AI Zonder Bullshit Wat Rodney Brooks écht vindt van de AI-hype

Rodney Brooks Prikt de AI-hype Door De Mythe Ontkracht

De baanbrekende roboticus deelt in Newsweek wat 50 jaar ervaring hem heeft geleerd over AI-hypecycli.

“Het is onmogelijk om te liegen tenzij je denkt dat je de waarheid kent. Onzin verkopen vereist geen enkele overtuiging,” schreef filosoof Harry Frankfurt in zijn bekende boek On Bullshit uit 2005. Volgens die maatstaf zijn large language models (LLM’s)—de krachtige systemen achter generatieve AI—echte meesters in onzin verkopen. En Rodney Brooks kan het weten. Als voormalig directeur van het MIT Computer Science and Artificial Intelligence Laboratory en oprichter van iRobot (de maker van de Roomba) heeft hij meer dan genoeg technologische doorbraken, en overdreven beloftes, voorbij zien komen.

Tijdens dit scherpzinnige gesprek kwamen twee belangrijke thema’s naar voren:

1. Laat je niet misleiden door de soepele taalvaardigheid van LLM’s—hun gebrek aan verankering in de werkelijkheid betekent dat de mens altijd in de loop moet blijven en de controle moet behouden.
2. Verandering gaat langzamer dan je denkt.

“LLM’s weten niet wat waar is,” zegt Brooks. “Ze weten alleen welke woorden ongeveer bij elkaar passen. Ze hebben alles gelezen wat ooit geschreven of gedigitaliseerd is, dus ze kennen allerlei taalkunstjes. Het zijn onzinmachines, totdat we ze in de realiteit kunnen verankeren, in een waarheid.”

Toch is Brooks geen AI-scepticus. Integendeel: hij is die zeldzame pionier die diepe technische kennis koppelt aan decennia ervaring met échte toepassingen. Zijn visie biedt een onmisbaar kader om zowel het echte potentieel als de aanhoudende beperkingen van AI te begrijpen. En vooral: hoe je die twee van elkaar onderscheidt.

Een centrale waarschuwing van Brooks gaat over wat hij FOBAWTPALSL noemt (Fear Of Being A Wimpy Techno-Pessimist And Looking Stupid Later). Een mondvol, maar het beschrijft een herkenbare angst: dat je AI niet enthousiast genoeg omarmt en later dom overkomt. En dus gaan mensen mee in de hype, zonder goed te beoordelen wat er werkelijk aan de hand is.

“Niemand wil in de situatie belanden waarin ze zeggen: ‘We lieten je dit zien en jij deed er lacherig over,’” legt Brooks uit. “En als je slimmer was geweest, had je geweten dat wij gelijk zouden krijgen.” Volgens hem zorgt dit soort onzekerheid ervoor dat mensen niet kritisch genoeg zijn op sommige AI-claims.

Deze collectieve ‘suspension of disbelief’ leidt tot kuddegedrag, iets wat innovatie juist kan blokkeren.

“Het is als vijfjarige kinderen die allemaal op de bal afrennen bij een potje voetbal,” zegt Brooks droogjes. En dat heeft echte gevolgen. Kapitaal, onderzoek en talent stromen allemaal naar de hype van het moment, terwijl andere waardevolle richtingen worden verwaarloosd.

Die versnelling wordt volgens Brooks nog eens versterkt door een fundamenteel misverstand over technologische vooruitgang. Het succes van Moore’s Law—de verdubbeling van chipcapaciteit ongeveer elke twee jaar—heeft mensen doen geloven dat álle technologie zich exponentieel ontwikkelt. Maar, zegt Brooks: exponentiële groei “kan niet eindeloos doorgaan, want dan eet je uiteindelijk het hele universum op.” Veel ogenschijnlijk exponentiële trends blijken uiteindelijk gewoon groeispurten die afvlakken.

