Maand: juni 2025

Nog niet zolang geleden was AI iets wat veel indrukwekkende teksten kan genereren, maar  deze tekst niet echt kan beredeneren. Het is allemaal een oppervlakkige nabootsing van een bestaand iets, gewoon wat gekrijs.

Destijds was het gemakkelijk te begrijpen waar dit perspectief vandaan kwam. Kunstmatige intelligentie had momenten van indrukwekkende en interessante vaardigheid, maar het faalde ook consequent in basistaken. Door de modellen gewoon steeds groter en beter te maken, ook wanneer achter de schermen alles bij elkaar wordt gehouden met lijm, ducttape en laagbetaalde werknemers.

Dit afwijzende perspectief geld nog steeds, vaak, wanneer we luisteren naar academici in de taalkunde en filosofie. Om de AI-bubbel te laten knappen wordt er beweerd wordt dat AI’s niet echt kunnen redeneren en blijven hangen bij de bewering dat de modellen slechts onzingenerators zijn die niet veel beter worden en ook niet veel beter zullen worden.

Steeds vaker blijkt dat het herhalen van die beweringen ons tekortdoet, en dat men er niet in slaagt de belangrijkste implicaties van AI aan te pakken.

Mensen die normaal gesproken niet veel over AI lezen, hoorden over AI, erkende dat de AI-prestaties bij taken van “matige moeilijkheidsgraad” verbeterden, concentreerden veel samenvattingen van de belangrijkste bevindingen zich op de bewering een fundamentele schaalbeperking in het denkvermogen van huidige redeneermodellen.

Voor een groot deel van het hen bevestigd dit iets wat ze graag willen geloven: dat generatieve AI niet echt werkt en dat is iets dat voorlopig niet zal veranderen.

De prestaties van moderne, hoogwaardige taalmodellen bij “redeneertaken” in feite ingewikkelde puzzels. Na een bepaald punt worden die prestaties slechter, wat vervolgens lijkt aan te tonen dat de modellen geen echte plannings- en probleemoplossende vaardigheden hebben ontwikkeld.

Deze modellen slagen er niet in om generaliseerbare probleemoplossende vaardigheden voor planningstaken te ontwikkelen, waarbij de prestaties tot nul dalen boven een bepaalde complexe drempel.

Dat is de belangrijkste conclusie die veel mensen en de bredere discussie erover trekken. Maar als je de details verdiept, zul je zien dat deze bevinding niet verrassend is en eigenlijk niet zoveel zegt over AI.

Een groot deel van de reden waarom de modellen falen bij het gegeven probleem, niet omdat ze het niet kunnen oplossen, maar omdat ze hun antwoorden niet kunnen uitdrukken in het specifieke formaat dat we hebben gekozen.

Als je het AI model vraagt ​​een programma te schrijven dat het juiste antwoord geeft, dan kan dat moeiteloos. Als je ze daarentegen vraagt ​​het antwoord in tekst, regel voor regel, te geven, bereiken ze uiteindelijk de grens.

Dat lijkt een interessante beperking van huidige AI-modellen, maar het heeft weinig te maken met “generaliseerbare probleemoplossende vaardigheden” of “het plannen van taken”.

Stel je voor dat je “echt” geen “generaliseerbare” vermenigvuldigingen kunt uitvoeren, omdat we weliswaar probleemloos tweecijferige vermenigvuldigingen kunnen berekenen, maar de meesten van ons ergens onderweg een fout zullen maken als we tiencijferige vermenigvuldigingen in ons hoofd proberen op te lossen. Het probleem is niet dat we “geen algemene redeneerders zijn”. Het komt doordat we niet geëvolueerd zijn om grote getallen in ons hoofd te verwerken, grotendeels omdat we dat nooit nodig hadden.

Als de reden waarom we ons zorgen maken over “of AI redeneert” fundamenteel filosofisch is, dan is het onderzoeken wanneer problemen te lang worden om ze op te lossen relevant, als filosofisch argument. De meeste mensen maken zich om veel praktischere redenen zorgen maken over wat AI wel en niet kan.

