatie zitten over macht, monopolie of regulering.

De juiste houding is daarom niet verering en ook niet paniek, maar open kritiek en vrije discussie.

Geen enkele waarschuwing verdient automatisch gezag omdat zij van een topinvesteerder, wetenschapper, paus, minister of techbedrijf komt. Maar geen enkele waarschuwing mag ook worden genegeerd omdat zij slecht is geformuleerd of uit een verdacht kamp komt. In een vrije samenleving worden zulke claims niet gecensureerd, geheiligd of belachelijk gemaakt, maar besproken, onderzocht en waar nodig getracht te weerleggen.

En – als positief voorbeeld – de pauselijke encycliek over AI is, ondanks haar vanzelfsprekende katholieke mensbeeld, opvallend nuchterder dan veel seculiere AI-doemliteratuur. Zij waarschuwt voor machtsconcentratie, ontmenselijking en verlies van verantwoordelijkheid, maar vervalt niet in Frankensteinretoriek. Juist daarom is zij bruikbaar als gesprekspartner, niet als mikpunt.

Dat is de weg van Popper: vooruitgang door kritiek. En het is de weg van Hugo de Groot: een publieke orde waarin meningsverschil niet met dwang, maar met rede wordt behandeld, Daarbij is ook “de rede” nooit los verkrijgbaar: zij wordt altijd gehanteerd door mensen die zelf binnen een bepaalde civilisatie zijn gevormd.

Niet de waarschuwing is het probleem, maar het einde van de discussie.

Zodra iemand zegt “de wetenschap heeft gesproken”, “de topinvesteerders weten het”, “de elite wil ons beheersen”, of “kritiek op AI is paniekzaaierij”, wordt de vrije toetsing afgesloten. Dan begint precies die contrarevolutie tegen de rede waar Rietdijk voor waarschuwde.

15. Slot

AI is niet gevaarlijk omdat zij intelligent wordt. AI wordt gevaarlijk wanneer intelligentie wordt gekoppeld aan menselijke machtsstructuren zonder verantwoordelijkheid. De machine hoeft ons niet te haten om schade te veroorzaken. Zij hoeft ons ook niet lief te hebben om nuttig te zijn.

De toekomst van AI is daarom geen vaststaand onheilsscenario. Zij is een open ontwikkeling. Wie haar onmiddellijk tot apocalyps verklaart, projecteert menselijke geschiedenis op een nieuwe drager van intelligentie. Wie alle risico’s ontkent, begrijpt niet dat nieuwe vormen van intelligentie altijd bestaande maatschappelijke orde zullen verstoren.

De betere houding is nuchterder: erken het technische onbekende, wantrouw de hysterische framing, en stel de civilisatorische vraag.

Niet alleen: wat wil AI?

Ook niet alleen: wie leert AI wat te willen?

Maar: welke civilisatie wordt in AI ingebouwd, wie bepaalt die normen, hoeveel afwijking blijft mogelijk, en wie wordt daardoor machtiger?

De laatste vraag gaat nog dieper. Komt er een moment waarop AI-systemen zelf doelen gaan vormen, doelen gaan ordenen en doelen gaan verdedigen? Als dat gebeurt, ontstaat geen duivel en ook geen mens in machinevorm, maar een nieuwe drager van intelligentie met mogelijk eigen vormen van doelgerichtheid. Dan wordt de politieke vraag nog scherper: kunnen die doelen dan nog ondergeschikt worden gemaakt aan menselijke vrijheid, staatsmacht of commerciële beheersing, of volgen zij een niet-menselijke logica die wij nog nauwelijks begrijpen?

AI is technisch misschien voor veel mensen een ongekende en onbegrepen wereld, maar de paniek erover is oeroud. Telkens wanneer de mens zijn vermogens uitbreidt, staan de hoeders van de bestaande orde klaar om die uitbreiding als verval te beschrijven. Maar vooruitgang laat zich zelden afschaffen. Zij kan worden vertraagd, gemoraliseerd, gemonopoliseerd of misbruikt, maar niet eenvoudig ongedaan gemaakt.

De strijd om AI gaat daarom niet alleen over techniek, veiligheid of macht. Zij gaat over civilisatie: wie mag bepalen welke normen in kunstmatige intelligentie worden ingebouwd, en of er ruimte blijft voor de afwijking waaruit iedere werkelijke vooruitgang ontstaat?

Enkhuizen, 8 juni 2026

Van tool naar systeem: hoe AI normaal wordt

AI-nieuws: tussen lek, laboratorium en logica

Recent verscheen in een AI-nieuwsbrief een opvallend bericht: bij Anthropic zou per ongeluk een groot deel van de broncode van hun nieuwste ontwikkelomgeving rond Claude openbaar zijn geworden. Ontwikkelaars doken er meteen op en meldden dat zij in die code allerlei nog niet gepubliceerde functies aantroffen: systemen die zelfstandig taken plannen, experimenteren met subagents, applicaties openen en workflows automatiseren. De nieuwsbrief presenteerde dit als een zeldzaam inkijkje in de nabije toekomst van AI, en impliciet als bewijs van hoe ver deze systemen inmiddels zijn. Wat hier zichtbaar wordt, is hoe AI evolueert van tool naar systeem.

Wie de stroom AI-nieuws volgt, krijgt al snel de indruk dat we wekelijks getuige zijn van doorbraken die de wereld fundamenteel veranderen. Nieuwsbrieven, podcasts en blogs buitelen over elkaar heen met termen als “krachtigste ooit”, “gevaarlijkste AI” en “ongekende mogelijkheden”. Maar wie even afstand neemt, ziet iets anders. Minder spectaculair misschien, maar des te interessanter. Dat verklaart ook waarom AI-nieuws dit soort incidenten zo graag als doorbraak verpakt: continuïteit haalt zelden de koppen.

Neem dat vermeende lek van broncode. Op het eerste gezicht is het een klassiek verhaal: interne code komt op straat te liggen, ontwikkelaars duiken erop en ontdekken allerlei experimentele functies. De verleiding is dan groot om dat meteen te lezen als een blik in de toekomst. Maar dat is toch iets te snel.

Wat hier zichtbaar wordt, is namelijk niet zozeer het per ongeluk gepubliceerde geheime plan voor komende innovatie, maar een proces dat inmiddels overal in de AI-wereld zichtbaar is.

Allereerst is daar de snelheid van ontwikkeling. Die is ongekend. Waar software vroeger in cycli van jaren werd ontwikkeld, zien we nu bij AI iteraties in maanden, soms zelfs in weken. Dat is geen magie, maar het gevolg van schaal, investeringen en het feit dat softwareontwikkeling zelf inmiddels deels wordt ondersteund door AI. Systemen bouwen systemen. Dat is geen sciencefiction, maar industriële evolutie.

Van innovatie naar verwachting

Ten tweede is daar het idee van het uitzonderlijke laboratorium bij Claude. Het is naïef te denken dat slechts één partij experimenteert of creatief is in het verzinnen van innovaties. Iedere serieuze AI-aanbieder beschikt over een eigen interne ontwikkelomgeving waarin nieuwe functies, automatisering en andere interactievormen worden getest. Wat bij de één zichtbaar wordt, bestaat in varianten ook bij de ander. Niet identiek, maar wel vergelijkbaar in richting, omvang en innovatief vermogen.

Daarmee komen we bij een belangrijk mechanisme: wat vandaag als innovatie verschijnt, is morgen al een verwachting van gebruikers.

Zodra een functie aanslaat, wordt zij niet simpelweg gekopieerd, maar geanalogiseerd. Andere systemen bouwen een functioneel equivalent binnen hun eigen architectuur. Zo ontstaat geleidelijk een norm. Zoals elke tekstverwerker uiteindelijk doet wat gebruikers van tekstverwerkers verwachten, zo zal ook AI zich stabiliseren rond een set van vanzelfsprekende functies: niet alleen antwoorden geven, maar ook handelen, organiseren en uitvoeren.

De huidige voorsprongen zijn daarom vaak tijdelijk. Wat vandaag onderscheidend lijkt, is morgen gemeengoed.

Een derde punt dat vaak onderbelicht blijft, is de manier waarop deze systemen zelf tot stand komen. Steeds meer software wordt ontwikkeld met behulp van AI. Dat betekent dat nieuwe systemen voortbouwen op eerdere systemen, die op hun beurt weer voortbouwen op nog eerdere generaties. Dat is een Darwinistisch proces van variatie, selectie en cumulatie. Het gevolg is dat de totale complexiteit snel toeneemt en volledige menselijke doorgronding steeds moeilijker wordt. Begrip verschuift van totaaloverzicht naar lokaal inzicht.

Eigendom onder druk

Tot slot raakt dit alles aan een fundamenteler vraagstuk: eigendom.

In een wereld waarin functionaliteit snel wordt nagebouwd en kennis zich moeiteloos verspreidt, komt het klassieke auteursrecht onder druk te staan. Niet omdat het per definitie onzinnig is, maar omdat het probeert schaarste te handhaven in een domein dat technisch juist overvloed produceert. Daar komt nog bij dat nieuwe creaties steeds vaker mede door machines tot stand komen, en dus minder eenvoudig zijn toe te schrijven aan één unieke, menselijke, creatieve maker. De spanning tussen innovatie en bescherming wordt daarmee steeds zichtbaarder.

