Eén minuut voor middernacht
Om over technologie te spreken, moeten we het eerst over tijd hebben. Niet omdat elke uitvinding een datum behoeft, maar omdat de afstand die de ene transformatie van de andere scheidt, deel uitmaakt van hun betekenis. Er zijn schalen die we ons kunnen voorstellen omdat ze binnen onze ervaring vallen: een jaar, een decennium, de duur van een leven. Voorbij die grens wordt tijd een getal dat we begrijpen zonder het ons voor te kunnen stellen. We weten dat een miljoen jaar veel meer is dan honderdduizend, maar beide nemen uiteindelijk een vergelijkbare plaats in in onze intuïtie: een ver verleden waarin verschillen bijna onzichtbaar worden.
Die moeilijkheid vervormt de manier waarop we over techniek denken. Steen, vuur, landbouw, schrift, de stoommachine en de computer verschijnen als opeenvolgende stadia van eenzelfde traject, geordend met een regelmaat die nooit heeft bestaan. Tussen de eerste transformaties lagen honderdduizenden jaren; tussen de meest recente, slechts enkele jaren. Om die versnelling zichtbaar te maken, doorlopen we de technische geschiedenis van de mensheid binnen een kalender van één enkel jaar. 1 januari begint met de Oldowan-techniek, een van de eerste wijdverspreide en herkenbare steenkapseltradities. Middernacht op 31 december markeert het heden. Het gaat er niet om te beweren dat elke vooruitgang onvermijdelijk tot de volgende leidde, maar om het traject te reconstrueren dat onze wereld uiteindelijk mogelijk maakte: welke capaciteit verscheen, hoe lang het duurde voordat die verscheen en welke nieuwe omstandigheden die met zich meebracht.
Gedurende een groot deel van deze kalender kon eenzelfde technische vorm langer bestaan dan hele soorten. Nu daarentegen kunnen verschillende opeenvolgende transformaties het leven van één enkel persoon doorkruisen. We kunnen ze als individuen ervaren, maar als soort hebben we niet dezelfde tijd om ze te begrijpen. We hebben geleerd de wereld te transformeren met een veel grotere snelheid dan die waarmee we kunnen begrijpen waarin we haar transformeren.
1 januari — De wereld kan worden aangepast
Het jaar begint met de Oldowan-techniek. Een hominide slaat een steen tegen een andere; door de inslag komt een scherpe scherf los, terwijl de kern gemarkeerd wordt door snijranden. Het gebaar lijkt elementair, maar bevat een beslissend verschil ten opzichte van het occasionele gebruik van een gevonden voorwerp: de steen wordt niet langer geaccepteerd zoals hij verschijnt, maar er wordt op ingegrepen om een eigenschap te produceren die hij voorheen niet had.
Het belang van de Oldowan-cultuur ligt niet alleen in de bewaard gebleven werktuigen, maar ook in het feit dat het een herkenbare traditie vormt, die zich over een enorme periode heeft verspreid over gebieden en generaties. Die continuïteit geeft aan dat de handeling kon worden overgedragen en aangeleerd. Het ging er niet alleen om een scherpe rand te produceren, maar ook om te weten hoe je dat opnieuw moest doen.
Een vermogen dat het lichaam op zichzelf niet bezit, komt zo te berusten in een extern object. Een scherpere klauw zou vele generaties van biologische verandering hebben gevergd; een scherf die kon snijden kon worden gemaakt tijdens het leven van het individu dat hem nodig had, worden vervoerd en gereproduceerd. Techniek begint wanneer een transformatie niet langer afhankelijk is van een geïsoleerde vondst en een traditie kan worden.
Gedurende de eerste maanden van onze kalender verandert die traditie met een snelheid die vanuit het heden bijna onbeweeglijk lijkt. Ontelbare generaties worden geboren en verdwijnen binnen eenzelfde technische vorm die voor elk van hen zo stabiel was als de bergen in het landschap.
29 april — Het object bestaat voordat het voltooid is
Het duurt tot 29 april, zo'n 840.000 jaar, om de eerste Acheuléen bifaces te vinden. Het verschil bestaat niet alleen uit het meer bewerken van een steen. Het vervaardigen van een biface vereist het bewerken van beide zijden, het aaneenschakelen van extracties, het corrigeren van onregelmatigheden en het handhaven van een algemene vorm gedurende een langere sequentie. Degene die hem bewerkt, reageert niet alleen op het resultaat van de laatste slag: hij vergelijkt het geproduceerde met een object dat nog uitsluitend in zijn geest bestaat. De uiteindelijke vorm ontbreekt in het materiaal, maar stuurt het werk al wel. Het werktuig verschijnt eerst als project.
Deze afstand markeert de eerste grote wachtperiode in onze technische geschiedenis: zo'n 840.000 jaar om over te gaan van een vorm van kappen gericht op het verkrijgen van schilfers en bruikbare snijvlakken naar een vorm die planning en configuratie van het gehele steen aan beide zijden vereist.
5 november — Een transformatie in de tijd handhaven
Er zijn 1,36 miljoen jaar verstreken sinds het verschijnen van de eerste bifaces. Op onze kalender is het al 5 november wanneer we de bewuste beheersing van vuur kunnen plaatsen, in staat om het te produceren, te bewaren en te gebruiken zonder afhankelijk te zijn van een natuurlijke brand. Steen had het mogelijk gemaakt om materie te modificeren met behulp van een object; vuur maakt het mogelijk om energie te sturen en een transformatie in stand te houden zolang de nodige omstandigheden behouden blijven.
Koken verplaatst een deel van het spijsverteringswerk buiten het lichaam, vergroot wat gegeten kan worden en elimineert schadelijke stoffen. Vuur beschermt, verlicht en transformeert materialen. De diepste nieuwheid ligt echter niet alleen in de toepassingen, maar in het introduceren van een proces dat in de tijd in stand moet worden gehouden. Het moet worden gevoed, beschermd, bewaakt en opnieuw worden geproduceerd.