Veel taken worden de komende jaren geautomatiseerd, dat wil je natuurlijk niet. Maar je kunt het zien aankomen. Vraag AI’s regelmatig om een nieuwsbrief te schrijven, gewoon om te zien waar het voor staat. Het nog niet zover, maar AI wordt steeds beter.

Zeker, AI zal veel banen elimineren, maar het zal nog meer nieuwe banen creëren. Een positievere transitie zou best kunnen plaatsvinden, maar het zou nog steeds betekenen dat we veel vaardigheden plotseling minder belangrijk zouden vinden. Waardoor we een compleet nieuwe set vaardigheden zouden moeten ontwikkelen.

AI-vervangers zullen langzaam al langzaam hun intrede doen. Juist omdat een snelle intrede een vooruitzicht is dat angstaanjagend is, verklaringen dat AI’s slechts gekrijs is en niet echt kan denken, worden daardoor aantrekkelijk. We willen horen dat banen veilig zijn en dat de AI’s een nietsnut is.

Maar in feite kun je de vraag of AI een baan zal inpikken niet beantwoorden aan de hand van een gedachte-experiment, of aan de hand van hoe AI presteert wanneer je alle stappen moet opschrijven. De manier om de vraag of AI banen zal inpikken te beantwoorden, is door AI uit te nodigen het te proberen.

Is het “echt redeneren”? Misschien niet. Maar het hoeft niet zo te zijn dat iemand mogelijk werkloos word.

Simuleren of niet, het doet er niet toe of de machines in staat zijn de wereld ten goede of ten kwade te veranderen” wat, raad eens, ik ook niet kan.

Critici maken zichzelf irrelevant wanneer we ze het hardst nodig hebben.

Veel recente kritische stukken over AI… lezen als extreem wensdenken over wat systemen precies wel en niet kunnen. Een beeld van wat AI wel en niet kan, terwijl dat beeld al jaren niet klopt. Maar voor de werkgelegenheidseffecten van AI en op de langere termijn, voor de wereldwijde catastrofale risico’s die ze met zich mee kunnen brengen, is het natuurlijk niet van belang of AI’s tot domme fouten kunnen worden verleid, maar wat ze kunnen doen als ze klaar zijn voor succes.

Problemen die AI’s nog steeds niet kunnen oplossen ze zijn behoorlijk slecht in schaken maar ik denk niet dat dit aan het publiek verkocht moet worden als een glimp van de “echte waarheid” over AI. En het ontkracht zeker niet de behoorlijk angstaanjagende toekomst waarin sommige experts steeds meer geloven en die we tegemoet gaan.

Zijn nieuwe AI-tools in zoekmachine en manier om het internet nieuw leven in te blazen. Of de voorspelde apocalyps voor websites. Eén ding is duidelijk: het huidige hoofdstuk in de online geschiedenis loopt ten einde. Welkom bij het “machineweb”.

Het web is gebouwd op een simpele overeenkomst: websites laten zoekmachines hun content gratis opslurpen, en zoekmachines sturen mensen in ruil daarvoor naar websites, waar ze dingen kunnen kopen of advertenties bekijken. Zo verdienen de meeste sites geld.

Naar schatting begint meer de helft van de internetactiviteit via zoekmachines en vindt het grootste gedeelte van de zoekopdrachten plaats via een zoekmachine. Als het internet een tuin is, dan zijn zoekmachines de zon en het water die alles laten groeien en bloeien.

Deze monopolie hield decennialang stand, maar een ogenschijnlijk kleine verandering lijkt de oorzaak dat het systeem aan het afbrokkelen is. Een nieuwe AI-tool in de zoekmachines. Die misschien erg nuttig lijkt van de meeste internetters hebben ingrijpende gevolgen voor het internet.

Een online wereld waarin kwaliteitsinformatie online schaarser kan worden of de mogelijkheden om geweldige content te vinden zou kunnen vergroten. Maar, ten goede of ten kwade, digitale ervaringen zullen misschien nooit meer hetzelfde zijn.

De door AI gegenereerde antwoorden die bovenaan de zoekresultaten staan. Zijn een complete herinterpretatie van zoeken.

