811 Innovatie is zwaar overrated
Een soortgelijke exercitie als in de vorige blog. Daar ging het over de toekomst van het lineaire non-fictie boek. Nu vraag ik me af hoe het zit met de blijvende rol van de mens als originele bedenker van ideeën? Want weer kreeg ik te horen: allemaal leuk en aardig met die AI, we zullen altijd zelf de vragen moeten aandragen, de onderzoekslijnen, de hypotheses moeten opstellen, nieuwe richtingen moeten bedenken, de overkoepelende visie moeten aandragen, bepalen wat belangrijk is en de moeite waard te onderzoeken. En weer snap ik wat er bedoeld wordt: het zal niet gaan als een proces op de achtergrond waar de ene uitvinding na de andere ongemerkt langs komt fietsen. Maar ondertussen vind ik de rol van de mens en het unieke van een nieuw idee zwaar overschat. Het is een vorm van romantisch wensdenken, okay, prima. Maar uitvindingen zijn zelden echt origineel en vaak voorspelbaar te ontwikkelen. Ik schreef eerder over TRIZ als afgedwongen innovatie-strategie maar net al hiervoor kan ik zelf niet meer scherp krijgen wat er eerder al door mij hier is opgekrabbeld, zie dus onder. Maar ik wil weer een stap verder gaan. Wat zijn de bronnen, wat zeggen anderen hier over, wat zijn realistische scenario’s?
Wat heeft de auteur te melden over AI in relatie tot innovatie en nieuwe dingen bedenken. Een vriend van me zei dat de schrijver altijd nodig zal blijven want AI heeft nooit een idee, een wens of een originele gedachte. Ik snap zijn punt maar denk tegelijkertijd dat ‘innovatie’ erg wordt overschat. TRIZ is daar een mooi bewijs voor, veel oplossingen zijn uiteindelijk te voorspellen en af te dwingen en werken volgens een sjabloon en zijn dus reproduceerbaar. Nieuw is vaak een combinatie van slim toepassen van een inzicht op een ander domein, van toeval, van uit blijven proberen. Ja maar, AI kan nooit jou een nieuwe uitvinding voorstellen, dat zul je toch echt zelf moeten bedenken? Oneens, ook dat kan in stappen verlopen. Je zegt dat je bijvoorbeeld snel geld wilt verdienen en iets zoekt dat aanslaat en er nog niet is. Dan moet je wel zeggen waar je zoekruimte ligt, bij een ergernis of verwondering van je, en dan vraag je wat er allemaal al in de markt is, wat de doelgroep is en zo verder. De oplossing komt echt niet uit de lucht vallen. Innovatie is zwaar overrated is mijn stelling. Ook een wetenschapper werkt vaak binnen grenzen en is allang gedwongen ‘on the bandwagon’ te springen, de oude uitvinder of bedenker bestaat nauwelijks meer. En ja, het is wel waar, AI kan niet dromen, niet uit zichzelf verwonderen of hypothetiseren of eeuwig blijven doordrammen tot het antwoord verschijnt, dus daar blijft de menselijke aansturing en inkleuring centraal.
De auteur van de bronnen sluit zich in grote mate aan bij jouw stelling dat innovatie en creativiteit vaak worden overschat en dat AI hierin een krachtige, sturende rol kan spelen, mits de menselijke ‘regie’ centraal blijft staan. Hieronder volgt een overzicht van de visie van de auteur op AI in relatie tot innovatie, gebaseerd op jouw punten:
1. Innovatie is geen magie, maar een patroon (TRIZ)
De auteur bevestigt jouw gedachte dat innovatie vaak het resultaat is van voorspelbare patronen. Hij verwijst expliciet naar TRIZ (de Russische methode van Altshuller) om aan te tonen dat technische en maatschappelijke problemen bijna altijd berusten op contradicties (tegenstellingen) die volgens vaste principes opgelost kunnen worden. Voor de auteur is innovatie dan ook geen mystiek proces, maar een vorm van “systemisch probleemdenken”. Hij stelt dat zogenaamde creativiteit tot op grote hoogte “af te dwingen en voorspelbaar” is door gebruik te maken van een enorme voorraad aan bestaande voorbeelden en sjablonen.