Die continuïteit is niet alleen afhankelijk van een individu, maar van de groep. Het vuur kan overleven omdat verschillende mensen achtereenvolgens de omstandigheden in stand houden die het actief houden. De technische capaciteit komt zo niet langer alleen in een object te berusten, maar ook in een collectief proces dat moet worden gehandhaafd door middel van een ononderbroken reeks acties. Gedurende meer dan tien maanden van ons jaar had elke nacht de wereld teruggevoerd naar de duisternis.
30 december, 's ochtends — Handelend op een toekomst die nog niet bestaat
De volgende grote transformatie arriveert op de ochtend van 30 december, ongeveer 390.000 jaar later. Landbouw ontstaat niet op één plek en vervangt niet onmiddellijk jagen en verzamelen, maar introduceert een andere relatie met de toekomst. Landbouw vereist het selecteren van zaden, het voorbereiden van de grond, het controleren van water, het beschermen van het gewas en het wachten op een resultaat dat nog niet bestaat. De biface had het anticiperen op een vorm vereist; landbouw dwingt tot het anticiperen op een cyclus en het aanpassen van de omgeving zodat deze zich kan herhalen.
Deze ingreep beperkt zich niet tot planten. Door te kiezen welke dieren zich voortplanten, welke gehouden worden en welke eigenschappen nuttig zijn, beginnen gemeenschappen ook andere soorten te transformeren gedurende de generaties. Techniek werkt niet langer alleen op objecten of gelokaliseerde processen en begint het landschap, biologische cycli en levende wezens te modificeren.
In sommige samenlevingen maakt een landbouwoverschot het mogelijk dat een deel van de bevolking zich stabieler kan wijden aan andere taken. Ervaring wordt geconcentreerd, collectieve kennis neemt toe en wordt verdeeld onder gespecialiseerde mensen. Maar naarmate de gemeenschap meer weet, bezit elk individu minder van de vaardigheden die nodig zijn om zijn leven zelfstandig te onderhouden. De capaciteit van het geheel groeit tegelijkertijd met de toenemende afhankelijkheid tussen de leden.
Wanneer die organisatie voldoende schaal bereikt, ontstaat bovendien de noodzaak om voorraden, eigendommen, uitwisselingen en verplichtingen vast te leggen. Landbouw produceert niet alleen voedsel. Het produceert ook rekeningen.
31 december, 's ochtends — Het geheugen verlaat het lichaam
Het schrift verschijnt in de ochtend van 31 december, ongeveer zevenduizend jaar later. Het geheugen verliest dan zijn exclusieve afhankelijkheid van de mensen die zich herinneren. Een hoeveelheid wordt een teken; een naam blijft bestaan wanneer degene die hem uitsprak er niet meer is; een verplichting kan worden geraadpleegd wanneer de hoofdrolspelers de voorwaarden zijn vergeten.
Deze duurzaamheid vergroot ook het vermogen van de macht om de maatschappij te organiseren en haar invloed uit te breiden. Wetten kunnen als referentie worden vastgesteld, belastingen en overschotten worden geregistreerd, middelen worden beheerd en bevelen worden doorgegeven naar verre gebieden. Het schrift maakt het mogelijk om mensen, productie en verplichtingen te coördineren zonder afhankelijk te zijn van de directe aanwezigheid van de heersers of van het geheugen van degenen die deelnemen aan elke uitwisseling.
Een geschreven idee kan generaties doorkruisen zonder dat iemand het voortdurend in zijn geheugen hoeft te bewaren. Het kan ook worden herlezen, verdeeld, vergeleken en gecorrigeerd. Kennis verkrijgt zo een nieuwe stabiliteit, hoewel deze duizenden jaren lang schaars blijft: elke kleitablet moet worden ingebeiteld en elke boekrol of codex moet met de hand worden gekopieerd. Het schrift lost de duurzaamheid van kennis op, maar nog niet de verspreiding ervan.
31 december, 22:00 uur — Kennis vermenigvuldigt zich
Het duurt tot tien uur 's avonds op de laatste dag voordat de Europese drukpers de reproductie van teksten vermenigvuldigt. Er zijn ongeveer 4.600 jaar verstreken sinds de eerste geschriften. De kopiist herhaalt het werk voor elk exemplaar; de drukpers verplaatst die inspanning naar de voorbereiding van een matrijs die veel kan produceren. De verandering bestaat niet alleen uit het sneller maken van boeken, maar uit het scheiden van de productie van de inhoud van de reproductie van elke kopie.
Kennis komt zo in een logica terecht die later typerend zal zijn voor de fabriek: de inspanning concentreert zich op het bouwen van een systeem dat in staat is een eenheid te herhalen, in plaats van deze elke keer volledig te reconstrueren. Dezelfde tekst kan lezers ver van elkaar bereiken, versies kunnen worden vergeleken en een uitgave kan de vorige corrigeren.
De drukpers vermenigvuldigt niet alleen boeken: het vermenigvuldigt de plaatsen van waaruit nieuwe kennis kan worden geproduceerd. Hoe meer kennis circuleert, hoe meer mensen daarvan kunnen uitgaan, het kunnen combineren en uitbreiden. De acceleratie begint dan te werken op haar eigen voorwaarden. Na de drukpers zijn slechts twee uur van onze kalender voldoende voor het verschijnen van de industrie, de computer, internet, de smartphone en kunstmatige intelligentie.
