In de afgelopen jaren is de generatieve kunstmatige intelligentie (Gen AI) was het doelwit van overdreven verwachtingen en beloften van een wereldveranderende industriële revolutie. Sinds de lancering van ChatGPT is het idee dat AI enorme veranderingen teweeg zou brengen, waaronder het verlies van 300 miljoen banen, breed uitgemeten. Maar 18 maanden na het hoogtepunt van de hype is de realiteit anders gebleken.
De AI-hypecyclus
Net als veel nieuwe technologieën heeft generatieve AI een bekend pad gevolgd, de zogenaamde Gartner-hypecyclus. Dit model beschrijft een terugkerend proces waarbij het aanvankelijke succes van een technologie leidt tot opgeblazen publieke verwachtingen, die uiteindelijk niet worden waargemaakt. Na de "piek van opgeblazen verwachtingen" volgt het "dal van desillusie", gevolgd door een "helling van verlichting" en uiteindelijk een "plateau van productiviteit".
Uit een rapport van Gartner, gepubliceerd in juni 2024, bleek dat de meeste generatieve AI-technologieën nog steeds op of nabij het hoogtepunt van de opgeblazen verwachtingen zitten. De praktische toepassing van deze technologieën is minder succesvol gebleken: volgens een RAND-studie mislukte 80% van de AI-projecten, een percentage dat meer dan twee keer zo hoog ligt als dat van niet-AI-projecten.
De huidige beperkingen van generatieve AI
De uitdagingen waar generatieve AI voor staat zijn talrijk, van de hoge investeringen die nodig zijn in data en AI-infrastructuur tot de schaarste aan gekwalificeerd menselijk talent. De ongebruikelijke aard van de beperkingen van Gen AI vormt echter een cruciale uitdaging.
Generatieve AI-systemen kunnen bijvoorbeeld complexe universitaire tests wel oplossen, maar falen bij eenvoudige taken, zoals blijkt uit de mislukte poging van McDonald's om drive-thru-bestellingen te automatiseren. Deze discrepantie wekt vals vertrouwen bij gebruikers, die de modellen uiteindelijk in ongepaste situaties gebruiken.
Ervaringen uit succesvolle projecten laten zien dat het moeilijk is om een generatief model instructies nauwkeurig te laten opvolgen. Khanmigo, het bijlessysteem van Khan Academy, is hier een voorbeeld van: het geeft correcte antwoorden, zelfs als de opdracht is gegeven dit niet te doen.
Waarom is de hype nog niet voorbij?
Ondanks de uitdagingen verbetert generatieve AI-technologie snel, voornamelijk dankzij de toenemende schaal en omvang van modellen. Onderzoek toont aan dat het aantal parameters, de hoeveelheid data en de rekenkracht die bij de training wordt gebruikt, allemaal bijdragen aan de prestaties van modellen, terwijl de architectuur van het neurale netwerk een minimale impact heeft.
Grote taalmodellen vertonen ook onverwachte, opkomende vaardigheden, zoals redeneren door analogie en het reproduceren van optische illusies, die ontstaan wanneer de modellen een kritische omvang bereiken. De oorzaken van deze ontwikkelingen zijn omstreden, maar er is consensus dat de modellen steeds geavanceerder worden.
AI-bedrijven blijven werken aan grotere, duurdere modellen, terwijl bedrijven zoals Microsoft en Apple vertrouwen op het rendement op hun bestaande investeringen. Geschat wordt dat generatieve AI een jaarlijkse omzet van $ 600 miljard moet genereren om de huidige investeringen te rechtvaardigen, en dat dit in de komende jaren mogelijk oploopt tot $ 1 biljoen.
Wat nu?
Nu de AI-hype begint af te nemen en we een periode van desillusie ingaan, zien we realistischere adoptiestrategieën. Bedrijven gebruiken AI om mensen te ondersteunen in plaats van te vervangen. Uit een recent onderzoek bleek dat Amerikaanse bedrijven AI voornamelijk gebruiken om de efficiëntie te verbeteren (49%), arbeidskosten te verlagen (47%) en de productkwaliteit te verhogen (58%).
We hebben ook een toename gezien in kleinere, goedkopere generatieve AI-modellen die op specifieke data zijn getraind en lokaal worden ingezet om kosten te verlagen en de efficiëntie te optimaliseren. OpenAI heeft bijvoorbeeld het GPT-4o Mini-model uitgebracht om kosten te verlagen en prestaties te verbeteren.
Bovendien is er steeds meer aandacht voor AI-kennis en scholing van werknemers over hoe AI werkt, de mogelijkheden en beperkingen ervan, en best practices voor ethisch gebruik van AI. We zullen de komende jaren moeten leren en herleren hoe we verschillende AI-technologieën moeten gebruiken.
Uiteindelijk zal de AI-revolutie waarschijnlijk meer een evolutie zijn, die geleidelijk groeit en menselijke activiteiten geleidelijk verandert en transformeert. Dat is aantoonbaar veel beter dan ze te vervangen.
