Foto Pixabay
Author profile picture

In 1965 moest de NASA rechtvaardigen waarom ze mensen de ruimte in stuurden en niet alleen computers. Het officiële antwoord was: “De mens is het goedkoopste, niet-lineaire, allesomvattende computersysteem dat door ongeschoolde arbeid massaal kan worden geproduceerd”. Terwijl je smartphone ongeveer een miljoen keer zoveel rekenkracht heeft als de Apollo 11 boordcomputer (ja echt waar), geldt die uitspraak nog steeds. De woorden om op te letten zijn ‘alles omvattend computersysteem’.

AI-systemen kunnen al zeer gespecialiseerde taken, zoals het opsporen van borstkanker op röntgenfoto’s, veel beter oplossen dan mensen ooit zouden kunnen, omdat het een zeer beperkte taak is in een gecontroleerde omgeving. Aan de andere kant van het spectrum genereren robotsportjournalisten automatisch artikelen van voetbalwedstrijden. Terwijl de automatisering in het verleden vooral kantoorbanen trof, zien dit soort ‘witteboorden’-banen nu de grootste teruggang.

AI zal ook dashboardmonteurs overbodig maken

Banen die fysieke activiteit vereisen zijn al veel moeilijker volledig te automatiseren omdat de echte wereld een bijna oneindig aantal variabelen heeft. Terwijl bijvoorbeeld Tesla-fabrieken sterk geautomatiseerd zijn, zie je nog steeds mensen bij één onderdeel van het productieproces, namelijk het ‘klikken’ van het dashboard van de auto in het metalen chassis. Waarom? Het kunststof dashboard buigt bij het rijden steeds een beetje door, waardoor het onvoorspelbaar wordt. Op een gegeven moment zal AI echter ook deze dashboardmonteurs inhalen en ook zij zijn dan niet meer in staat om hun werk te doen.

Resteren de ‘roze banen’ zoals verpleging, entertainment en – u raadt het al – kapperszaken. We zijn aangekomen bij de ultieme onvoorspelbare variabele (je houdt van ze, of je haat ze): menselijke wezens. Hoewel we veel onderdelen van het proces kunnen automatiseren, is het interpreteren van mensen ongelooflijk complex omdat we ongelooflijk complex zijn. Alleen al voor het nemen van basisbeslissingen, zoals het ‘s morgens uitkiezen van een overhemd, maken we gebruik van een enorme schat aan ervaringen die in onze hersenen zijn opgeslagen en die we onbewust oppakken en uitdrukken. Totdat we een volledig begrip hebben van de menselijke geest en het eens kunnen worden over een gemeenschappelijke morele code, kunnen we dat soort klussen gewoon niet laten overnemen door die zogenaamd oppermachtige kunstmatige intellligentie.

Meesters in de verandering

Het onderliggende vermogen in al deze moeilijk of onmogelijk te automatiseren banen is om beslissingen te nemen op basis van de volledige, rijke context van de echte wereld. Dit is gebaseerd op een ingewikkeld begrip van de interactie tussen de dingen en ons vermogen om flexibel om te gaan met veranderingen. Hoewel het misschien niet zo lijkt als je met je racistische oom praat, zijn mensen meesters in verandering. Zonder noemenswaardige fysieke aanpassing zijn we van het verzamelen van bessen op de savanne naar het zetten van mensen op de maan gegaan. Als dat je geen vertrouwen in de mensheid geeft, weet ik niet wat wel.

Met FruitPunch AI gebruiken we challenge-based AI-onderwijs om studenten van over de hele wereld oplossingsgericht te leren denken. Het benutten van zowel de kracht van kunstmatige intelligentie: optimalisatie in een vooraf gedefinieerde omgeving, als die van de mensheid. Holistische besluitvorming om enkele van de grootste uitdagingen van de mensheid op te lossen: de duurzame ontwikkelingsdoelen van de Verenigde Naties. Wil je je aansluiten bij onze inspanningen? Neem een kijkje op onze website.

Over deze column

In een wekelijkse column, afwisselend geschreven door Buster Franken, Eveline van Zeeland, Jan Wouters, Katleen Gabriels, Mary Fiers, Tessie Hartjes, Hans Helsloot en Auke Hoekstra, probeert Innovation Origins te achterhalen hoe de toekomst eruit zal zien. Deze columnisten, soms aangevuld met gastbloggers, werken allemaal op hun eigen manier aan oplossingen voor de problemen van deze tijd. Morgen zal het dus goed zijn. Hier zijn alle voorgaande afleveringen.