31 december, 23:00 uur — De machine begint machines te maken
Om elf uur 's avonds, slechts een uur later op onze kalender, zet de stoommachine energie om in regelmatige mechanische arbeid. In 1712 pompt de Newcomen-machine water uit de kolenmijnen; diezelfde kolen voeden later nieuwe machines die het mogelijk maken om nog meer te extraheren. De techniek begint de materiële voorwaarden van haar eigen groei te produceren.
Latere verbeteringen verminderen het verbruik en zetten de beweging van de zuiger om in rotatie. Stoom drijft niet langer alleen pompen aan en wordt een algemene krachtbron die weefgetouwen, hamers, molens en voertuigen kan aandrijven. De productie is niet langer volledig afhankelijk van menselijke of dierlijke kracht, of van de plaats waar de wind waait of water stroomt. Energie kan geconcentreerd en continu gebruikt worden waar de industrie die nodig heeft.
De fabriek brengt die energie samen met materialen, arbeiders en machines in één ruimte. In de werkplaats volgde het gereedschap het ritme van de ambachtsman; in de fabriek begint het werk het constante ritme van de machine te volgen. De werkdag, stiptheid en synchronisatie krijgen een nieuwe economische waarde. De klok beperkt zich niet langer tot het meten van de dag en begint ook de productie te organiseren, de tijd te verdelen en de prestaties te meten.
De industriële transformatie blijft niet beperkt tot de fabriek. Stoom haalt kolen uit de grond; kolen voeden motoren en ovens; ijzer en staal maken het mogelijk om nieuwe werktuigen, rails, schepen, bruggen en gebouwen te construeren. De spoorlijn verbindt mijnen, fabrieken, havens en steden, terwijl de telegraaf op afstand de bewegingen van goederen, mensen en informatie coördineert. Productie, transport, energie en communicatie beginnen een onderling afhankelijk circuit te vormen.
De machines zelf vereisen bovendien steeds nauwkeurigere onderdelen. Draaibanken, boormachines en frezen maken het mogelijk om componenten voor andere mechanismen te vervaardigen met een nauwkeurigheid die niet langer volledig afhankelijk is van individuele vaardigheid. Een betere machine maakt het mogelijk om de volgende met grotere precisie te construeren. De industrie beperkt zich zo niet langer tot het produceren van objecten: ze produceert de werktuigen, de energie en de infrastructuur die nodig zijn om haar eigen ontwikkeling te versnellen.
31 december, 23:45 uur — De programmeerbare machine
Om 23:45 uur, ongeveer 235 jaar na de Newcomen-machine, verschijnt de computer. De eerste elektronische computers namen hele zalen in beslag en gebruikten duizenden componenten om berekeningen uit te voeren die voorheen lange menselijke processen vereisten. In 1947 verscheen de transistor, kleiner, robuuster en efficiënter dan de tot dan toe gebruikte vacuümbuizen om elektrische signalen te regelen. Het belang ervan ligt niet alleen in wat elke eenheid kan doen, maar in de hoeveelheid die in een circuit kan worden samengebracht.
De industrie past zo haar capaciteit voor serieproductie toe op componenten die in staat zijn informatie te representeren en te transformeren. Het geïntegreerde circuit combineert verschillende transistors in één onderdeel, en de miniaturisatie begint zichzelf te versterken: computers helpen bij het ontwerpen van complexere circuits, en die circuits produceren krachtigere computers waarmee de volgende generatie kan worden ontworpen en vervaardigd.
Maar de doorslaggevende transformatie is niet alleen de toename van de rekenkracht. Een industriële machine is gebouwd om een specifieke bewerking uit te voeren; de computer kan verschillende functies uitvoeren afhankelijk van de instructies die hij ontvangt. Programmeren maakt het mogelijk om die instructies te beschrijven, op te slaan, te kopiëren, te verbeteren en opnieuw uit te voeren zonder de machine fysiek te reconstrueren.
De procedure is zo niet langer volledig vastgelegd in de vorm van het mechanisme. Om de functie van de machine te wijzigen, is het niet langer nodig een andere te bouwen: het volstaat om het programma dat het gedrag organiseert te wijzigen. Techniek begint niet alleen te werken op materie en energie, maar ook op haar eigen procedures.
Er zijn nog maar vijftien minuten tot middernacht. In dit korte tijdsbestek zullen de persoonlijke computer, internet, de smartphone en kunstmatige intelligentie verschijnen.
31 december, 23:50 uur — Digitale informatie vermenigvuldigt zich
Vijf minuten later, op onze kalender is het 23:50 uur. In 1971 verschijnt de microprocessor, die de centrale functies van een computer concentreert in één chip. De rekenkracht begint de grote installaties te verlaten en, met de latere opkomst van de personal computer, dringt hij geleidelijk door in kantoren, scholen en huizen.
Tot dan toe bestond digitaliseren vooral uit het omzetten van informatie die al bestond op andere dragers – documenten, records, afbeeldingen of berekeningen – naar een formaat dat de machine kon verwerken. Met de personal computer gebeurt er iets anders: een groeiend deel van het intellectuele werk begint direct in digitaal formaat te ontstaan. Teksten, berekeningen, ontwerpen, programma's en afbeeldingen hoeven niet langer achteraf in data te worden omgezet, omdat ze vanaf het begin binnen een machine worden geproduceerd.
De drukpers had de kosten van het reproduceren van inhoud verlaagd; de computer verspreidt ook de mogelijkheid om deze te produceren en te transformeren. Een bestand kan worden gezocht, gekopieerd, vergeleken, gereorganiseerd en gecombineerd met andere zonder de digitale omgeving te verlaten. Informatie is niet langer alleen iets dat moet worden omgezet zodat de machine het kan verwerken: een groeiend deel ervan ontstaat al in een formaat waarop het vanaf het begin kan werken.