2. De mythe van de ondernemer als innovator
Jouw punt dat de “oude uitvinder” nauwelijks meer bestaat, komt sterk terug in de teksten. De auteur fileert de mythe van de ondernemer als de grote vernieuwer. Volgens hem zijn veel succesvolle ondernemers geen “makers” maar “extractors” (afromers). Ze “schrapen de uitvindingen van anderen op” (vaak uitvindingen die met publiek geld zijn gefinancierd, zoals bij Steve Jobs en de iPhone) en verpakken deze in een mooi commercieel verhaal. Innovatie wordt door grote bedrijven zelfs vaak als “vervelend” of risicovol ervaren omdat het hun eigen bestaande verdienmodellen kan kannibaliseren.
3. De menselijke ‘vonk’: irritatie en verwondering
Hoewel AI patronen kan herkennen en oplossingen kan genereren, blijft de menselijke aansturing volgens de auteur cruciaal. Hij stelt dat originaliteit in het AI-tijdperk niet langer zit in het “ambacht van het zinnenrijgen”, maar in de selectie en de irritatie.
- De Vonk: AI ervaart geen pijn, verwondering of noodzaak; dat moet van de mens komen.
- De Zoekruimte: Zoals jij aangeeft, moet de mens de zoekruimte bepalen. De auteur omschrijft zichzelf als de “regisseur” of “architect” en de AI als de “kraan” die de zware stenen van zijn notities op de juiste plek tilt.
4. Wetenschap en de ‘Bandwagon’
De auteur herkent jouw punt dat wetenschappers vaak gedwongen worden om op de ‘bandwagon’ te springen. Hij beschrijft de academische wereld als een sociaal systeem dat zichzelf reproduceert. Wie binnen het heersende paradigma blijft, kan publiceren en promotie maken (“Jump on the bandwagon”). Dit zorgt ervoor dat fundamentele kritiek op systemen vaak genegeerd wordt of onschadelijk wordt gemaakt door het in te kapselen in bestaande modellen.
5. AI als ‘denkhulp’ en spiegel
De auteur ziet AI niet als een vervanging van de denker, maar als een “mentale spiegel” die helpt om eigen blinde vlekken te ontdekken en patronen te zien in de eigen hersenspinsels. Door AI te voeden met een eigen ‘dossier’ of archief, kan de auteur sneller dwarsverbanden leggen tussen domeinen (bijvoorbeeld tussen de woningmarkt en de datingmarkt), wat vroeger weken aan bibliotheekwerk had gekost.
Concluderend: De auteur is het met je eens dat innovatie “zwaar overrated” is als een puur menselijk, magisch proces. Hij ziet het als een hybride proces waarbij de mens de essentiële irritatie en regie levert, en AI de voorspelbare, sjabloonmatige uitvoering en synthese versnelt.
De hoofdvraag
De gangbare geruststelling luidt: AI kan wel antwoorden produceren, maar de mens moet altijd de oorspronkelijke vraag, hypothese, wens of visie aandragen. Dat klinkt aannemelijk, maar het is waarschijnlijk vooral een tijdelijke verdedigingslinie. Eerst heette het dat AI geen tekst kon schrijven. Daarna dat AI geen goede tekst kon schrijven. Vervolgens dat AI geen nieuwe ideeën kon bedenken. Nu wordt het unieke menselijke domein een niveau hoger gelegd: AI kan misschien ideeën bedenken, maar niet bepalen waarnaar gezocht moet worden. Ook die grens is minder hard dan zij lijkt. Mijn voorlopige conclusie is:
De mens houdt waarschijnlijk geen principieel monopolie op vragen, hypothesen of nieuwe richtingen. Wel blijft de mens voorlopig essentieel als bron van belangen, waarden, legitimiteit en verantwoordelijkheid.