“Vaak is het helemaal geen exponentiële groei,” zegt Brooks. Zeker niet in de fysieke wereld, waar we al dicht tegen de grenzen aan zitten van wat mogelijk is. “Bij robots die dingen moeten tillen, kunnen we ze misschien twee keer zo efficiënt maken als nu… maar niet drie of vier keer. Dat betekent dat de prijs van een robot die iets moet verplaatsen niet exponentieel zal blijven dalen.”

Daarnaast zijn er nog steeds onopgeloste problemen in robotica—zoals robotarmen met gevoel. De meeste industriële robots gebruiken nog steeds simpele zuignappen of grijpers zonder krachtsensoren.

“Die gebruiken we al vijftig jaar. Er is niet veel vooruitgang geboekt met robot-handen,” zegt hij. “Voor de meeste taken heb je dus nog steeds een mens nodig om het op te pakken.” Die realiteit geldt niet alleen voor fysieke taken, maar ook voor AI-systemen die in de echte wereld opereren. Zolang die systemen niet zijn verankerd in de werkelijkheid, blijft menselijke tussenkomst noodzakelijk.

Maar er is nog een factor die meespeelt.

Volgens Brooks maken we vaak de fout om te overschatten hoe snel nieuwe technologieën daadwerkelijk worden ingevoerd. Zelfs puur digitale veranderingen kunnen decennia duren. Hij wijst bijvoorbeeld op de overgang van het internet van IPv4 (dat ongeveer 2 miljard apparaten aankan) naar IPv6, dat er biljoenen aankan.

“Die overgang zou tussen 2001 en 2003 plaatsvinden, met een overgangsperiode van twee jaar,” zegt hij. “Maar in 2024 was nog steeds meer dan 50% van het internetverkeer op IPv4.”

Veranderingen in de fysieke wereld duren nóg langer. “Auto’s die mensen vandaag kopen, rijden over 15 tot 20 jaar nog steeds rond,” zegt Brooks.

Infrastructuurveranderingen vergen gigantische investeringen en afstemming. Zoals hij het stelt:

“Alles duurt lang voordat het echt wordt toegepast, zelfs software. Het is ingebed in een hele keten van andere zaken, je kunt het niet zomaar inzetten zonder randvoorwaarden.” Langzame, zorgvuldige adoptie is dus normaal én verstandig.

Brooks groeide op in Adelaide, Australië, waar hij zijn wiskundig talent combineerde met een fascinatie voor techniek.

“Als kind was ik altijd al geïnteresseerd in robots,” herinnert hij zich. “Ik was er niet goed in om ze te bouwen; ik kon wel schakelingen maken, maar het mechanische deel vond ik lastig.”

Na zijn studie zuivere wiskunde aan Flinders University vertrok hij naar Stanford University, waar hij in 1977 deelnam aan het baanbrekende Hand-Eye Project.

“Toen werd ik officieel een roboticus.”

Daarna volgde een indrukwekkende carrière bij MIT, waar hij uiteindelijk Panasonic Professor of Robotics werd en directeur van het prestigieuze MIT Computer Science and Artificial Intelligence Laboratory—een broedplaats die inmiddels twaalf Turing Award-winnaars heeft voortgebracht (de Nobelprijs van de informatica).

Toch bleef Brooks niet hangen in het academische. Zijn ondernemende geest leidde tot de oprichting van iRobot, het bedrijf dat uiteindelijk de Roomba-stofzuiger zou ontwikkelen. Maar dat succes kwam niet vanzelf: pas na dertien mislukte pogingen ontstond een commercieel levensvatbare robot. Een schoolvoorbeeld van vasthoudendheid en leren door vallen en opstaan.

Minder bekend dan de Roomba is dat iRobot ook militaire robots ontwikkelde voor het ontmantelen van bommen. Deze machines bewezen hun nut voor het eerst op Ground Zero na de aanslagen van 9/11. Later werden ze op grote schaal ingezet door Amerikaanse troepen in Irak en Afghanistan om geïmproviseerde explosieven (IED’s) op te sporen en onschadelijk te maken.