31 december, 23:53 uur — Digitalisering wordt wereldwijd
Om 23:53 uur, in 1991, stelde de openbare lancering van het World Wide Web het mogelijk om informatie die via internet circuleert te organiseren en te raadplegen via gekoppelde pagina's. Een bestand is niet langer beperkt tot de computer of de fysieke drager waarop het is gemaakt: het kan op één punt worden gepubliceerd en door miljoenen mensen overal ter wereld worden geraadpleegd. Digitale informatie kan niet alleen eenvoudig worden gereproduceerd, maar ook continu circuleren via een gemeenschappelijke infrastructuur.
Deze capaciteit genereert een nieuwe overvloed. Wanneer er miljoenen documenten zijn, is publiceren niet langer voldoende: ze moeten worden gevonden, gerelateerd en er moet worden besloten welke vóór andere moeten verschijnen. Om dit probleem op te lossen, ontstaan zoekmachines, die het netwerk doorzoeken, beschikbare pagina's registreren, hun koppelingen analyseren en indexen bouwen die in staat zijn om een zoekopdracht te beantwoorden.
De relaties tussen pagina's zijn echter niet voldoende om te bepalen welk resultaat het meest bruikbaar kan zijn voor een persoon. Zoekmachines beginnen daarom ook te registreren welke woorden worden gebruikt, welke resultaten worden gekozen, welke worden genegeerd en wat er gebeurt na elke zoekopdracht. De activiteit van gebruikers levert signalen op die het mogelijk maken om informatie te reorganiseren op basis van de waarschijnlijke relevantie en de volgorde waarin deze wordt gepresenteerd geleidelijk te corrigeren.
Platformen breiden deze logica uit. Een groeiend deel van de activiteit vindt niet langer plaats op open pagina's, maar ontwikkelt zich binnen diensten die door bedrijven worden gecontroleerd. Praten, winkelen, navigeren, naar muziek luisteren, video's bekijken, werken of zichzelf presenteren produceren inhoud, maar laten ook sporen na over de manier waarop die inhoud wordt gebruikt: wie er toegang toe heeft, waarvandaan, hoe lang, in welke volgorde en met welke daaropvolgende reactie.
Het netwerk begint zo twee verschillende informatielagen te bevatten. De eerste bestaat uit teksten, afbeeldingen, video's, programma's en berichten die erover circuleren. De tweede registreert de relaties tussen die inhoud en de mensen die deze gebruiken: wat ze zoeken, wat ze kiezen, wat ze verlaten, wat ze herhalen en wat ze associëren met wat. De ene beschrijft wat er op het netwerk bestaat; de andere, de manier waarop miljoenen mensen er overheen navigeren en het waarde toekennen.
Het doorslaggevende verschil zit in de manier waarop beide lagen worden gedistribueerd. Inhoud kan verdeeld zijn over miljoenen pagina's, apparaten en gebruikers, terwijl de gebruiksgegevens voornamelijk geconcentreerd zijn bij de bedrijven die zoekmachines, platforms en datacenters controleren. Deze organisaties bezitten niet alle informatie op internet, maar verzamelen iets wat geen enkele gebruiker afzonderlijk kan reconstrueren: een geaggregeerd beeld van hoe miljoenen mensen inhoud vinden, relateren, selecteren en waarderen. Ze controleren niet alleen een deel van de bestanden, maar ook de kaart die informatie verbindt met het gedrag van degenen die deze gebruiken.
31 december, 23:56 uur — Het dagelijks leven wordt data
Er zijn zesendertig jaar verstreken sinds de verschijning van de microprocessor en ongeveer zestien jaar sinds de uitbreiding van het World Wide Web. Op onze kalender is het 23:56 uur. In 2007 verschijnt de moderne smartphone: een verbonden computer die camera, microfoon, geolocatie, navigatie, contacten, betalingen, entertainment, werk en toegang tot diensten combineert in één object dat zijn gebruiker permanent vergezelt. Computergebruik is niet langer een plaats waar men naartoe gaat en begint een omgeving te worden waarin een groeiend deel van het dagelijks leven zich afspeelt.
Digitalisering had al verschillende stadia doorlopen. Eerst was het een gespecialiseerde activiteit: instellingen, bedrijven en overheden zetten bepaalde documenten of gegevens om in informatie die machines konden verwerken. Daarna, met de personal computer, begon een groeiend deel van het intellectuele werk direct in digitaal formaat te ontstaan. Internet voegde een andere dimensie toe: de zoekopdrachten, klikken en keuzes die binnen bepaalde platforms werden gemaakt, begonnen informatie achter te laten over het gedrag van de gebruikers.
De smartphone breidt deze digitalisering van gedrag uit tot een nieuwe schaal. De registratie is niet langer beperkt tot de momenten waarop een persoon voor een computer zit of een specifieke dienst binnengaat. Een gesprek, een foto, een zoekopdracht, een aankoop, een verplaatsing of een keuze kunnen een digitale voetafdruk achterlaten als onderdeel van de handeling zelf. Door de gebruiker de hele dag te vergezellen, verbindt het apparaat deze activiteiten met hun tijd, hun locatie, hun sequentie en de context waarin ze plaatsvinden. Het dagelijks leven begint zo niet alleen inhoud te produceren, maar ook een steeds continuere representatie van degenen die deze genereren en gebruiken.
Het verschil tussen de twee vormen van digitalisering is cruciaal. De digitalisering van cultuur produceert teksten, afbeeldingen, muziek, programma's, berichten en video's. De digitalisering van gedrag registreert de relaties die eromheen worden gelegd. Een foto kan worden gekoppeld aan een datum, een plaats, een persoon en een beschrijving. Een zoekopdracht bewaart de vraag, de weergegeven resultaten en de gemaakte keuze. Een route laat posities, tijden en bestemmingen achter. Een lied, een video of een nieuwsbericht kunnen worden gekoppeld aan de kijktijd, het verlaten, de herhaling en de latere reactie. Er wordt niet alleen geregistreerd welke inhoud bestaat, maar ook hoe het circuleert, wie het gebruikt en wat er daarna gebeurt.
