Rik Maes wees me op de whitepaper AI: The Era of Big Integration (pdf) uit 2020 van de Chinese wetenschapper Song-Chun Zhu. Hij schreef destijds dat kunstmatige intelligentie (AI) niet verder zou komen zolang we haar blijven opdelen in losse onderdelen: zien, spreken, denken, leren. Volgens hem moest AI juist leren die onderdelen met elkaar te verbinden. Echte intelligentie, zei Zhu, ontstaat pas wanneer een systeem niet alleen informatie verwerkt, maar ook begrijpt wat die informatie betekent in de wereld waarin het handelt.
In zijn paper voorspelde Zhu destijds dat de tijd van pure “big data”-AI waarin we miljoenen voorbeelden gebruiken om patronen te herkennen, zou worden gevolgd door een tijd van integratie. Niet langer “meer data, meer rekenkracht”, maar “slimmer leren met minder input.” Dat idee klinkt nu verrassend actueel. De nieuwste AI-systemen proberen precies dat te doen: niet alleen woorden of beelden verwerken, maar verbanden leggen tussen taal, actie en context.
Een recent Guardian-artikel laat zien hoe Zhu’s visie zich sindsdien heeft ontwikkeld. Na bijna dertig jaar in de VS verhuisde hij naar China om daar zijn ideeën in de praktijk te brengen. Met zijn Beijing Institute for General Artificial Intelligence (BIGAI) wil hij AI bouwen die niet alleen reageert op data, maar zelf kan redeneren en plannen. Een denkend systeem dat situaties begrijpt en leert van ervaring. Zijn werk laat zien dat de strijd om AI niet alleen over technologie en economie gaat, maar ook over de vraag wat begrip eigenlijk is.
Zhu’s visie daarbij is nog steeds dezelfde: de toekomst van AI ligt niet in meer rekenkracht, maar in meer samenhang.
