De Genie Die Misschien Deel Had
Oké, ik moet jullie iets vertellen dat mijn brein deze week flink op zijn kop zette. Het heeft alles te maken met kunstmatige intelligentie, en ik kijk er nu heel anders tegenaan.
Jarenlang hebben we de vooruitgang van AI afgemeten aan een visioen dat Alan Turing in 1950 neerzette. Zijn beroemde "imiteringsspel"— tegenwoordig bekend als de Turing Test—stelde dat een computer pas echt "denkt" als hij mensen kan misleiden zodat ze denken met een ander persoon te praten.
Klinkt logisch, toch?
Nou, volgens Peter J. Denning, een enorm gerespecteerd informaticus die net een nieuw boek heeft uitgebracht genaamd "Turing's Mistake: Escaping the Yoke of Unintelligent Machines," hebben we misschien 75 jaar lang het verkeerde doel nagelopen.
En eerlijk? Nadat ik zijn argumenten heb gelezen, denk ik dat hij misschien wel eens iets diepgangends te pakken heeft.
Het Lichaamsprobleem (Ja, Het Doet Er Toe)
Hier is de eerste aanname waarvan Denning denkt dat Turing ernaast zat: het idee dat intelligentie los kan bestaan van een fysiek lichaam.
Denk daar even over na. We proberen al decennia lang mensachtige intelligentie na te bouwen in computers—puur software, zwevend in de digitale ruimte. Maar Denning betoogt dat dit is alsof je zwemmen wilt begrijpen door watermoleculen te bestuderen. Je mist iets essentieels.
Wanneer jij en ik ons door de wereld bewegen, verwerken we niet alleen informatie. We voelen dingen. We ervaren de temperatuur, voelen de textuur van een deurknop, merken de lichte wiebeling wanneer we op een oneffen stoeptegel stappen. Al die fysieke ervaringen vormen hoe we denken, redeneren en de wereld begrijpen.
Denning wijst erop dat onze lichamen niet zomaar voertuigen zijn die onze hersenen ronddragen. Ze zijn onlosmakelijk verbonden met hoe we denken.
En hier is het ding—dit is geen randidee. Filosofen praten al jaren over "belichaamde cognitie." Maar AI-onderzoek heeft het grotendeels genegeerd ten gunste van pure computationele benaderingen.
Het Stilzwijgende Kennis Raadsel
Hier wordt het echt interessant (en een beetje filosofisch, maar ik beloof het behapbaar te houden).
Denning introduceert het concept van "tacit knowledge"—en het is eerlijk gezegd een van die ideeën die, zodra je ze begrijpt, je ze overal begint te zien.
Tacit knowledge is al het spul dat je weet maar niet makkelijk kunt uitleggen. Zoals... hoe weet je precies hoeveel druk je moet uitoefenen wanneer je een deur opent? Hoe vang je een bal zonder ingewikkelde berekeningen in je hoofd te maken? Hoe doorzie je of iemand sarcastisch is of oprecht op basis van hun stemintonatie?
Dit voelt allemaal automatisch voor ons. Maar het is ongelooflijk complex.
Denning betoogt dat er minstens vijf grote categorieën tacit knowledge zijn die machine learning simpelweg niet kan vastleggen:
Gezond verstand – De miljoenen kleine feitjes over hoe de wereld werkt waar we nooit bewust over nadenken.
Alledaagse interacties – Hoe we sociale situaties lezen, persoonlijke relaties navigeren, onuitgesproken verwachtingen begrijpen.
Emoties en waarneming – De manier waarop het ervaren van vreugde of verdriet fundamenteel verandert hoe we informatie verwerken.
Praktische vaardigheden – Het soort kennis dat een meesterambachtsman of virtuoos musicus heeft, maar dat ze niet volledig onder woorden kunnen brengen.
Cultureel begrip – Waarden, normen, geschiedenis en de diepere betekenissen ingebed in hoe gemeenschappen functioneren.
Waarom 40 Jaar Cyc Dit Niet Heeft Opgelost
Om de uitdaging te illustreren, verwijst Denning naar iets genaamd het Cyc-project. Als je het niet kent: Cyc was een ambitieus plan uit de jaren tachtig om een enorme database te bouwen met gezond verstand—dingen als "als je iets laat vallen, valt het naar beneden" of "mensen hebben water nodig om te overleven."
Het project kostte veertig jaar om ongeveer 25 miljoen entries aan gezond verstand op te bouwen.
Vijfentwintig miljoen stukjes kennis!
En weet je wat? Het was nog steeds niet genoeg om echt slimme systemen te creëren. Denning merkt op dat "veel van de kennis die mensen tot experts maakt niet als proposities kan worden geformuleerd."
Dit is de stille tragedie van het Cyc-project. Het demonstreerde, door pure inspanning, dat proberen om menselijk gezond verstand handmatig te coderen praktisch onmogelijk is. Er is te veel van, en te veel ervan is impliciet in plaats van expliciet.
De Musicus Die Het Niet Kan Uitleggen
Laat me een van Denning's voorbeelden delen dat me is bijgebleven.
Denk aan een virtuoos violist. Iemand die adembenemend mooi en emotioneel kan spelen. Stel je nu voor dat je probeert aan een beginner exact uit te leggen hoe je dat geluid produceert.
Dat kan die musicus niet echt. Niet volledig. Ze kunnen wat technisch advies geven—hier de strijkstok houden, daar wat druk uitoefenen—maar de kloof tussen "weten hoe" en "weten wat" is enorm.