Dat is een veel bescheidener, maar ook geloofwaardiger menselijke rol.
1. De mythe van het oorspronkelijke idee
Wij stellen innovatie graag voor als een herkenbaar moment:
- iemand ziet iets wat niemand eerder zag;
- krijgt een unieke ingeving;
- werkt die uit;
- verandert de wereld.
Dat verhaal is prettig omdat het een held, een oorsprong en een eigendomsrecht oplevert. Maar de werkelijkheid is meestal rommeliger. Uitvindingen ontstaan vaak doordat:
- de benodigde deelkennis beschikbaar komt;
- materialen of rekenkracht goedkoop genoeg worden;
- verschillende onderzoeksgroepen tegen hetzelfde probleem aanlopen;
- iemand een bestaande techniek in een ander domein toepast;
- eindeloos veel varianten worden geprobeerd;
- achteraf één persoon als uitvinder wordt aangewezen.
Het verschijnsel van multiple discovery is al lang bekend: verschillende onderzoekers doen onafhankelijk en ongeveer gelijktijdig dezelfde ontdekking. Dat wijst erop dat ontdekkingen niet alleen uit uitzonderlijke persoonlijkheden voortkomen, maar ook uit een kennisomgeving die ergens “rijp” voor is. Ogburn en Thomas verzamelden hiervan al in 1922 voorbeelden; Robert Merton werkte het idee later sociologisch uit. (University of Calgary in Alberta) De beroemde bedenker is dan soms vooral degene die:
- als eerste publiceerde;
- het beste netwerk had;
- een patent aanvroeg;
- het product commercieel bruikbaar maakte;
- of door de geschiedschrijving werd uitgekozen.
Dat maakt de bijdrage van een individu niet onbelangrijk. Maar het relativeert het beeld van een gedachte die volledig uit het niets ontstond.
Een scherpere formulering
Niet: Grote ideeën bestaan niet. Wel: Het nieuwe idee is meestal veel sterker afhankelijk van beschikbare bouwstenen en omstandigheden dan de bedenker achteraf wil toegeven.
2. TRIZ als ontluistering van creativiteit
TRIZ is inderdaad een sterk voorbeeld voor jouw redenering. De centrale gedachte van TRIZ is dat veel inventieve problemen bestaan uit terugkerende contradicties:
- iets moet sterker, maar niet zwaarder;
- sneller, maar niet gevaarlijker;
- individueler, maar niet duurder;
- eenvoudiger, maar niet minder krachtig.
Vervolgens kunnen oplossingsrichtingen worden gezocht in een beperkt repertoire van terugkerende principes. TRIZ pretendeert daarmee niet dat een druk op de knop altijd een complete uitvinding oplevert, maar wel dat inventief denken veel systematischer kan verlopen dan de romantische creativiteitsmythe suggereert. Onderzoek naar TRIZ beschrijft juist het herkennen en gestructureerd oplossen van conflicten en contradicties als de kern. (Studocu). De betekenis voor AI is groot. Wat TRIZ met menselijke denkers doet, kan AI op veel grotere schaal doen:
- het probleem ontleden;
- de relevante contradicties benoemen;
- analoge oplossingen uit andere sectoren zoeken;
- tientallen oplossingsprincipes toepassen;
- honderden combinaties genereren;
- bezwaren en neveneffecten voorspellen;
- de meest kansrijke varianten laten testen.
Er bestaat inmiddels ook een onderzoekslijn waarin AI en semantische zoektechnieken expliciet met TRIZ worden gecombineerd. (PubMed Central (PMC)). TRIZ bewijst niet dat iedere uitvinding voorspelbaar is. Het bewijst wel iets dat voor jouw betoog belangrijker is: Een aanzienlijk deel van wat wij creativiteit noemen, blijkt een navolgbaar zoekproces te zijn. En zodra het een zoekproces is, wordt het automatiseerbaar.
