Monique van Dusseldorp uit Amsterdam is een drukbezette Event Manager die conferenties over technologie, media en innovatie organiseert. Onderzoek naar nieuwe ideeën voor evenementen en panels is altijd onderdeel van haar werk geweest.
Maar sinds kort verricht Van Dusseldorp dat onderzoek op een andere manier. Op een drukke ochtend in november ging ze achter haar toetsenbord zitten en typte een vraag: kun je een immersieve ervaring bedenken die mensen samenbrengt, gebaseerd op de wereld van de beroemde illustrator Roland Topor?
Al snel verscheen er tekst op het scherm. Het antwoord luidde:
Ik stel een 'surrealistische tuintour' voor in een openbaar park of een botanische tuin. De tuin zou worden omgetoverd met beelden en installaties die geïnspireerd waren op kunstwerken van Tapor, waardoor een grillige en licht griezelige sfeer zou ontstaan. Verborgen luidsprekers spelen surrealistische soundscapes af en sculpturen bewegen subtiel of veranderen zodra mensen dichterbij komen.
Van Dusseldorp ging verder: wat voor soort media en technologieën kunnen helpen bij het creëren van een immersieve ervaring? Het antwoord:
Denk aan ruimtelijke audio: gebruik 3D-geluidstechnologie om een realistische en immersieve geluidsomgeving te creëren, waarbij de audio dynamisch de bewegingen van de gebruiker volgt.
Dit is geen tekst op een webpagina of een antwoord van een collega op een forum. Van Dusseldorp was ideeën aan het uitwerken en dingen aan het leren met ChatGPT.
Van Dusseldorp is een van de miljoenen professionals over de hele wereld die grote taalmodellen (LLM's) gebruiken als werktools. Nu is deze technologie klaar om leren en kennisbeheer een nieuwe vorm te geven, van het delen van informatie en expertise binnen grote bedrijven tot doorlopend professioneel leren en ontwikkeling voor individuele gebruikers. En dan hebben we het nog niet eens over de enorme gevolgen voor traditioneel leren en onderwijs.
Het komt neer op een verschuiving in lerenprocessen die even belangrijk is als de opkomst van het internet eind jaren 90. Een transformatie in de manier waarop we kennis opslaan, gebruiken en delen. Hoe gebruiken professionals in het bedrijfsleven en de academische wereld op dit moment LLM's? Welke rol spelen deze tools binnen grote organisaties? En wat heeft de toekomst in petto?
Een uniek flexibel werktool
We weten allemaal dat grote taalmodellen (LLM's) de laatste jaren enorm in de belangstelling staan. Een deel daarvan, zoals AI-doemscenario's of voorspellingen over een op handen zijnde superintelligentie, draagt de kenmerken van een technologiehype. Als je echter verder kijkt dan de koppen, is het geen verrassing dat veel professionals serieus werk maken van LLM's.
LLM's zijn gebouwd op transformatormodellen: een speciaal soort neuraal netwerk dat zelf de onderliggende patronen in sequentiële gegevens kan leren. Als ze worden getraind met grote hoeveelheden tekst, leren transformatormodellen de diepe statistische relaties tussen woorden zoals ze vaak in zinnen worden gebruikt. Het resultaat is een AI met een verbluffende linguïstische competentie, die natuurlijke talige input begrijpt en in reactie daarop tekst genereert die relevant, gedetailleerd en ogenschijnlijk betekenisvol is.
Zo ontstaan LLM's zoals GPT-4 of Llama 2 van Meta, een bijna unieke flexibele kennistool. Een tool met toegang tot enorme informatiereserves, die in staat is om allerlei natuurlijk klinkende tekstreacties te genereren.
Het opstellen van e-mails, presentaties en rapporten is een voor de hand liggende toepassing op de werkplek. Momenteel doen veel professionals echter onderzoek naar deze tools en worden doorlopende leerprocessen opgezet.
Henry Coutinho-Mason is futurist en spreker. Onlangs trainde hij een LLM over twee van zijn eigen boeken over consumententrends en innovatie. Nu gebruikt hij de resulterende app als onderzoekstool:
"Ik open de app en stel vragen als: Wat vind je van de nieuwe Humane AI-pin? Leg de trends achter deze innovatie uit. En dan krijg ik een antwoord met een eerste reeks ideeën en inzichten," aldus Coutinho-Mason.
"Mijn werk gaat over het inspireren van professionals om te zien wat er gaat komen en om na te denken over wat dat voor hen betekent. Dat betekent dat het leren over opkomende technologieën en innovaties een cruciaal onderdeel is van wat ik doe. Mijn aangepaste LLM helpt daar echt bij.