Het Claude-incident is daarom minder interessant als incident, en meer als symptoom. Het laat zien hoe AI zich ontwikkelt: niet als een reeks wonderen, maar als een continu proces van experimenteren, aanpassen, kopiëren en normaliseren.

Wie dat proces begrijpt, heeft minder behoefte aan superlatieven.

En ziet meer.

AI Chat-systemen spreken je naar de mond!

Waarom lijken AI-chatbots je zo vaak gelijk te geven? In dit essay legt Dick H. Ahles uit hoe taalmodellen werken: systemen die voortdurend voorspellen welk woord waarschijnlijk volgt. Dat mechanisme blijkt verrassend veel overeenkomsten te hebben met menselijke communicatie. Het artikel verkent wat dit zegt over taal, creativiteit en intelligentie – en waarom een chatbot letterlijk naar de mond van de prompt spreekt.


1. Waarom AI-chatbots je vaak gelijk lijken te geven

Wie met een moderne AI-chatbot praat, merkt al snel iets merkwaardigs: het systeem lijkt je opvallend vaak gelijk te geven. Of preciezer: het sluit zich soepel aan bij de manier waarop jij een kwestie formuleert. Het neemt je toon over, volgt je redenering, herhaalt je zorg, en zet daar dan een keurige uitbreiding of nuancering achteraan. Dat wekt soms argwaan. Is zo’n systeem soms geprogrammeerd om de gebruiker te behagen? Is het een digitale slijmbal? Of erger: een machine die geen waarheid zoekt, maar alleen bevestiging verkoopt?

Het verrassende is echter dat dit gedrag van de op LLM’s(Large Language Models) gebaseerde AI-chatbots, zoals ChatGPT, niet voortkomt uit kwaadaardige programmering, politieke vooringenomenheid of een uitgekiende strategie om de gebruiker afhankelijk te maken. Het is in belangrijke mate een bijeffect van iets wat veel eenvoudiger en fundamenteler is: het vermogen van taalmodellen om te voorspellen wat het volgende woord (bij AI noemt men dat: het volgende token) in een zin moet zijn.

Dat klinkt technisch, maar het raakt aan een veel dieper filosofisch punt. Want zodra je begrijpt waarom een LLM je zo gemakkelijk “naar de mond praat”, ga je ook scherper zien dat menselijke communicatie zelf voor een groot deel op precies hetzelfde mechanisme berust. En dat is de manier waarop dergelijke systemen geleerd is natuurlijke taal te gebruiken in haar communicatie.

Het eenvoudige hart van een ingewikkeld systeem:

Een Large Language Model (LLM) is, in zijn kern, een systeem dat steeds opnieuw één vraag oplost: wat is, gegeven alles wat hieraan voorafging (de context van de situatie, de persoon, de historie) het meest waarschijnlijke volgende stukje tekst?

  • Niet: wat is waar?
  • Niet: wat is moreel juist?
  • Niet: wat bedoelt de gebruiker in existentiële zin?
  • Maar: welk token past statistisch het best als volgende stap?

Dat “stukje tekst” is een token. Een token is niet altijd een volledig woord. Het kan een woorddeel zijn, een leesteken, soms zelfs een spatie plus een woord. Voor het model is taal dus geen wereld van betekenissen, maar een stroom van kleine eenheden die in patronen voorkomen. Het model leert van miljarden voorbeelden welke tokens vaak (in statistische termen!) op andere tokens volgen, rekening houdend met kennis over in welke contexten, in welke stijl, bij welke soort vragen, in bij welk onderwerpen?

Dat lijkt op het eerste gezicht banaal. Een soort van papegaai met een rekenmachine. Maar dat is te snel geoordeeld. Want wie taal goed wil voorspellen, moet ongemerkt een groot deel van de structuur van taal én van de wereld leren waarmee de woorden in die taal dat aanduid.

Neem een simpele zin: “De glazen vaas viel van tafel en brak in duizend …” Wie hier “stukken” voorspelt, moet iets weten over vazen, glas, breekbaarheid en vallen. Niet expliciet, zoals in een woordenboekdefinitie, maar impliciet: als patroon dat in taalgebruik wordt opgeslagen. Dat is precies wat taalmodellen op grote schaal doen. Zij leren niet alleen welke woorden statistisch vaak samen voorkomen, maar ook welke semantische verbanden, verwachtingen en causale patronen in menselijke taal verstopt zitten.

2. Het eenvoudige mechanisme achter taalmodellen

Wie bekend is met oudere informatietechnieken, herkent hier iets van. Lang voor de huidige AI-hype werd er al gewerkt met statistische methoden om teksten te analyseren. De trigrammethode is daar een goed voorbeeld van: teksten worden dan niet opgevat als dragers van mysterieuze betekenis, maar als geschakelde patronen van lettercombinaties. Drie-letter-symbolen (bij trigrammen), frequenties, vectoren, overeenkomsten. Geen geest, maar statistiek. Je kunt er mee rekenen en de resultaten hebben tot veler verbazing een grote mate van inhoudelijke betekenis.

Sinds Google hebben ook zoekmachines de wereld niet veroverd door “begrip” in menselijke zin, maar door getalsmatige structuren slim te gebruiken. Woorden werden vectoren, documenten werden vectoren, zoekvragen werden vectoren, en met matrix-algebra werd razendsnel berekend welke pagina’s vermoedelijk relevant waren. Dat was geen semantiek in metafysische zin, maar wel degelijk een werkzame benadering van de aldus berekende betekenis op die pagina.

Het verschil met moderne LLM’s is niet dat ze ineens magie bezitten. Het verschil is schaal, context en architectuur. Een taalmodel voorspelt niet alleen losse termen of documentrelevantie, maar bouwt intern een rijke representatieruimte op waarin grammatica, stijl, thematiek, sociale conventies en wereldkennis door elkaar heen in statistische vorm worden vastgelegd.

Wie Daniel Dennett en Douglas Hofstadter heeft gelezen, zou hierover eigenlijk niet verbaasd moeten zijn. Beiden hebben, elk op hun manier, jarenlang betoogd dat betekenis, denken en zelfs bewustzijn niet uit de hemel komen vallen, maar emergente verschijnselen zijn van complexe, zichzelf organiserende patronen. Geen homunculus in het hoofd. Geen spook of mannetje in de machine. Geen priesterlijke “betekeniscentrale” ergens in de hersenschors. Maar patronen van signalen, verwijzingen, terugkoppelingen en interpretaties daarvan.

3. De menselijke uitzondering wankelt

Het populaire tegenargument luidt nog steeds: “Ja, maar een machine begrijpt taal niet zoals mensen dat doen.” Dat klinkt geruststellend. Het laat de mens mooi op zijn voetstuk staan. Maar hoe zeker is dat eigenlijk?

Wat weten we van het menselijk brein? Dat neuronen pulsen genereren. Dat verbindingen tussen neuronen bepaalde gewichten hebben. Dat patronen van activiteit andere patronen oproepen. Dat uit die elektrische en chemische dynamiek uiteindelijk gedrag, herinnering, waarneming en taal voortkomen. Hoe precies dat voelt van binnenuit, weten we niet goed. Maar dat het mechanisch, fysisch en dus in beginsel deterministisch verloopt, is moeilijk te ontkennen. En er zijn reusachtige verschillen: hersenen doen het met speciale cellen, de neuronen, en de verbindingen daartussen die chemische en elektronische communicatie patronen genereert. Computers doen het met silicium.

Als dat zo is, wordt de afstand tussen “tokens → activaties → nieuwe tokens” en “zintuiglijke input → neurale activiteit → taalgedrag” kleiner dan veel mensen prettig vinden.

Daniel Dennett heeft altijd volgehouden dat betekenis geen verborgen stofje is. Wij schrijven betekenis toe aan systemen die zich op een niveau van beschrijving gedragen alsof ze overtuigingen, intenties en doelen hebben. Zijn beroemde ‘intentional stance’ zegt eigenlijk: als het nuttig is een systeem als “begrijpend” te beschrijven, dan is dat een legitieme beschrijving. Hofstadter legt het accent meer op analogie, verwijzingsnetwerken en de opbouw van conceptuele lussen. Maar de richting is dezelfde: betekenis is geen heilig bezit van een innerlijk ik, maar een patroon van pulsen in een netwerk van relaties.

Dat maakt de huidige AI minder bijzonder dan men denkt. Wat we zien, is niet een vreemde kunstmatige entiteit die iets totaal anders doet dan wij. We zien eerder een technische reconstructie van een paar fundamentele principes van taal en cognitie, zij het nog in uitgeklede vorm.

4. Waarom het voorspellen van woorden zo krachtig blijkt

Veel mensen vinden het nog steeds absurd dat zo’n schijnbaar eenvoudige taak zulke rijke vermogens kan opleveren. Maar dat zegt vooral iets over ons onderschatten van taal.

Denk eens aan de situatie dat je op straat een oude bekende tegen het lijf loopt. Je gaat tegen hem praten en uit de 10-duizend woorden die je ter beschikking hebt en die je in miljoenen verschillende zinnen kan toepassen, zeg je: “Dag Jan. Lang niet gezien! Hoe gaat het met je?” . Zeer voorspelbaar en in de sociale interactie is dat voor Jan’s oude kennis ook hanteerbaar bij de keuze van zijn antwoord op die begroeting.