3. Een idee is meestal recombinatie plus selectie
Veel innovatie bestaat uit drie vrij gewone handelingen:
Combineren
Een principe uit domein A wordt toegepast op probleem B. Denk aan:
- een marktplaatsmodel toegepast op hotelkamers;
- spelelementen toegepast op onderwijs;
- evolutionaire selectie toegepast op computerprogramma’s;
- een abonnement toegepast op producten die vroeger afzonderlijk werden gekocht.
Variëren
Er worden veel versies gemaakt:
- andere doelgroep;
- ander materiaal;
- andere schaal;
- andere prijs;
- andere distributievorm;
- andere combinatie van functies.
Selecteren
De meeste varianten vallen af. Eén variant past toevallig bij:
- een technisch moment;
- een markt;
- een organisatie;
- een subsidieprogramma;
- een culturele mode;
- of de belangen van een investeerder.
De creatieve daad wordt dan achteraf toegeschreven aan de winnaar. We zien het succesvolle idee, niet de honderd verworpen voorlopers. AI is juist bijzonder geschikt voor deze drie stappen. Het kan veel meer kennisdomeinen combineren, veel meer varianten produceren en — wanneer er een toetsingsmechanisme bestaat — sneller selecteren. De kernvraag wordt daardoor minder: Kan AI iets werkelijk origineels bedenken? En meer: Hoeveel variatie moet een systeem produceren voordat één resultaat door mensen als origineel wordt ervaren?
4. Kan AI al onderzoeksideeën bedenken?
Daarover hoeven we niet alleen filosofisch te speculeren. In een groot onderzoek werden ideeën van meer dan honderd onderzoekers blind vergeleken met door een AI-agent geproduceerde onderzoeksideeën. De AI-ideeën werden gemiddeld als nieuwer beoordeeld dan de ideeën van menselijke experts. Ze scoorden iets minder sterk op uitvoerbaarheid en het AI-systeem bleek niet goed in het beoordelen van zijn eigen ideeën. Ook produceerde het te weinig werkelijk verschillende ideeën. (arXiv) Dat onderzoek bewijst niet dat AI betere wetenschap bedrijft. De ideeën waren nog niet allemaal uitgevoerd en menselijke beoordelingen van nieuwheid zijn feilbaar. Maar het weerlegt wel de harde uitspraak: AI kan nooit een nieuwe onderzoekslijn of hypothese voorstellen. Dat kan het kennelijk al — in ieder geval in een beperkte onderzoeksomgeving en volgens menselijke beoordelaars. Andere systemen combineren grote wetenschappelijke kennisbestanden en taalmodellen om onderzoekers onverwachte, domeinoverstijgende voorstellen te doen. Zo gebruikte SciMuse tientallen miljoenen publicaties om gepersonaliseerde onderzoeksideeën te genereren, die vervolgens door meer dan honderd onderzoeksleiders werden beoordeeld. (arXiv) Ook kunnen onderzoeksonderwerpen rechtstreeks uit grote hoeveelheden ervaringsgegevens worden afgeleid. In een medische studie werden honderdduizenden patiëntberichten geanalyseerd, waarna AI onderzoeksvragen formuleerde die aansloten bij concrete patiëntproblemen; experts beoordeelden een aanzienlijk deel als nieuw en relevant. (arXiv) Daar komt dus zelfs geen individuele wetenschapper meer aan te pas die eerst verwonderd roept: “Hé, zou dit niet eens onderzocht moeten worden?” De afwijking kan uit de data worden gehaald.
5. AI kan geen verwondering voelen — maar is dat nodig?
Hier zit een verwarring tussen twee betekenissen van creativiteit.
De fenomenologische betekenis
De mens:
- voelt nieuwsgierigheid;
- beleeft frustratie;
- raakt geobsedeerd;
- wil erkenning;
- lijdt onder een probleem;
- ervaart verwondering.