Mensen gebruiken zoekmachines biljoenen keren per jaar, de zoekopdrachten bepalen de vorm van het internet. De AI-modus is een radicale verandering. In tegenstelling tot AI-overzichten vervangt de AI-modus de traditionele zoekresultaten volledig.

De nieuwe AI-modus geeft je antwoorden, in plaats van je alleen maar links te geven om ze ergens anders te vinden. AI-modus bevat links naar bronnen, maar als AI je het antwoord geeft waarnaar je op zoek bent, neem je dan nog de moeite om te klikken?

De afhankelijkheid van organisch zoekverkeer, en de miljoenen websites, misschien wel meer, wordt ontmoedigd. En zoekmachines hebben alle macht. Of dat de AI-modus het web gezonder en nuttiger zal maken. “Elke dag sturen zoekmachines miljarden klikken naar websites, en mensen verbinden met het web is daarbij een prioriteit”.

Wat gaat er veranderen, is de manier waarop mensen online informatie vinden en ontdekken. Sommigen vrezen dat het “open web” in gevaar is het ecosysteem van vrij toegankelijke, onafhankelijke websites, waar we, informatie, afbeeldingen en video delen.

Zoekmachines kiezen in AI-modus uit “een grotere diversiteit aan websites” sturen het verkeer dat van “hogere kwaliteit” is naar geselecteerde websites, omdat mensen meer tijd besteden aan de links waarop ze klikken. AI-modus geeft antwoorden op basis van informatie, afbeeldingen en video’s die we delen, in plaats van je alleen maar links te geven om ze op het internet vinden.

Sommigen geloven dat we aan de vooravond staan ​​van een nieuwe online revolutie, een toekomst die je het “machineweb” zou kunnen noemen. Een toekomst waarin websites worden gebouwd om te worden gelezen door AI in plaats van door mensen, en waarin het lezen van samenvattingen door chatbots een primaire manier wordt waarop we informatie consumeren.

Content rechtstreeks aan AI-modellen leveren, en niet meer de moeite nemen om die informatie op websites te plaatsen die door mensen kan worden gelezen. Een wereld  waarin de antwoorden altijd binnen handbereik zijn. Maar het zou ook een einde kunnen maken aan een aantal van de dingen die het open web in de eerste plaats zo populair hebben gemaakt. De mogelijkheid om in online informatie te duiken, iets leuks te ontdekken of iets nieuws te ontdekken.

De grote uitgevers licentiëren hun content aan de grote data platvormen voor hun AI. Er wordt ettelijke tientallen miljoenen per jaar betaald voor het trainen van hun AI op gebruikersdata.

Tot nu toe trekken alleen enorme websites met veel data deze deals aan. “Maar betalen voor content zoals dit een model is zal niet werken op de schaal die nodig is om het web in stand te houden.”

Het machineweb, als dat de richting is die de ontwikkelingen opgaan, zou wel eens meer gesloten, minder divers en in zekere zin flatterend kunnen zijn voor tijd die we online doorbrengen.

AI komt nu in beeld en het gaat de hele dynamiek veranderen alleen zal het door de manier waarop het getraind is, vooringenomenheid of vertekening niet uit kunnen sluiten.

Er zijn filterbubbels, omdat informatie nu geïnterpreteerd wordt in plaats van dat het aan je wordt gegeven om het zelf te interpreteren. Onderzoek leert dat AI de neiging heeft om als echokamers te fungeren. 

Een echokamer is een situatie waarin iemand voornamelijk wordt blootgesteld aan informatie en meningen die zijn eigen overtuigingen bevestigen en versterken. Het is een metafoor voor een omgeving waar ideeën worden versterkt doordat ze voortdurend worden herhaald en weinig of geen tegenstemmen horen.

Er zijn natuurlijk nog fundamentele zorgen over de kwaliteit van AI-antwoorden. Omdat AI-hallucinaties erger worden naarmate hun technische mogelijkheden verbeteren, hallucinaties zijn “een inherent kenmerk” van de technologie. Een zelfverzekerde antwoord dat niet gerechtvaardigd lijkt te worden door de werkelijkheid of de trainingsgegevens waarop getraind werd.

