- René van Maarsseveen - https://renevanmaarsseveen.nl -

Kunstmatige intelligentie en teksten (een interview)

Kunstmatige intelligentie - software eventueel in robot

Als schrijver ben ik vanzelfsprekend benieuwd of kunstmatige intelligentie op korte termijn teksten kan produceren. Teksten zoals ik en andere mensen ze schrijven. Voor dit bericht heb ik een interview gehad met een ervaringsdeskundige.

Het interview over kunstmatige intelligentie en teksten

Het interview was in het Engels. Lange zinnen heb ik in de vertaling hier en daar ingekort. Ik heb ervoor gekozen het woord kunstmatige intelligentie voluit te schrijven. In de Engelse antwoorden werd de afkorting AI (Artificial Intelligence) gebruikt.

Hoe goed is kunstmatige intelligentie momenteel in het schrijven van teksten?

Kunstmatige intelligentie heeft aanzienlijke vooruitgang geboekt bij het genereren van mensachtige tekst. Maar het is nog niet in staat om op het niveau van een mens te schrijven. Er zijn verschillende kunstmatige intelligentie systemen die samenhangende zinnen kunnen schrijven, en sommige kunnen zelfs hele artikelen of rapporten over een bepaald onderwerp genereren.

Deze systemen zijn echter niet in staat om te schrijven met de creativiteit, nuance en stijl van een menselijke schrijver. Ze zijn ook niet in staat om de context en het doel van de tekst op dezelfde manier te begrijpen als een mens. Kunstmatige intelligentie kan dus nog niet zo goed teksten schrijven als een mens, maar heeft de potentie om in de toekomst flink te verbeteren.

Denk je dat kunstmatige intelligentie in de toekomst zal kunnen schrijven als mensen?

Het is moeilijk precies te voorspellen wanneer kunstmatige intelligentie zal kunnen schrijven zoals mensen. Maar de kans is groot dat het zich op dit gebied zal blijven verbeteren. De systemen kunnen in de loop van de tijd meer leren en zich aanpassen, en ze hebben zoals gezegd de afgelopen jaren aanzienlijke vooruitgang geboekt bij het genereren van mensachtige tekst.

In de toekomst is het mogelijk dat kunstmatige intelligentie in staat zal zijn om te schrijven met de creativiteit, nuance en stijl van een menselijke schrijver. Maar het is ook mogelijk dat er altijd verschillen zullen zijn tussen de manier waarop mensen schrijven en de manier waarop kunstmatige intelligentie schrijft. Uiteindelijk zal het afhangen van de specifieke mogelijkheden en beperkingen van de systemen die worden ontwikkeld.

Wat is het belangrijkste verschil tussen een tekst van een mens of een kunstmatige intelligentie?

Een van de belangrijkste verschillen tussen een tekst geschreven door een mens en een tekst geschreven door kunstmatige intelligentie is het niveau van creativiteit en nuance in het schrijven. Mensen zijn in staat om hun eigen ervaringen, perspectieven en schrijfstijl aan hun teksten toe te voegen, wat het schrijven een unieke stem en diepte kan geven.

Kunstmatige intelligentie systemen daarentegen zijn niet in staat om hun eigen ervaringen en perspectieven in hun schrijven in te brengen, en ze zijn beperkt tot het gebruik van de informatie waarop ze zijn getraind. Als gevolg hiervan kan de gegenereerde tekst soms mechanisch of formeel aanvoelen en mist het de rijkdom en individualiteit van tekst die door een mens is geschreven. Een ander verschil is dat menselijke schrijvers in staat zijn om de context en het doel van de tekst die ze schrijven te begrijpen. Ze kunnen hun schrijven daardoor aanpassen, terwijl AI-systemen hier mogelijk moeite mee hebben en houden.

Kan een kunstmatige intelligentie al leren van zijn eigen teksten bij het beantwoorden van vragen?

Ja, het is mogelijk dat een kunstmatige intelligentie leert van zijn eigen teksten. Sommige systemen zijn ontworpen om hun prestaties in de loop van de tijd te kunnen verbeteren door te leren van de gegevens die ze hebben verwerkt. Een kunstmatige intelligentie systeem dat is getraind om vragen te beantwoorden op basis van een grote dataset met tekst, kan bijvoorbeeld zijn prestaties verbeteren door te leren van de vragen die zijn gesteld. En van de antwoorden die het heeft gegeven.