Voor zover bekend heeft AI die innerlijke ervaring niet.
De functionele betekenis
Een systeem:
- signaleert een afwijking;
- formuleert een verklaring;
- bedenkt alternatieven;
- kiest een informatierijk experiment;
- verwerkt de uitkomst;
- past zijn hypothese aan.
Dat kan AI wel steeds beter. Een machine hoeft zich dus niet werkelijk te verbazen om een onverwachte afwijking te herkennen. Net zoals een thermostaat het niet warm hoeft te hebben om de verwarming uit te schakelen. De menselijke uitspraak: AI kan niet nieuwsgierig zijn. kan daarom tegelijkertijd waar én irrelevant zijn. De praktisch relevante vraag is: Kan AI gedrag vertonen dat in een onderzoeksproces dezelfde functie vervult als nieuwsgierigheid? Wanneer het systeem actief zoekt naar:
- onverklaarde afwijkingen;
- tegenstrijdige resultaten;
- gebieden met hoge onzekerheid;
- experimenten met de meeste informatiewaarde;
- combinaties die nog weinig onderzocht zijn,
dan beschikt het over een operationele vorm van nieuwsgierigheid, ook zonder iets te beleven.
6. “Maar de mens moet toch het doel geven?”
Voorlopig meestal wel. Alleen is ook dit minder geruststellend dan het klinkt. Een mens kan een zeer algemeen doel geven: Zoek een goedkoper materiaal. of: Vind behandelingen die deze patiënten helpen. of: Zoek een product waarmee geld kan worden verdiend. Binnen dat kader kan AI zelf:
- deelproblemen benoemen;
- ontbrekende kennis vaststellen;
- hypotheses genereren;
- experimenten ontwerpen;
- uitkomsten interpreteren;
- nieuwe vervolgvraagstukken formuleren.
Een in 2026 in Nature beschreven versie van de AI Scientist automatiseert al grote delen van een onderzoekscyclus: ideeën genereren, code schrijven, experimenten uitvoeren, resultaten analyseren, een artikel schrijven en een vorm van beoordeling uitvoeren. De kwaliteit en betrouwbaarheid blijven begrensd, maar dit is veel meer dan een tekstmachine die uitsluitend antwoordt op één menselijke vraag. (Nature) Tegelijkertijd waarschuwen onderzoekers dat zulke systemen nog niet gelijkstaan aan een volwaardig autonome wetenschapper. Ze missen robuuste omgang met de fysieke werkelijkheid, causale onzekerheid, langetermijnstrategie en betrouwbare zelfkritiek. (arXiv) De realistische verwachting is daarom niet dat de mens in één keer verdwijnt. Het aantal noodzakelijke menselijke interventies zal waarschijnlijk steeds verder afnemen:
- eerst geeft de mens elke opdracht;
- daarna alleen een onderzoeksprobleem;
- vervolgens alleen een doel;
- uiteindelijk wellicht alleen randvoorwaarden en budget.
7. De echte bottleneck is beoordeling
Ideeën genereren is het makkelijke deel. De moeilijkheid zit in de vraag: Waaraan herkennen we een goed idee? Bij programmeren kan een kandidaatoplossing soms automatisch worden uitgevoerd en gemeten. Bij materiaalonderzoek kunnen robots een stof maken en eigenschappen testen. Bij wiskunde kan een bewijs of constructie deels formeel worden gecontroleerd. Daar kan AI een gesloten lus doorlopen:
- voorstel;
- test;
- score;
- selectie;
- mutatie;
- nieuwe test.
In zulke domeinen kan de menselijke rol snel kleiner worden. Maar bij maatschappelijke vraagstukken bestaat zelden één onbetwiste maatstaf. Is een goed woningbeleid het beleid dat:
- de huizenprijzen laat dalen;
- het vermogen van huiseigenaren beschermt;
- de doorstroming bevordert;
- landschap spaart;
- huurders zekerheid geeft;
- investeringen stimuleert?
