“ChatGPT is op dit moment erg populair”, beaamt Daniël Kok. “Dat komt in de eerste plaats omdat er het voor iedereen heel laagdrempelig is, wat meestal niet het geval is bij AI. Het feit dat het op taal gebaseerd is, maakt het nog toegankelijker. Het gebruik van het taalmodel kan ook ons helpen om sneller een oplossing te vinden dan te googelen en alle andere platforms één voor één te doorlopen, maar we kunnen de resultaten niet helemaal vertrouwen. Daarom is het – tot nu toe – niet in staat om ons werk op het gebied van programmeren goed te ondersteunen.”

“We doen het grootste deel van onze analyses van statistische informatie in R, een open-source programmeertaal. Als we ChatGPT gebruiken als een vraagbaak voor R, levert het functies van R die niet bestaan. Dat komt omdat het programma kennis verzameld over de ene taal (een programmeertaal), en die verwerkt in de taal waarvoor het is geprogrammeerd: Engels. Het probeert dan een uitkomst te voorspellen op basis van wat het heeft geleerd. Maar dat is niet hoe programmeren werkt.”

“Laat ik dat verduidelijken met een persoonlijk voorbeeld. Ik plan momenteel een wandeltocht in Oostenrijk. We willen graag de Klettersteig paden vermijden, wat een Duits woord is voor klimpaden die een met kabels beveiligde route volgen door steil, rotsachtig en dus slecht begaanbaar terrein. Ik heb ChatGPT gevraagd om met een route te komen die dat alles vermijdt om een aangenamere en minder zware tocht te hebben.

Het resultaat is een zeer overtuigende, goed geschreven tekst – maar wel volledig nutteloos. Want de aangeboden route vermijdt Klettersteig helemaal niet. De AI voorspelt hoe je een tekst verwerkt, hoe jij de resultaten zou willen verwerken (lezen) en dus hoe je op een taalniveau overtuigd kunt worden, maar dat wordt totaal niet ondersteund door feitelijke inhoud. De route blijft grotendeels onbegaanbaar.”

“Het is belangrijk om op te merken dat we het hier niet hebben over een alwetende computer”, voegt Jan-Willem Bullée toe. “Het ChatGPT-model wordt binnen een bepaald kader getraind. Het gebruikt informatie die beschikbaar is op internet om zijn schriftelijke output op te stellen – maar slechts tot op zekere hoogte.” Op dit moment worden de modellen getraind op datasets die informatie bevatten tot 2021, wat betekent dat ChatGPT geen gegevens levert over onderwerpen na die tijd.

“Dat is ook waar een ander belangrijk nadeel vandaan komt. Het heeft geen echte eigen gedachten of inzichten, omdat het een verzameling kennis verwerkt die we al hebben.”

“Anders gezegd: als je het ziet als een chatbot, krijg je een antwoord dat best nuttig is – en inderdaad veel beter dan wat we gewend zijn van chatbots in het verleden. Maar als er iets is wat het niet weet, simpelweg omdat het geen toegang heeft tot de juiste input, dan krijg je een gat in de output dat het desondanks zal proberen op te vullen – net als in Daniëls voorbeeld van zijn wandeltocht. Het is hetzelfde als je gaten in je geheugen hebt en toch probeert een compleet verhaal te vertellen.”

“Van ChatGPT verwacht ik op termijn nog veel”, zegt Daniël. “Van de eerste versie naar het huidige 4.0 was al een enorme sprong. Zelfs van 3.0 naar 4.0 was al een grote stap.”

“In zekere zin is het niet anders dan de stoommachine; destijds een enorme sprong vooruit in bijvoorbeeld de landbouw, door het efficiënter uitvoeren van mechanisch werk en het verhogen van productiviteit. De maatschappij als geheel was toen bang voor banenverlies en dat zien we nu weer. Maar we moeten ons richten op de positieve punten, en uitzoeken waar het je dagelijkse routine kan ondersteunen.”

“Er is bijvoorbeeld een tool die wél vrij goed werkt bij programmeren: GitHub Copilot. Het gebruikt de OpenAI Codex om op verzoek code en hele functies voor te stellen. Daar kunnen we gebruik van maken bij het bedenken van scripts voor dashboards en nieuwe methoden voor datavisualisatie. AI is op een meer basaal niveau al enorm ondersteunend bij repetitieve taken, maar ook bij steeds complexere taken die telkens dezelfde methode of aanpak vereisen. Een goed voorbeeld is de knop voor gegevensanalyse in Excel. Wanneer algoritmen beter in staat zijn om met context om te gaan en deze te verwerken, wordt het echt spannend om te zien welke nieuwe mogelijkheden er zullen ontstaan.”

“Wat dat laatste betreft”, voegt Jan-Willem eraan toe, “dat is precies waar we op moeten wachten. Uiteindelijk kun je bijna iedereen statistiek leren, inclusief een A.I.-programma – maar het belangrijkste zit altijd in de interpretatie. Wat betekenen de cijfers? Wat is het nut zonder die vertaling van al die getallen en statistieken in een gegeven dataset?”

“Is een schaakcomputer heel slim, of gewoon heel goed in statistiek? In het berekenen van waarschijnlijkheden van een enorm aantal mogelijkheden, die hij vervolgens gebruikt om de volgende stap te berekenen? Voorzien van alle kennis die ooit geschreven is over zowel statistiek als het schaakspel, zal hij je waarschijnlijk uit het water blazen in een één-op-één wedstrijd – maar alleen binnen het kader van de input die hij heeft gekregen.”

“Bekijk het eens zo: een wereldberoemde expert in psychologie heeft misschien alle antwoorden als het gaat om het diagnosticeren van de geestelijke gezondheid van een patiënt – maar wat als je haar vraagt om een stel wiskundige vergelijkingen te schrijven, een medische procedure uit te voeren of zelfs een innovatieve nieuwe manier te bedenken om uitdagingen in cybersecurity aan te pakken…?”

“Zeer specifieke vaardigheden – of een database van kennis – wordt al snel nutteloos buiten de context. Ik denk dat we ‘in our lifetime’ nog iets heel spectaculairs gaan zien, maar daar zijn we nog niet. Wel ben ik het er helemaal mee eens: het wordt nog heel spannend.”