Bijna de hele geschiedenis van de mensheid was het produceren van een duurzame registratie een minderheidsactiviteit. Met internet en de smartphone worden miljarden mensen tegelijkertijd producenten van teksten, afbeeldingen, video's, berichten en programma's, maar ook van informatie over hun voorkeuren, routes, relaties en beslissingen. Ze bezoeken de platforms niet om datasets te bouwen, maar om te communiceren, te werken, te winkelen, zich te oriënteren, zich te vermaken of zich te presenteren. Door dit te doen, genereren ze echter voortdurend een hoeveelheid inhoud, associaties, keuzes en antwoorden die geen eerdere instelling op die schaal had kunnen verzamelen.
Die productie is buitengewoon verspreid, maar de registratie ervan niet. De inhoud kan circuleren tussen miljoenen gebruikers en diensten, terwijl de informatie over gedrag voornamelijk geconcentreerd is in de bedrijven die de platforms, besturingssystemen, zoekmachines en datacenters controleren. Miljoenen mensen produceren de signalen; een zeer klein aantal organisaties behoudt de mogelijkheid om ze te verzamelen, te relateren en als geheel te analyseren.
31 december, 23:57 — De machine leert van de voorbeelden
Er zijn slechts vijf jaar verstreken sinds het verschijnen van de moderne smartphone. Op onze kalender is het al 23:57 uur. Tot dan toe voerden programma's expliciet geformuleerde instructies uit: om een taak op te lossen, moest iemand beschrijven welke eigenschappen gezocht moesten worden en welk antwoord geproduceerd moest worden. Deze methode werkte voor problemen die tot precieze regels konden worden gereduceerd, maar liep tegen een grens aan bij vermogens zoals het herkennen van een gezicht of het identificeren van een object, die mensen uitoefenen zonder alle benodigde handelingen te kunnen benoemen om dit te bereiken.
Machineleren biedt een andere aanpak. In plaats van een volledige beschrijving van de capaciteit te geven, wordt het systeem een grote hoeveelheid voorbeelden gevoerd. De machine produceert een antwoord, vergelijkt dit met het juiste resultaat en past zijn parameters aan om de fout te verminderen. Door het proces op miljoenen gevallen te herhalen, vindt het regelmatigheden die het kan toepassen op afbeeldingen die het nooit eerder heeft gezien.
In 2012 toont AlexNet de reikwijdte van deze procedure aan. Het netwerk wordt getraind met ongeveer 1,2 miljoen afbeeldingen van ImageNet, verdeeld over duizend categorieën en vooraf geclassificeerd door mensen. Bij elke afbeelding berekent het tot welke categorie het zou kunnen behoren, vergelijkt zijn antwoord met de juiste tag en past zijn interne verbindingen aan. Door deze herhaling leert het steeds complexere contouren, texturen, onderdelen en configuraties te herkennen zonder dat iemand ze één voor één hoeft te beschrijven.
Het idee om neurale netwerken te trainen was niet nieuw. Wat verandert, is de beschikbare schaal. Digitale camera's en internet hadden miljoenen afbeeldingen geproduceerd en verzameld; menselijk classificatiewerk had ze bruikbare voorbeelden gemaakt; grafische processors maakten het mogelijk een voorheen onoverkomelijke hoeveelheid berekeningen parallel uit te voeren. AlexNet verschijnt wanneer het digitale archief, de organisatie ervan en de mogelijkheid om het te verwerken gezamenlijk een voldoende drempel bereiken om veel betere resultaten te produceren dan voorheen.
Het gevolg gaat verder dan beeldherkenning. Een voldoende grote verzameling geclassificeerde bestanden kan worden gebruikt om een capaciteit te genereren die niet expliciet in een van hen was geschreven. Geen enkele foto verklaart op zichzelf hoe alle vergelijkbare afbeeldingen moeten worden herkend; die capaciteit ontstaat uit de relaties die het systeem construeert door miljoenen gevallen te vergelijken.
Digitale informatie is zo niet langer alleen datgene wat een programma opslaat, ordent of transformeert volgens vooraf gedefinieerde instructies. Het kan een reeks voorbeelden worden die het systeem zelf aanpast, zodat het kan reageren op nieuwe gevallen. De capaciteit hoeft niet langer volledig vooraf te worden beschreven: deze kan worden opgebouwd uit regelmatigheden die in de gegevens zijn gevonden.
31 december, 23:58 — Taal wordt training
Vijf jaar na AlexNet, in 2017, markeert onze kalender 23:58 uur. Leren via voorbeelden had aangetoond dat een machine vermogens kon verwerven die moeilijk uit te drukken waren in regels, maar het bleef afhankelijk van een kostbare menselijke ingreep: om afbeeldingen te classificeren, moest elke foto vooraf worden gekoppeld aan een juiste categorie. Het toepassen van dezelfde procedure op een significant deel van de cultuur zou het handmatig taggen van een onoverzienbare hoeveelheid woorden, zinnen en teksten hebben vereist.
Taal leverde bovendien een andere moeilijkheid op. Een woord heeft geen betekenis die geïsoleerd kan worden bepaald, maar is afhankelijk van de relaties die het onderhoudt met andere woorden. De functie ervan verandert afhankelijk van de zin waarin het voorkomt, de paragraaf die eraan voorafgaat of een referentie die veel eerder is geïntroduceerd. Om taal te verwerken, moet een machine niet alleen elke eenheid weergeven, maar ook hoe de ene de betekenis van de andere verandert binnen elke context.
