AI: een magische machine of dubieuze drab?
AI wordt vaak geprezen als een magische machine, maar even vaak afgedaan als dubieuze drab. Professor Shyam Sundar noemde ChatGPT zelfs een ‘bullshit-generator’– keurig afgekort tot BS-generator, want vloeken hoort niet in een wetenschappelijk artikel. Hij is niet de enige: ook journalisten en opiniemakers concluderen, vaak na een fout, dat AI niet meer is dan een opgeblazen hype. De tool voldoet niet aan de verwachtingen, en dus wordt AI vaak afgedaan als overgewaardeerde technologie.
Dit simplistische beeld doet de werkelijkheid tekort, betogen Erdinç Saçan en Barend Last in Trouw. AI is geen homogeen systeem, maar kent vele vormen: van LLM’s die teksten genereren tot recommender systems die content afstemmen op het publiek en machine learning-modellen die sentiment analyseren. Deze verschillende vormen van AI komen ook niet in een of twee tools, maar in duizenden – 27.866 om precies te zijn, volgens de database There’s an AI for that. Toch worden AI-fouten vaak veralgemeniseerd, alsof het één enkel systeem betreft met dezelfde gebreken. “We moeten AI niet reduceren tot een karikatuur,” stellen Saçan en Last daarom. Want: “Wie alle AI op één hoop gooit, mist de potentie ervan.” Toch gebeurt dit keer op keer. Waarom?
Wanneer een mens een fout maakt, wijten we dat aan het individu. Bij AI werkt dat anders door een fenomeen dat de onderzoeker Chiara Longoni en collega’s algorithmic transference noemen (2023). Hierbij wordt een tekortkoming van één AI-systeem automatisch toegeschreven aan álle AI, alsof het één entiteit is. Dit komt voort uit hoe we groepen categoriseren. Mensen zien zichzelf als uniek en divers, terwijl AI-systemen als een homogene ‘out-group’ worden beschouwd. Een chatbot die onzin uitkraamt? Dan is AI als geheel onbetrouwbaar. Een algoritme met bias? Dan is alle AI bevooroordeeld. Dit vertekende beeld belemmert een genuanceerde discussie.
Voor ons, communicatieprofessionals, is hier een belangrijke taak weggelegd. We krijgen steeds meer te maken met organisaties die AI willen inzetten, maar worden ook geconfronteerd met weerstand, vanuit anderen of onszelf. Algorithmic transference draagt hieraan bij.
"Alleen door nuance aan te brengen, voorkomen we dat AI onnodig wordt weggewuifd of blindelings omarmd"
AI-systemen zijn verre van perfect. Ze kunnen bevooroordeeld zijn, context missen of fouten maken. Tegelijkertijd bieden ze ook veel potentie. Het is dus verleidelijk om AI ofwel als dubieuze drab of magische machines te bestempelen. Maar zoals dat zo vaak is, ligt de waarheid ertussenin. AI is geen alleskunner of bullshit-generator, maar een verzameling tools met eigen mogelijkheden en beperkingen. Aan communicatieprofessionals de taak om te verdiepen wat een AI-systeem wel en niet kan, en binnen welke kaders het werkt, en hierover het gesprek te voeren. Alleen door nuance aan te brengen, voorkomen we dat AI onnodig wordt weggewuifd – of blindelings omarmd.
Foto: Germán Villafane
Bronnen:
Sundar, S. S., & Liao, M. (2023). Calling BS on ChatGPT: Reflections on AI as a communication source. Journalism & Communication Monographs, 25(2), 165-180.
Longoni, C., Cian, L., & Kyung, E. J. (2023). Algorithmic transference: People overgeneralize failures of AI in the government. Journal of Marketing Research, 60(1), 170-188.
www.trouw.nl/opinie/opinie-wie-alle-ai-op-een-hoop-gooit-mist-de-potentie-ervan~b72332ef/