Er wordt al langere tijd over gesproken en mee geëxperimenteerd, maar nu staat het opeens volop in de belangstelling: AI-systemen die AI-systemen verbeteren.
Systemen die, in een continue lus van zelfverbetering, uiteindelijk kunnen leiden tot een explosie van intelligentie. Omdat ze onvermoeibaar suggesties doen, oplossingen bedenken, controleren, feedback verwerken en zichzelf verbeteren.
In theorie is dit het begin van een exponentiële groeicurve, waarin AI-systemen op weg zijn naar human-level performance. Op weg naar artificial general intelligence (AGI): systemen met een intelligentie vergelijkbaar met die van de mens.
Wat is er aan de hand?
Algoritmes vormen de ruggengraat van vrijwel alle software- en AI-systemen. Denk aan de hele digitale wereld: ChatGPT, Deepmind, Gemini, Claude, social media apps en software voor wetenschappelijke ontdekkingen. Algoritmes bepalen hoe data wordt verwerkt, hoe beslissingen worden genomen en hoe taken worden uitgevoerd.
Google DeepMind heeft nu een systeem ontwikkeld/ verfijnd waarbij AI-software algoritmes genereert en computercode in een feedbacklus voortdurend verbetert.
Het principe bestaat al langer, maar Google heeft met AlphaEvolve (op meerdere slimme manieren en extra veel brute kracht) dit systeem sterk verbeterd.
Dat opent de deur naar nieuwe wetenschappelijke ontdekkingen, technologische versnelling en zowel economische als maatschappelijke veranderingen.
AI 2027 Groeicurve
Een tijdje geleden schreef ik al over het rapport AI 2027, dat forse voorspellingen doet over een kwalitatieve AI-groeicurve in dat specifieke jaar. Daarin wordt expliciet vermeld dat “AI-systemen andere AI-systemen zullen verbeteren” en dat dat leidt tot een explosie van intelligentie. En nu bevinden we ons precies op dat kantelpunt.
AI is momenteel vaak nog een co-creator van wetenschappelijke ontdekkingen. Nvidia en Samsung gebruiken bijvoorbeeld AI-software om hun eigen chips sneller en zuiniger te maken.
AI kan hypotheses formuleren en onderzoek doen naar de beste oplossingen, nu nog in samenwerking met de mens als co-piloot. De volgende stap is echter de autopiloot: systemen die zichzelf zelfstandig verbeteren. Automatische algoritmische innovatie.
Nieuwe ideeën?
In die context leeft bij het bredere publiek al langer de vraag of taalmodellen daadwerkelijk in staat zijn om nieuwe ideeën te bedenken en uitvindingen te doen, of dat ze slechts reproduceren wat mensen al bedacht hebben.
Op die vraag is inmiddels een duidelijk antwoord: AI-systemen kunnen nu ook zelfstandig oplossingen bedenken die niet aanwezig zijn in de dataset. Dat bleek eerder al uit het project FunSearch van Google, en nu ook uit AlphaEvolve. Deze systemen tonen aan dat AI niet alleen bestaande kennis toepast, maar ook in staat is nieuwe kennis te creëren.
AlphaEvolve vond bijvoorbeeld een manier om grote matrices nog sneller te vermenigvuldigen dan het 56 jaar oude Strassen-algoritme. Onafhankelijke onderzoekers bevestigen dat de gevonden algoritmen écht origineel zijn en geen kopie uit eerdere boeken of code.
Hoe werkt het?
Het taalmodel Gemini analyseert computercode en genereert honderden, soms duizenden, mogelijke verbeteringen.
In dit systeem is tevens een tweede model actief dat deze suggesties beoordeelt op juistheid en prestatie.
Vervolgens worden de beste varianten intern geselecteerd voor een nieuwe ronde van verbeteringen. Dat proces kun je zien als een vorm van natuurlijke selectie: alleen de beste oplossingen worden hergebruikt en verder verfijnd.
En dit proces herhaalt zich voortdurend. Google beschikt over voldoende brute rekenkracht om duizenden varianten tegelijk te testen en met elkaar te laten concurreren, totdat uiteindelijk een optimaal algoritme ontstaat.
Zo bedenkt het systeem zelfstandig oplossingen voor complexe wiskundige en technische vraagstukken.
Innovatie wordt daarmee steeds meer geautomatiseerd.
Resultaten
Alpha Evolve is binnen Google al ingezet en heeft optimalisaties ontdekt die een mens niet snel zou vinden, maar die software wel kan genereren, met oplossingen die bovendien controleerbaar en begrijpelijk blijven.
Een concreet voorbeeld van dit succes zien we in de datacenters van Google: het systeem heeft daar een energiebesparing van 0,7 procent gerealiseerd. Dat lijkt misschien weinig, maar op de immense schaal van Google’s infrastructuur betekent dit een enorme besparing in energieverbruik en kosten.
Toekomst
AI is dus nu een ontdekker en onderzoeker. Het kan razendsnel en op grote schaal onvermoeibaar naar oplossingen zoeken. Het gaat actief bijdragen aan wetenschappelijke en technologische vooruitgang. De komende jaren zullen we hier de zoete vruchten van plukken.
In de toekomst zien we de inzet van dit soort systemen bij bijvoorbeeld de ontwikkeling van nieuwe medicijnen. AI kan miljarden moleculen digitaal genereren en testen op zoek naar het meest effectieve medicijn.
Ook kan het worden gebruikt voor materiaalonderzoek en bedrijfsoptimalisatie, bijvoorbeeld op het gebied van logistiek of financiën.
In de wetenschap mogen we grote doorbraken verwachten. Het is een soort tijdmachine. We krijgen betere materialen, lagere energiekosten, hogere prestaties, duurzamere datacenters en snellere ontwikkeling van geneesmiddelen.
Kritische Noot
Toch is een kritische kanttekening op zijn plaats: op dit moment zijn het vooral de grote spelers zoals Google die beschikken over dit soort AI-systemen. Dat leidt helaas tot een verdere concentratie van macht. Uiteindelijk willen we immers dat deze vooruitgang ten goede komt aan de hele samenleving, en niet slechts in handen blijft van een paar machtige organisaties.