De violist bezit belichaamde kennis die in hun spieren zit, hun zenuwen, hun fysieke ervaring van het creëren van geluid. Dat kun je niet in een computer downloaden. Je kunt het niet in een database transciberen.
En hier is het diepere punt: zelfs als je een robot bouwde die de bewegingen van een violist perfect kon imiteren, zou die robot nog steeds niet begrijpen hoe het voelt om mooie muziek te maken. Het mist de biologische ervaring, de emotionele context, de verbinding met een publiek.
Het Representatieprobleem
Dus wat gebeurt hier eigenlijk? Waarom is menselijke kennis zo koppig onwillig om gedigitaliseerd te worden?
Denning noemt het het "representatieprobleem," en het is fundamenteel.
Computers werken met symbolen—enen en nullen die dingen vertegenwoordigen. Wanneer we informatie in computers stoppen, coderen we echte kennis naar deze symbolische vormen.
Maar hier is de adder onder het gras: achter elk woord, elk concept, elk stukje "kennis" dat we bezitten, zit een diepe put aan stilzwijgende kennis die het betekenis geeft. Woorden zijn slechts symbolen die naar betekenissen verwijzen—ze zijn niet de betekenissen zelf.
Denning zegt het zo: "Achter elk woord zit een diepe put aan stilzwijgende kennis die het betekenis geeft. Woorden zijn symbolische representaties van betekenissen, niet de betekenissen zelf."
Dit betekent dat wanneer je praat met zoiets als ChatGPT, Claude of Gemini, je interactie hebt met systemen die ongelooflijk geavanceerd zijn in het manipuleren van symbolen, maar die niet echt begrijpen wat die symbolen vertegenwoordigen. Ze kunnen fantastisch patronen herkennen, maar patroonherkenning is niet begrip.
Context Is Alles (En Machines Hebben Het Niet)
Hier is nog een laag waar AI mee worstelt: context.
Wanneer jij en ik een gesprek hebben, putten we uit eindeloze lagen van gedeeld begrip. We weten wie we zijn, wat we samen hebben meegemaakt, wat de huidige situatie is, wat gepast is versus ongepast, wanneer iemand grapt versus serieus is.
Deze context is niet zomaar achtergrondruis—het is fundamenteel voor betekenis.
Denning beschrijft het als fractaal: elke context rust op vorige contexten, die rusten op nog eerdere. Het is een eindeloze keten van gedeeld begrip die we hebben opgebouwd tijdens een heel leven aan ervaring.
Cultuur voegt nog een dimensie toe. Denning beschrijft het als omvattend "waarden, normen, oordelen, geschiedenis, gemeenschappen, stemmingen, en zelfs relaties met macht en zorg."
Al dit is onzichtbaar voor AI-systemen. Ze kunnen patronen in taal detecteren, maar ze kunnen de culturele lading achter woorden en daden niet werkelijk bevatten.
Wat Betekent Dit Voor De Toekomst Van AI?
Nu zeg ik niet dat AI nutteloos is—natuurlijk niet. Deze systemen zijn oprecht indrukwekkend in specifieke taken en het zijn ongelooflijk nuttige hulpmiddelen.
Maar Denning's betoog suggereert dat we misschien een plafond naderen. Dat echte algemene kunstmatige intelligentie—machines met menselijk begrip en aanpassingsvermogen—misschien fundamenteel onhaalbaar is via onze huidige benaderingen.
En hier wordt het een beetje zorgwekkend: Denning waarschuwt dat als we blijven jagen op AGI terwijl we deze fundamentele beperkingen negeren, we het risico lopen technologieën te bouwen die significante nieuwe risico's introduceren zonder hun beloftes waar te maken.
Denk erover na. We bouwen systemen die we niet volledig begrijpen, met benaderingen die mogelijk inherent beperkt zijn, om problemen op te lossen die vormen van begrip vereisen die deze systemen niet kunnen bereiken.
Mijn Mening
Eerlijk, ik vond Denning's argumenten overtuigend, maar niet volledig verpletterend.
Ja, er zijn fundamentele uitdagingen met het vastleggen van tacit knowledge. Ja, belichaamde ervaring telt waarschijnlijk meer dan we hebben erkend. En ja, de Turing Test is misschien een slechte maatstaf voor echt intelligentie.
Maar ik denk ook dat we deze beperkingen in realtime ontdekken, en dat dat ontdekkingsproces zelf waardevol is. Elke uitdaging die Denning identificeert is ook een onderzoeksvraag. Elke muur waar we tegenaan botsen leert ons iets nieuws over menselijke cognitie en bewustzijn.
Misschien is de echte les niet dat AI niet intelligent kan zijn, maar dat menselijke intelligentie opmerkelijker is dan we beseften. Elke keer dat je een grap begrijpt, een bal vangt, of aanvoelt dat er iets "niet klopt" in een gesprek—dan doe je iets dat onze meest geavanceerde computers nog steeds niet kunnen.
Misschien is de vraag niet of machines kunnen denken als mensen. Misschien is het: wat kunnen ze goed, en hoe bouwen we dat in een wereld waar menselijke kwaliteiten meer, niet minder, toe doen?
Dat is een vraag die het overwegen waard is.
Wat denken jullie? Resoneert Denning's kritiek met jullie ervaring met AI-tools? Of denken jullie dat we onderschatten wat deze systemen uiteindelijk kunnen bereiken?
Laat een reactie achter—ik wil echt weten hoe dit bij jullie binnenkomt.
Bron: ScienceDaily (https://www.sciencedaily.com/releases/2026/07/260713084850.htm)