In 2017 verscheen een nieuwe architectuur die ontworpen was om dit probleem op te lossen: de Transformer. In plaats van tekst uitsluitend als een reeks woorden te verwerken, introduceert het een aandachtmechanisme dat berekent welke relaties relevant zijn voor het interpreteren van elk woord. De tekst wordt verdeeld in eenheden die door middel van getallen worden weergegeven, en elke eenheid kan worden gerelateerd aan het onderwerp van de zin, aan een voornaamwoord dat enkele regels eerder is geschreven, of aan een andere term die de betekenis ervan verandert. Door deze bewerking in verschillende lagen te herhalen, bouwt het model steeds complexere representaties op van de grammaticale, conceptuele en structurele afhankelijkheden die de tekst doorkruisen.
Het belang ervan ligt niet alleen in het beter representeren van de context. De architectuur maakt het mogelijk om veel relaties gelijktijdig te berekenen en het werk over tal van processors te verdelen. In tegenstelling tot systemen die de tekst stap voor stap moesten doorlopen, kan het gemakkelijker worden uitgebreid naar grotere modellen en veel grotere hoeveelheden taal. Maar het blijft nog op te lossen waar de juiste antwoorden vandaan moeten komen die nodig zijn om ze te trainen.
De digitale taal zelf biedt de oplossing. In tegenstelling tot een foto, die een toegevoegd label nodig heeft om aan te geven wat het bevat, bevat een tekst zelf de sequentie die moet worden geleerd. Een deel kan aan het model worden getoond en gevraagd worden te voorspellen wat het volgende zal zijn, of een eenheid kan worden verborgen en gevraagd worden deze te reconstrueren. Het antwoord bevindt zich al in het originele document. Elk tekst kan zo worden omgezet in een reeks oefeningen zonder dat een persoon elke zin handmatig hoeft te classificeren.
Om zijn fouten te verminderen, moet het model ontdekken welke woorden doorgaans samen voorkomen, hoe zinnen zijn opgebouwd, welke concepten stabiele relaties onderhouden, hoe een verklaring zich ontwikkelt of welke structuur een argument aanneemt. Niemand introduceert een volledige lijst van die regelmatigheden. Het systeem past zijn parameters aan door elke voorspelling te vergelijken met de werkelijke voortzetting en, na het proces op immense hoeveelheden tekst te hebben herhaald, neemt het relaties op die het kan toepassen op sequenties die het nooit eerder had aangetroffen.
De training brengt de documenten niet de machine binnen als een bibliotheek die later per exemplaar kan worden geraadpleegd. Het past een parameterstructuur aan om de regelmatigheden in het geheel te reproduceren: associaties tussen concepten, syntactische vormen, stijlen, afhankelijkheden tussen fragmenten en procedures die door middel van woorden zijn uitgedrukt.
De uitbreiding van digitale informatie is daarom onmisbaar. Gedurende decennia zijn boeken, artikelen, handleidingen, webpagina's, programma's, coderepository's, gesprekken, vertalingen en verklaringen geproduceerd met zeer uiteenlopende doeleinden. Deze materialen waren niet gecreëerd om een kunstmatige intelligentie te trainen, maar om te onderzoeken, te onderwijzen, te informeren, te verkopen, te discussieren, samen te werken of problemen op te lossen. Doordat ze in digitaal formaat beschikbaar kwamen, konden ze op een schaal worden verzameld en verwerkt die geen enkele collectie die expliciet voor het aanleren van een taak was opgesteld, had kunnen bereiken.
Het digitale archief is zo niet langer alleen een opslagplaats die een machine kan opslaan, ordenen of raadplegen. Het wordt het materiaal waarmee een algemeen taalvermogen kan worden opgebouwd. Het schrift had kennis gescheiden van het geheugen van degenen die het bezaten; de drukpers had de kopieën vermenigvuldigd; internet had ze verbonden binnen een wereldwijd netwerk. De Transformer maakt het nu mogelijk een deel van dat archief te verwerken en een structuur aan te passen die in staat is een nieuwe capaciteit te produceren op basis van de daarin geaccumuleerde regelmatigheden.
31 december, 23:59 — Taal wordt instructie
Slechts drie jaar later, in 2020, markeert onze kalender 23:59 uur: nog één minuut tot middernacht. De Transformer-architectuur had het mogelijk gemaakt om steeds grotere modellen te trainen op enorme hoeveelheden tekst. Het beschikken over een algemene taalvaardigheid loste echter niet op hoe deze toe te passen op concrete taken. Het vertalen, samenvatten, classificeren of beantwoorden van vragen vereiste doorgaans nog steeds het aanpassen van het model, het toevoegen van specifieke componenten of het opnieuw voorbereiden ervan voor elke functie.
In 2020 verschijnt GPT-3, een grootschalig taalmodel gebouwd op deze architectuur. De doorslaggevende bijdrage ervan bestaat uit het aantonen dat dezelfde structuur kan afleiden welke taak het moet uitvoeren op basis van de tekst die het ontvangt. Het heeft niet nodig dat elke functie wordt opgenomen door middel van een nieuwe training: de instructie, de voorbeelden en het verwachte resultaat kunnen worden opgenomen binnen de context zelf.
Als er meerdere zinnen samen met hun vertalingen worden getoond, kan het patroon verder worden gezet met een nieuwe. Als het een tekst ontvangt met een samenvatting, kan het proberen een andere samen te vatten. Als er voorbeelden worden gepresenteerd die aan verschillende categorieën zijn gekoppeld, kan het een later geval classificeren. Het model wijzigt zijn parameters niet tijdens het uitvoeren van deze taken. Het interpreteert de aanwezige relaties in de context en richt een tijdens de training verworven vaardigheid tijdelijk daarop.
