Wat is generative AI? Uitleg, soorten AI-modellen, toepassingen en impact op het werk

Door: Daan van Beek MSc
Managing Director

Inhoudsopgave

Generative AI | Generatieve AI | De perfecte na-aper

Generative AI maakt keurige imitaties van voorbeelden

Generative AI is het vakgebied dat op basis van artificial intelligence technieken zoals neurale netwerken, helemaal zelfstandig opmaat gemaakte content genereert. Het aapt de voorbeelden na en genereert een imitatie. Denk dan aan teksten, afbeeldingen, geluiden of video. Het meest bekende voorbeeld van generatieve AI is ChatGPT van het bedrijf OpenAI. Het systeem van OpenAI (ChatGPT + DALL-E) heeft het hele internet “leeggetrokken”, alle woorden, leestekens, zinnen, afbeeldingen, video’s en bijbehorende context geanalyseerd en hiervan zodanig geleerd dat het zelf teksten of programmacode kan schrijven of illustraties kan maken. Generatief gaat hier om het vermogen dat dit type kunstmatige intelligentie heeft om iets zelfstandig te genereren, voort te brengen of te produceren. Generative AI of Generatieve AI gaat grote impact hebben op ons werk.

Wat is generative AI?
Toepassingen
Soorten AI-modellen
Impact op beroepen
Volg een (generative) AI training

Wat is Generative AI?

Generative AI gebruikt zowel unsupervised als semi-supervised machine learning technieken. Het is dus niet iets totaal nieuws maar het gebruikt een combinatie van meerdere type algoritmes. Het stelt computers in staat om nieuwe inhoud te creëren op basis van bestaande inhoud, zoals tekst, audio, video, afbeeldingen en code.

Generative AI is het vakgebied dat op basis van machine learning technieken zoals neurale netwerken, helemaal zelfstandig unieke content genereert op basis van heel veel voorbeelden en een vraag (prompt) van een gebruiker.

Het doel is om – op basis van een vraag van een gebruiker, of een opdracht van een systeem – volledig originele artefacten te genereren die niet van echt zijn te onderscheiden. Generative AI maakt imitaties van de orginelen, het is een goed na-aper.

AI-modellen voor Generative AI

Twee veelgebruikte generatieve AI-modellen zijn Generative Adversarial Networks (GANs) en op transformatoren gebaseerde modellen, zoals Generative Pre-Trained (GPT) taalmodellen.

1. Op transformatoren gebaseerde modellen

Denk hierbij aan GPT en LaMDA, zijn zeer krachtige neurale netwerken (met heel veel parameters) die context en betekenis leren door relaties in sequentiële gegevens te volgen, zoals die in een zin, paragraaf of hoofdstuk. GPT modellen zijn zogenaamde Large Language Models (LLM’s). Bij het formuleren van een antwoord voorspellen ze telkens het best passende volgende woord of leesteken. Het lijkt erg simpel maar onder de motorkap van bijvoorbeeld ChatGPT zit een astronomische hoeveelheid gestolde, zeer gecomprimeerde kennis die ook nog eens erg toegankelijk is voor een grote groep mensen.

Het lijkt erg simpel maar onder de motorkap zit een astronomische hoeveelheid gestolde, zeer gecomprimeerde kennis

Vergelijk het met een zeer hoge-resolutie foto (alle kennis op het internet) die je maximaal comprimeert (ChatGPT). Op het eerste gezicht lijkt de gecomprimeerde sterk op de hoge-resolutie foto maar als je inzoomt zie je het verlies aan kwaliteit. Als je de bestanden – de bits en de bytes – van beide foto’s gaat vergelijken dan zijn ze helemaal onvergelijkbaar. Alles wat je ooit uit ChatGPT zult krijgen zijn hoofdlijnen en is dus “bij benadering”. Tenzij je het model achter ChatGPT (extra) gaat trainen voor een specifiek domein.

Het GPT model is verrassend genoeg nauwkeuriger dan machine learning modellen die zich baseren op gestructureerde data. GPT modellen kunnen niet alleen worden gevoed met alles wat er op internet, intranet of in een database staat, maar je kunt zo ook trainen met domeinspecifieke taal zoals medici die bijvoorbeeld gebruiken. Zo kan een GPT model leren van alle medische notities die in een patiëntendossier liggen opgeslagen en een antwoord genereren die een voorspelling bevat of de patiënt grote kans heeft om te overlijden of om binnen 30 dagen terug te keren naar het ziekenhuis voor dezelfde kwaal (Jiang, Liu, Nejatian, et al, 2023). Het GPT model is in dit geval verrassend genoeg nauwkeuriger in die voorspellingen dan machine learning modellen die zich baseren op gestructureerde data.

