Evolutie van AI en het potentieel ervan: Q&A met Google

Vraag: AI bestaat al tientallen jaren, waarom zien we momenteel een heropleving?

Veel bedrijven, waaronder Google, gebruiken AI al jaren om hun producten en diensten te verbeteren – of het nu gaat om nauwkeurigere zoekresultaten of het voorstellen van betere routes in Maps. Een ander veelgebruikt gebruik van AI is voorspellende tekst, bijvoorbeeld in Gmail. Google was een pionier in het concept van transformatormodellen als technologie en maakte er open source van. De GPT in ChatGPT is de afkorting voor generatieve pre-transformator.

Nu zijn de fundamenten aanwezig om de kansen voor AI te creëren. De verwerkingssnelheid is zoveel beter. Er zijn enorme prestaties nodig om grote taalmodellen met honderden miljarden parameters te trainen. Ten tweede is de enorme explosie aan data de brandstof waardoor deze modellen nog betere resultaten en uitkomsten kunnen produceren.

Tegelijkertijd worden deze grote taalmodellen (LLM's) snel ontwikkeld, worden ze slimmer en gaat het leren steeds sneller. De mogelijkheden zijn enorm als het gaat om waar generatieve AI (gen AI) kan worden toegepast. LLM's zijn de drijvende kracht achter generatieve AI. Als je vandaag aan Google Search vraagt wat 2+2 is, zal het antwoord 4 zijn, niet omdat het over intelligentie beschikt, maar omdat het ergens in een document staat waarvoor de LLM's van Google zijn getraind.

Het zijn de voorspellende mogelijkheden die AI zo interessant maken. Bedrijven en organisaties stellen doorgaans drie belangrijke vragen: Hoe kunnen we kosten besparen met AI? Hoe kunnen mijn medewerkers productiever zijn? Hoe kan de klantervaring verbeterd worden? Een digitale ondersteuningsassistent is een echte use case voor generatieve AI, en naarmate deze meer ingebed raakt in processen, wordt deze bruikbaarder.

Belangrijk is ook dat het te gelde maken van gegevens is begonnen. Application Programming Interfaces (API's) waarmee twee softwarecomponenten (zoals een app en mobiele telefoon) met elkaar konden communiceren, waren vaak gratis. Onlangs hebben we gezien dat populaire sociale platforms zoals Twitter en Reddit ontwikkelaars geld in rekening brachten voor toegang tot de gegevens van hun apps. Bedrijven willen inkomsten genereren met hun gegevens en, cruciaal, dit voorkomt dat iedereen het internet afstruint om LLM's te creëren.

Vraag: Welke gebieden hebben het meeste potentieel voor AI-toepassingen?

Wat consumenten betreft, ligt de nadruk op de hulpmiddelen en diensten die hun leven kunnen verbeteren.  Er is een enorm scala aan consumenteninteracties die dankzij AI een stuk eenvoudiger en meeslepender zullen worden. Ondertussen gebruiken zakelijke klanten AI om de bedrijfsgroei te stimuleren.

Het derde onderdeel hiervan is verantwoordelijkheid: wat zijn de mogelijkheden om de samenleving als geheel te verbeteren? We moeten mensen beschermen tegen de potentiële gevaren van AI via waarborgen en regelgeving. Hoe kunnen we het leven van mensen beter maken, hoe kan AI dat veel efficiënter doen? Sommige gebieden waar AI al helpt, zijn het op grote schaal diagnosticeren van ziekten en het helpen bij het voorspellen van overstromingen. De VS zien een recordjaar voor nieuwe medicijnen, waarbij AI die productiviteit mogelijk maakt.

Vraag: Waar wordt generatieve AI tegenwoordig gebruikt?

In elk product van Google is AI ingebouwd. Google ziet echte interesse van consumenten om met deze technologie te communiceren en deze op interessante manieren te gebruiken. Er zijn meerdere gebieden die spannend zijn en een enorm potentieel hebben met behulp van AI. Het fundamentele menselijke verlangen om te zoeken naar informatie die relevant en semantisch van aard is, is zeer krachtig. We kunnen een AI-ondersteund traject doorlopen via een HR-helpdesk, een bankhelpdesk, een reishelpdesk of een andere klantgerichte behoefte. AI helpt het vinden van gegevens te ontsluiten. Generatieve AI die gebruik maakt van grote taalmodellen heeft het vermogen om op natuurlijke wijze elke gegevensbron te bevragen en kan deze op een bepaalde manier worden getraind.

Sundar Pichai, CEO van Google en Alphabet, zei dat hun benadering van AI gedurfd, maar ook verantwoordelijk moet zijn. De manier waarop AI wordt ontwikkeld en ingezet kan ten goede komen aan de samenleving, of het nu gaat om de transformatie van de gezondheidszorg, het vertragen van de klimaatverandering en andere manieren die ons leven uiteindelijk kunnen verbeteren. Het Green Light-project van Google maakt gebruik van gen-AI en het stimuleren van trends om de uitstoot van auto's te helpen terugdringen, door de meest efficiënte verkeerspatronen en routes te creëren.

Als het gaat om het verbeteren van de productiviteit van medewerkers, besteedt een softwareontwikkelaar gemiddeld minimaal 30 minuten per dag aan het zoeken naar oplossingen. AI-technologie kan helpen door het proces te versnellen, binnen enkele seconden een oplossing aan te bieden en de code te schrijven om de oplossing te implementeren. Deze use case voor AI is al wijdverspreid en breidt zich uit naar elke sector, of het nu gaat om financiële dienstverlening, telecombedrijven, detailhandel, gezondheidszorg, e-commerce, overheden, enz.

