AI is een economische bubbel volgens OpenAI CEO Sam Altman (1). De modellen (LLM’s) van zijn bedrijf beloven de wereld te beschrijven, verwerken en beïnvloeden. AI zit inmiddels in bijna elk digitaal product, met gevolgen voor baanzekerheid en onzekerheid over de toekomst. Maar wanneer barst deze bubbel? Hoe gaan we er mee om als het zover is?
Het gebruik van modellen is niet nieuw. Vanaf het moment dat we geboren worden, bouwen we modellen van de werkelijkheid. Een baby ontwikkelt een taalmodel om met ouders te communiceren; een volwassene vertrouwt op mentale modellen om de wereld te begrijpen en te voorspellen door middel van een denkkader. Digitale en mentale modellen hebben echter een merkwaardig lot: ze lijken te werken, totdat ze dat niet meer doen.
Hoe dat voelt, laat zich misschien het best vergelijken met een legpuzzel. Na dagen van geduld vallen de stukjes eindelijk in elkaar, tot het allerlaatste stukje niet blijkt te passen. Woede, ontkenning en wanhoop volgen, maar de puzzel blijft onvoltooid. Het gaat niet zoals verwacht. Onze mentale modellen botsen op de werkelijkheid en blijken niet volledig te kloppen. Het denkkader “De puzzel moet compleet zijn met alle stukjes op de juiste plek” is niet meer altijd bruikbaar.
De columnist Maxim Februari wees onlangs in NRC op een vergelijkbaar mechanisme, maar dan met een extra factor die niet aanwezig was in het originele denkkader. In de zeventiende eeuw werden schapen steeds productiever gefokt voor hun wol. De textielnijverheid bloeide, totdat synthetische stoffen in de mix kwamen en wol ging vervangen. Wat overbleef was een overschot aan wol en hogere prijzen voor kaas en vlees, omdat het scheren van de dieren arbeidsintensief bleef. Het economische denkkader van “meer is beter” achter de schapenproductie bleek simpelweg te kort door de bocht: de werkelijkheid was complexer.
In mijn werk als psycholoog heet een denkkader een schema. Ze sturen onze interpretaties en reacties in nieuwe situaties door middel van verwachtingen over het heden, verleden en de toekomst. Therapieën als schematherapie of cognitieve gedragstherapie leren mensen wanneer hun vertrouwde schema’s ophouden dienst te doen. Het ongemak, of cognitieve dissonantie dat dan ontstaat is pijnlijk, maar ook noodzakelijk om effectief te kunnen veranderen.
Die spanning zien we ook terug in burn-out. Het dominante schema is hier vaak het mantra: harder werken lost problemen op. Maar wanneer extra factoren als ziekte, zorg of uitputting zich aandienen, stort dat model in. De puzzel klopt niet meer. Burn-out is niet alleen vermoeidheid, maar ook de crash van een denkkader wat geen houvast meer biedt.
In de behandelkamer draait het antwoord dan vaak om flexibiliteit. Rust en herstel zijn niet alleen een middel om straks weer te presteren, maar een waarde op zichzelf en zijn extra onderdeel van het nieuwe mentale model. Oude copingmechanismen als woede, ontkenning en wanhoop worden opnieuw geduid, niet als hinderlijk, maar als signalen. Dat vermogen om de kaart opnieuw te tekenen als het landschap verandert, noemen we veerkracht.
Opvallend genoeg zien we iets soortgelijks in de ontwikkeling van de nieuwe digitale modellen van onder andere OpenAI. Waar computers vroeger strikt binair waren met nullen en enen, plus de foutmeldingen zodra er iets misging, hebben taalmodellen een nieuwe laag van rekbaarheid toegevoegd. Ze “hallucineren,” geven foutieve, maar aannemelijke antwoorden. De kracht zit in de soepelheid, niet in foutloosheid.
Waar het mensenbrein worstelt met cognitieve dissonantie, ontbreekt dat bij AI volledig. Het kent geen signalerende emoties die botsende informatie betekenis geven. Het heeft geen consistent “mentaal model” van de wereld, geen intuïtie, geen gezond verstand (2). In de basis voorspelt een LLM het volgende woord wat passend lijkt te zijn, gebaseerd op kansberekeningen.
Deze afwezigheid van een overkoepelend “mentaal” model bij AI levert in de werkelijkheid ook al problemen op door de “hallucinaties”. AI kan bijvoorbeeld beleidsafspraken verzinnen om maar een antwoord te kunnen geven (3). Het is ook al voorgekomen dat AI de “afwijkende” mentale modellen van mensen kan verergeren door psychose in de hand te werken (4). Nieuwe redeneerfuncties binnen LLM’s brengen de technologie een eind, waardoor ze op het oog almachtige waarheidsmachines lijken. maar echte “menselijke” flexibiliteit blijft buiten bereik.
Dat maakt de ironie duidelijk. Zowel onze eigen rationele mentale schema’s als de digitale modellen van AI beloven orde, maar de werkelijkheid laat zich niet in een net schema vangen. Of het nu om therapie gaat, puzzels, schapen, kunstmatige intelligentie of om onze eigen zoektocht naar betekenis: de vraag is niet hoe we de puzzel afmaken, maar wanneer we het incomplete beeld durven loslaten.
Misschien is dat de les in deze groeiende bubbel: Een model heeft geen totale waarheid. Het proces van flexibel kunnen zijn is minstens even belangrijk. Modellen zijn hulpmiddelen, geen waarheden. Hun kracht zit niet in voltooiing, maar in beperkingen. Wie dat inziet, staat beter voorbereid in een wereld die zich nooit netjes laat afpuzzelen.
- https://www.theverge.com/ai-artificial-intelligence/759965/sam-altman-openai-ai-bubble-interview
- https://techcrunch.com/2024/12/14/what-are-ai-world-models-and-why-do-they-matter/
- https://www.atla-ai.com/post/why-llm-agents-still-fail
- https://www.psychologytoday.com/us/blog/urban-survival/202507/the-emerging-problem-of-ai-psychosis
Artydetails 
Leave a comment