GPT-3 verandert een machine daarom niet in veel verschillende machines. Het verandert eenzelfde taalvaardigheid in een basis van waaruit verschillende functies kunnen worden gedefinieerd met behulp van taal. De taak is niet langer exclusief afhankelijk van programmering of een eerdere aanpassing en kan worden geformuleerd binnen de invoer die het systeem ontvangt.
De taal krijgt zo een nieuwe functie. Het was eerst het materiaal waaruit het model leerde; nu wordt het ook het middel waarmee het gedrag wordt aangestuurd. In de industriële fase vereiste het wijzigen van de functie van een machine het aanpassen van het mechanisme. Met de programmeerbare computer volstond het vervangen van het programma. Met GPT-3 kan een deel van de functie worden geconfigureerd door in gewone taal te beschrijven welk resultaat gewenst is, aan welke voorwaarden het moet voldoen en welke voorbeelden het moet volgen.
Het voorspellen van een waarschijnlijke voortzetting staat echter nog niet gelijk aan het adequaat beantwoorden van een verzoek. Het digitale archief bevat zowel rigoureuze verklaringen als fouten, nuttige instructies als tegenstrijdige fragmenten, coöperatieve gesprekken als agressie. Het leren van de regelmatigheden ervan maakt het mogelijk om coherent taalgebruik te produceren, maar bepaalt op zich niet welke soort antwoord moet worden aangeboden bij een concrete intentie.
Om dit algemene vermogen tot een instrument te maken, is een nieuwe menselijke tussenkomst nodig. Er worden voorbeelden van instructies en antwoorden voorbereid, verschillende outputs worden vergeleken en er wordt aangegeven welke het meest nuttig, duidelijk of veilig zijn. De initiële training had het mogelijk gemaakt om te leren welke voortzettingen waarschijnlijk waren binnen de taal; de latere aanpassing voegt criteria toe over welke de voorkeur verdienen wanneer iemand een verzoek formuleert.
Op dit punt verschijnt de tweede informatielaag die door de digitalisering is gegenereerd opnieuw. Menselijke keuzes, correcties en beoordelingen kunnen worden omgezet in voorbeelden waarmee het gedrag van het model kan worden aangestuurd. Een persoon vergelijkt twee antwoorden, wijst op een fout of toont hoe een taak zou moeten worden opgelost, en die tussenkomst levert informatie op die niet uitsluitend in de originele teksten was opgenomen. Niet elk gesprek wordt gebruikt om de systemen te trainen en niet elke gebruikersactie vervult die functie, maar menselijke reacties kunnen worden gebruikt om te beslissen hoe een eerder op basis van het culturele archief opgebouwde capaciteit moet worden toegepast.
Op 30 november 2022 werd ChatGPT openbaar gemaakt. Het gesprek brengt de mogelijkheid die door GPT-3 werd geopend een stap verder. De taak hoeft niet langer volledig in één instructie te worden gedefinieerd: deze kan geleidelijk worden opgebouwd. De gebruiker vraagt om een resultaat, observeert dit, corrigeert wat niet werkt, voegt voorwaarden toe en gaat verder vanaf het vorige antwoord. Elk bericht wijzigt de context van waaruit het volgende zal worden geproduceerd.
De openbaarheid verandert ook de schaal waarop die capaciteit wordt verkend. Miljoenen mensen beginnen het systeem te gebruiken om te schrijven, te vertalen, te programmeren, uit te leggen, te classificeren, te ontwerpen, samen te vatten of informatie te reorganiseren. Hun verzoeken onthullen toepassingen, fouten en beperkingen die de ontwikkelaars niet volledig van tevoren hadden kunnen opsommen. Het model wordt niet langer alleen getest op voorbereide taken en komt in contact met echte problemen, diverse intenties en onverwachte manieren om deze te formuleren.
In de daaropvolgende jaren wordt deze logica uitgebreid naar beelden, geluid en video, en worden de modellen gekoppeld aan zoekmachines, databases, programma's en andere tools. Taal dient niet langer uitsluitend om een tekstueel antwoord te vragen. Het kan een doel uitdrukken dat het systeem in operaties verdeelt, uitvoert met behulp van verschillende middelen en beoordeelt op basis van de verkregen resultaten.
De openbare toegankelijkheid voegt bovendien een nieuwe informatiebron toe. Het systeem wordt niet langer alleen geconfronteerd met eerder geproduceerd materiaal, maar met miljoenen verzoeken, herformuleringen en beoordelingen die tijdens het gebruik worden gegenereerd. Niet elk gesprek wordt direct opgenomen in de training, maar het geheel van interacties maakt het mogelijk om te ontdekken welke taken interessant zijn, waar het model faalt en welke resultaten mensen verwachten. De maatschappij had het culturele archief geleverd waaruit het leerde; nu begint het ook de kaart van zijn mogelijke toepassingen te leveren.
Het aanbreken van middernacht
Tegen middernacht kan het model al vertalen, uitleggen, classificeren, programmeren of beelden produceren vanuit eenzelfde structuur. Deze vermogens zijn niet voortgekomen uit een enkele regel of een vooraf beschreven procedure, maar uit de gezamenlijke verwerking van immense hoeveelheden teksten, programma's, beelden, voorbeelden en evaluaties. Wat voorheen verdeeld was over verschillende activiteiten, beroepen en personen, kan nu worden samengebracht in een systeem dat het kan toepassen op nieuwe situaties.
Maar die capaciteit ontstaat niet binnen de machine en kan niet in stand worden gehouden los van de wereld waaruit ze voortkomt. Kunstmatige intelligentie is afhankelijk van een samenleving die taal, kennis, gebeurtenissen, problemen, beelden en criteria blijft produceren om de resultaten te interpreteren. Ze genereert niet op zichzelf de realiteit waaruit ze leert, noch beslist ze wat als waar, nuttig of waardevol moet worden beschouwd. Ze heeft eerdere materialen nodig en nieuwe interventies die fouten signaleren, doelen formuleren en definiëren welk soort antwoord wordt verwacht. De samenleving is niet alleen de context waarin het systeem functioneert: het is de voortdurende bron van wat ze kan leren.