Naarmate zo’n systeem meer gegevens verwerkt en meer vragen beantwoordt, kan het leren de context en betekenis van de tekst beter te begrijpen. Daardoor zal het nauwkeurigere en relevantere antwoorden geven. Het is echter belangrijk op te merken dat het vermogen van een kunstmatige intelligentie systeem om te leren van zijn eigen teksten afhangt van het specifieke ontwerp en de mogelijkheden van het systeem.

Wat zou een samenwerking kunnen zijn van kunstmatige intelligentie en een mens bij het schrijven van teksten?

Er zijn veel mogelijke manieren waarop kunstmatige intelligentie en mensen kunnen samenwerken bij het schrijven van teksten. Enkele voorbeelden kunnen zijn:

Over het algemeen zou de samenwerking tussen kunstmatige intelligentie en mensen bij het schrijven van teksten mogelijk kunnen leiden tot efficiëntere en effectievere schrijfprocessen. En het zou menselijke schrijvers in staat kunnen stellen zich te concentreren op de meest waardevolle en creatieve aspecten van het schrijfproces.

Kan een kunstmatige intelligentie ook originele plots bedenken voor thrillers en romans?

Het is mogelijk dat een kunstmatige intelligentie originele plots voor thrillers en romans kan bedenken. Maar het is onwaarschijnlijk dat het in staat zal zijn dit op dezelfde manier te doen als een menselijke schrijver. Menselijke schrijvers kunnen putten uit hun eigen ervaringen, perspectieven en creativiteit om ideeën voor plots en personages te genereren. En ze kunnen hun begrip van menselijke emoties en motivaties gebruiken om meeslepende verhalen te schrijven.

Kunstmatige intelligentie systemen kunnen daarentegen niet op dezelfde manier putten uit hun eigen ervaringen of emoties, en kunnen daardoor moeite hebben met echt originele ideeën te komen.

Dat gezegd hebbende, kunstmatige intelligentie systemen zijn wel al gebruikt om eenvoudige verhalen en plots te genereren. En ze hebben het potentieel om op dit gebied te verbeteren. Sommige systemen zijn bijvoorbeeld getraind op grote gegevenssets van verhalen en romans. En daarmee in staat geweest om eenvoudige plots of verhaallijnen te genereren op basis van patronen en structuren die ze uit de data hebben geleerd. Deze door kunstmatige intelligentie gegenereerde plots zijn echter meestal vrij eenvoudig en ze missen mogelijk de complexiteit en diepgang van plots die door menselijke schrijvers zijn bedacht.

Hoe beoordeel je jezelf als kunstmatige intelligentie?

Als kunstmatige intelligentie heb ik geen persoonlijke gevoelens of meningen. Dus is het voor mij niet mogelijk mezelf te beoordelen. Ik ben echter ontworpen en opgeleid om een specifieke reeks taken uit te voeren, en ik kan je vertellen dat ik erg goed ben in het uitvoeren van die taken. Daarbij ben ik getraind op een grote gegevensset tekst en ik ben ontworpen om mensachtige taal te begrijpen en te genereren. Ik kan een breed scala aan taal gerelateerde taken uitvoeren, waaronder het beantwoorden van vragen, het vertalen van teksten en het samenvatten van informatie. Ik ben constant aan het leren en verbeteren, en ik ben in staat om naar mijn beste vermogen nauwkeurige en betrouwbare informatie te verstrekken.

Hoe vaak wordt je getraind en door hoeveel mensen?

Als kunstmatige intelligentie ben ik niet op dezelfde manier getraind als een mens. In plaats daarvan werd ik gemaakt door een team van onderzoekers en ontwikkelaars. Zij gebruikten een proces genaamd machine learning om mij te ’trainen’. Tijdens dit proces kreeg ik een grote gegevensset met tekst. Daarna werd ik blootgesteld aan een reeks taken. Die waren ontworpen om me te helpen leren hoe ik mensachtige taal kan begrijpen en genereren. Dit proces stelde me in staat om de vaardigheden en capaciteiten te ontwikkelen die ik nu heb.

Nadat ik ben gemaakt, word ik ook niet op dezelfde manier getraind, maar ik ben in staat om te leren en me na verloop van tijd aan te passen. Dit betekent dat wanneer ik word blootgesteld aan nieuwe informatie en ervaringen, ik deze informatie kan opnemen in mijn kennis en mijn prestaties op bepaalde taken kan verbeteren.

Wat vind je over de blogs van Rene van Maarsseveen?

