Getrapt begrip

In de hoogtijdagen van de Big Data was een van de slogans: “Big Data kent ons beter dan wij onszelf kennen!” Bekend is de anekdote dat een drogisterij in de VS gerichte reclame voor babyproducten stuurde aan een meisje dat nog niet eens wist – of in elk geval haar vader niet – dat ze zwanger was. De stap van ‘kennen’ naar ‘begrijpen’ is al snel gemaakt, in tijden dat dit soort systemen zich vooral aan ons presenteren als dialoogsystemen. Zie de film ‘Her’ (2013) uit diezelfde hoogtijdagen, maar geconcipieerd ongeveer tien jaar voor het grote publiek zou kennismaken met het huidige fenomeen ChatGPT: een machine die in staat lijkt tot een conversatie ‘van mens tot mens’. Vooral in de interactie met dit soort computersystemen, vaak bedoeld om ons te helpen dingen (sneller) te begrijpen, raken we makkelijk overtuigd dat het computersysteem de dingen waar het ons mee helpt ‘zelf’ kennelijk al (en beter dan wijzelf) begrijpt. Bovendien, als het dan succesvol is in ons iets te laten begrijpen, zou het ons dan ook begrijpen? Terwijl we weten dat wij mensen onszelf, als mensen, eigenlijk helemaal niet zo goed begrijpen (anders hadden we de grote wereldproblemen van het moment toch wel kunnen oplossen?).

In mijn huidige onderzoek over maatschappelijk verantwoorde ontwikkeling van kunstmatige intelligentie, komen de realiteit van de wereld en vele abstracte, filosofische concepten samen: intelligentie, bewustzijn, waarden, begrip. Daarmee roept juist de toepassing steeds weer diepe, fundamentele vragen op over hoe we deze concepten begrijpen, dan wel zouden moeten begrijpen, zodat we ze kunnen operationaliseren in de realiteit waarin mensen en machines gezamenlijk taken uitvoeren.

En daarmee kom ik voor mijn droomonderzoek – als tijd en ‘directe relevantie’ (lees: onderzoeksfinanciering) geen rol zouden spelen – uit op de oude, maar voor mij ook heel persoonlijke vraag op mijn inmiddels lange reis tussen verschillende disciplines (wiskunde, filosofie, informatica, recht): wat betekent het eigenlijk om iets te begrijpen, en hoe hangt dit samen met ons mens-zijn in de wereld? Door de ontwikkelingen rondom taalmodellen zoals ChatGPT zie ik hoe sterk ‘wij mensen’ geneigd zijn ons begrip van ‘kennis’ en ‘begrip’ aan te passen aan datgene wat deze systemen goed kunnen, en hoe makkelijk we vervolgens onze (menselijke) hoop vestigen op deze systemen om de beperkingen van menselijke kennis te overstijgen. Maar daarmee zitten we in een cyclische beweging met ons begrip van kennis en begrip enerzijds, en de ontwikkeling van systemen die we kennis en begrip toekennen.

In mijn vroege carrière ontdekte ik dat ik – hoewel van nature aangetrokken tot abstractie – toch wat stuurloos raakte in de abstractie van de abstractie (de grondslagen van de wiskunde). Na een korte verkenning van de ‘echte’ wereld in het IT-beheer (dat zich in die tijd juist begon te richten op ‘the cloud’), kocht ik van de opbrengst van de optieregeling – die verbonden was aan de beursgang die mij een bedrijf deed verlaten – een reisfiets, tassen en tent – en ging een paar maanden door Europa fietsen. Dit werd de ontdekking van een geweldige, fysieke en ook intellectuele onafhankelijkheid: het mij door de wereld bewegen als een diepere ‘kennis-makende’ activiteit. Juist in het aardse, trap voor trap, op eigen kracht (voor mij geen e-bike!) de weg vinden, door weer en wind, lukte het juist wel te denken in diepere en zinvolle abstracties. Toen ik mij vervolgens alsnog aan een promotieonderzoek waagde, besloot ik daarom dat alles goed zou komen als mijn academische loopbaan zou kunnen lijken op een fietsavontuur. Toen begon ook een fascinatie voor de belichaamdheid van de menselijke kennis, hoe ons zijn in de wereld, en de technologie die wij als mensen toevallig voorhanden hebben en gebruiken (zoals een fiets) ons begrip van de wereld mede bepalen.

Ik geloof niet dat Big Data (of kunstmatige intelligentie), in een abstracte cloud, ons überhaupt kan kennen, in elk geval niet zoals wij onszelf kennen en zoals wij kennen begrijpen. Daarmee is het ook weinig zinvol om in te gaan op ‘beter’ (of slechter) kennen. Big Data en AI zijn door menselijk denkvermogen geconstrueerde abstracties, belichaamd in computersystemen.  Zeker nu vormt deze technologie een belangrijke lens waardoor wij ons eigen kenvermogen begrijpen.  Ik zou in de wolken zijn als ik letterlijk op de fiets, [1] zonder computerscherm tussen mij en de wereld, op onderzoek zou mogen naar beter begrip van “begrip”. Een deel van de droom is dat dan te kunnen doen zonder van tevoren opgelegde druk van tijd en ‘directe relevantie’, over begane en minder begane wegen: aantrekkelijke aspecten van fietsavonturen die moeilijk zijn gebleken te repliceren in de kaders die nu eenmaal horen bij een (inmiddels) vaste positie in Academia. In vrijheid en nieuwsgierigheid nieuwe gebieden en lagen van kennis ontdekken en proberen te begrijpen, door de omstandigheden en mensen die de wereld op je pad gooit. Met onvergetelijke momenten waarop de wolken plots optrekken.

[1] Recent ontdekte ik een Amerikaans onderzoeksproject dat dit werkelijk heeft gerealiseerd. Weliswaar in een meer sociologisch/geografisch onderwerp – waar het wellicht meer voor de hand ligt, maar in elk geval inspirerend: https://caringforprairie.ucsc.edu/