Techbedrijven als OpenAI en het Chinese DeepSeek ontwikkelen chatbots die niet meteen een antwoord geven, maar de tijd nemen om tot een oplossing te komen. Afgelopen september presenteerde OpenAI een vernieuwde versie van ChatGPT, toegespitst op het oplossen van complexe vraagstukken in de wiskunde, wetenschap en informatica. Anders dan eerdere modellen, nam deze chatbot daadwerkelijk een moment om na te denken voordat hij tot een antwoord kwam.
Al snel claimde het bedrijf dat deze nieuwe redeneertechnologie beter presteerde dan andere toonaangevende systemen. Inmiddels bieden ook andere spelers als Google, Anthropic en het Chinese DeepSeek vergelijkbare systemen aan.
1// Wat betekent het als een A.I.-systeem redeneert?
In essentie betekent redeneren dat het systeem niet direct een antwoord geeft, maar eerst een mentale omweg maakt. Het kan een probleem opdelen in stappen, meerdere oplossingen overwegen of controleren of het eerder gedane werk wel klopt.
Redeneren is het extra denkwerk nádat de vraag gesteld is. De oorspronkelijke ChatGPT gaf meteen antwoord, zonder pauze. De nieuwste modellen nemen soms seconden, of zelfs minuten, om een oplossing uit te denken.
2// Hoe ziet dat eruit in de praktijk?
Soms probeert het systeem verschillende invalshoeken uit voordat het beslist welke het beste werkt. Of het checkt eerder werk om zeker te zijn dat het klopt. Denk aan een basisscholier die een wiskundevraag niet meteen snapt, verschillende pogingen doet, en wat kladjes maakt op zijn ruitjesschrift.
3// Voor welk soort vragen is dit nuttig?
In principe kan een chatbot op elk gebied redeneren, maar de methode werkt vooral goed bij exacte vakken als wiskunde, natuurkunde en programmeren.
Dit is het echte gevaar van A.I..
4// Wat is het verschil met oudere chatbots?
Oudere modellen konden ook uitleggen hoe ze tot een antwoord kwamen, maar alleen als je er expliciet om vroeg. De nieuwe modellen doen dat uit zichzelf – en die redenering is vaak een stuk diepgaander en systematischer. Dat geeft het geheel een menselijker karakter: alsof het systeem echt zit te puzzelen.
5// Waarom is redeneren nu ineens zo belangrijk?
Omdat de oude aanpak – het voeden van chatbots met bergen internetteksten – zijn grens bereikt heeft. Rond 2024 was het meeste openbare tekstmateriaal al gebruikt. Bedrijven moesten dus een andere route kiezen om hun modellen slimmer te maken. Redeneren was de volgende stap.
6// Hoe leer je een chatbot redeneren?
Door middel van een techniek genaamd reinforcement learning, oftewel versterkend leren. Hierbij leert het systeem door duizenden keren te oefenen en feedback te krijgen: dit was goed, dat niet. Net als bij het trainen van een hond – als hij iets goed doet, krijgt hij een koekje.
Zó ruikt kunstmatige intelligentie.
7// Werkt dat?
Voor wiskunde en programmeertaken: ja. Daar zijn duidelijke criteria voor goed en fout. Bij creatief schrijven, ethiek of filosofie is dat lastiger – wat ‘goed’ is, ligt daar minder vast. Toch helpt de training in veel gevallen ook buiten de exacte vakken. Het systeem leert geleidelijk welk soort redeneringen resultaat opleveren.
8// Zijn redeneren en reinforcement learning hetzelfde?
Nee. Versterkend leren is de manier waarop een systeem wordt getraind; redeneren is wat het daarna zelfstandig doet.
9// Maken deze systemen nog fouten?
Zeker. Alles wat een chatbot doet is gebaseerd op kansberekening. Het systeem kiest wat volgens zijn geleerde data het meest waarschijnlijke antwoord is. Dat pakt niet altijd correct uit.
Is A.I. de allerlaatste uitvinding van de mensheid.
10// Is dit de weg naar échte kunstmatige intelligentie?
De meningen zijn verdeeld. De technieken zijn relatief nieuw, en onderzoekers proberen nog te achterhalen waar de grenzen liggen. Nieuwe technologie ontwikkelt zich vaak razendsnel, tot het ineens stokt. Of deze systemen ooit echt gaan denken zoals mensen, is nog verre van zeker.
