Sommige revoluties voltrekken zich geruisloos. De bouw van de eerste serieuze computer, kort na de oorlog in Princeton, was er zo een. De eerste commerciële fabrikant, ibm, dacht dat wereldwijd wel met vijf exemplaren zou kunnen worden volstaan. Van een serieuze opvolger, de IBM 360, werden er echter reeds duizenden verkocht, en een van die computers arriveerde in Leiden, precies in het jaar dat ik daar wiskunde ging studeren. Dat was grotendeels de verdienste van de hoogleraar Guus Zoutendijk, die zich ook in zijn latere maatschappelijke functies (bijvoorbeeld als vvd-fractievoorzitter in de Eerste Kamer) een doorzetter zou betonen.

De Leidse computer besloeg meerdere intensief luchtgekoelde zalen en liet zich aansturen via torenhoge, regelmatig op de grond vallende stapels ponskaarten. Het apparaat leverde prestaties die toentertijd veel indruk maakten, maar die nu buitengewoon karig afsteken bij wat een piepkleine smartphone vermag.

Zo begon het.  Zoutendijks leerstoel was numerieke wiskunde, en de computer startte zijn zegetocht als een snelle (en bovendien, anders dan een telraam, programmeerbare) rekenmachine. De snelheid steeg, bleef stijgen en verdubbelde zo ongeveer elke twee jaar. Wat kan die inmiddels onvoorstelbaar snelle computer eigenlijk niet? 

   Die vraag heeft niets aan actualiteit verloren. Computers kunnen onmiskenbaar steeds meer in steeds minder tijd, maar sommige doodsimpele vragen zullen tot in lengte van dagen meer tijd kosten dan elke denkbare computer beschikbaar heeft. Zo is daar het klassieke voorbeeld van de handelsreiziger die de kortste rondreis zoekt langs – zeg – honderd steden. Gemakkelijker kan het niet: het is tenslotte een eindig aantal. Voor de eerste stad kan hij kiezen uit honderd, voor de tweede uit negenennegentig, enzovoort enzovoort: het totale aantal mogelijkheden bedraagt dus 100 x 99 x 98 x 97 x …. x 3 x 2 x 1. Dat is (ongeveer) een één met honderdachtenvijftig nullen – en dat is een onvoorstelbaar groot getal. Als elke ster in het heelal geheel was volgebouwd met de snelst denkbare computers die vanaf de oorsprong van het heelal gezamenlijk aan het rekenen waren geslagen, dan hadden ze inmiddels nog niet eens één procent van dit ene enkele karwei geklaard.

Met domme rekenkracht lukt het dus niet. Kan het slimmer? In sommige gevallen wel, in andere (hoogstwaarschijnlijk) niet – daarnaar heb ik jaren onderzoek gedaan. Maar wel opmerkelijk is het dat mensen (handelsreizigers bijvoorbeeld) voor dit soort problemen vrij snel een heel behoorlijke oplossing (een vrij korte rondreis) kunnen vinden, zij het niet per se de beste (de allerkortste). En dat geldt ook in vele andere, vergelijkbare situaties. Om het totale aantal verschillende spelletjes schaak uit te schrijven (immers ook een eindig aantal) is bijvoorbeeld een één met honderdtwintig nullen nodig, maar elke beginner kan al snel een behoorlijk potje spelen. Is het niet mogelijk dat die vorm van menselijke intelligentie door de computer wordt geïmiteerd en wellicht zelfs overtroffen?

Opnieuw: soms wel en soms (nog) niet. Op een goed schaakprogramma moest lang worden gewacht, maar het is er nu en heeft al een tijd geleden de voormalige wereldkampioen Gary Kasparov verslagen, niet in de laatste plaats door ook heel veel te rekenen en heel veel te onthouden. Eenzelfde nederlaag wachtte onlangs Lee Sedol, de wereldkampioen van het naar verluidt nog veel moeilijker bordspel Go. Maar dat laatste winnende programma had gebruikgemaakt van een nieuwe aanpak door zelf op zoek te gaan naar gemeenschappelijke trekjes in historische Go-stellingen die later tot winst hadden geleid: typisch menselijk leergedrag, maar wel op onmenselijke schaal en met onmenselijke snelheid. 