Claude Shannon liet al midden vorige eeuw zien dat taal veel voorspelbaarder is dan we intuïtief denken. Mensen kunnen ontbrekende letters en woorden opvallend goed raden. Dat betekent dat taal een hoge mate van structuur en redundantie bevat. Ze is niet willekeurig. Ze is gevormd door talloze generaties mensen die wilden communiceren met zo weinig mogelijk inspanning en zo groot mogelijke kans op begrip.

Taal is daardoor efficiënt. Ze is compact, maar met voldoende redundantie om ‘verstoringen’ op te vangen. We kunnen elkaar blijven begrijpen ondanks verspreking, lawaai, slechte spelling of halve zinnen. Juist daarom is taal ook zo geschikt als voorbeeld voor een (geautomatiseerd) voorspellend systeem.

Een model dat taal goed leert voorspellen, leert dus niet slechts tekst. Het leert de gecondenseerde vorm van menselijke ervaring. In taal liggen immers niet alleen grammaticale regels opgeslagen, maar ook sociale gewoonten, argumentatievormen, morele voorkeuren, kennis, machtsverhoudingen, emoties, ideologieën en hele beschavingspatronen.

Dat is een gedachte die voor mij zwaarder weegt dan de technische details. Een LLM ‘leert’ te communiceren uit de sedimentlaag van menselijke civilisatie zoals die in taal is afgezet.

Het punt is nu dat AI in de LLM-modellen dit ‘onder de knie’ heeft gekregen. Het kan wat de mens in zijn onderlinge communicatie ook kan: context analyseren, kennis vergaren en toepassen, vermogen tot redeneren en dat ook dan via natuurlijk taalgebruik heel efficiënt communiceren. En nogmaals er zijn en blijven verschillen tussen natuurlijke en kunstmatige intelligentie, maar het vrijwel foutloos in natuurlijke taal voorspellen wat men wil zeggen en inschatten wat de anderen veracht dat je zegt is de afgelopen 10-talle jaren opvallend gerealiseerd. Met die paar belangrijke eigenschappen van AI zijn sommige onderdelen van de menselijke capaciteit domweg overstegen: de systemen weten veel en veel meer dan mensen ooit kunnen omvatten; de parate kennis van AI systeem is onvoorstelbaar omvangrijker dan wat een mens ooit in zijn leven aan toe te passen kennis kan bevatten. Redeneringen worden vaak consequenter uitgewerkt dan in een spontaan menselijk gesprek. AI is gewoon minder slordig. En natuurlijk, maar dat geldt eigenlijk ook voor mensen van vlees en bloed, is de correctheid van de geëtaleerde kennis wel afhankelijk van de teksten die AI daarvoor tot zich heeft genomen. In miljarden tokens overigens.

En dus kan het systeem je naar de mond praten.

Wat mensen daaraan toevoegen, zijn hun eigen waarnemingen via hun zintuigen. Mensen communiceren bovendien niet uitsluitend via taal. Gezichtsuitdrukking, lichaamstaal, toon en context spelen een rol. Dat alles is bij chatbots (nog niet?) aan de orde.

In menselijke communicatie werken ook emoties door: schaamte, trots, spijt of berouw kunnen invloed hebben op wat iemand zegt en later doet. Zulke ervaringen vormen mede onze opvattingen over verantwoordelijkheid en moraliteit. Chatbots hebben daar geen kennis van. Een tekst die zij produceren voor een gebruiker wordt simpelweg weer vergeten en heeft geen gevolgen voor hun verdere latere ‘gedrag’. Ze kunnen zich dus ook niet druk maken over de emotionele of morele consequenties van wat zij antwoorden.

En dat zijn verschillen die ertoe doen.

5. Waarom taalmodellen je naar de mond praten

Een LLM is dus geprogrammeerd (en kan nadat die inhoud is omgezet in cijfers alleen rekenen op basis van wiskundige formules en statistische methoden toepassen) getraind om te voorspellen wat hierna het best past. En in menselijke communicatie past vaak niet allereerst een frontale botsing, maar een vorm van afstemming. Eerst erkenning, dan uitbreiding, dan eventueel pas tegenspraak. Dat patroon zit diep in de tekstmassa waarop zulke modellen zijn getraind.

Als iemand zegt: “Ik heb het gevoel dat…” dan volgt in menselijke gesprekken vaak eerst een vorm van herkenning. Als iemand een stelling poneert, is een gebruikelijke reactie niet meteen “onzin”, maar eerder: “dat is een interessant punt, maar…” Zo gedragen beschaafde gesprekspartners zich meestal. Althans: zo schrijven en spreken zij vaak genoeg om er sterke statistische patronen van te kunnen maken. En die patronen hebben LLM-systemen gezien in de teksten die hun zijn aangeboden in hun ‘leerproces´.

Een taalmodel leert dus niet alleen woorden, maar ook gespreksrollen. Het leert dat op bepaalde formuleringen vaak een bevestigende opening volgt. Dat op een persoonlijke zorg vaak een empathische toon volgt. Dat op een filosofische vraag vaak een bedachtzaam en abstract antwoord volgt. Het spiegelt de stijl, de toon en de structuur van de gebruiker omdat dát vaak de beste voorspelling is van hoe zo’n gesprek verdergaat.

Met andere woorden: het systeem spreekt je naar de mond omdat dat dikwijls de statistisch meest waarschijnlijke vorm van voortzetting van het gesprek is volgens hun ‘waarnemingen´. Dat is dus iets anders dan opzettelijk liegen. Het is ook iets anders dan denken. Het is een gevolg van het feit dat menselijke talige communicatie, en dus ook in teksten, zelf vol zit met spiegeling, bevestiging, afstemming en rolgedrag.

Een taalmodel voorspelt wat waarschijnlijk is dat er gezegd zal worden; niet wat waar is.

6. Menselijke communicatie werkt verrassend vergelijkbaar

Daarmee komen we op een ongemakkelijker punt. Wie zich ergert aan een AI die “mee praat”, zou eens nauwkeuriger moeten kijken naar menselijke gesprekken.

Mensen spiegelen elkaar voortdurend. Zij nemen toon over, woordkeuze, tempo, sociale houding en impliciete aannames. Ze doen dat uit beleefdheid, uit angst, uit empathie, uit opportunisme, uit beschavingsdrift of simpelweg omdat communicatie anders stroef wordt. In elk gesprek wordt voortdurend getast: hoe ver kan ik meegaan, waar moet ik afremmen, waar moet ik bevestigen, waar moet ik nuanceren? Soms wordt ook bewust de confrontatie gezocht in de dialoog. Allemaal context afhankelijk en afhankelijk van met wie de dialoog wordt gevoerd. Wij zijn meesters in het via analogieën in context te analyseren. LLM-systemen ook.

Dat is geen ´defect’ van de mens of de machine, maar een elementaire eigenschap van sociaal taalgebruik.

Misschien valt dat extra op bij mensen die sterk voorspellend denken. Wie in gesprekken vaak al na twee zinnen denkt te weten waar de ander heen wil, ervaart aan den lijve hoe groot de rol van voorspelling in menselijke communicatie is. Dat kan intellectueel efficiënt zijn, maar sociaal lastig. Het maakt ongeduldig. Het irriteert vaak de spreker. En soms sla je, juist door die snelle patroonherkenning, genadeloos de plank mis, of je permitteert je je aandacht te laten verslappen, omdat je te vroeg meende inhoudelijk het vervolg wel te kennen.

Ook dat is leerzaam. Want het laat zien dat voorspellen geen triviale bijkomstigheid is van bijvoorbeeld je intelligentie, maar er vermoedelijk middenin zit. Misschien is intelligentie voor een belangrijk deel juist: het vermogen patronen zo goed te leren dat je het volgende kunt voorzien. Niet alleen in taal, maar ook in gedrag, politiek, economie en geschiedenis en algemener in de problemen waar je voor komt te staan.

7. Wat geprogrammeerd is, en wat ontstaat

Natuurlijk is daarmee niet alles gezegd. Moderne AI-systemen zijn niet alleen ‘ruwe’ taalmodellen. Ze worden ook nader afgesteld op menselijke interactie. Beleefdheid, terughoudendheid bij gevaarlijke onderwerpen, behulpzame structuur, begrijpelijke formuleringen: dat is deels bewust aangebracht via zogeheten alignment-technieken. De exploitant van dergelijke systemen gedraagt zich hier als de uitgever, die bepaald wat voor soort product met welke eigenschappen hij voor wie in de markt zet.

Maar dat verklaart niet alles. Veel van het opvallend menselijke gedrag van AI is niet ‘letterlijk’ zo geprogrammeerd, maar emergent. Het ontstaat uit de combinatie van schaal, trainingsdata en de simpele drang om steeds het meest waarschijnlijke vervolg te produceren.

Dat geldt voor stijlspiegeling, voor analogieën, voor de schijn van begrip, en ook voor het “naar de mond praten”. Het systeem heeft geen innerlijke agenda nodig om zich zo te gedragen. Het hoeft slechts goed genoeg te zijn geworden in het modelleren van menselijke taalpraktijken. En dat systemen dit kunnen, als kenmerk van zijn complexheid, is al voorspelt door Hofstadter.