Het is moeilijk om geen nostalgie te voelen naar wat er verloren zou kunnen gaan, zelfs als er iets nieuws en geweldigs voor in de plaats zou komen. Dat is wat er gebeurt als een veel mensen zich verbinden over onderwerpen die hen aan het hart gaan.

Er zijn veel manieren om vaardigheden te verbeteren, en het identificeren van trends is een van de methoden die nodig zijn om succesvol te zijn. Dus, hoe identificeer je een trend?

Dat vereist aandacht voor veel details en een grondige analyse van de huidige situatie. Daarbij gebruiken we fundamentele en technische analyse om een ​​ideale balans te bereiken tussen geïnformeerd zijn en het nemen van beslissingen.

Sentimentanalyse speelt een cruciale rol bij het begrijpen van het algemene sentiment ten opzichte van een specifiek doel. Simpel gezegd biedt het een samenvatting van wat we denken? Dit inzicht is essentieel voor het nemen van weloverwogen beslissingen.

Sentimentanalyse biedt niet de exacte informatie over wanneer we iets moeten doen of laten, maar het geeft ons wel extra context om acties te ondernemen die het beste bij een strategie passen.

Al decennia lang wordt sentiment gezien als een significante invloed op de algemene richting. De algemene collectieve stemming is cruciaal, omdat deze de algehele ontwikkeling weerspiegelt. Sentimentanalyse helpt om op één lijn te blijven.

Sentimentanalyse is als het achterhalen hoe mensen over iets denken, en er zijn verschillende manieren om dat te doen. Eén manier is door te kijken naar wat mensen zeggen, bijvoorbeeld of ze iets goed of slecht vinden. Een andere manier is om te controleren hoe mensen reageren op sociale media, bijvoorbeeld of ze berichten delen die enthousiasme of juist een bezorgde toon uitstralen. Door deze verschillende sentimentanalysemethoden te begrijpen, kunnen we beter begrijpen wat anderen denken en voelen.

Zie het als het nauwkeurig bekijken van individuele meningen. In plaats van alleen maar te zeggen dat iets goed of slecht is, splitst fijnmazige sentimentanalyse de gevoelens op in meer specifieke categorieën. Als iemand bijvoorbeeld concludeert dat hij of zij dol is op de nieuwe app, hoewel deze soms crasht, kijkt deze analyse naar zowel het positieve gevoel (liefde) als het negatieve (kritiek op de crashes).

Hierbij draait het allemaal om het achterhalen van de emoties achter de woorden. In plaats van alleen maar te zeggen of iets goed of slecht is, probeert emotiedetectie gevoelens zoals geluk, woede, angst of opwinding te identificeren.

Intentieanalyse is een methode die kijkt naar wat mensen van plan zijn te doen op basis van hun sentimenten.

Sentimentanalyse kan deze plotselinge veranderingen mogelijk niet opvangen, waardoor eerdere voorspellingen nutteloos zijn.

Het begrijpen van sentimentgegevens kan een uitdaging zijn. Het vereist oefening om sentiment correct te interpreteren.

Voor sommige sentimentindicatoren is meer historische informatie nodig om te zien hoe goed ze in de loop der tijd werken. Met voldoende historische gegevens is het gemakkelijker om te bepalen of een sentimentindicator betrouwbaar is.

Door gevoelens en trends te begrijpen, kun je slimmere beslissingen nemen voordat anderen dat doorhebben.

Lang voordat we data, dashboards of socialemediafeeds hadden, hadden we niets anders dan de blik in iemands ogen.

De oermensen hadden geen handleiding nodig om te weten wanneer iets ‘niet klopte’. Emotie lezen de intentie begrijpen aan de hand van toon, houding en gezichtsuitdrukking was hoe ze in leven bleven. Wie is veilig? Wie is boos? Wie deelt zijn vuur, en wie neemt het onze over?

We scannen nog steeds op signalen. We pikken nog steeds de toon van een gesprek op, de woordkeuze, de stilte tussen zinnen. We weten wanneer iemand er niet helemaal bij is. We weten wanneer ze blij zijn of teleurgesteld.