Die vorm van kunstmatige intelligentie kwam als geroepen: precies op het moment dat het aanbod van grote gegevensbestanden explodeerde en dat de klassieke statistische methoden om daarin structuur te ontdekken ontoereikend bleken. De bestanden waren simpelweg té groot. 

Inmiddels komen die gegevens overal vandaan: van de sensoren die in ijskast, huis, auto, fabriek en snelweg van alles waarnemen en doorgeven, maar ook van de consument die al shoppend op internet al zijn interesses prijsgeeft. Elke dag wordt zo aan de wereldwijde voorraad gegevens een nieuwe hoeveelheid toegevoegd die in omvang inmiddels – om maar eens een idee te geven – vergelijkbaar is met de totale hoeveelheid conversatie die ooit is uitgewisseld door de menselijke soort. Elke dag opnieuw! 

Om daar nog iets van te kunnen leren, om al deze gegevens om te zetten in bruikbare informatie is een geheel nieuwe opgave. Daarbij wordt onverwacht spectaculair succes geboekt met een geautomatiseerde imitatie van de menselijke hersenen, de zogenaamde ‘neurale netwerken’. Net zoals menselijke hersenen bestaan uit zenuwcellen die elkaar activeren door elektrische signalen, bestaan deze netwerken uit vele piepkleine processoren die elkaar signalen doorgeven: hoe sterker de binnenkomende, hoe sterker de uitgaande. Zo’n netwerk kan erop worden getraind om patronen te herkennen binnen gedigitaliseerde beeld-, geluids- of andere gegevensbestanden, en zo grote vaardigheid verwerven in taken zoals het lezen van handgeschreven cijfers, het uitschrijven van gedicteerde teksten, het classificeren van tumoren op röntgenfoto’s, en (zie boven) het herkennen van winnende posities bij ingewikkelde bordspelen als schaken en Go. Dat mag gerust een revolutie heten. 

Na mijn Leidse kennismaking met de computer als razendsnelle rekenmachine raakte ik verwikkeld in onderzoek naar de grenzen van die rekenkracht, en zag ik uit mijn ooghoeken de kunstmatige intelligentie beginnen aan een opmars. Eerst nog met computerprogramma’s als eliza die met zorgwekkend succes een conversatie met een matige psycholoog konden imiteren (“En wat ging er toen door u heen?”), maar steeds overtuigender als ondersteuner bij het doorlichten van gegevensbestanden, die alleen al door hun omvang het menselijke bevattingsvermogen ver te boven gaan en de grondstof aanleveren waarmee programma’s als ChatGPT hun prijswinnende opstellen schrijven. Met als pikant detail dat de wijze waarop die neurale netwerken dat nu precies doen, inherent onduidelijker wordt naarmate de kwaliteit van hun werk toeneemt.

Dat is niet alleen maar goed nieuws, zeker niet voor de klant wiens hypotheekaanvraag door de computer wordt afgewezen (“Computer says no!”), niet voor de patiënt die door een geautomatiseerde diagnose wordt verrast, en niet voor de sollicitant die in de eerste ronde afvalt en graag wil weten waarom. 

Zonder te vervallen in dystopisch doemdenken: de computer is al lang niet meer de onderdanige assistent van weleer. Op basis van alle gegevens die we over onszelf verstrekken, worden we inmiddels aan de lopende band volautomatisch geclassificeerd, niet alleen als huizenkoper, patiënt en sollicitant, maar ook als consument en – zorgelijker nog – als kiezer. En vervolgens krijgen we alleen nog maar voorgeschoteld wat aansluit bij die profielen, zonder dat we daar ooit toestemming voor hebben gegeven. Dat is onacceptabel en gevaarlijk. Om greep te krijgen op deze nieuwe technologische revolutie is een van de grote politieke en maatschappelijke opgaven voor de komende jaren.