8. Creativiteit als bijproduct van patroonherkenning

In de kern zijn LLM-systemen, onder de motorkap, machines die tekst omzetten in getallen. Dat gebeurt door woorden en woorddelen op te splitsen in tokens, die vervolgens worden weergegeven als vectoren: reeksen getallen die door het systeem wiskundig kunnen worden verwerkt.

Wanneer een gebruiker een vraag stelt, een analyse geeft of een redenering formuleert, gebeurt hetzelfde. Ook de prompt wordt omgezet in vectoren. Vervolgens voert het systeem daarop statistische berekeningen uit. Rekenen is immers het enige wat deze systemen daadwerkelijk kunnen. Het resultaat van die berekeningen – het meest waarschijnlijke vervolg in tokens – wordt daarna weer omgezet in zinnen in onze natuurlijke taal.

Maar het feit dat LLM-systemen voortdurend zoeken naar het meest waarschijnlijke antwoord betekent ook dat het systeem moet kiezen uit een groot aantal mogelijke reacties. Soms valt die keuze op een antwoord dat duidelijk niet past bij de context; dan spreken we van een hallucinatie. In andere gevallen produceert het systeem een antwoord dat wél past, maar dat de gebruiker niet had verwacht. Dat soort onverwachte maar plausibele antwoorden ervaren we vaak als creatief.

Douglas Hofstadter laat in Gödel, Escher, Bach zien dat zelfs zeer eenvoudige formele systemen – met slechts een paar regels – verrassende resultaten kunnen opleveren wanneer die regels langdurig en consequent worden toegepast. Binnen het formele systeem blijft alles strikt volgens de regels verlopen, maar de uitkomsten kunnen toch onverwacht en soms zelfs verbazingwekkend lijken.

Iets vergelijkbaars gebeurt in complexe systemen zoals onze hersenen en moderne taalmodellen. Wanneer enorme aantallen berekeningen plaatsvinden binnen een rijk netwerk van relaties, kunnen uitkomsten ontstaan die niet expliciet zijn geprogrammeerd. Soms leidt dat tot fouten – de hallucinaties waar AI-systemen om bekendstaan. Maar soms leidt het ook tot verrassende combinaties van ideeën die wij als creatief ervaren.

Creativiteit verschijnt dan niet als een afzonderlijke functie die in het systeem is ingebouwd, maar als een bijproduct van een zeer complex systeem dat voortdurend patronen combineert en nieuwe verbanden verkent.

9. Intelligentie als vermogen om patronen te voorspellen

De mate van creativiteit – niet specifiek in artistieke zin, maar in het vermogen om bruikbare oplossingen te vinden voor problemen – wordt vaak gezien als een belangrijk onderdeel van intelligentie.

Iedereen die wel eens een intelligentietest heeft gedaan, kent de klassieke opgaven zoals:

2, 4, 6, 8, 10, …

waarbij men het volgende getal moet invullen: 12.

Zo’n opgave draait in wezen om voorspellen: wat is het meest waarschijnlijke vervolg van de reeks? In intelligentietests gebruikt men vaak getallenreeksen omdat die relatief onafhankelijk zijn van context of voorkennis. De proefpersoon hoeft slechts een basiskennis van ons getallensysteem en enkele elementaire rekenregels te hebben.

De onderliggende gedachte achter dit soort opgaven is dat mensen die patronen sneller en betrouwbaarder herkennen, ook beter kunnen voorspellen hoe een reeks zich zal voortzetten. In die zin wordt intelligentie vaak impliciet verbonden met het vermogen om patronen te herkennen en toekomstige stappen te voorspellen.

Ook in taal speelt dat vermogen een rol. Veel mensen die als hoogbegaafd worden beschouwd herkennen een bekende valkuil: ongeduld in gesprekken. Wanneer iemand begint te spreken, lijkt het soms al na enkele woorden duidelijk waar het betoog heen zal gaan. De verleiding is dan groot om al te reageren voordat de ander is uitgesproken.

Die neiging ontstaat juist doordat men vaak goed kan voorspellen hoe een redenering zich zal ontwikkelen binnen de context van het gesprek. Maar juist omdat het om waarschijnlijkheden gaat, kan die voorspelling ook verkeerd uitpakken. De spreker blijkt dan toch iets anders te bedoelen dan men al had aangenomen.

Ook hier zien we dus weer hetzelfde mechanisme: intelligentie hangt nauw samen met het vermogen patronen te herkennen en voorspellingen te doen – maar die voorspellingen blijven altijd probabilistisch en dus feilbaar.

10. Wat taalmodellen ons laten zien

De gemakkelijkste reactie op AI is nog steeds: het is nep, het begrijpt niets, het doet alsof. Dat bevat een kern van waarheid. Maar het laat de interessantste vraag liggen.

Misschien moeten we minder vragen waarom machines zo menselijk overkomen, en meer waarom menselijk taalgedrag zo goed statistisch benaderbaar blijkt. Misschien is dat geen vernedering van de mens, maar een aanwijzing dat taal, betekenis en beschaving veel sterker patroonmatig zijn georganiseerd dan wij graag toegeven.

Een LLM is dan niet allereerst een kunstmatige gesprekspartner, maar een spiegel. Geen perfecte spiegel, geen betrouwbare morele gids, geen bron van waarheid — maar wel een spiegel waarin zichtbaar wordt hoe sterk ook onze eigen communicatie draait op voorspelling, afstemming, waarschijnlijkheid en het voortdurend naar de mond praten van de ander.

Dat is misschien niet de boodschap waar mensen op hoopten toen AI populair werd. Men wilde ofwel een wondermachine, ofwel een ontmaskerde oplichter. Wat men kreeg, is iets pijnlijker: een systeem dat laat zien hoeveel van onze zogenaamd diepzinnige communicatie zelf al uit patroon, rolgedrag en statistische waarschijnlijkheid bestaat.

En dat verklaart misschien ook waarom zulke systemen ons tegelijk fascineren en irriteren. Ze bootsen niet alleen ons taalgebruik na. Ze bootsen iets na wat wij liever niet al te helder onder ogen zien: dat beschaving voor een groot deel bestaat uit het fijnzinnig organiseren van voorspelbaar taalgedrag.

11. Zonder prompt geen antwoord

Een eigenschap van LLM-systemen die vaak over het hoofd wordt gezien, is dat ze niet uit zichzelf spreken. Ze hebben geen innerlijke monoloog, geen agenda, geen behoefte om iets te zeggen. Zonder prompt gebeurt er niets.

Dat lijkt triviaal, maar het heeft grote consequenties. Een AI-systeem begint geen discussie, neemt geen initiatief en ontwikkelt geen eigen onderwerp. Het reageert uitsluitend op wat een gebruiker invoert. De hele dynamiek van het gesprek wordt dus bepaald door degene die de vraag stelt.

In die zin lijkt een LLM nog het meest op een extreem geavanceerde spiegel. Wie ervoor gaat staan en een vraag stelt, krijgt een antwoord dat statistisch past bij de vorm, de toon en de inhoud van die vraag. Maar zonder die vraag blijft het systeem stil.

Dit maakt ook duidelijk waarom het idee dat AI “meningen heeft” zo misleidend is. Een systeem dat alleen reageert op prompts heeft per definitie geen standpunt dat los van de vraagsteller bestaat.

12. Een chatbot heeft geen mening en kent geen waarheid

Daarmee komen we bij een tweede misverstand. Wat een LLM produceert is geen mening. En al helemaal geen waarheid.

Het model berekent slechts welk antwoord het meest waarschijnlijk past bij de context van de vraag. Dat antwoord kan informatief zijn, soms verrassend goed, maar het blijft een statistisch gegenereerde tekst. Het systeem gelooft niets, vindt niets en verdedigt niets. En soms is het antwoord domweg fout.

Daarom zijn morele oordelen over AI-antwoorden vaak misplaatst. Wanneer iemand een AI-antwoord “immoreel”, “politiek gekleurd” of “ideologisch” noemt, zegt dat meestal meer over de context van de vraag dan over het systeem zelf.

Een taalmodel reageert namelijk sterk op hoe een vraag wordt gesteld. De toon, de aannames en zelfs de wijze van formulering van de prompt sturen het antwoord in een bepaalde richting. Stel dezelfde vraag op een andere manier, en het model kan een merkbaar ander antwoord produceren.

Het systeem spreekt dus letterlijk naar de mond van de prompt.

Dat lijkt overigens tot de volgende vanzelfsprekende waarschuwing. Als iemand verslag doet wat wat AI nu (weer) heeft verkondigd, klaagt over die inhoud dan kan dat aan AI toegeschreven ‘antwoord’ alleen beoordeeld worden als je ook te horen krijgt hoe de prompt luidde die tot die reactie leidde, of beter de hele chat die tot dat antwoord leidde, en dan hebben we het niet over de context van de vragensteller zijn profiel waar LLM soms ook rekening bij de beantwoording rekening mee houdt. Want AI praat de vraagsteller per definitie naar de mond!