Aan tafel peilen we de stemming voordat we een dessert voorstellen. Aan de telefoon verzachten we onze toon als de frustratie aan de andere kant toeneemt. We onze boodschap veranderen wanneer deze viraal gaat.

Dit alles, bewust of onbewust wordt aangestuurd door menselijke sentimentdetectie. Want weten hoe iemand zich voelt, is vaak het verschil tussen behouden of verliezen.

Nu lijken we die taak in ieder geval deels aan machines over te laten. AI-gestuurde sentimentanalyse bestaat niet alleen in callcenters of enquêtes. Het draait stilletjes op de achtergrond van de diensten die we dagelijks gebruiken.

Het gaat er niet alleen om de ruimte te lezen het gaat erom deze om jou heen te hervormen als reactie.

Je wordt benadert op basis van waarschijnlijkheid, niet op basis van empathie. En als we niet oppassen, eindigen we met synthetische emoties die worden beoordeeld op basis van synthetische interpretaties zonder menselijk inzicht.

Het is niet dat het niet zal werken. Het vereist wel governance, observatie en een gezonde dosis menselijk oordeel.

Realtime sentimentanalyse zet elke e-mail, chat, ticket en elk gesprek om in een directe polsslag van hoe klanten en medewerkers zich voelen, zonder ook maar één enquêtevraag te stellen. Wanneer het goed wordt uitgevoerd, voorkomt het verloop, versnelt het deals en verlaagt het de verborgen kosten van miscommunicatie.

Traditionele terug koppelingen pas komen lang nadat reputaties zijn aangetast en inkomsten zijn weggelekt. En een wereld waar de helft van de schriftelijke communicatie verkeerd wordt begrepen, is detecteren van frictie zodra deze ontstaat onmisbaar.

In een wereld vol data is weten wat mensen zeggen slechts de helft van het verhaal. Sentimentanalyse helpt onthullen wat data betekenen en sentiment helpt dit alles te ontcijferen en verandert de manier waarop we bouwen, communiceren en groeien.

Zie sentiment als de emotionele toon en perceptie die we hebben ten opzichte van een merk, product of categorie. Het is de rauwe, vaak instinctieve reactie die bepaalt of je mensen kan vertrouwen, er een vriend over vertellen, loyaal blijft of besluiten dat je niet bij hen past.

Deze signalen zijn niet altijd luid. Sterker nog, de meest veelzeggende signalen verschijnen vaak al voordat er een woord is gesproken.

Het volgen van sentiment gedurende de gehele beleving is een must, omdat de gedachten en gevoelens niet statisch blijven. Ze veranderen naarmate de eerste kennismaking overgaat tot een loyale fan, incidentele gebruikers of de gevreesde, luidruchtige critici.

Door die verschuivingen gedurende de gehele beleving te volgen, krijg je inzicht in waar dingen werken en waar ze ontsporen. Mensen vinden je misschien geweldig, maar komen dan op je website terecht en snappen niet wat je precies doet, waardoor ze afhaken.

Maar ruwe data alleen is niet genoeg. Segmentatie is wat die signalen omzet in strategie. Wanneer je sentiment opsplitst per doelgroeptype, regio, gedrag of demografie, begin je te zien hoe verschillende groepen zich echt voelen en wat je vervolgens moet doen.

We verzamelen niet alleen sentimentdata, we gebruiken het ook. Dat kan betekenen dat een uiting wordt aangepast op basis van eerdere feedback, een functie wordt verfijnd na het zien van een terugkerende emoji met een verdrietig gezicht, of dat nieuwe diensten worden gelanceerd om aan de stijgende online verwachtingen te voldoen.

Door aandacht te besteden en doelgericht te reageren, kan vertrouwen, loyaliteit en groei op de lange termijn worden opgebouwd. Om je uiteindelijk te helpen betrokken te houden, niet alleen sneller, maar ook op een manier die echt logisch is. Wanneer ze begrijpen hoe je, je voelt, kunnen ze met meer empathie, meer duidelijkheid en veel meer zelfvertrouwen reageren.