Wat is generative AI?

De eenvoudigste definitie die we kunnen geven voor generative AI is: technologie die ons toestaat om nieuwe inhoud te creëren. In dit artikel gaan we dieper in op de betekenis hiervan. We nemen hiervoor 2 invalshoeken: enerzijds benaderen we generative AI als een evolutie van analytics, anderzijds als een familie van technologieën.

Generative AI als logische evolutie van analytics

Als we kijken naar de evolutie van rapportering, analytics en AI, zien we een duidelijke evolutie die ons vandaag gebracht heeft bij generative AI:

1. Descriptive analytics: Analytics startte vanuit een behoefte aan analyse gestoeld op de vraag "Wat is er gebeurd?". Descriptive analytics geeft inzicht in het verleden. Typisch wordt dit gebruikt voor reporting over maandcijfers, jaarcijfers, winsten en verkoop.
2. Diagnostic analytics: Men wou echter niet enkel weten wat er gebeurd was maar ook  "Waarom is het gebeurd?". Men wou "doorklikken" op gegevens en meer inzicht verwerven in oorzaak en gevolg. Diagnostic analytics kennen we vaak van dashboarding.
3. Predictive analytics: Omdat men uiteraard niet alleen het verleden wil begrijpen, maar ook de toekomst wil inschatten, is men voorspellende algoritmen gaan ontwikkelen en inzetten. Deze geven ons een antwoord geven op "Wat gaat er wellicht gebeuren?". Hier is men beginnen spreken van AI. Op basis van historische data kunnen we inschattingen maken van de toekomst. Deze technologieën zijn reeds wijd verspreid: Netflix voorspelt welke films we willen zien, Amazon welke producten we willen kopen en de NMBS hoe druk het gaat zijn op een trein.‍
4. Prescriptive analytics: Omdat voorspellen in veel gevallen slechts een eerste stap is, wou men ook een antwoord op de vraag "Wat moet ik doen?". Hierbij werden acties aanbevolen. Typisch worden deze technologieën ingezet in industriële toepassingen zoals bijvoorbeeld assemblage lijnen om automatische bijsturing te doen bij defecten.

Bij elke stap in deze evolutie waren er twee inherente beperkingen:

• De tools en modellen waren specifiek ontwikkeld voor één context: we konden niet hetzelfde algoritme gebruiken om zowel films aan te bevelen als het weer te voorspellen. Dit maakte het ontwikkelen van AI oplossingen duur. Er moest immers voor elke toepassing een nieuw model worden ontwikkeld op maat.
• De mogelijke uitkomsten van deze analyses lagen altijd op voorhand vast. De uitkomst was discreet: een cijfer, een film uit een collectie, een druktegraad, een temperatuur, etc.

Met generative AI is een antwoord gekomen op deze beperkingen. Enerzijds kunnen generative AI modellen vaak ingezet worden voor verschillende toepassingen, zoals we al zien met ChatGPT. Anderzijds zorgt de generatieve aard van de modellen ervoor dat uitkomsten niet langer vooraf bepaald worden, maar telkens unieke output gegenereerd kan worden. Men spreekt ook over niet-deterministische AI.

Generative AI als familie van technologieën

Generative AI is nog een breed begrip. We kunnen generative AI zien als een familie van technologieën. De familie wordt gekenmerkt door "AI modellen die nieuwe inhoud kunnen genereren".

Een eerste onderverdeling binnen de familie wordt gemaakt op basis van de domeinen waarvoor het output kan genereren. Er zijn generative AI modellen voor allerlei verschillende toepassingen: gaande van modellen voor duurzaamheid, DNA onderzoek tot drug discovery. De meest bekende modellen zijn foundation modellen. Deze liggen aan de basis van tools zoals ChatGPT en Google Bard en worden gekenmerkt door brede inzetbaarheid. De output die ze kunnen genereren is zo breed dat ze kunnen ingezet worden voor heel uiteenlopende toepassingen.

Vaak vergelijken we foundation modellen met het brein van een 12-jarige: die heeft al veel gezien en kent een beetje van alles, echter is geen expert in elk van deze domeinen.

Binnen de groep van foundation modellen maken we nog een verdere onderverdeling. Deze worden voornamelijk geïdentificeerd op basis van de vorm van de inhoud die ze kunnen interpreteren en genereren. Een bekende groep hieronder is de groep van de taalmodellen. Dit zijn modellen die tekst interpreteren en genereren, zoals we kennen van ChatGPT. Echter, er bestaan ook modellen die tekst omzetten in beeld (zoals bijvoorbeeld MidJourney) of video, of modellen die beeld omzetten in tekst. In principe gaat dit heel breed: beeld, tekst, video, PDF, Excel, PowerPoint en alle mogelijke combinaties zijn mogelijk.

Met generative AI heeft de evolutie van analytics en AI een grote stap gezet. De capaciteit om nieuwe inhoud te creëren is revolutionair en opent heel wat nieuwe deuren naar bedrijfstoepassingen. Binnen elk bedrijfsproces waar inhoud gecreëerd wordt, in welke vorm dan ook, zijn er mogelijkheden. In dit artikel gaan we dieper in op de verschillende mogelijkheden.