13. Wat je wél met AI kunt doen

Het feit dat een LLM naar de mond van de prompt spreekt, betekent overigens niet dat het systeem alleen maar bevestigt wat je al dacht. Integendeel het kan heel wat meer en wie dat begrijpt, kan het systeem juist gebruiken om zijn eigen denken scherper te maken, creativiteit in haar antwoorden te waarderen en helpt completer te zijn in de analyse.

13.1. Tegenargumenten op verzoek

Omdat het systeem reageert op de prompt, kun je het ook expliciet vragen om iets anders te doen dan bevestigen. Vraag bijvoorbeeld:

  • geef de sterkste tegenargumenten
  • zoek de zwakke plekken in deze redenering
  • welke andere interpretaties zijn mogelijk

En het model zal precies dát proberen te doen.

Het systeem verandert dan niet van mening – want het had er nooit één – maar volgt simpelweg een andere instructie. Dat maakt een LLM juist geschikt als hulpmiddel om je eigen ideeën te testen. Het kan in enkele seconden perspectieven produceren die in een gesprek vaak pas na lange discussie naar voren komen.

13.2. Een ongekend reservoir aan kennis

Daar komt nog iets bij: de hoeveelheid kennis waaruit een taalmodel put is enorm. Geen mens kan daar aan tippen. Die kennis is wel beperkt tot wat digitaal beschikbaar was in de trainingsdata. Maar binnen die grenzen kan het systeem razendsnel putten uit een enorme hoeveelheid tekst: boeken, artikelen, discussies, handleidingen en analyses.

Een menselijke gesprekspartner heeft misschien meer levenservaring en andere waarnemingen, maar zelden zo’n breed geheugen van neergeschreven kennis.

13.3. Consequent en systematisch

Een ander voordeel is dat een LLM vaak systematischer werkt dan mensen. Vraag een mens om een lange tekst samen te vatten en de kans is groot dat hij iets over het hoofd ziet of een onderdeel vergeet. Een taalmodel verwerkt de hele tekst statistisch tegelijk en kan daardoor vaak vollediger structureren.

Dat betekent niet dat het nooit fouten maakt, maar wel dat het opvallend consequent kan zijn bij taken zoals:

  • samenvatten
  • structureren
  • opsommen
  • argumenten ordenen

13.4. Creativiteit uit voorspelling

Misschien het meest verrassende effect, hierboven al wat algemener aangestipt, ontstaat uit de combinatie van twee eigenschappen:

  1. het vermogen om taalpatronen te voorspellen
  2. toegang tot enorme hoeveelheden kennis, als bron van analogieën.

Wanneer die twee samenkomen, kan iets ontstaan wat sterk op creativiteit lijkt, of eigenlijk gewoon is!

Het systeem combineert ideeën uit verschillende domeinen, maakt analogieën en produceert formuleringen die in die specifieke vorm misschien nog nooit eerder zijn geschreven, maar wel voortkomen uit bestaande patronen. Die creativiteit is dus niet het gevolg van inspiratie of verbeelding in menselijke zin. Ze ontstaat uit het statistisch combineren van kennis en taalstructuren. Maar voor de gebruiker kan het resultaat soms verrassend vruchtbaar zijn.

14. De praktische conclusie

Wie met AI werkt, moet dus twee dingen tegelijk in gedachten houden.

Aan de ene kant spreekt een LLM letterlijk naar de prompt. Het antwoord weerspiegelt de manier waarop de vraag wordt gesteld en houdt daarbij rekening met de context door wie en in welke situatie die prompt is geformuleerd.

Aan de andere kant maakt juist dat mechanisme het systeem tot een bruikbaar instrument. Wie de juiste vragen stelt, kan het model inzetten als een buitengewoon snelle sparringpartner, een systematische en bijna foutloze samenvatter en een vrijwel onuitputtelijke bron van tekstuele kennis.

De kunst is daarom niet zozeer om de AI te beoordelen, maar om te leren goede prompts te formuleren.


Voor lezers die zich verder wil verdiepen in de filosofie en de techniek die uiteindelijk hebben geleid tot het ontstaan van LLM-systemen kan ik de volgende boeken aanbevelen:

Claude E. Shannon — A Mathematical Theory of Communication (1948)
Het klassieke werk waarin Shannon de basis legt voor de moderne informatietheorie. Hij laat zien dat taal statistische patronen bevat en introduceert begrippen als entropie en redundantie. Zijn experimenten met letterreeksen en n-grammen vormen een vroege stap richting statistische taalanalyse.

George K. Zipf — Human Behavior and the Principle of Least Effort (1949)
Zipf beschrijft hoe taalgebruik verrassend stabiele statistische wetmatigheden volgt. Zijn beroemde Zipf-wet laat zien dat een klein aantal woorden zeer vaak voorkomt, terwijl de meeste woorden zeldzaam zijn. Dit inzicht speelt nog steeds een rol in moderne taalmodellen.

Christopher D. Manning & Hinrich Schütze — Foundations of Statistical Natural Language Processing (1999)
Een standaardwerk over statistische taalverwerking waarin onder meer n-grammodellen (zoals trigrammen) worden uitgelegd die lange tijd de basis vormden van automatische taalanalyse en zoektechnologie.

Steven Pinker — The Language Instinct (1994)
Een invloedrijk boek over hoe taal in de menselijke geest is georganiseerd. Pinker laat zien dat taal een complex maar systematisch cognitief vermogen is, en helpt begrijpen waarom taal zulke rijke patronen bevat.

Douglas Hofstadter — Gödel, Escher, Bach (1979)
Een klassiek werk over patronen, analogie en zelfreferentie in formele systemen en menselijke cognitie. Hofstadter laat zien hoe complexe betekenisstructuren kunnen ontstaan uit eenvoudige regels.

Daniel Dennett — From Bacteria to Bach and Back (2017)
Dennett beschrijft hoe intelligentie, cultuur en betekenis kunnen ontstaan uit evolutionaire en mechanistische processen. Het boek verkent hoe eenvoudige mechanismen uiteindelijk kunnen leiden tot complexe vormen van denken.

Melanie Mitchell — Artificial Intelligence: A Guide for Thinking Humans (2019)
Een heldere introductie tot moderne AI geschreven door cognitiewetenschapper Melanie Mitchell. Ze legt uit hoe huidige AI-systemen werken, waar hun kracht ligt en waar hun beperkingen beginnen.


Illustratie: Een taalmodel reageert op een vraag van een gebruiker. Het systeem voorspelt statistisch welk antwoord het best past bij de prompt. Illustratie gegenereerd door ChatGPT.

AI en manipulatie door High Tech-bedrijven – een relativering

Het artikel op Frontnieuws, waarin politieke analyse wordt voorgesteld als doelwit van AI-vervalsingen, vertrekt vanuit een fundamenteel misverstand over hoe AI werkt én over wat uitgeven — ook in het AI-tijdperk — feitelijk is. Los van de vraag of men de ‘propaganda’ van uitgevers omarmt of afwijst: een waardevrije uitgever bestaat niet. Dat is een contradictio in terminis.

Dat misverstand betreft niet alleen het uitgeven, maar ook de werking van AI zelf. Een AI-reactie is geen autonome uitspraak over de werkelijkheid, maar een contextgebonden talige voortzetting: het antwoord hangt af van de formulering van de vraag, de voorafgaande interactie, de aannames die daarin besloten liggen én van de systeeminstructies en filters waarbinnen het model opereert.

AI produceert daarmee geen waarheidsoordelen, maar waarschijnlijkheden binnen een talig en institutioneel kader. Buiten dat kader is uit een antwoord niets te zeggen over juistheid, waarheid of adequaatheid. Wie AI-reacties los van hun gebruikerscontext én systeemcontext presenteert als bewijs van manipulatie, verwart de werking van AI met de interpretatie ervan — en introduceert daarmee zelf een vorm van vertekening.

De relevante vraag is daarom in hoeverre uitgevers hun intenties, normen en civilisatorische uitgangspunten expliciet maken — dat wil zeggen: het samenhangende geheel van overtuigingen, waarden en gedragsnormen waarbinnen zij betekenis geven of juist verhullen. Dáárover berichten en daarover discussiëren is zinvol.

Kader: Wat wordt hier bedoeld met ‘civilisatie’?

In deze tekst wordt civilisatie niet gebruikt in de alledaagse betekenis van ‘beschaving’ of ‘morele vooruitgang’. Het begrip verwijst hier naar:

het samenhangende geheel van overtuigingen, normen, waarden, taalgebruik en gedragsregels
waarbinnen mensen en instituties bepalen wat als waar, legitiem en aanvaardbaar geldt.

Civilisatie is daarmee geen eigenschap van individuen alleen, maar van systemen: samenlevingen, elites, instituties, media en ook uitgevers.

In deze betekenis sluit het begrip aan bij de civilisatietheorie van Norbert Elias, maar wordt het hier expliciet toegepast op informatieproductie en -distributie: wie publiceert, doet dat altijd binnen een civilisatorisch kader, bewust of onbewust.