"Mensen moeten begrijpen dat het bij dit soort toepassingen niet zo is dat het LLM me 'het antwoord' geeft," vervolgt hij. "In plaats daarvan gaat het erom dat het LLM ideeën aanreikt of me inzicht geeft in de algemene vorm van een opkomende technologische ruimte. Dan kan ik dat verfijnen. Op die manier versnelt de LLM echt mijn leer- en onderzoeksactiviteiten."
Tools voor werkprocessen
Geen wonder dus dat grote organisaties ook experimenteren met LLM's als interne tools. En hier zijn de mogelijkheden om het leren te verbeteren nog groter.
Grote organisaties staan voor specifieke uitdagingen op het gebied van leren en kennisbeheer. Kennis en meer informelere vormen van knowhow worden meestal verspreid over de organisatie en op allerlei manieren opgeslagen, van documenten tot diavoorstellingen tot spreadsheets en nog veel meer. Zelfs voor een ervaren medewerker kan het uren, dagen of zelfs weken zoeken zijn om de juiste kennisbron of persoon te vinden.
Sommige organisaties ontwikkelen nu LLM's als een nieuwe manier om deze uitdagingen aan te gaan. In augustus kondigde consultancygroep McKinsey Lilli aan, een LLM die is afgestemd op eigen content met meer dan 100.000 documenten. Het is bedoeld als een nieuwe manier voor McKinsey-werknemers om toegang te krijgen tot de enorme voorraad branchespecifieke kennis en gegevens die de groep in de loop van tientallen jaren heeft verzameld.
"Met Lilli kunnen McKinsey-consultants technologie gebruiken om al onze kennis en bedrijfsmiddelen te benutten... Dit is de eerste van vele gebruiksscenario's die ons helpen ons bedrijf opnieuw vorm te geven", aldus Jacky Wright, Chief Technology & Platform Officer bij McKinsey.
Geassocieerd partner Adi Pradhan gebruikt Lilli als leertool: "Ik gebruik Lilli om mezelf bij te scholen in nieuwe onderwerpen en om verbanden te leggen tussen verschillende aspecten van mijn projecten", onthulde hij. "Het bespaart tot 20% van mijn tijd bij het voorbereiden van vergaderingen. Maar belangrijker nog, het verbetert de kwaliteit van mijn expertise en mijn bijdragen."
McKinsey is niet de enige die deze nieuwe grens verkent. Morgan Stanley heeft GPT-4 verfijnd met kennis over beleggingen, algemene bedrijfsactiviteiten en beleggingsprocessen om eenconversationele AI te maken waarmee hun financiële adviseurs kunnen worden geholpen. Financieel gigant Bloomberg heeft Bloomberg GPT gemaakt. Dit LLM is getraind op eigen financiële gegevens en is beschikbaar voor eigen mensen en sommige cliënten.
De eindbestemming? Binnenkort zullen veel werknemers verwachten toegang te hebben tot dit soort AI-gestuurde gespreksentiteiten. Denk eens aan een werkplekassistent, gids en leertool die je 24/7 kan helpen. Het komt neer op een revolutie in de manier waarop kennis wordt verspreid en opgenomen. Deze metgezellen worden belangrijke leertools voor werknemers en gaan een belangrijke rol spelen bij de onboarding en training van nieuwe werknemers.
Hoe zullen LLM's universiteiten veranderen?
Niet alleen in het bedrijfsleven zullen LLM's leerprocessen veranderen. We zien al krachtige effecten in formele onderwijsomgevingen.
Als je met leerkrachten praat, kom je er al snel achter dat sommige van deze gevolgen een uitdaging vormen. Ze worden geconfronteerd met een nieuwe vorm van plagiaat, waarbij studenten werk inleveren dat volledig of grotendeels door een AI is gemaakt. Er komen steeds meer tools om door AI gegenereerde tekst te detecteren, maar net zo snel vinden studenten manieren om ze te omzeilen.
Die race gaat door. Maar op de langere termijn zullen docenten nieuwe vormen van opdrachten en toetsen bedenken vanwege de opkomst van plagiaat als gevolg van LLM's: "Schrijf een essay over dit onderwerp en geef daarna een spreekbeurt van 15 minuten waarin je de belangrijkste argumenten van het essay presenteert."
Ondertussen zijn LLM's nog steeds geneigd om feitelijke fouten te maken, of zogenaamde 'hallucinaties'. Ze kunnen niet worden gebruikt om alle andere informatiebronnen uit te sluiten. Maar het aantal hallucinaties is al drastisch gedaald door technische verbeteringen en dat proces zal doorgaan.
