75 jaar in 15 minuten: van Turing tot ChatGPT

Het voelt alsof AI pas in 2022 opdook, samen met ChatGPT. Maar het verhaal is al 75 jaar oud, vol genieën, drama en gebroken beloftes. Laten we beginnen.

Probeer het eerst zelf — hier. Onder de prompt zie je een 'Run'-knop: druk erop en een echte AI antwoordt op deze pagina — het enige wat je nodig hebt, is een gratis aanmelding met één klik (Google of Telegram). Vul je eigen functie in de haakjes in — of voer het zo uit:

You are an experienced assistant. I work as a [your job].
Name 5 work tasks you could take off my hands,
and for each one give a short example of the request I'd send you.

Dat is wat AI doet: jij schreef de taak in gewone woorden — en het deed het werk. Deze hele cursus gaat erover hoe je zulke antwoorden betrouwbaar krijgt, niet door geluk. Onthoud hoe dit moment voelde — nu terug naar de geschiedenis, zonder welke AI nooit helemaal logisch is.

Act I. De man die de vraag stelde (1950)

Engeland, 1950. De wiskundige Alan Turing publiceert een artikel met een gewaagde vraag: "Kunnen machines denken?" Dit is dezelfde Turing die de Enigma-codeermachine kraakte in de Tweede Wereldoorlog. Historici schatten dat het de oorlog met twee jaar verkortte.

In plaats van filosofie te bediscussiëren, stelt hij een spel voor — wat we nu de Turing test noemen. Het idee is simpel: als je in een geschreven gesprek geen onderscheid kunt maken tussen een machine en een mens, maakt het dan uit of die machine "denkt"? Het resultaat is belangrijker dan de definitie. Tweeënzeventig jaar later zouden miljoenen mensen dagelijks chatten met een machine die steeds moeilijker van een mens te onderscheiden is.

Turing heeft het nooit meegemaakt. Hij stierf in 1954 op 41-jarige leeftijd, opgejaagd door dezelfde regering die hij had helpen redden. Vandaag draagt de belangrijkste prijs in de informatica — de Turing Award — zijn naam.

Act II. De term wordt geboren, en de beloftes ook (1956–1969)

Zomer 1956, Dartmouth College in de VS. Een jonge wiskundige genaamd John McCarthy brengt een paar dozijn wetenschappers samen voor een zomerworkshop en bedenkt, voor de subsidieaanvraag, een pakkende term: artificial intelligence. De term die we allemaal gebruiken is letterlijk 70 jaar oud, en werd geboren als marketing voor een subsidie.

Het optimisme was ongekend. In 1958 onthulde psycholoog Frank Rosenblatt de perceptron — het eerste lerende "neuraal netwerk", zo groot als een kledingkast. The New York Times schreef dat machines spoedig "zouden lopen, praten, zien en zich bewust zouden zijn van hun bestaan". De pioniers beloofden menselijk niveau intelligentie "binnen 20 jaar".

Act III. De AI-winters (de jaren 70 en eind jaren 80)

Bijna alles ging mis: computers waren miljoenen keren te zwak, er was geen data, en de methoden zelf bereikten een plafond. In 1973 veegde het Britse Lighthill-rapport het veld van tafel: de beloftes waren niet nagekomen. Financiering werd stopgezet, labs sloten — de AI-winter was aangebroken. In de jaren 80 herhaalden "expert systems" (programma's bestaande uit duizenden 'als-dan'-regels) het verhaal: een boom, miljarden investeringen, en toen een tweede ineenstorting toen bleek dat de regels onmogelijk te onderhouden waren.

Onthoud dit patroon: overdreven beloftes → teleurstelling → instorting. Het verklaart ook de huidige discussies over AI.

Act IV. De stille revolutie (1990–2012)

Terwijl "AI" praktisch een vies woord was, bleef een kleine groep wetenschappers — waaronder Geoffrey Hinton, een van de leidende figuren achter neurale netwerken en een Nobelprijswinnaar van 2024 — er koppig aan werken. Hun idee was simpel en radicaal: programmeer de kennis niet, laat de machine leren van voorbeelden. Twee ingrediënten ontbraken: data en rekenkracht.

Het internet bracht beide. Tegen 2012 waren miljarden gelabelde afbeeldingen verzameld, en de grafische kaarten die voor gaming waren gebouwd (GPU's) bleken perfect voor het trainen van neurale netwerken. In 2012 verpletterde AlexNet, gebouwd door Hinton en zijn studenten, het veld bij de ImageNet-wedstrijd voor beeldherkenning: de marge was enorm — het foutpercentage daalde van ongeveer 26% naar 15% in één jaar. De race was begonnen.

Act V. De explosie (2016–2022)

2016: AlphaGo verslaat wereldkampioen Go Lee Sedol — in een spel met meer mogelijke posities dan er atomen in het universum zijn. Commentatoren noemden zijn 37e zet in spel twee "geen menselijke zet, en geen machinezet, maar iets nieuws".

2017: Google-engineers introduceren een nieuwe neurale-netwerkarchitectuur — de transformer. Een architectuur is de interne opbouw van het netwerk: het schema dat het volgt om informatie te verwerken. Oudere schema's lazen tekst woord voor woord en waren aan het einde van een lange zin het begin "vergeten". De transformer bekijkt de hele tekst in één keer en zoekt uit welke woorden met elkaar verbonden zijn — het mechanisme kreeg de naam "attention".

Zo'n netwerk kan getraind worden op gigantische hoeveelheden tekst, en het is precies datgene wat achter de T in GPT zit — Generative Pretrained Transformer. Data en rekenkracht hadden nu een derde metgezel: de juiste architectuur.

30 november 2022: OpenAI opent ChatGPT voor het publiek. 100 miljoen gebruikers in twee maanden — destijds de snelste groei die een consumentenapp ooit had gezien (Instagram deed er 2,5 jaar over, TikTok 9 maanden). Het record voor pure snelheid zou later vallen aan Threads, dat in vijf dagen 100 miljoen bereikte — maar het was ChatGPT dat als eerste liet zien dat AI een massaproduct was geworden. Een 75 jaar oud verhaal stapte uit de labs en belandde op ieders telefoon.

Wat dit voor jou betekent

Drie belangrijke lessen die je in elke volgende les zult gebruiken. Eén: moderne AI leert van voorbeelden in plaats van geprogrammeerde regels te volgen — Hintons idee versloeg de expert systems van Act III. Twee: de doorbraak kwam toen drie ingrediënten samenkwamen — data (het internet), rekenkracht (GPU's) en architectuur (de transformer) — en alle drie groeien nog steeds. Drie: zoals de AI-winters lieten zien, kan dit vakgebied zowel te veel beloven als te veel leveren — dus vanaf nu scheiden we de realiteit van de hype met feiten.

En als je de opdracht bovenaan deze les al hebt geprobeerd, beschouw het dan als je eerste praktische stap: er komen er nog veel meer, en bij elke stap zal AI je preciezer volgen.