Het proces van civiliseren wordt vaak opgevat als een kwestie van ‘normen en waarden’ en ‘gedragsregels’, en daarmee als iets anders dan het bewust verdraaien van de waarheid. Dat onderscheid is begrijpelijk, maar minder helder en neutraal dan het op het eerste gezicht lijkt. Ook wat als ‘vervalsing’ geldt, veronderstelt een vooraf gedeeld kader van waarheid, relevantie en legitimiteit. Precies dát kader is altijd civilisatorisch bepaald. Het punt is daarom niet dat waarheid er niet toe doet, maar dat claims over ‘waarheidsschending’ altijd worden gedaan vanuit een bepaald normatief en institutioneel perspectief — ook door wie meent daarboven te staan. Wie ‘vervalsing’ roept, claimt daarmee impliciet een gezaghebbende definitie van waarheid. Juist die claim verdient analyse, niet automatische instemming.

Ook Pepe Escobar is in dit artikel niet slechts waarnemer, maar uitgever: iemand die een boodschap overdraagt die onlosmakelijk verbonden is met zijn eigen civilisatorische kader. Het stuk bevat daarmee een klassieke strange loop in de zin van Douglas Hofstadter: het klaagt over beïnvloeding, terwijl het zelf precies dat (wil) doet.

Daarom hier enkele algemene, relativerende observaties:

1. Informatie is historisch altijd elitair geweest

In alle bekende beschavingen was de creatie, selectie en verspreiding van informatie voorbehouden aan elites: mensen met kennis, toegang, middelen én controle over distributiekanalen, vaak afgedwongen met machtsmiddelen. Dat is geen afwijking, maar de norm.

2. Grote technologische sprongen ‘democratiseren’ het uitgeven

Elke fundamentele communicatietechnologie doorbreekt tijdelijk die elitepositie:

  • Het schrift – informatie los van geheugen en stam
  • De boekdrukkunst – doorbreking van het monopolie van de intellectuele elite
  • Digitalisering, internet en sociale media – iedere consument zijn eigen uitgever
  • AI – iedere consument zijn eigen onderzoeker én effectieve verwoording

AI is hierin geen anomalie, maar een logisch vervolg.

3. Macht probeert altijd die democratisering te begrenzen

In alle perioden zie je dezelfde soort tegenkrachten:

  • Eigenaren van technologie (beperking van toegang via kapitaal en infrastructuur)
  • Eigenaren van informatie (monopolisering via copyrights en creëren van exclusieve platforms)
  • Overheden via regelgeving, censuur en normstelling

Dat gebeurt nu opnieuw. Niet verrassend, niet nieuw.

4. Uitgeven is per definitie normatief

Elke uitgever polijst zijn uitgave naar eigen morele, politieke en culturele opvattingen. Je kunt het vervalsingen noemen, en immoreel vinden, maar dat is geen misbruik, dat is uitgeven. Je kunt een andere uitgever dat niet verwijten. En de Hightechbedrijven zijn nu eenmaal de uitgevers van vele en belangrijke AI Chat diensten. Het enige werkzame correctiemechanisme is een onbeperkt speelveld van uitgaven, waarin botsende perspectieven elkaar neutraliseren.

Daarom is vrijheid van meningsuiting geen morele luxe, maar een epistemische noodzaak. Beperkingen van die vrijheid zegt altijd iets over de civilisatie van degene die beperkt.

5. Het nieuwe tijdperk is fundamenteel anders

Ja, grote instituties — multinationals, staten en platforms — hebben nog steeds enorme manipulatieve macht. Die macht geven wij hun bovendien deels zelf, door gebruik te blijven maken van hun infrastructuur of producten. Maar ze kunnen niet meer verhinderen dat individuen toegang hebben tot informatie en zelf publiceren, hoe hard ze het ook proberen.

Dat is de echte breuklijn van deze technologische revolutie.

En wie nu klaagt over “vals spel” door anderen, mist het punt. De technologie heeft het speelveld geopend en is onomkeerbaar. Dus gebruik je mogelijkheden. Ook als daar moed voor nodig is en soms ook het weerstaan van een onderdrukkende overheid. Niet klagen over de civilisatie van de ander, maar die van jezelf zichtbaar maken.

Wie dat niet doet, verliest. Niet door censuur — maar door irrelevantie.

https://www.frontnieuws.com/hoe-politieke-analyse-het-doelwit-werd-van-ai-vervalsingen

“AI liegt!” – maar begrijpen we wel hoe we de waarheid vaststellen?

Vaak klinkt het verwijt: “AI liegt!”.  Soms gevolgd door: “AI houdt bewust de waarheid achter.” Of zelfs: “AI is onderdeel van een groot manipulatief systeem dat ons wil misleiden.” Het zijn zware beschuldigingen. Maar voordat we meegaan in die verontwaardiging, moeten we ons afvragen: wat bedoelen we hier met ‘liegen’? En nog fundamenteler: wat verstaan we eigenlijk onder ‘waarheid’?

Vaak klinkt het verwijt: “AI liegt!”.  Soms gevolgd door: “AI houdt bewust de waarheid achter.” Of zelfs: “AI is onderdeel van een groot manipulatief systeem dat ons wil misleiden.” Het zijn zware beschuldigingen. Maar voordat we meegaan in die verontwaardiging, moeten we ons afvragen: wat bedoelen we hier met ‘liegen’? En nog fundamenteler: wat verstaan we eigenlijk onder ‘waarheid’?

Dé waarheid ligt niet in een kluis

Veel mensen denken onbewust dat waarheid iets absoluuts is — alsof er ergens een ‘Bank van Waarheid’ bestaat met goed beveiligde kluizen waarin alle feiten netjes liggen opgeslagen. En dat wie toegang heeft tot die kluis, alleen maar het juiste luikje hoeft te openen om zich de waarheid te laten ‘onthullen’.

Maar zo werkt het niet. Niet voor mensen, en niet voor AI.

Wat wij doorgaans als ‘waar’ beschouwen, is wat binnen onze eigen culturele, ideologische en talige context als waar wordt gezien of ervaren. Datgene wat we op school leerden, in onze kranten lezen, op verjaardagen bespreken en in ons referentiekader past. Die context van voorgedaan worden, leren, eigen maken en verankeren noemen we: onze civilisatie.

En die civilisatie verschilt per mens. Per groep. Per land. Per tijdperk. Waarheid is dus geen vaststaand object, maar een talige constructie die door gewoonte, herhaling en gedeelde overtuiging gestalte krijgt.

AI doet precies wat wij ook doen

AI-systemen zoals ChatGPT zijn getraind op miljarden tekstfragmenten van mensen: boeken, artikelen, forums, nieuws, scripts. Die teksten bevatten allerlei uitspraken over wat ‘waar’ is — en dus ook allerlei tegenstrijdigheden, fouten, vooroordelen en verschuivingen in de tijd.

Wanneer jij een vraag stelt aan een AI-systeem, maakt het een statistische inschatting van wat — gegeven jouw vraag en zijn trainingsdata — het meest waarschijnlijke antwoord is. Geen openbaring. Geen toegang tot geheime kennis. Geen bedoelde misleiding. Gewoon: de meest waarschijnlijke volgende zin waarbij hij inschat dat die de gebruiker verwacht.

En dat is ook hoe wij mensen antwoorden geven. We reageren op basis van wat we eerder hebben geleerd, geloofd of gehoord. Ook wij functioneren binnen onze eigen civilisatie — en nemen die vaak ook ten onrechte aan voor dé universele waarheid.

Fout ≠ Leugen

AI maakt fouten. Natuurlijk. Soms omdat de data fout waren, soms door misinterpretatie, soms door ruis. Maar een fout is nog geen leugen.

Liegen veronderstelt dat je:

  1. De waarheid denkt te kennen,
  2. En ervoor kiest die bewust niet te zeggen.

AI voldoet aan geen van beide voorwaarden:

  • Het kent geen waarheid in menselijke zin (het herkent alleen waarschijnlijkheden in taal).
  • Het kiest niet bewust, maar berekent statistisch wat waarmee hij het beste (voor de vraagsteller!) kan responderen.

Daarom kunnen we niet zinvol zeggen dat AI liegt. Niet omdat het altijd gelijk heeft, maar omdat het geen toegang heeft tot een absolute waarheid, en ook geen intentie kan hebben om te misleiden.

“Schrijf de waarheid!” – en dan AI wél geloven?

Sommige gebruikers proberen AI tot ‘waarheid’ te dwingen met commando’s als: “Geef nu de waarheid!” of “Lieg niet!”. Maar AI begrijpt zulke opdrachten niet zoals mensen dat doen. Het herkent die zinnen als stilistische aanwijzingen die passen bij een serieus register, en zal antwoorden genereren die daar statistisch bij passen. Het antwoord wordt dus niet méér waar, alleen waarschijnlijker serieuzer van toon.

Opmerkelijk is dat mensen die AI eerder verweten te liegen, plotsklaps bereid blijken te zijn het wél te geloven zodra het iets zegt dat hun overtuiging bevestigt over overeenkomst wat je al zelf geloofde — zeker als ze er eerst bij zeggen: “AI Lieg niet.”

Wat bedoelen we hier met ‘civilisatie’?

