Iedereen die mijn lezingen heeft bijgewoond of aan de workshops van Flexa heeft deelgenomen, weet dat ik dit al meer dan twee jaar herhaal: kunstmatige intelligentie denkt niet . En de eerste stap om iets echt nuttigs te bouwen voor het bedrijfsleven is om die illusie los te laten.
Een nieuwe studie van Apple-onderzoekers, getiteld " The Illusion of Thinking ", heeft een cruciaal punt aan het licht gebracht: geavanceerde taalmodellen (LLM's), zelfs de meest geavanceerde zoals Claude 3.7, DeepSeek-R1 en OpenAI o1, "denken" in werkelijkheid niet.
Deze modellen werden getest in gecontroleerde omgevingen met klassieke puzzels zoals de Toren van Hanoi, Dammen Springen, Rivier Oversteken en Blokkenwereld. Het doel was om te begrijpen hoe ze redeneren bij steeds complexere taken – niet alleen om te meten of ze het eindresultaat goed krijgen.
En wat ontdekten ze?
- Eenvoudige taken: Modellen zonder ‘gedachte’ (zonder Keten-van-gedachte) problemen sneller en nauwkeuriger oplossen. Verrassend, toch?
- Taken van gemiddelde complexiteit: Modellen met gestructureerd denken beginnen een voorsprong te krijgen. Tot nu toe gaat het goed.
- Complexe taken: Iedereen faalt. Zelfs de meest robuuste. En ze falen niet door gebrek aan tijd of tokens. Simpelweg. Verminder de inspanning van het redeneren wanneer de taak moeilijker wordt. Dit overtreft alle verwachtingen.
Deze conclusie is veelzeggend: wat we in deze modellen 'redeneren' noemen, is in feite een fragiele simulatie van bekende patronen.
En waarom is dit van belang voor het bedrijfsleven?
Omdat ik nog steeds zie dat bedrijven inzetten op 'denkende' oplossingen die resources verbruiken, generalisatie beloven, maar weinig opleveren. Bij Flexa Cloud hebben we geleerd dat de beste resultaten behaald worden via een andere aanpak: AI gebruiken waar het het beste in is — patronen herkennen, workflows automatiseren en frictie verminderen bij duidelijk gedefinieerde problemen.
Praktische toepassingen vereisen niet dat AI "denkt". Ze vereisen dat AI voorspelbare en schaalbare resultaten levert . Dat is wat we hebben gedaan in projecten voor de detailhandel, gezondheidszorg, financiën, agrarische sector en industrie – altijd met de focus op impact, niet op magie.
Als je nog steeds verwacht dat AI als een mens kan redeneren, verwacht je het onmogelijke. Maar begrijpen wat AI wel en niet is, kan de productiviteit in je bedrijf naar een hoger niveau tillen.
De juiste vraag is niet: "Wat denkt AI?" , maar: "Wat lost het op met snelheid, op grote schaal en op een betrouwbare manier?"
Hieronder een foto van een dia die ik gebruik in mijn presentaties sinds ik lezingen en workshops over AI geef. Zelfs Apple heeft het inmiddels door.