2. Generative Adversarial Networks (GANs)

GANs zijn algoritmes die twee neurale netwerken – een generator en een discriminator – tegen elkaar laten strijden in een zero-sum game. De generator creëert nepvoorbeelden, terwijl de discriminator probeert onderscheid te maken tussen echte en nepvoorbeelden. Wanneer de discriminator een nepvoorbeeld juist detecteert wint het punten en de generator verliest punten. GANs worden vaak gebruikt voor het genereren van afbeeldingen en multimedia.

Nu ken je de belangrijkste twee soorten generative AI modellen. Veel bedrijven houden zich momenteel bezig met het ontwikkelen van dit soort modellen en maken ze openbaar, al dan niet via API’s. Denk hierbij aan PaLM, Bard, GPT-4, Sparrow en LaMDA.

Toepassingen van Generative AI

Generatieve AI heeft toepassingen in verschillende domeinen, zoals:

beeldgeneratie
beeld-naar-beeld vertaling
tekst-naar-beeld vertaling
tekst-naar-spraak
audio-generatie
video-generatie
beeld- en videoverbetering
genereren van synthetische data

Hoewel generative AI veel potentie heeft en indrukwekkende resultaten kan opleveren, brengt het ook grote uitdagingen met zich mee, zoals de opkomst van deepfakes, het auteursrecht, de angst voor verlies aan banen en de moeilijkheid waarmee gegenereerde output gecontroleerd kan worden (op juistheid of echtheid).

De impact van generative AI op beroepen en sectoren

Generatieve AI maakt het voor de intelligente, datagedreven organisatie mogelijk om niet alleen automatisch te beslissen maar kan nu ook automatisch reageren. Daarmee kunnen we kunstmatige intelligentie helemaal doortrekken tot het einde van de cyclus. Ook dit is een indicatie dat AI een systeemtechnologie is en niet zomaar een speeltje van techbedrijven. Het leven én de inhoud van het werk van veel mensen zal de komende jaren drastisch veranderen. Onderzoekers voorspellen bijvoorbeeld dat met name generatieve AI een jaarlijkse productiviteitstijging tussen de 1% en 3% kan realiseren. Dat is dus cumulatief, jaar op jaar. Het is een uitdaging voor ons allemaal om daar een weg in te vinden, schrijvers, musici, acteurs en andere creatieve en educatieve beroepen daarbij ingesloten.

Overal waar een creatief (generatief) proces aan te pas komt, gaat generative AI een zeer belangrijke rol spelen. Denk hierbij aan beroepen zoals:

Beleidsmedewerkers en managers
Consultants en (financieel) adviseurs
Marketeers en reclamemakers
Sales en accountmanagers
Schrijvers, docenten, musici, filmmakers, scriptschrijvers en acteurs

Advocaten, makelaars en notarissen
SEO specialisten en webredacteuren
IT architecten, programmeurs en beheerders
Accountants en auditors
Data Engineers & Data Analisten
Enzovoorts

De lijst kan zo lang gemaakt worden als je zelf wilt. Creatieve processen komen immers in elk beroep en in elke sector voor. Wil jij ook de impact weten van generative AI op jouw organisatie of bedrijf? Neem dan contact op met de generative AI specialisten.

Meer informatie over Generatieve AI?

Wil je meer informatie of een keer vrijblijvend doorpraten over de toepassingen van generatieve AI? Laat dan je contactgegevens hier achter.

Over Passionned Group

Passionned Group is dé specialist in het bedenken en maken van innovatieve artificial intelligence oplossingen waaronder generative AI. Onze bekwame consultants helpen je om jouw organisatie te kantelen naar een datagedreven bedrijf waar AI-first de regel kan worden. Om het jaar organiseren wij de Dutch BI & Data Science Award™.

neem contact met ons op

Veelgestelde vragen

Wat is generatieve AI?

Een AI-technologie die imitaties kan maken die nauwelijks te onderscheiden zijn van de voorbeelden waarvan het heeft geleerd.

Wat zijn Large Language Models?

Dit zijn zogenaamde Generative Pre-Trained taalmodellen die een astronomisch aantal parameters hebben waardoor ze in staat zijn om sequenties op meerdere niveaus te herkennen en te genereren.

Is Generative AI een bedreiging?

Zeker. Elk creatief proces en elke sector gaat hier veel last van krijgen. Maar generative AI biedt natuurlijk ook kansen wanneer je het effectief kan inzetten in jouw organisatie.

Zijn de resultaten van generative AI altijd betrouwbaar?

Nee, deze vorm van AI biedt "slechts" een benadering (zoals overigens alle AI) maar in veel gevallen is dat voldoende. Je zult de resultaten altijd (regelmatig) moeten controleren door een deskundige. Door je prompts nader te specificeren kun je betere resultaten laten genereren.