Maar hun meest indrukwekkende inzet vond plaats tijdens een van de grootste nucleaire rampen van deze eeuw.

“Toen de grote tsunami van 2011 Japan trof en drie reactoren in Fukushima Daiichi smolten, konden mensen het gebouw niet betreden,” vertelt Brooks trots. “Onze robots kwamen zeven dagen later aan en werden gebruikt om te kijken wat er aan de hand was en om gegevens te verzamelen.”

Hun succes zat niet alleen in hun technische kunnen, maar vooral in hun betrouwbaarheid onder extreme omstandigheden.

“Dat die robots daar naar binnen konden, kwam doordat we er al 6.500 hadden ingezet in oorlogsgebieden. Ze waren écht battle-tested.”

Dit patroon—baanbrekende technologie combineren met praktische toepassingen die mensen helpen is kenmerkend voor Brooks’ hele carrière.

Bij Rethink Robotics ontwikkelde hij Baxter, een robot met twee armen, speciaal ontworpen om samen te werken met mensen in fabrieksomgevingen. Zijn huidige bedrijf, Robust.AI, bouwt magazijnrobots die medewerkers ondersteunen in plaats van vervangen.

Gedurende al die jaren is zijn filosofie opmerkelijk consistent gebleven: technologie moet menselijke capaciteiten versterken, niet nabootsen.

Centraal daarin staat een ogenschijnlijk simpele observatie: mensen accepteren alleen nieuwe technologie als ze de controle behouden.

“Je hoeft niet elk apparaat dat je gebruikt volledig te begrijpen,” legt Brooks uit. “Maar je wilt wél regie. Je wilt kunnen ingrijpen als iets niet werkt zoals jij wilt.”

Hij haalt zelfrijdende auto’s aan als voorbeeld:

“Als je in een zelfrijdende auto zit, kun je niet zeggen: ‘Rijd nog honderd meter verder voordat ik uitstap.’ Jij beslist dat niet. En dat frustreert mensen.”

Essentieel is ook dat machines betrouwbaar te besturen zijn. Brooks is het eens met neurowetenschapper David Eagleman, die stelt dat de hersenen alleen dingen accepteren die ze betrouwbaar kunnen controleren.

“Toen je voor het eerst in een auto stapte, was dat een ding. Een beest bijna,” legt Brooks uit. “Maar na een tijdje werd die auto een verlengstuk van jezelf.”

Dat gebeurt alleen omdat de reacties van de auto voorspelbaar zijn én omdat jij de controle houdt. Jij bepaalt wanneer je gas geeft, remt of afslaat.

Het tegenovergestelde gebeurt als nieuwe technologie geen rekening houdt met de mens. Brooks haalt een voorbeeld aan uit de praktijk: ziekenhuizen die bezorgrobots inzetten.

“Veel ziekenhuizen zeggen: ‘We hebben robots die vieze lakens en servies naar de kelder brengen.’ Maar als je daar rondloopt, zie je die robots vaak uitgeschakeld en tegen de muur geparkeerd.” Waarom? “De mensen die daar levens redden, duwen iets door de gang, en dan komt zo’n robot eraan die niet weet wat te doen. Hij blokkeert het pad. En dat irriteert mensen mateloos.”

De les is duidelijk: succesvolle AI-systemen moeten niet alleen technisch capabel zijn, maar ook mensvriendelijk ontworpen. Zoals Brooks het zegt:

“Als het een plug-in is voor mijn wereldbeeld en zich voorspelbaar en consistent gedraagt, dan voeg ik het toe.”

Dit inzicht heeft grote gevolgen voor hoe we zouden moeten kijken naar de rol van AI in onze toekomst. In plaats van te streven naar volledige automatisering die de mens buitenspel zet, pleit Brooks voor een hybride benadering: technologie moet menselijke vaardigheden versterken en tegelijkertijd menselijke regie behouden.

