1Leden pagina

Wat intelligentie precies is, is een belangrijke vraag voor wie die met computers probeert na te bootsen. Steeds verschuift de grens. Is een computersysteem intelligent als het een schaakkampioen verslaat? Moet een AI-toepassing de structuur van eiwitten kunnen ontvouwen? Of hebben we intelligentie pas écht weten te vangen, nu er mensen zijn die verliefd worden op computersystemen?

Op dit soort vragen bouwde computerwetenschapper en ondernemer Fei-Fei Li (1976) haar imposante carrière. Haar antwoorden droegen bij aan de huidige AI-hausse. Nu bouwt ze aan de volgende fase: ruimtelijke AI, waar technologie-experts grote verwachtingen van hebben. Intuïtief wist Li altijd al wel dat intelligentie „verschillende niveaus van complexiteit en verfijning” behelst, zei ze in 2024 tegen technologiemagazine Spectrum. Ze begon bij zicht, als een van de lagere treden op de ladder van intelligentie. „Wat mensen onvoldoende beseffen, is dat zien nauw samenhangt met actie, zowel voor dieren als voor AI-systemen. Als je niet doorhebt wat er om je heen gebeurt, blijft je relatie tot de wereld hangen in passiviteit.”

Mensen zeggen dat Li computers heeft leren ‘kijken’ en noemen haar daarom liefkozend de „peetmoeder van AI”. Ze doelen dan op ImageNet, de gigantische databank van afbeeldingen met omschrijvingen die zij in 2006 begon aan te leggen zodat computers daarop konden trainen. Typisch monnikenwerk, en volgens veel van haar collega’s eigenlijk gekkenwerk. Niet alleen vanwege de tijd die het allemaal zou kosten, maar ook omdat haar collega’s dachten dat het niet nodig zou zijn. Ja: beeldherkenningssoftware maakte nog veel fouten, maar dat zouden betere algoritmes toch wel oplossen?

Li dacht na over hoe zij zelf onderscheid had leren maken. Juist ja: door jarenlang de wereld te observeren, te luisteren, en te voelen. Kortom: door data te vergaren. Ze geloofde in een vergelijkbaar traject voor machines en ging toch maar aan de slag. Voor 10 dollar per uur liet ze studenten afbeeldingen labelen, maar dat schoot niet op. Toen vertelde een student haar dat ze het werk kon aanbieden op een online baantjesplatform. Duizenden buitenlandse gig workers begonnen dieren, objecten en mensen te labelen en te categoriseren. In 2009 bestond ImageNet uit ruim een miljoen gelabelde afbeeldingen, verdeeld over ruim vijfduizend categorieën.

Het werd een doorslaand succes. Dankzij Li’s databank waarop AI-modellen konden trainen, begonnen computers beter afbeeldingen te herkennen. Tegenwoordig kunnen smartphonecamera’s plantensoorten identificeren, herkennen zelfrijdende auto’s de meeste voetgangers en lukt het socialemediaplatforms automatisch een groot deel van de ongewenste content als zodanig te signaleren. Het zijn allemaal erfenissen van Li — net als het nu wijdverspreide geloof dat voor kunstmatige intelligentie meer data vrijwel altijd betere resultaten opleveren.

Emigratie naar Amerika

Fei-Fei Li emigreerde als vijftienjarige met haar ouders van de Chinese Sichuan-regio naar New Jersey. In haar biografie The Worlds I See (2023) beschrijft ze waarom. Haar moeder was een intellectuele vrouw die „aan de verkeerde kant van de Culturele Revolutie was geboren”. Mensen met haar achtergrond leefden onder het regime van de Chinese Communistische Partij „in ballingschap”. Ze overstelpte haar dochter met westerse boeken. Li beschrijft haar vader als een flierefluiter, die een grote passie voor de natuur op haar overbracht. Terwijl zijn vrouw beviel van hun eerste kind, was hij in het park vogels aan het spotten, zonder enig besef van tijd. Ze vernoemden de baby naar het Chinese woord voor vliegen: Fei.

Hoewel het middenklassegezin in China economisch niets tekortkwam, bood het land van de Communistische Partij voor de zelfbenoemde „tomboy” Fei-Fei, die uitblonk op school, maar weinig kansen. Ze herinnert zich die keer dat haar docent de meisjes na een wiskundeles eerder dan de jongens de klas uit stuurde. Met haar oor tegen de deur hoorde Fei-Fei de docent de jongens streng toespreken dat het een schande was dat ze gemiddeld lagere cijfers haalden dan de meisjes, die toch echt „biologisch dommer” waren dan zij.

In de VS was Li plotseling een migrant. Thuis was er sinds de emigratie weinig geld, zeker toen haar moeder ziek werd en noodgedwongen stopte met werken. Vanaf dag één moest Li voor haar ouders vertalen, uitleggen en pleiten. In de bètavakken vond ze „een nieuw thuis”. Ze werd bevriend met haar wiskundedocent, die de familie Li uiteindelijk 20.000 dollar zou lenen om een wasserij te kopen. Fei-Fei Li mocht dankzij een studiebeurs naar een topuniversiteit om natuurkunde te studeren: Princeton, waar Albert Einstein, ook een migrant, zijn laatste decennia doorbracht. Li was ervan doordrongen dat Princeton voor haar dé kans zou zijn „om te ontsnappen uit de marges van de samenleving”. Ieder weekend ging ze trouw terug naar haar ouders, om haar vader te helpen in de wasserij.

Trainen op ‘witte’ data

Na Li’s succes met ImageNet begonnen ook grote techbedrijven volop in te zetten op AI. „Het was een harde werkelijkheid dat universiteiten, ooit de alfa en de omega van AI-onderzoek, niet langer de enige instituties in de frontlinie zijn”, schrijft ze daarover. „Wij [academici] hebben het [AI] niet langer alleen in onze greep.”

Dankzij ImageNet konden bedrijven als Yahoo en Google nu ook automatisch afbeeldingen labelen. Dat ging flink mis: beide platforms labelden in 2015 foto’s van zwarte mensen automatisch als „aap”. De datasets waarop hun modellen waren getraind, waren simpelweg ’te wit’. „Ik dacht terug aan de jaren dat we zo ons best deden om ImageNet op te bouwen, en hoe weinig we wisten over dit soort kwesties”, schrijft Li in haar memoires. Het gebrek aan diversiteit was niet alleen problematisch in datasets, maar ook op de werkvloer, vond ze. Li richtte AI4ALL op, een non-profitorganisatie waarmee ze jongeren uit minderheidsgroepen met AI in aanraking bracht.

Halverwege de jaren 2010 combineerde Li twee drukke banen: hoofd van Stanfords AI-lab en hoofdwetenschapper AI bij Google Cloud Platform. In 2017 raakte ze verwikkeld in het hevige interne debat over Project Maven, Googles eerste grote AI-contract met het Pentagon. Googles beeldherkenningssoftware zou gebruikt worden om voertuigen en mensen te onderscheiden op dronebeelden. Critici zagen het als een eerste stap naar autonome wapens. Daar was Li zich ook goed van bewust, bleek uit e-mails die via The New York Times uitlekten. Li adviseerde haar collega’s het defensiecontract te presenteren als een groot commercieel succes voor Google Cloud. „Vermijd koste wat het kost de vermelding van AI”, schreef ze. „Bewapende AI is misschien wel een van de meest gevoelige onderwerpen binnen AI — zo niet hét gevoeligste. Voor de media is dit een stuk rood vlees.”

Het contract stond haaks op de boodschap die Li in die periode zelf begon uit te dragen. Een paar weken voordat haar e-mails uitlekten, introduceerde ze met een opiniestuk in The New York Times nog haar nieuwe stokpaardje: „human-centered AI”. De gedachten daarbij is dat de mens in AI geen concurrent vindt, maar een hulpje om zijn doelen te behalen. Geen technologie die de mens vervangt, maar hem beter maakt in zijn werk. Die uitgelekte e-mails brachten Li’s integriteit plots in opspraak.

Kort na de voor Li pijnlijke onthulling in Amerikaanse media tekenden duizenden Google-medewerkers een petitie tegen het defensiecontract. Google verbrak uiteindelijk het contract en stelde, met de inbreng van Li, publieke principes op die schadelijke toepassingen van AI moesten voorkomen. Wired vergeleek dat droogjes met een vos die het kippenhok bewaakt — een metafoor die vorig jaar raak bleek, toen Google besloot z’n AI-principes te schrappen. Li was toen al zeven jaar weg.

Sinds haar vertrek bij Google profileert Li zich als de nuchtere stem tussen techleiders die utopieën of juist nachtmerries verkopen. Toen The Guardian haar in 2023 rechtstreeks vroeg of ze verantwoordelijkheid neemt voor hoe AI wordt gebruikt: „Natuurlijk neem ik geen verantwoordelijkheid voor hoe alle AI wordt gebruikt. Moet [de natuurkundige James Clerk] Maxwell verantwoordelijkheid nemen voor hoe elektriciteit wordt gebruikt, omdat hij de vergelijkingen ontwikkelde die het beschrijven?” AI is „een instrument,” vervolgt ze, „waarmee we een rommelige relatie hebben”.

