AI in de wetenschap 4: Welke ontwikkeling van AI verwachten experts?

Artificial General Intelligence (AGI)

Wie het debat over kunstmatige intelligentie volgt, hoort regelmatig grootse beloften. De meest ambitieuze daarvan: Artificial General Intelligence (AGI).

AGI verwijst naar hypothetische AI-systemen die zo goed allerlei taken kunnen uitvoeren, en daarbij zo gestructureerd redeneren, dat ze zeer autonoom kunnen opereren. OpenAI, het bedrijf achter ChatGPT, heeft het ontwikkelen van AGI expliciet als missie geformuleerd. Het bedrijf omschrijft de term als systemen die “in het algemeen slimmer zijn dan mensen” en “al het economisch waardevol werk kunnen verrichten”.

De toekomst duiden

Niemand weet natuurlijk precies hoe de technologie zich gaat ontwikkelen naar 2040 toe. Bij een toekomstverkenning is het ook niet de bedoeling om deze ontwikkeling te voorspellen. De intentie is meer om verschillende mogelijke toekomsten te beschouwen om daarmee in het heden betere beslissingen te nemen. In ons project kiezen we voor de backcasting aanpak. We stellen ons open voor alle aannemelijke toekomsten, ontwikkelingen die voorstelbaar zijn op basis van de huidige kennis en trends. Daarbinnen kijken we met stakeholders samen welke toekomsten we wenselijk vinden.

Wat verwachten experts voor de komende 10–15 jaar?

In de gesprekken die wij voerden met experts wordt AGI meestal gezien als een ontwikkeling die niet waarschijnlijk is voor de komende 10 tot 15 jaar. Hoe gaat generatieve AI zich de komende jaren mogelijk wel ontwikkelen? Uit onze gesprekken komt een minder spectaculair, maar nog steeds ingrijpend beeld naar voren:

• GenAI wordt beter, en multimodaal
  Generatieve AI is nu vooral sterk in het produceren van tekst en beeld. De verwachting is dat systemen steeds beter verschillende vormen van informatie combineren: tekst, beeld, audio, video en data in één geïntegreerd model. Voor de wetenschap kan dat betekenen dat literatuur, datasets, visualisaties en simulaties steeds nauwer met elkaar verweven raken.
   
• Diversiteit in modellen en persoonlijke assistenten 
  Naast commerciële modellen ontstaan er steeds meer open-sourcevarianten, modellen waarvan de broncode openbaar toegankelijk is. Ook zien we een groeiend aantal gespecialiseerde modellen voor specifieke toepassingen, zoals het doorzoeken van wetteksten of het samenvatten van wetenschappelijke artikelen. Personalisatie neemt toe: onderzoekers kunnen werken met modellen die zijn afgestemd op hun vakgebied of zelfs hun persoonlijke voorkeuren en achtergrond. Het idee van een “persoonlijke AI-assistent” voor elke onderzoeker wordt door veel deskundigen die wij spraken als plausibel gezien. Zo’n persoonlijke AI-assistent kan dan zelf met ideeën komen (gevraagd en ongevraagd) en ook communiceren met (menselijke) collegawetenschappers.
   
• Integratie wordt vanzelfsprekend 
  Generatieve AI wordt nu al ingebouwd in e-mailprogramma’s, zoekmachines en tekstverwerkers. Die integratie zal verder toenemen. Op termijn verdwijnt mogelijk het onderscheid tussen “AI gebruiken” en “gewoon werken”. Dat maakt gebruik laagdrempeliger, maar ook minder zichtbaar en moeilijker te reguleren.
   
• Efficiënter, maar niet automatisch duurzamer
  GenAI tools worden waarschijnlijk efficiënter: om een bepaald stuk tekst te produceren is straks minder energie en water nodig dan nu. Tegelijkertijd groeit het gebruik van de tools naar verwachting explosief. Efficiëntiewinst kan daardoor worden tenietgedaan door schaalvergroting.
   
• Betere detectie en bias-analyse
  Een bekend probleem van de huidige modellen is de ‘bias’ in modellen. Ze hebben de neiging om discriminatiepatronen te versterken, door bijvoorbeeld auteurs uit het Mondiale Zuiden te negeren of door resultaten uit onderzoek naar mannen klakkeloos te extrapoleren naar vrouwen. Er wordt gewerkt aan technieken om bias in data en uitkomsten beter zichtbaar te maken en om AI-gegenereerde inhoud te detecteren. Dit zou een belangrijke verbetering zijn om verantwoord gebruik in de wetenschap mogelijk te maken. Maar of dit een blijvende oplossing biedt, blijft onderwerp van debat.

Mogelijke afvlakking of ‘model collapse’ 

Niet alle experts verwachten dat de mogelijkheden van GenAI in het zelfde tempo verder zullen groeien de komende jaren. Sommige experts wijzen op inherente beperkingen van huidige taalmodellen of op een tekort aan nieuwe, kwalitatief hoogwaardige data. Die data zijn cruciaal trainingsmateriaal voor de modellen om verder te kunnen ontwikkelen. Er wordt zelfs gesproken over het risico van “model collapse”: wanneer modellen steeds vaker worden getraind op internetdata die zelf ook door AI zijn gegenereerd, zal de kwaliteit en diversiteit van uitkomsten afnemen.

Toekomstverkenning gaat niet alleen over voorspellen, maar ook over kiezen

Welke rol willen we dat generatieve AI speelt in de wetenschap van 2040? Willen we maximale efficiëntie? Maximale autonomie? Of juist sterke publieke controle en open infrastructuren? Generatieve AI lijkt soms een kracht die ons overkomt. Maar technologie wordt mede gevormd door keuzes: over financiering, regelgeving, infrastructuur, onderwijs en samenwerking.

De vraag die voorligt is daarmee fundamenteler dan alleen ‘hoe kan deze technologie zich ontwikkelen?’, maar gaat over: ‘welke wetenschap willen we dat zij ondersteunt?’

Daarom hebben we eind 2025, samen met een groep uiteenlopende vertegenwoordigers van het wetenschapssysteem, drie wenselijke toekomsten geformuleerd. Begin 2026 hebben we, met een nieuwe groep stakeholders, ontrafeld welke keuzes in het heden nodig zijn om deze wensbeelden dichterbij te brengen.

Meer AI in de wetenschap: