Generatieve Artificiële intelligentie (AI) en Grote Taal Modellen (LLM)
Generatieve Artificiële intelligentie (AI) en Grote Taal Modellen (LLM)
De meeste taalprofessionals en in de fenomenen geïnteresseerden onder ons hebben nu ruim een jaar ervaring met AI en LLM’s opgedaan. De gemiddelde lezer heeft nauwelijks gemerkt hoe de schrijfstijl, van journalisten, auteurs en vertalers over het afgelopen jaar per maand veranderde.
Uitzonderingen werden gevormd door de tests die kranten en andere publicisten uitvoerden door artikelen te plaatsen die geheel door AI werden geproduceerd. Het woord ‘geproduceerd’ is bewust gekozen, een AI of LLM kan namelijk helemaal niet schrijven. Deze systemen produceren teksten die worden gegenereerd door vragen en aanwijzingen, prompts genoemd, die door mensen worden bedacht en ingevoerd. De ervaring met het systeem en de expertise in het vakgebied van de ondervrager bepalen de response van de AI of LLM.
De gegenereerde antwoorden zijn verrassend goed en lijken toepasbaar.
In de eerste maand van Chat GPT, november 2022, leek elk antwoord op z’n plaats en gebruiksklaar en leken alle, door het platform gegenereerde, teksten direct voor publicatie geschikt. Elk antwoord, elke tekst bezat de magie van een horoscoop waarin je wordt verteld dat je vandaag je lot bij de buurtsuper moet kopen om ongekende rijkdom te vergaren en je tegelijkertijd de liefde van je leven in de rij achter je tegenkomt.
De magie taande rustig aan weg om plaats te maken voor de realiteit van alledag, AI is flets.
Hoe komt het dat AI en LLM’s zo flets en zoutloos en anderzijds vaak geslepen teksten genereren?
Daar zijn vijf antwoorden voor:
1. Trainen op enorme hoeveelheden tekst:
Stel je een gigantische bibliotheek voor, gevuld met boeken, artikelen, code, e-mails en alles wat je maar kunt opschrijven. AI en LLM’s worden getraind op dit soort gegevens, in hoeveelheden die een mens een leven lang zouden kosten om te lezen. Deze “trainingsgegevens” helpen AI en LLM’s om de patronen en relaties tussen woorden, zinnen en zelfs concepten te herkennen.
2. De structuur van taal begrijpen:
Zie taal als een puzzel. LLM’s gebruiken complexe algoritmes om de grammatica, syntaxis en semantiek van de verschillende stukjes te achterhalen. Ze analyseren zaken als zinsstructuur, woordvolgorde en hoe woorden in de context worden gebruikt om de algemene betekenis te bepalen.
3. Statistische voorspellingen:
Als ze de bouwstenen van taal eenmaal hebben geanalyseerd, beginnen AI en LLM’s te voorspellen wat er gaat komen. Ze gebruiken statistische modellen om de waarschijnlijkheid van verschillende woorden of zinnen te berekenen, gegeven wat ze al hebben gezien. Hierdoor kunnen ze tekst genereren, vertalingen maken, vragen beantwoorden en zelfs verschillende soorten creatieve content genereren.
4. Neurale netwerken:
Stel je een netwerk voor van onderling verbonden neuronen, zoals het menselijk brein. AI en LLM’s gebruiken vergelijkbare kunstmatige neurale netwerken om taal te verwerken en te doorgronden. Deze netwerken worden getraind op de enorme hoeveelheid gegevens, waardoor LLM’s na verloop van tijd beter worden in het voorspellen en AI in het genereren van tekst.
5. Verfijning voor specifieke taken:
Hoewel AI en LLM’s worden ontworpen op basis van een algemeen taalbegrip, kunnen ze worden verfijnd voor specifieke taken. Een AI die is ontworpen op basis van nieuwsartikelen kan bijvoorbeeld beter zijn in het beantwoorden van vragen over actuele gebeurtenissen, terwijl een AI die is ontworpen op basis van code beter zal zijn in het genereren van nieuwe coderegels.
Een vergelijking
Stel je voor dat je leert schilderen. Je begint met het bestuderen van het werk van beroemde kunstenaars en observeert hun technieken en kleurencombinaties. Daarna oefen je met het mengen van kleuren, het tekenen van vormen en uiteindelijk kun je je eigen schilderijen maken. AI en LLM’s zijn vergelijkbaar ontworpen, maar in plaats van kleuren en vormen, herkennen ze de patronen en mogelijkheden van taal.
Generatieve artificiële intelligentie is nog in ontwikkeling en is niet perfect. Het maakt fouten, interpreteert de context verkeert of genereert onzinnige tekst. Maar de systemen ontwikkelen en verbeteren zich voortdurend en hebben de potentie om op veel gebieden een revolutie teweeg te brengen, van communicatie en onderwijs tot entertainment en wetenschappelijke ontdekkingen.
De ontwikkeling van AI en LLM’s heeft niets met denken of gevoel te maken. In die zin staat het volkomen los van de ontdekkingsreis van een menselijk brein in een variëteit van onderwerpen. AI en LLM’s zijn slechts in staat om tekstfragmenten aan elkaar te plakken op een manier die imponeert waardoor fouten in de tekst of bewering in eerste instantie vaak over het hoofd worden gezien.
Generatieve Artificiële Intelligentie denkt niet na, het heeft geen gevoel en het heeft geen wil.
Pas wanneer die eigenschappen aan AI toegevoegd kunnen worden, zullen AI en de LLM’s gelijk aan of mogelijk beter dan mensen gaan presteren.
Dat moment zal zich aankondigen wanneer de quote van Kees van Kooten werkelijkheid wordt: “Wanneer je koelkast stopt met koelen en je laat weten dat het liever gaat barbecueën.”
Tot die tijd blijf ik vanuit gevoel schrijven en vanuit mijn culturele achtergrond vertalen.