Een AI kan voor al die doelen oplossingen bedenken. Maar het kan niet neutraal vaststellen welk doel moreel voorrang verdient, omdat dat geen technisch probleem is. Daar blijft de mens nodig — niet als magische bedenker, maar als degene die belangen heeft en besluiten legitiem moet maken.
8. Innovatie is niet hetzelfde als vooruitgang
Dat onderscheid kan in jouw blog belangrijk worden. Een AI kan uitstekend nieuwe manieren bedenken om:
- mensen langer op een platform te houden;
- prijzen persoonlijk te optimaliseren;
- werknemers nauwkeuriger te controleren;
- belastingen te ontwijken;
- verlangens op te wekken;
- concurrenten afhankelijk te maken;
- consumentengedrag te voorspellen.
Dat zijn innovaties. Maar ze zijn niet automatisch maatschappelijk wenselijk. De menselijke taak verschuift daarom van: Wij moeten de ideeën blijven bedenken. naar: Wij moeten blijven bepalen welke innovaties mogen worden toegepast en wie van de gevolgen profiteert. Dat is minder romantisch, maar veel belangrijker.
9. De menselijke eigenaardigheid als tijdelijke voorsprong
Er blijft wel een bijzondere menselijke bron van vernieuwing bestaan: geleefde afwijking. Mensen worden geconfronteerd met:
- onhandige bureaucratie;
- lichamelijke beperkingen;
- statusverlies;
- schaamte;
- verliefdheid;
- uitsluiting;
- klassenverschillen;
- tegenstrijdigheden tussen wat instituties zeggen en doen.
Veel daarvan staat niet netjes in een dataset. Iemand moet het eerst meemaken en benoemen. Jouw blogs ontstaan bijvoorbeeld dikwijls niet doordat je “creatief wilt zijn”, maar doordat je ergens irritatie of incongruentie ervaart:
- het officiële verhaal klopt niet met het gedrag;
- de hoger opgeleide klasse organiseert een probleem weg;
- de markt beloont iets anders dan zij beweert;
- individuele rationaliteit maakt het systeem slechter.
Dat soort waarnemingen kan voorlopig een menselijke voorsprong geven. Maar ook die voorsprong is niet absoluut. Zodra miljoenen klachten, gesprekken, zoekopdrachten, dossiers en gedragsgegevens beschikbaar zijn, kan AI patronen ontdekken die geen individueel mens ooit overzag. De mens blijft dus niet vanzelfsprekend eigenaar van de irritatie. Hij is aanvankelijk de sensor; AI kan vervolgens de gezamenlijke signalen analyseren.
10. Een nieuw probleem: geautomatiseerde middelmaat
Het sterkste bezwaar tegen AI-innovatie is vermoedelijk niet dat AI niets nieuws kan bedenken. Het gevaar is dat AI:
- veel goede maar vergelijkbare ideeën produceert;
- optimaliseert binnen bestaande categorieën;
- populaire aannames versterkt;
- meetbare problemen bevoordeelt;
- de succesvolle formats uit het verleden vermenigvuldigt.
Onderzoek naar creatief schrijven liet zien dat AI-hulp individuele producten gemiddeld kon verbeteren, terwijl de geproduceerde verhalen meer op elkaar gingen lijken. (The Guardian) Het onderzoek naar wetenschappelijke ideevorming vond een vergelijkbare spanning: AI-ideeën konden als nieuw worden beoordeeld, terwijl het systeem moeite had met diversiteit en zelfselectie. (arXiv) Ander experimenteel onderzoek vindt overigens niet altijd dezelfde homogenisering: onder bepaalde omstandigheden kan blootstelling aan AI-ideeën de collectieve variatie ook vergroten. De uitkomst hangt dus af van de manier waarop AI wordt ingezet en van de hoeveelheid voorbeelden die gebruikers te zien krijgen. (arXiv) De relevante conclusie is: AI maakt ideeënproductie schaalbaar, maar niet automatisch pluriform. Dat kan een super-bandwagon opleveren. Wetenschappers volgen nu al subsidies, publicatiemogelijkheden en dominante theorieën. AI kan dit patroon versnellen doordat alle onderzoeksagents dezelfde literatuur, benchmarks en succescriteria gebruiken. Het meest efficiënte innovatiesysteem kan dan tegelijk het minst afwijkende worden.