Door die bril kunnen we beter begrijpen wat AI vandaag wél en niet kan.

“LLM’s hebben geleerd om taal te generaliseren. Alleen taal, niet per se de betekenis van die taal,” legt Brooks uit. En daarin zijn ze verbluffend goed. “Het is ongelooflijk hoe goed ze taal genereren. Tien jaar geleden had niemand geloofd dat dit zo goed zou werken.”

Maar uiteindelijk zijn het volgens hem “geavanceerde autocomplete-machines—niet per se van een idee, maar gewoon van het volgende woord.”

Precies die vaardigheid kan misleidend zijn. Als een AI-systeem een taak verrassend goed uitvoert, gaan we er snel vanuit dat het breder inzetbaar is—zoals we dat bij mensen gewend zijn.

“Als een mens uitlegt hoe je van A naar B komt, weten we dat die persoon niet alleen de route snapt, maar ook taal breed beheerst,” zegt Brooks. “Maar die aanname geldt niet voor een machine.”

Die overschatting wordt nog groter als we niet begrijpen hoe het systeem werkt. Zoals sciencefictionauteur Arthur C. Clarke al zei: “Elke voldoende geavanceerde technologie is niet te onderscheiden van magie.” Brooks ziet dat dit nu precies gebeurt bij de reacties op LLM’s: als we niet snappen hóé iets werkt, zien we de beperkingen ook niet meer.

De weg vooruit ligt volgens Brooks niet in één alleswetende AI, maar in slimme combinaties van gespecialiseerde AI-tools met menselijke controle.

“We gebruiken taalmodellen voor de algemene taalinterface, en daarachter laten we gespecialiseerde modules draaien met duidelijke kaders,” voorspelt hij.

Denk aan taalmodellen als intuïtieve schil voor andere AI-systemen die wél verankerd zijn in domeinkennis.

Die aanpak blijkt nu al effectief. Zelfrijdende auto’s worden op afstand begeleid door menselijke operators die ingrijpen bij onverwachte situaties. Magazijnrobots werken samen met mensen die de eindcontrole houden. Medische AI herkent afwijkingen op scans, maar de diagnose blijft mensenwerk. Complexe wetenschappelijke uitdagingen zoals eiwitvouwing of materiaalkunde krijgen dankzij AI een boost, maar de interpretatie blijft mensenwerk.

Waar ziet Brooks dan wél echte kansen voor AI in de komende jaren? Zijn antwoord is typerend nuchter: zoek naar problemen met echte economische of menselijke waarde. En kijk dan welke combinatie van AI en menselijke tussenkomst het meest betrouwbaar tot een oplossing leidt.

“Focus op de waarde,” zegt Brooks. “Voor een bedrijf dat geld wil verdienen met AI of robotica, ligt de sleutel in begrijpen wie je klant is, wat zijn pijnpunten zijn en hoe jij daar uniek iets in kunt betekenen. Anders werkt het niet.”

Gebaseerd op zijn vijftig jaar ervaring ziet hij meerdere kansrijke gebieden: in magazijnen en fabrieken kunnen slimme machines de logistiek optimaliseren. In de landbouw kunnen autonome systemen helpen met bemesten, wieden en oogsten. En misschien wel het meest urgente domein: ouderenzorg. Daar kunnen intelligente systemen bijdragen aan zelfstandigheid en waardigheid, juist in een vergrijzende samenleving.

Toch blijft één principe leidend: return on investment (ROI).

“De mensen die de miljardenlogistiek van de wereld runnen, gaan hun geld echt niet uitgeven aan glitter en glamour,” zegt hij.

Dat brengt Brooks tot een nuchtere voorspelling: de meeste banen zullen niet worden vervangen, maar versterkt. De toekomst is niet een wereld waarin wij achteroverleunen met een tros druiven terwijl humanoïde robots alles doen. AI wordt een hulpmiddel dat ons werk ondersteunt, en ons de regie laat houden.