Maar de behoefte aan de samenleving als geheel garandeert de behoefte aan elk individu niet. Om een vertaalcapaciteit op te bouwen waren generaties sprekers, schrijvers en vertalers nodig; om deze op een concreet document toe te passen kan een enkele instructie volstaan. Het model had programma's nodig die door ontelbare mensen waren geschreven, maar het hoeft niet opnieuw een beroep te doen op elke programmeur wanneer het een functie produceert. Het had beelden, beschrijvingen en criteria nodig die door een menigte waren gecreëerd, hoewel het een nieuw stuk kan genereren zonder degenen bijeen te roepen die de materialen leverden waaruit het leerde.
Het collectieve en het individuele beginnen zich op een beslissende manier te scheiden. Het systeem kan steeds meer afhankelijk worden van de gezamenlijke productie van de maatschappij en tegelijkertijd steeds minder afhankelijk van elk van zijn afzonderlijke leden. De maatschappij blijft onmisbaar als bron van kennis; een specifiek persoon kan ophouden dat te zijn om een deel van die kennis toe te passen.
De productie die de modellen voedt, is buitengewoon gedistribueerd. Universiteiten, administraties, media, uitgevers, bedrijven, technische gemeenschappen en miljoenen gebruikers schrijven, vertalen, programmeren, fotograferen, classificeren, corrigeren en evalueren zonder deel uit te maken van een gemeenschappelijk project. Ieder publiceert een tekst, beantwoordt een vraag, deelt een programma of corrigeert een resultaat om een eigen behoefte op te lossen. Zelden kent men de relatie die die activiteit uiteindelijk zal hebben met een later op grote schaal opgebouwde capaciteit.
De mogelijkheid om deze bijdragen te bundelen is niet op dezelfde manier verdeeld. Het trainen en opereren van de grootste modellen vereist enorme datasets, gespecialiseerde processors, datacenters, energie, technisch personeel en financiële middelen. De culturele en gedragsmatige productie komt van een menigte, maar de infrastructuur die deze kan omzetten in een algemeen vermogen is geconcentreerd in een zeer klein aantal organisaties.
Degenen die die infrastructuur controleren, kunnen een collectieve productie omzetten in een dienst waarvan zij de voorwaarden bepalen: wie er toegang toe heeft, hoeveel het kost, welke functies het bevat, welke beperkingen het oplegt en naar welke toepassingen het zich ontwikkelt. De mensen die de materialen produceerden, verwerven daardoor geen gelijkwaardige participatie in het systeem dat daaruit is opgebouwd. De bijdrage is verspreid; de mogelijkheid om deze te organiseren, te verwerken en te beslissen over het gebruik ervan wordt steeds meer geconcentreerd.
De openbare toegankelijkheid van de modellen verlengt deze asymmetrie. Gebruikers stellen problemen, ontdekken toepassingen, vinden fouten en tonen welke resultaten zij acceptabel vinden. Ieder probeert zijn eigen taak op te lossen, maar de som van miljoenen interacties onthult een algemene kaart: welke toepassingen worden herhaald, waar het systeem faalt, welke functies vraag vinden en welke capaciteiten moeten worden uitgebreid. Geen enkele gebruiker kan die kaart op zichzelf reconstrueren; de organisaties die de dienst exploiteren kunnen deze wel geaggregeerd waarnemen.
Niet elk gesprek wordt direct opgenomen in de training, maar openbaar gebruik levert kennis over het systeem zelf op. De samenleving had niet alleen de teksten, afbeeldingen en programma's gegenereerd waaruit het leerde. Nu genereert het ook de situaties waarin wordt ontdekt hoe het kan worden toegepast, waar het moet worden gecorrigeerd en naar welke functies het kan worden ontwikkeld.
De relatie neemt zo een circulaire vorm aan. De maatschappij produceert cultuur, kennis, gedrag en evaluaties. Een klein aantal organisaties bundelt een deel van die activiteit en transformeert deze tot een capaciteit van het model. Daarna retourneert het deze capaciteit als een dienst waarvan het gebruik nieuwe signalen produceert om deze te corrigeren, uit te breiden en meer toepassingen te vinden. Het systeem blijft collectieve participatie nodig hebben, maar elke verbetering kan de noodzaak van specifieke individuen verminderen in de taken die het leert uit te voeren.
Kunstmatige intelligentie elimineert haar afhankelijkheid van de samenleving niet. Ze reorganiseert haar. Mensen dragen bij als massa, vaak zonder de technische bestemming van hun activiteit te kennen; de organisaties die die bijdragen bundelen, kunnen ze als geheel waarnemen, ze verwerken via een eigen infrastructuur en beslissen hoe de resulterende capaciteit zal worden gebruikt. De samenleving levert de schaal; enkele organisaties concentreren de mogelijkheid om die om te zetten in technische macht.
Middernacht vertegenwoordigt niet het moment waarop de machine de mensheid niet meer nodig heeft. Het vertegenwoordigt het moment waarop de collectieve behoefte van de mensheid kan worden gescheiden van de behoefte van elke concrete mens. Bijna het hele jaar door vergrootte de techniek wat mensen konden doen. In de laatste minuut begon het, binnen een geconcentreerde infrastructuur, vermogens te reconstrueren die voorheen verdeeld waren over miljoenen mensen.
De vraag die middernacht opent is niet langer alleen wat de machine kan doen, maar welke positie degenen zullen behouden die collectief datgene produceren wat daarna zonder hen kan worden gebruikt.