Expert • Les 6

De toekomst van AI: reasoning, planning en AGI

AI-ontwikkeling gaat snel. De onderzoeksagenda voor de komende jaren richt zich op betere redenering, autonome planning en de vraag of AGI nabij is.

Reasoning-modellen

Modellen als OpenAI o1, o3 en Claude 3.7 Sonnet zijn getraind om voor het antwoorden een interne redeneerstap (chain-of-thought) te doorlopen. Dit verbetert prestaties op wiskunde, logica en complexe meerstappe-taken aanzienlijk. De trade-off: langere responstijden en hogere kosten.

Planning en world models

Voor complexe taken moeten AI-systemen meerdere stappen vooruit kunnen plannen en consequenties van acties inschatten. Onderzoek richt zich op world models: interne representaties van hoe de wereld werkt. DeepMind werkt hieraan via Gato en Gemini; OpenAI via zijn agentische systemen.

Schaalwetten (scaling laws)

Empirisch onderzoek toont dat modelprestaties voorspelbaar schalen met meer parameters en meer trainingsdata. De Chinchilla-wet (2022) verfijnde dit: kleine modellen op veel data presteren beter dan grote modellen op weinig data. Of schaling onbeperkt doorgaat is een open vraag.

AGI: wanneer en wat?

Er is geen consensus over de definitie van AGI (Artificial General Intelligence). OpenAI definieert het als een systeem dat de meeste economisch waardevolle kenniswerktaken overtreft. Anthropic spreekt van transformatieve AI. Tijdlijnen varieren van 2027 tot ver in de toekomst, afhankelijk van de onderzoeker.