Aaron Woodcock is docent aan het International Study and Language Institute van de University of Reading. Hij organiseert cursusmodules voor onderwijspartners in China, die academisch Engels onderwijzen aan hun technische/bètastudenten. Dat betekent dat er veel lessen moeten worden gepland.
"Tot voor kort kreeg ik een of twee modules toegewezen. Nu doen we met z'n tweeën zeven modules, dus we moeten veel meer lessen plannen," zegt hij. "Het gebruik van een LLM heeft me veel productiever gemaakt. Ik chat met AI en geef wat van mijn aantekeningen en ideeën. En dan praten we heen en weer en zetten we een les op. Dan vraag ik AI om die les uit te schrijven als een volledig plan dat ik dan bewerk.
"Het kost me nog steeds twee uur om een lesplan te maken waar ik tevreden over ben. Maar dankzij AI kan ik veel makkelijker aan de slag en dat maakt het hele proces alleen maar sneller. En ik heb goede feedback gekregen over de lesplannen van de leerkrachten die ze gebruiken.
"Het heeft me doen beseffen dat ik schrijven altijd moeilijk heb gevonden en dat ik schrijftaken altijd tot het laatste moment heb uitgesteld. AI verandert dat allemaal, dus ik ga veel beter te werk."
Woodcock gebruikt ook een LLM om inzichten uit grote hoeveelheden feedback van studenten te verwerken en samen te voegen. Werkzaamheden van academici en docenten in het hoger onderwijs bestaan inmiddels voor een groot deel uit het beheren van en reageren op dit soort feedback.
"AI ziet onmiddellijk patronen in de feedback die ik misschien pas na een paar dagen zou zien," legt hij uit. "We waren beter in staat om actieplannen op te stellen op basis van de feedback van studenten. Daarna zijn we maanden bezig geweest met het implementeren van die acties. Ik heb er veel aan gehad tijdens de cursus en het heeft me echt geholpen bij het rapporteren en terugkoppelen naar de mensen om me heen.
En de uitdaging van plagiaat als gevolg van AI? "Ja, er zijn uitdagingen bij het gebruik door studenten," zegt Woodcock. "Maar voor mij is dit een kans om niet meer te vertrouwen op essays en het oprakelen van kennis."
De University of Reading en veel andere academische instellingen moedigen docenten inmiddels aan om nieuwe vormen van leren en beoordelen te onderzoeken, waaronder meer persoonlijke beoordelingen van kennis - en denkprocessen.
"Deze technologie zal niet verdwijnen. We willen studenten aanmoedigen om AI te gebruiken, maar op de beste manieren," zegt Woodcock. "LLM's kunnen ook diversiteit en inclusie stimuleren. Ze geven meer mogelijkheden aan mensen die niet per se een goede schrijver zijn, maar toch veel te bieden hebben. Natuurlijk zullen er altijd mensen zijn doen alsof tekst die ze niet zelf hebben geschreven, toch van hen is. Maar uiteindelijk is dat niet anders dan studenten die online essays kopen, wat al gebeurt."
Nieuwe verwachtingen op de werkplek
Waar gaat dit allemaal naartoe op de langere termijn? Een generatie studenten zal gewend raken aan LLM's als tool om onderzoek te verrichten, te leren en teksten te schrijven.
Ze gaan de wereld in en verwachten dat ze hetzelfde kunnen doen op de werkplek. En dat zal werkgevers alleen maar nog meer stimuleren om zelf AI-modellen op maat te trainen en aan te bieden als 24/7 kennis- en leertools voor hun mensen.
De toekomst is aan organisaties (en individuele professionals) die het best in staat zijn om hun eigen intelligentie en creativiteit te combineren met AI om meer te leren, verder te kijken en nog betere resultaten te produceren.
Wij mensen zijn uniek in ons vermogen om kennis te ontwikkelen, op te slaan en te verspreiden. Dat feit vormt de basis voor ons verbazingwekkende vermogen om op grote schaal samen te werken. Dit geeft dan weer aanleiding tot alles wat we bouwen: innovaties, bedrijven, universiteiten, naties en alles daartussenin.
Onze samenlevingen zijn altijd gevormd en opnieuw gevormd door de kennistools die we gebruiken, van het schrift zelf tot de drukpers en de pc.
De LLM, en meer in het algemeen machinale intelligentie, brengt zeker zijn eigen transformaties met zich mee. We staan nog maar aan het begin van het traject. Er is nog zoveel te doen en nog veel te leren.
Het is duidelijk dat de toepassing, implementaties en toekomstige implicaties van LLM's een nieuw tijdperk voor productiviteit inluiden in de toekomst van werk. Andere fascinerende ontwikkelingen die onze werkwijzen zullen beïnvloeden, vind je in ons gesprek met David Mattin over opkomende technologische megatrends op het werk.