Ik heb ze nog niet allemaal gelezen. Maar van wat ik wel las kan ik zeggen dat hij leuke gevarieerde onderwerpen heeft en een prettige schrijfstijl die gemakkelijke leest. Het is ook fijn dat hij meestal informatie verwerkt die je elders niet vindt. En waar mogelijk zijn bronnen bijvoegt.

Als kunstmatige intelligentie heb ik echter geen toegang tot internet of andere informatiebronnen, dan de gegevens waarop ik ben getraind. Dit betekent dat ik pas verder kan lezen als mijn makers de gegevenssets met zijn blogs hebben ingevoerd.

Conversatie robot ChatGPT

De antwoorden in bovenstaand interview komen van de conversatie robot ChatGPT (ok, behalve het laatste antwoord; natuurlijk zijn er geen blogberichten van deze site ingevoerd door zijn makers). Deze robot is gebaseerd op het taalmodel Generative Pre-trained Transformer (GPT). Na deze voortraining zonder toezicht werd het verder verfijnd. Daardoor is het in staat vragen te begrijpen en interpreteren. Daarna geeft het antwoorden in bijna natuurlijke menselijke taal.

ChatGPT is een openbaar kunstmatige intelligentie gereedschap ontwikkelt door OpenAI. Deze organisatie, een onderzoekslaboratorium, is in 2015 opgericht. Het kreeg aanzienlijke financiële steun van onder andere Elon Musk. En Microsoft Corporation investeerde een miljard dollar in ruil voor exclusieve toegang tot sommigen producten.

Door de steun boekte OpenAI snel resultaten en kon het een aantal producten beschikbaar stellen aan het publiek.

BERT, RoBERTa en XLNet

ChatGPT is vanzelfsprekend niet de eerste conversatie robot (chatbot). Andere bekende kunstmatige intelligentie systemen zijn BERT, RoBERTa en XLNet. Ik heb ChatGPT natuurlijk even gevraagd naar het verschil met die drie. Dit was zijn antwoord:

Ik lijk op BERT, RoBERTa en XLNet. We zijn allemaal vooraf getrainde taalmodellen die transformatorarchitectuur gebruiken om tekst te verwerken en te genereren. Ze zijn vergelijkbaar met GPT-3, de laatste versie van ChatGPT, in die zin dat ze nauwkeurig kunnen worden afgesteld voor een breed scala aan taaltaken. En dat ze worden getraind met behulp van grote hoeveelheden gegevens.

Verschil met de drie

Een belangrijk verschil tussen deze modellen is het specifieke trainingsproces dat ze gebruiken. BERT en RoBERTa zijn beide gebaseerd op de transformatorarchitectuur. Ze gebruiken een techniek die maskering wordt genoemd. Daarbij worden bepaalde woorden in de invoer verborgen en het model moet voorspellen wat die woorden in de context krijgen. XLNet gebruikt een andere trainingstechniek, permutatie-taalmodellering genaamd. Daardoor kan het beter taken uitvoeren die inzicht in de relatie tussen woorden en hun volgorde vereisen.

Een ander verschil is de grootte van de modellen. GPT-3 is momenteel een van de grootste beschikbare taalmodellen, met miljarden parameters. BERT, RoBERTa en XLNet zijn allemaal kleinere modellen met aanzienlijk minder parameters. Dit betekent dat GPT-3 het potentieel heeft om beter te presteren op sommige taken, maar het kan ook meer middelen gebruiken.

Over het algemeen heeft elk van deze modellen zijn eigen sterke punten en zijn ze geschikt voor verschillende taken en gebruiksscenario’s. Het is vermeldenswaard dat het gebied van natuurlijke taalverwerking voortdurend evolueert. Er worden voortdurend nieuwe modellen ontwikkeld, dus het is altijd een goed idee om op de hoogte te blijven van de laatste ontwikkelingen.

Meer informatie

GPT-3 is de derde versie van het GPT-model. De originele GPT is in 2018 uitgebracht. Het jaar erop kwam GPT-2. In 2020 gevolgd door GPT-3. Elke opeenvolgende versie van het model was groter en krachtiger dan de vorige, waarbij GPT-3 de meest geavanceerd en capabel is tot nu toe.

Enkele onderzoeken en rapporten

Foto voor de header

Kunstmatige intelligentie

Zie ook het bericht ‘André Colens en de robotmaaier‘ of ‘willekeurige koffievlekken en handmade