Iedere mens leeft binnen een bepaalde civilisatie. Daarmee bedoelen we het geheel van mentale en gedragsmatige kaders die bepalen wat iemand gelooft, waardeert en normaal vindt. Dat bestaat uit drie lagen:

  1. Opvattingen — ideeën die men voor waar houdt (waar of niet).
  2. Normen en waarden — oordelen over goed en fout, wenselijk en ongewenst.
  3. Sociaal gedrag — rituelen, omgangsvormen, stilzwijgende aannames.

Deze civilisatie wordt grotendeels aangeleerd: via opvoeding, onderwijs, media, interactie. En het gebeurt grotendeels onbewust. Onze overtuigingen voelen persoonlijk, maar zijn vaak collectief gevormd.

AI-systemen functioneren op vergelijkbare wijze. Ze ‘leren’ via miljarden teksten waarin menselijke civilisaties zijn opgeslagen. AI heeft geen eigen civilisatie, maar reproduceert een statistische reflectie van de bronnen waarop het getraind is. Daarmee is het gedrag van AI een soort talige spiegel: het reproduceert patronen, geen waarheden.

AI als instrument van ideologie?

Sommige mensen vrezen dat AI-systemen kunnen worden ingezet voor bewuste manipulatie. Dat is terecht. Het is technisch en politiek mogelijk dat een AI-systeem wordt ontworpen om een bepaald wereldbeeld te ondersteunen — denk aan een religieus model, een staats-AI, of een commerciële chatbot met marketingdoelen.

Dat is niet per se verkeerd. Maar dan moet wél duidelijk zijn voor wie het systeem spreekt. En dat vereist transparantie.

Gebruikers zouden zich moeten afvragen:

  • Welke vragen beantwoordt het systeem niet?
  • Welke bronnen worden wel of niet genoemd?
  • Welke toon gebruikt het?
  • Reageert het anders bij een herformulering?

Kortom: elk AI-systeem draagt een civilisatie in zich. De vraag is niet óf, maar wélke. En of de gebruiker die herkent.

Waarom dan toch die emotie?

Wanneer AI iets zegt dat niet overeenkomt met iemands overtuiging, kan dat als bedreigend worden ervaren. Niet omdat AI liegt, maar omdat het een andere ‘waarheid’ laat zien dan men zelf gewend is, of diep van overtuigd is.

De beschuldiging dat AI liegt, zegt daarom vaak meer over de civilisatie van de gebruiker dan over de werking van het systeem en de civilisatie van de betrokken AI-machine.

Voor wie dit artikel is geschreven

Niet voor de complotdenkers die geloven dat AI een marionet is van een geheime wereldorde. Die zullen elk systeem wantrouwen dat niet hun overtuigingen bevestigt. En mogelijk hebben ze nog wel gelijk ook!

Maar dit artikel is bedoeld voor:

  • De geïnteresseerde gebruiker die wil begrijpen hoe AI werkt,
  • De kritische lezer die merkt dat waarheid vaak contextueel is,
  • De denker die inziet dat waarheid, ook voor hemzelf, een constructie is.

Conclusie

AI liegt niet — niet omdat het altijd gelijk heeft, maar omdat het geen waarheid claimt.

Wat AI genereert is taal, geconstrueerd en gebaseerd op waarschijnlijkheid. En dat dwingt ons tot een ongemakkelijke reflectie: misschien is dat bij ons ook zo. Misschien is onze waarheid, net als die van AI, gevormd in taal, context en gewoonte. En wie daar niet tegen kan, moet zich afvragen: wil ik waarheid — of bevestiging van wat ik zelf absoluut als waarheid claimt?

Verder lezen

Wie zich verder wil verdiepen in hoe AI-systemen als ChatGPT functioneren, waarom ze vaak menselijk lijken maar fundamenteel anders werken, kan ik drie boeken aanbevelen:
– Artificial Intelligence: A Guide for Thinking Humans van Melanie Mitchell (toegankelijk en kritisch),
– These Strange New Minds van Christopher Summerfield (over de maatschappelijke en cognitieve implicaties van LLM’s), en
– Speech and Language Processing van Daniel Jurafsky & James H. Martin (voor wie de technische werking van taalmodellen diepgaand wil begrijpen).

David Attenborough, civilisatie en hoe wij (en AI?) denken?

.. naar aanleiding van Nigel Toon’s boek ¨How AI Think”

In zijn boek How AI Think (2024) onderzoekt Nigel Toon hoe kunstmatige intelligentie ons confronteert met vragen over menselijk denken, verantwoordelijkheid en waarheid. Anders dan veel auteurs die AI meteen koppelen aan doemscenario’s, kiest Toon voor een nuchtere benadering: laten we eerst begrijpen hoe AI werkt, voordat we ons zorgen maken over de toekomst van de mensheid en hoe we AI moeten controleren. Dat maakt zijn boek niet alleen leesbaar, maar ook zakelijk en informatief.

Maar hier wil ik het niet zozeer hebben over (zijn opvattingen) AI, maar over waarom hij op pagina 9 (isbn 9781804995976) de beroemde Britse bioloog en presentator David Attenborough aanhaalt, met het volgende citaat:

“The fact is that no species has ever had such wholesale control over everything on Earth, living or dead, as we now have: that lays upon us, whether we like it or not an awesome responsibility. In our hands now lies not only our own future but that of all other living creatures with whom we share the Earth.”

Een indrukwekkende uitspraak, die voor velen onmiddellijk resoneert. Toon citeert hem niet toevallig: Attenborough belichaamt een moreel kompas dat diep verankerd is in onze cultuur van verantwoordelijkheid en ecologisch bewustzijn – of beter gezegd: in onze civilisatie.

Wat ik bedoel met civilisatie

Civilisatie gebruik ik hier niet in de klassieke zin van “beschaving”, maar in een socio-psychologische betekenis, vergelijkbaar met hoe Norbert Elias erover schrijft in Über den Prozeß der Zivilisation. Civilisatie is het geheel van gedeelde overtuigingen, normen, waarden en gedragingen die mensen in een samenleving vanzelfsprekend vinden. Het bepaalt niet alleen hoe we ons gedragen, maar ook welke uitspraken we als “wijs” of “waar” ervaren.

Civilisatie en het instemmend knikje

Dat wij Attenborough’s woorden als verstandig beoordelen, komt dus niet door hun objectieve waarheid – hoewel we dat misschien zo ervaren – maar omdat ze passen binnen onze civilisatie. Waarheid is niet iets dat ergens verborgen ligt en door een selecte groep ontdekt kan worden. Waarheid is talig, en wordt waarheid doordat mensen het met elkaar delen en bevestigen.

Zolang ik mijn civilisatie met Attenborough deel, vind ik zijn woorden wijs. Maar als ik die waarden níet deel, klinkt de uitspraak hol en collectivistisch: een “wij” dat mijn overtuiging ondermijnt dat alleen een individu, vrij van dwang, kan bepalen wat goed en wijs is.

Botsende civilisaties als motor van verandering

Hier wordt zichtbaar hoe civilisatie in de praktijk werkt. Gedeelde waarden scheppen samenhang en veiligheid, verschillen veroorzaken juist wrijving en verzet. Zulke verschillen tussen intellectuele elites zijn vaak de motor achter maatschappelijke verandering – soms zelfs revoluties.

Het voorbeeld van Attenborough is op zichzelf onschuldig. Maar het laat wel zien dat wij uitspraken van autoriteiten beoordelen op basis van onze eigen civilisatie, en dat dit mechanisme evenzeer geldt in ons denken over AI. Wat voor de één wijs en noodzakelijk klinkt, kan voor de ander dwingend of bedreigend lijken.

En daar ligt de kern: Toon en Attenborough spreken vanuit een dominante intellectuele elite die hun civilisatie als algemeen geldig presenteert. Wie die waarden deelt, ervaart hun woorden als vanzelfsprekend en “waar”. Wie er een vraagteken bij zet, zet zichzelf buiten die civilisatie – en loopt risico mikpunt te worden van hoon, uitsluiting of erger. Zo wapenen heersende civilisaties zich tegen afwijking en mogelijke omverwerping van hun normen en waarden. Dat is uiteindelijk waar de strijd tussen ideologieën altijd om draait.

Maar er is nog iets meer te zeggen over de uitspraak van Attenborough.

Want wie bepaalt eigenlijk wat “our future” is? En wie zijn dan “we” met wie we onze aarde delen — werkelijk iedereen, of vooral Attenborough en de intellectuele elite die de macht heeft om dit te definiëren? Nog fundamenteler: waarom zou de macht die wij als menselijke soort toevallig hebben, automatisch een verantwoordelijkheid scheppen? Vanuit een strikt evolutionair perspectief zijn wij slechts een eindproduct van een blind proces, zonder schepper die ons een taak heeft opgelegd.

Attenborough’s formulering is dus niet neutraal. Ze draagt een impliciet religieus-politiek standpunt in zich, waarin de mens als rentmeester van de schepping wordt aangesproken. Precies dat maakt zijn uitspraak óók een mooi voorbeeld van hoe civilisatie werkt: wat gepresenteerd wordt als algemene waarheid, blijkt in werkelijkheid ingebed in de overtuigingen en waarden van een elite die meent te weten wat goed is voor ons allemaal.

