De relatie tussen taal en kunstmatige intelligentie volgens Tom Griffiths van Princeton
In een recente aflevering van de podcast Me, Myself, and AI komt Tom Griffiths, professor aan de Princeton Universiteit, aan het woord. Hij bespreekt zijn nieuwe boek The Laws of Thought en hoe wiskunde door de eeuwen heen is ingezet om de werking van zowel menselijke als machine-intelligentie te doorgronden. Griffiths verkent de verbindingen tussen cognitieve wetenschap, grote taalmodellen en de scheidslijnen tussen menselijke en machinale intelligentie.
Samenvatting
- Tom Griffiths presenteert drie belangrijke kaders die de huidige intelligentie vormgeven: regels en symbolen, neurale netwerken en waarschijnlijkheid.
- De discussie tussen Griffiths en podcastpresentator Sam Ransbotham behandelt de differentiatie tussen menselijke cognitie en kunstmatige intelligentie, en hoe taal hierin een belangrijke rol speelt.
- Griffiths onderzoekt hoe de samenwerking van deze drie kaders ons begrip van de menselijke geest kan verrijken en een beter beeld kan geven van de mogelijkheden van AI.
Drie kaders van intelligentie
Griffiths bespreekt de drie benaderingen die hij in zijn boek uiteenzet. Het eerste kader, dat van regels en symbolen, legt de basis bij de oorsprong van de logica, zoals geïntroduceerd door George Boole. Dit kader vormt de fundamenten van wat we nu cognitieve wetenschap noemen, die probeert te begrijpen hoe de geest functioneert door middel van wiskundige principes.
Neurale netwerken en leren
Het tweede kader betreft neurale netwerken. Griffiths legt uit hoe deze netwerken ons helpen complexe concepten te begrijpen, vooral omdat ons inzicht in deze concepten soms vaag is. Neurale netwerken maken het mogelijk om relaties tussen verschillende representaties te leren, wat problematisch kan zijn voor meer logische systemen.
Waarschijnlijkheid als derde kader
Het derde kader, dat van waarschijnlijkheid, biedt ons instrumenten om met onzekerheid om te gaan en inferenties te maken op basis van beschikbare gegevens. Dit is cruciaal voor het begrijpen van de werking van grote taalmodellen. Taalmodellen zijn bijvoorbeeld afhankelijk van het vermogen om de juiste token in een reeks te voorspellen, wat hun capaciteit om taal te begrijpen versterkt.
De rol van taal in de cognitie
Taal is een terugkerend thema in Griffiths’ betoog. Hij stelt dat taal zowel de regels en symbolen, als de neurale netwerken en de probabilistische elementen belicht. De combinatie van deze systemen zorgt ervoor dat taal niet alleen kan worden begrepen, maar ook geleerd kan worden, zelfs vanuit beperkte data. Dit is iets wat AI-systemen momenteel minder goed beheersen.
De implicaties voor recruitment en executive search
De inzichten van Griffiths zijn niet alleen van belang voor de intellectuele discussie over AI, maar hebben ook praktische gevolgen voor recruitment. Inzicht in de cognitieve processen die zowel mensen als machines aandrijven, kan waardevolle perspectieven bieden bij executive search. Het herkennen van de complementaire vaardigheden van mensen en machines kan helpen bij het identificeren van de juiste kandidaten voor specifieke rollen, waardoor de effectiviteit van executive search verbetert.
**Bronvermelding:** Sam Ransbotham, Me, Myself, and AI, 20 januari 2026, https://sloanreview.mit.edu/audio/connecting-language-and-artificial-intelligence-princetons-tom-griffiths/