Vraag: Waarom is de cloud een belangrijk leveringsmechanisme voor AI? Wat drijft de behoefte van hyperscalers aan gespecialiseerde microchips die aanzienlijke R&D-kosten met zich meebrengen?

Generatieve AI is niet slechts één technologie, het is een stapel technologieën, waarvan de meest fundamentele de infrastructuur is. Andrew Ng van Stanford University zei: “Artificiële intelligentie is de nieuwe elektriciteit.” Als we deze zin uitbreiden, zijn data de brandstof die het elektriciteitsnet aandrijft, en is het elektriciteitsnet feitelijk de cloud. Clouddata en AI zijn zeer nauw met elkaar verbonden; cloud-hyperscalers worden de kern van alles wat AI is. Cloud is de infrastructuur aan de onderkant die nodig is om grote datasets te beheren, verwerken en opslaan. Uber Eats heeft zijn volledige conversatie-AI-interface mogelijk gemaakt met behulp van Google API's en infrastructuur. En belangrijker nog: big data zijn de katalysator voor de cloud, want om de AI echt opnieuw te ontwerpen en te kunnen benutten, en data toegankelijk te maken, heb je een cloudinfrastructuur nodig.

Er zijn drie redenen die de behoefte aan op maat gemaakte chips rechtvaardigen: prijs-prestatieverhouding, duurzaamheid en de enorme complexiteit van LLM's om aan de complexe en aangepaste behoeften van klanten te voldoen. Google werkt samen met NVIDIA aan de GPU-kant (grafische verwerking), maar heeft historisch gezien ook geïnnoveerd op TPU's of tensorverwerkingseenheden. Tensorverwerkingseenheden (TPU's) zijn door Google op maat ontwikkelde applicatiespecifieke geïntegreerde circuits (ASIC's) die worden gebruikt om de werklast van machine learning te versnellen.

De huidige chips voor algemeen gebruik voeren alleen standaardvermenigvuldiging uit, maar complexe grote datasets (zettabytes aan informatie) vereisen matrixvermenigvuldiging, wat standaard CPU's (die het besturingssysteem en apps draaien) niet kunnen doen. Dat is de reden waarom het hele idee van versnellers begon en is ontworpen door onder meer nVIDIA en Marvell Technology. Het grootste grote taalmodel van Google heeft momenteel ongeveer 540 miljard parameters. De volgende zal ongeveer een biljoen parameters hebben.

In termen van kosten en duurzaamheidsfactoren geldt dat hoe efficiënter u wordt, de kosten voor het beantwoorden van de vraag lager worden. De training- en gevolgtrekkingskosten voor grote taalmodellen zijn ook extreem koolstofintensief, vandaar de wens en behoefte van hyperscalers om hun eigen silicium te ontwerpen.

Vraag: Wat zijn de belangrijkste zorgen met betrekking tot AI, gezien de kracht ervan?

Verantwoorde ontwrichting is ongelooflijk belangrijk omdat het gevolgen heeft voor de levens van mensen, banen, overheden en economieën. Over het algemeen hanteren technologiebedrijven op dit gebied een veel doordachtere aanpak dan in het verleden, wat zeer positief is voor de sector.

Beveiliging op het gebied van gegevensprivacy en cybercriminaliteit zijn inherent aan elke nieuwe technologie die zich ontwikkelt. Wat AI ook met zich meebrengt, is een uitdaging op het gebied van de verklaarbaarheid. Wanneer een chatbot/conversationele AI een vraag wordt gesteld en een antwoord uitstraalt, hoe verklaart hij dan hoe hij tot dat antwoord is gekomen? Dit is een probleem dat vooral gevolgen heeft voor organisaties waar klanten uiteindelijk op vertrouwen, zoals overheden en banken.

Uitlegbaarheid is een lastig probleem in een groot taalmodel. Wanneer twee mensen met elkaar omgaan, is het niet zo eenvoudig om te voorspellen hoe de ander zal reageren, omdat dit afhangt van de context, waar en wanneer ze elkaar ontmoeten, enz. Het is dezelfde situatie als het gaat om generatieve AI en grote taalmodellen. Hieraan gekoppeld is het 'hallucineren' wanneer generatieve AI iets compleet verzonnen bedenkt.

Google Bard heeft een controlefunctie ingebouwd, die gebruik maakt van zijn kracht in Search om de feiten te controleren, met als doel om van AI een meer geruststellende, positieve ervaring te maken. Het identificeren en verwijderen van desinformatie zijn gebieden die een belangrijk aandachtspunt zijn.

In termen van eigendomsgegevens en zorgen over scraping is Google van mening dat de toegang tot grote taalmodellen zal worden gedemocratiseerd, of deze nu afkomstig is van Google, OpenAI, Meta enz. Grote taalmodellen worden doorgaans getraind op generieke gegevens die vrij beschikbaar zijn. Bedrijven krijgen echte waarde als ze hun bedrijfseigen gegevens combineren met de kracht van een groot taalmodel. Dit is het moment waarop ze hiervan gaan profiteren, door klantgegevens te integreren in eigen databases met front-endplatforms en back-endsystemen.

Opmerking: Senior leiders van Google – Mitesh Agarwal, Chief Technology Officer, Google Cloud APAC en Simon Kahn, Chief Marketing Officer, Google APAC.

Belangrijke informatie

De De technologiesector kan een sterke negatieve impact ondervinden van veroudering van bestaande technologie, korte productcycli, prijs- en winstdalingen, concurrentie van nieuwe marktspelers en algemene economische omstandigheden.Geconcentreerd beleggen in één enkele sector zou gepaard kunnen gaan met een hogere volatiliteit dan de prestaties van minder geconcentreerde beleggingen en de markt.