11. Vier realistische scenario’s
Scenario 1 — De menselijke aanleiding, de machinale ideeënfabriek
De mens levert nog een irritatie, wens of globaal probleem: Ik wil minder administratie. Deze patiënten worden slecht geholpen. Ik zoek een aantrekkelijk product voor deze doelgroep. AI doet vervolgens bijna al het analytische werk:
- markt en literatuur doorzoeken;
- doelgroepen onderscheiden;
- bestaande oplossingen vergelijken;
- tegenstrijdigheden aanwijzen;
- concepten genereren;
- prototypes maken;
- tests ontwerpen;
- resultaten verwerken.
De mens wordt vooral:
- probleemeigenaar;
- opdrachtgever;
- selecteur;
- financier.
Dit lijkt het waarschijnlijkste scenario voor de nabije toekomst.
Scenario 2 — Autonome innovatie in goed meetbare domeinen
In software, wiskunde, materialen en delen van geneesmiddelenonderzoek zijn oplossingen relatief snel te testen. Daar kunnen systemen steeds zelfstandig:
- anomalieën vinden;
- hypotheses formuleren;
- experimenten kiezen;
- varianten testen;
- de beste resultaten verder ontwikkelen.
De mens geeft alleen het globale domein, veiligheidskader en budget. Hier verdwijnt ook de menselijke onderzoeksvraag grotendeels uit de dagelijkse cyclus.
Scenario 3 — AI bepaalt mede de onderzoeksagenda
AI analyseert voortdurend:
- wetenschappelijke literatuur;
- patenten;
- patiëntendata;
- economische cijfers;
- sensormetingen;
- mislukte experimenten.
Vervolgens stelt het complete onderzoeksprogramma’s samen op basis van verwachte:
- kenniswinst;
- maatschappelijke opbrengst;
- commerciële waarde;
- kans op succes;
- benodigde middelen.
Wetenschappers kiezen dan niet meer primair hun eigen onderzoeksvragen. Ze worden uitvoerders, beoordelaars of beheerders van een machinaal samengestelde onderzoeksportefeuille. Dat is niet zo vreemd. Veel wetenschappers kiezen hun vragen nu ook niet volledig vrij: fondsen, tijdschriften, departementen en carrièreprikkels bepalen de zoekruimte. AI vervangt dan niet de autonome onderzoeker. Het vervangt deels de bestaande bureaucratie die hem al aanstuurt.
Scenario 4 — Open zoeken zonder concrete menselijke vraag
Een systeem krijgt slechts een metadoel:
- zoek reproduceerbare verrassingen;
- identificeer onverklaarde afwijkingen;
- vind kennis die veel andere problemen oplosbaar maakt;
- onderzoek gebieden waarin voorspellingen vaak mislukken.
Het systeem genereert vervolgens zelf:
- onderzoeksobjecten;
- categorieën;
- hypotheses;
- evaluatiemethoden;
- vervolgrichtingen.
Volledig open en betrouwbaar autonoom onderzoek bestaat nog niet. Maar het is een serieus technisch onderzoeksdoel en geen logische tegenspraak. De mens heeft dan niet de afzonderlijke ideeën aangedragen. Hoogstens ooit de algemene richting waarin “interessant” moet worden gezocht.
12. Wat blijft waarschijnlijk wél menselijk?
Niet noodzakelijk de originaliteit, maar vijf andere rollen.