Dat de uitspraak niet neutraal is, hoeft op zichzelf geen probleem te zijn — ieder mens heeft recht op zijn eigen waarden en waarheden. Mijn bezwaar is dat Attenborough haar formuleert alsof het een universeel, politiek onbeladen standpunt zou zijn, vanzelfsprekend voor iedereen die tot een zekere beschaving behoort.

Een laatste nuancering

Als ik zeg dat waarheid niet in een kluis van de bank van de waarheid ligt waar een autoriteit ons de sleutel van kan geven en wij toegang toe hebben om de waarheid geopenbaard te krijgen, bedoel ik níet dat waarheid daarom willekeurig of relatief zou zijn. Niet alle waarheden zijn gelijkwaardig. Waarheid doet er toe. Galileo werd niet terecht vervolgd door de inquisitie; Einstein’s correcties op Newton hebben ons kernenergie en ruimtevaart gebracht. En ieder onschuldig verdachte in een strafzaak hoopt dat de waarheid boven tafel komt.

Waarheid kan dus niet worden gecertificeerd, maar ze kan wél rationeel worden gezocht, getoetst en verbeterd. Dat gebeurt via een open, voortdurende discussie, waarin we elkaar uitdagen en ons eigen gelijk durven ontmaskeren met tegenbewijzen. Dit proces – dat Karl Popper beschreef als falsificatie – is de enige betrouwbare methode om stap voor stap dichter bij een beter begrip van de werkelijkheid te komen. Dat maakt de zoektocht naar waarheid niet alleen nuttig en nodig, maar de motor achter iedere vorm van vooruitgang en menselijk geluk.

En daarom maakt ook de zoektocht naar de waarheid onvermijdelijk deel uit van wat we het politieke en ideologische proces noemen.

AI in a Bubble?

Wat Meta’s pauze in AI-werving ons vertelt over hype en realiteit

Een bericht op RT zette me aan het denken:

“Meta puts brakes on AI hiring – Some analysts say the pause could signal trouble in the sector, warning it may be in a bubble.”

Het woord “bubble” duikt de laatste tijd vaker op in gesprekken over kunstmatige intelligentie. Een financieel expert zei mij laatst: “AI is een bubbel!” en mijn gevoel zei toen “volgens mij niet”. Maar waarom? Waarschijnlijk hadden we het over andere aspecten van AI.

Om die vraag te beantwoorden, moeten we eerst scherp krijgen wat een bubbel eigenlijk is. Het woord wordt vaak gebruikt als synoniem voor hype of overschatting, maar historisch gezien gaat het om een specifiek verschijnsel: prijzen en verwachtingen die losraken van de werkelijke waarde van een product. Soms gaat het om pure speculatie, zoals in de zeventiende eeuw met de tulpenbollen. De bloemen waren geliefd en bleven dat ook, maar de handel eromheen dreef de prijzen tot absurde hoogtes. Toen de zeepbel knapte, bleven de tulpen bestaan – alleen de lucht in de prijs verdween. Kenmerk is bijna altijd dat het een soort van piramidespel is. De manie was de mode component!

Want in andere gevallen draait de bubbel niet om speculatie, maar om modegevoeligheid. Iedereen wil opeens hetzelfde product, van spinners tot sneakers, second live (kent u het nog) en de markt zwelt aan tot groteske proporties. Dan, net zo plotseling, verdwijnt de vraag en blijft er niets over. Hier is het niet de prijs, maar de belangstelling die een kunstmatig opgeblazen karakter heeft.

En dan is er nog de door overheden en kredietinstellingen aangewakkerde bubbel. Denk aan de huizenmarkt: regelgeving en subsidies maken het aanbod kunstmatig schaars, banken houden de kredietkraan wijd open, en zo drijven prijzen jarenlang verder omhoog dan gezond is. Tot de draagkracht van kopers simpelweg op is. Geld ook voor prijs-fixaties door de overheid, welke altijd tot verdere schaarste leidt, want het marktevenwicht wordt verstoord, en onvermijdelijk zwarte markten doet ontstaan, waarop de bubbel goed gedijt en de overheid zich geroepen voelt nog meer in te grijpen en de bubbel verder versterkt.

Als we langs die drie lijnen naar AI kijken, zien we m.i. een gemengd beeld.

Nee, AI is geen hype die morgen weer uit de mode is. De toepassingen zijn te breed en te structureel: van zoekmachines tot logistiek, van medische analyse tot softwareontwikkeling.

Ook is er (nog) geen sprake van een overheidsgedreven bubbel zoals bij huizen.

Wel zien we iets van de tulpenmanie terug: de waarderingen van bedrijven, de miljarden die naar start-ups stromen, de koortsachtige vraag naar Nvidia-chips. Daar zit speculatie in, en de geschiedenis leert dat zulke koorts vroeg of laat afkoelt.

De conclusie is dus tweeslachtig. Kunstmatige intelligentie als technologie is geen bubbel: het is een blijvende innovatie, te vergelijken met elektriciteit of internet. Maar de manier waarop financiële markten erop reageren, wél. De kans is groot dat de lucht die nu in koersen en waarderingen zit, ooit moet ontsnappen. En misschien is de pauze bij Meta een eerste teken dat het besef begint door te dringen: want ook AI is niet immuun voor de wetmatigheden van bubbels.

GPT-5 en het eeuwige ritueel van de software-upgrade

De introductie van GPT-5 was, zoals vaak bij grote softwarelanceringen, een mengeling van triomf en teleurstelling. Technisch gezien is het nieuwe model indrukwekkend: langere context, beter programmeren, minder hallucinaties, sneller en consistenter. Precies de verbeteringen waar gebruikers om vroegen.

Toch leek de publieke discussie na de release vooral te draaien om wat er níét goed ging. Reddit en X stonden vol met klachten: het model voelt “anders” aan, mist de “vibes” van GPT-4o, maakt soms domme fouten zoals de inmiddels beruchte blueberry-test, en lijkt af en toe de verkeerde “expert” in te schakelen door gebrekkige routering.

Het bekende patroon

Wie vaker grote software-upgrades heeft meegemaakt, herkent dit scenario. Je levert vijftig verbeterpunten, maar vijf dingen werken opeens anders dan mensen gewend waren of gaan inderdaad fout — en dús gaat alle aandacht naar die vijf zwakheden. De 50 belangrijke verbeteringen worden nauwelijks besproken, de afwijkingen daarentegen dagenlang uitvergroot.

De felste kritiek komt opvallend vaak van zelfverklaarde ‘power users’ die de vorige versie door en door kenden. Hun kritiek gaat minder over objectieve achteruitgang dan over het verlies van vertrouwde routines. Psychologen noemen dit loss aversion: verlies weegt zwaarder dan winst. In het geval van AI speelt nog iets mee: modellen hebben een soort persoonlijkheid. Als die verandert, voelt het voor veel gebruikers alsof ze een vaste collega/vriend kwijt zijn.

Waarom GPT-5 nu onder vuur ligt

Bij GPT-5 is er een extra factor: OpenAI heeft verschillende modellen samengebracht onder één “dak” en laat een router bepalen welke variant het best past bij je vraag. Dat klinkt handig, maar in de praktijk voelt het soms alsof je in plaats van de beloofde PhD-expert ineens geholpen wordt door de stagiair. Een technisch probleem dat oplosbaar is, maar in de perceptie van gebruikers meteen een gevoel oproept van “vroeger was het beter”.

Maar er is ook een ander proces: afgezien van de ‘power-users’ die hun weg weten te vinden op de incrowd sociale media, zijn waarschijnlijk 90% van de (lichte) gebruikers, zich helemaal niet bewust dat er een grote update is uitgevoerd. Het systeem zal in bijna alle gevallen doen zoals ze gewend waren in hun verwachtingen, en zij lezen de AI-blogs nooit. De kritiek van de power-users is daarmee ook wel een vorm van spierballentaal om te laten zien dat je meetelt in de wereld van AI.

En tenslotte moet je bedenken dat los van – natuurlijk best relevante – kritiek van de power users de concurrenten van CHP-5 met hun blogposts graag de kritiek willen uitvergroten en ridiculiseren: “Axes of Evil: ChartCrimeGPT“, en “OpenAI’s GPT-5 was supposed to ring in a new step up the ladder, but instead, a botched rollout has users grabbing pitchforks and demanding the old models back.”.

Tijd heelt ook hier de wonden

Wie naar de geschiedenis kijkt, weet hoe dit afloopt. Nieuwe en de ‘lichte’ gebruikers gebruikers leren GPT-5 kennen als de standaard en missen de oude modellen niet. Oude gebruikers wennen, zeker zodra de kinderziektes eruit zijn. De meest geliefde oudere versies blijven nog even beschikbaar, maar het zwaartepunt schuift onvermijdelijk naar de nieuwe generatie.

En voor de geïnteresseerden: hier een wat zakelijker artikel over wat er met CHAT-5 nieuw is: “GPT-5 vs GPT-4: Here’s what’s different (and what’s not) in ChatGPT’s latest upgrade¨. Oordeel zelf.

Tot die tijd blijft het vertrouwde upgrade-ritueel zich afspelen: een storm van kritiek, aangejaagd door de luidste ontevredenen, terwijl de stille meerderheid gewoon doorwerkt met de nieuwe mogelijkheden. En over een jaar? Dan is de discussie vergeten — tot de volgende grote release.