Ruimtelijke intelligentie

Waar ze machines twee decennia terug leerde ‘kijken’, verlegt Li haar aandacht nu naar AI die kan handelen: een stap verder de fysieke wereld in, voortbouwend op het fundament dat ze met ImageNet legde. Ze richtte World Labs op, een start-up in San Francisco gericht op „ruimtelijke intelligentie”. In een recent Substack-essay omschrijft ze het „wereldmodel” dat voor ruimtelijke intelligentie nodig is via drie eigenschappen: generatief (het genereert werelden die perceptueel, geometrisch en fysisch consistent zijn), multimodaal (getraind op beeld, tekst en actie) en interactief (het voorspelt, gegeven een actie, de volgende fase van die wereld).

AI-onderzoeker Erik Bekkers (Universiteit van Amsterdam), die zelf aan verwante „physical AI” werkt, vat het samen als „AI die begrip heeft van geometrie en natuurwetten, zodat ze veilig en zinvol met de fysieke wereld kan omgaan”. Het is een nieuwe fase na taalmodellen als Claude, ChatGPT en Kimi, die Li in haar Substack-essay „onwetende woordsmeden” noemde.

Voor de ontwikkeling van wereldmodellen heeft World Labs miljarden dollars aan kapitaal nodig. De Amerikaanse durfkapitaalfirma Andreessen Horowitz (ook wel: a16z) verstrekte Li twee jaar geleden 230 miljoen dollar (197 miljoen euro) startkapitaal. Begin dit jaar haalde World Labs nog een miljard dollar op, wat de marktwaardering ervan op 5 miljard bracht. Met het eerste model van World Labs, Marble, kunnen gebruikers via een foto of tekstprompt een driedimensionale wereld genereren. Dit is bedoeld als opstap naar trainingsmateriaal waarop robots virtueel kunnen oefenen, World Labs’ eigen manier om het nijpende tekort aan trainingsdata in de roboticasector te dichten.

Verzet tegen strenge AI-regulering

In 2024 moest Li kleur bekennen: als ze zo’n idealistische kijk heeft op AI-ontwikkeling, hoe kijkt ze dan naar regulering? In Big Tech-thuisstaat Californië lag toen SB 1047 voor, de eerste serieuze Amerikaanse AI-veiligheidswet. Het voorstel bevatte onder meer verplichte veiligheidsprotocollen voor de duurste modellen en een „kill switch” voor modellen die een gevaar vormen. Verschillende invloedrijke personen in de AI-wereld, zoals de Canadese wetenschapper Yoshua Bengio, zagen dat als de „bare minimum”, maar Li verzette zich in Fortune fel tegen SB 1047: de wet zou „innovatie stopzetten”, „de opensourcegemeenschap verwoesten” en „academisch onderzoek” verlammen.

Li’s opiniestuk kreeg een nare nasmaak, omdat World Labs vijf weken erna een investering kreeg van a16z, dat net als Li hard campagne voerde tegen de AI-veiligheidswet. Het invloedrijke durfkapitaalfonds predikt radicaal techno-optimisme en lobbyt agressief tegen regulering. Oprichter Marc Andreessen noemde het afremmen van AI-ontwikkeling in zijn manifest „een vorm van moord”. Nadat bekend was geworden dat het bedrijf van de miljardair in World Labs had geïnvesteerd, vroeg commentator Zvi Mowshowitz zich af of hij zo de stem van Li had gekocht: „Stelt a16z zulke pleidooien, impliciet of expliciet, als voorwaarde voor investeringen? Zeg me dat het niet zo is.”

Uiteindelijk was de lobby van de techindustrie succesvol. Gavin Newsom, gouverneur van Californië, sprak zijn veto uit. Nog op dezelfde dag vroeg hij Li mee te schrijven aan een nieuw wetsvoorstel. Dat leidde eind vorig jaar uiteindelijk tot een aanmerkelijk minder strenge AI-veiligheidswet, zonder kill switch en zonder verplichte externe audits van AI-modellen. Nu moet de samenleving Sam Altman erop vertrouwen dat OpenAI eerlijk en transparant over de risico’s van zijn AI-modellen rapporteert. Ook dat is een erfenis van Li.

Li moedigt het maatschappelijk middenveld nadrukkelijk aan om „AI nog niet op te geven”, en zich er tegenaan te bemoeien. Essentieel noemt ze de intenties van hen die AI-systemen ontwikkelen, schrijft ze in haar memoires. Zij zullen het traject vormgeven. Het is de vraag of maatschappelijk engagement en goede intenties voldoende zullen zijn om de positieve toepassingen van AI te stimuleren, en schadelijke toepassingen te remmen. Aan Li’s intenties heeft nooit iemand getwijfeld, alleen bepalen die de afloop niet.