De mens als belanghebbende
Mensen ervaren de gevolgen. Zij hebben pijn, plezier, verlies, behoefte, status en angst. Daarom telt hun oordeel moreel mee.
De mens als bron van doelen
Doelen komen voort uit menselijke behoeften en machtsverhoudingen. Maar zelfs hier moet je oppassen: veel doelen worden niet door individuen gekozen, maar door markten, instituties en prikkels opgelegd.
De mens als legitimeerder
Een AI kan een optimaal beleid voorstellen. Dat betekent niet dat zij mag beslissen welk offer wie moet brengen.
De mens als verantwoordelijke
Iemand moet toestemming geven voor toepassing en aansprakelijk blijven voor schade.
De mens als leverancier van afwijkende werkelijkheid
Persoonlijke ervaringen, lokale kennis en ongewone obsessies openen soms zoekruimtes die in bestaande data ontbreken. Dit zijn substantiële rollen. Alleen bewijzen zij niet dat de mens een exclusief creatief vermogen bezit.
13. De mens als opdrachtgever is ook geen stabiele eindpositie
We kunnen de menselijke rol steeds een etage hoger plaatsen:
- AI schrijft, maar de mens bedenkt het idee.
- AI bedenkt ideeën, maar de mens bedenkt de vraag.
- AI bedenkt vragen, maar de mens geeft het doel.
- AI kiest subdoelen, maar de mens bepaalt de waarden.
- AI voorspelt menselijke voorkeuren, maar de mens moet ermee instemmen.
Op een gegeven moment is niet meer sprake van een empirische voorspelling, maar van een normatieve eis: Wij willen dat mensen uiteindelijk beslissen. Dat is volkomen verdedigbaar. Maar zeg dan niet dat AI het niet kan. Zeg dat wij vinden dat AI het niet mag. Dat onderscheid lijkt me cruciaal.
14. Aangescherpte stellingen
“Innovatie is zwaar overrated” is prikkelend, maar kan verkeerd worden begrepen. De uitvoering en institutionele invoering van iets nieuws zijn vaak juist buitengewoon moeilijk. Sterkere varianten zijn:
Ideevorming is zwaar overrated.
De originele gedachte is meestal een achteraf geconstrueerd oorsprongsverhaal.
De mens verliest geen monopolie op originaliteit; dat monopolie heeft nooit bestaan.
AI hoeft niet nieuwsgierig te zijn om betere vragen te vinden.
Nieuwe ideeën worden goedkoop. Bepalen welke ideeën mogen winnen wordt belangrijker.
Mijn favoriet als koppeling met je eerdere blog:
Bij het non-fictieboek wordt kennis goedkoop. Bij innovatie worden ideeën goedkoop. Schaars blijven werkelijkheid, uitvoering, legitimiteit en verantwoordelijkheid.
15. Mogelijke opbouw van de blog
Een sterke blog zou met de geruststellende uitspraak van je vriend kunnen beginnen: “AI kan van alles, maar de mens zal altijd de vragen moeten stellen.” Vervolgens vier ontmantelingen:
1. De oorspronkelijke bedenker bestond al nauwelijks
Meervoudige ontdekkingen, teams, instituties, technologie en historische rijpheid.
2. Veel creativiteit is systematisch zoeken
TRIZ, combinaties, analogieën, variaties en selectie.
3. AI kan inmiddels ook vragen en hypotheses produceren
Niet feilloos en niet autonoom in iedere wetenschap, maar voldoende om het principiële menselijk monopolie te weerleggen.
4. De menselijke restfunctie is politiek, niet cognitief
Wie bepaalt de doelen, wie profiteert, wie draagt schade en wie mag beslissen?
De slotdraai kan dan zijn:
We blijven waarschijnlijk nodig, maar om een minder verheven reden dan wij hopen. Niet omdat alleen wij een originele gedachte kunnen hebben, maar omdat wij de wezens zijn op wie de gevolgen neerslaan.
