Technologie was tot voor enkele decennia terug vooral een uitbreiding van ons lichaam. Met een hamer, een stoommachine of een auto kun je krachtiger en sneller doen wat je met je lichaam ook kunt. Met de komst van informatietechnologie gaat het in toenemende mate om een uitbreiding van onze geest. Rekenmachines nemen rekenen over, navigatiesystemen nemen routeplanning over en software neemt logisch redeneren over. Technologie wordt slim.
Bij iedere nieuwe technologie wordt de vraag gesteld wat deze betekent voor wat we (nog) moeten leren. Als we met een druk op de knop snellere en betere antwoorden kunnen krijgen op vragen, wat heeft het dan nog voor zin met veel moeite die antwoorden zelf te bedenken?
En dan moet de doorbraak van Artificiële Intelligentie (AI) nog komen. De digitale assistenten op onze smartphones zijn nog niet zo slim en het zal nog wel even duren voor we kant en klare leerstof naar onze hersenen kunnen downloaden. Toch worden de prestaties van AI systemen steeds indrukwekkender en op niet al te lange termijn zullen ook hooggeschoolde kenniswerkers concurrentie krijgen van AI systemen.
Tot nu toe zat die concurrentie vooral in opslag en rekenkracht: een AI systeem kan bijvoorbeeld beschikken over alle medische artikelen ter wereld die de afgelopen 10 jaar zijn verschenen en die zijn gerelateerd aan geobserveerde symptomen en een systeem kan in een berg data zoeken naar een vergelijkbare reeks van waarden van medische testen. Met de komst van AI systemen gebaseerd op neurale netwerken komt daar ook het vermogen bij om nieuwe verbanden te vinden die verder gaan dan de algoritmen die via software zijn ingevoerd. Dan is er sprake van technologie die zichzelf slimmer maakt.

Het simpelste antwoord op de vraag wat mensen moeten leren als onze technologie slimmer is dan wij komt van de analogie met de vraag wat we met ons lichaam moeten nu we niet meer hoeven te slaan, gooien of rennen. We moeten nu niet langer bewegen voor ons overleven of voor ons werk, maar om gezond te blijven. Ons antwoord op televisies, machines en auto’s is de sportschool. We bewegen nu omdat ons lichaam daarvoor is gemaakt, niet omdat onze omgeving dat vraagt. Technologie haalt de evolutie in, maar wij blijven proberen ermee in de pas te blijven lopen.
Zoals ons lichaam vraagt ook ons brein om oefening om de functionaliteit op peil te houden. Leren wordt dan de mentale variant van de sportschool.
Ons brein in conditie houden geeft geen antwoord op de vraag wat je dan zou moeten leren. Zo schijnt jongleren goed te zijn voor het aanmaken van nieuwe verbindingen in de hersenen, maar de meeste van ons hebben er weinig aan in het dagelijks leven.

Er zijn redenen om te leren in relatie tot de komst van slimme technologie die wel richting geven aan wat we zouden moeten leren. Ik onderscheid drie clusters van redenen: leren gebaseerd op onze eigenwaarde, leren gebaseerd op onze meerwaarde en leren gebaseerd op onze overleving. Hier volgt een toelichting.
Bij onze eigenwaarde ten opzichte van technologie gaat het om wat wij als mensen beter kunnen dan die technologie. De zaken waarin slimme technologie niet superieur is en misschien ook wel nooit zal worden. Het gaat hierbij met name om vermogens die voortkomen uit onze lichamelijkheid. Ons vermogen gevoelens te ervaren is verbonden aan ons lichaam en de werking ervan. Gevoelens zijn de basis voor bijna alle vormen van sociale interactie. Een AI systeem kan mogelijk leren onze gevoelens te interpreteren en het daarbij behorende gedrag te vertonen, maar het systeem zal nooit dezelfde gevoelens ervaren. Een robot kan nog zo slim zijn en kunstig gemaakt, wanneer je het in de ogen kijkt zal je niets zien, behalve de projectie van je eigen gevoelens.
Behalve gevoelens zijn er nog meer vermogens waaraan we eigenwaarde kunnen ontlenen ten opzichte van technologie. De belangrijkste is misschien wel ons vermogen tot zingeving en daarmee doelbepaling: het waarom van ons handelen en daarmee ook van het gebruik van technologie. Mensen zijn in staat handelen zin te geven die verder gaat dan de overleving van de soort. Vooralsnog maakt ons dat waardevol ten opzichte van welke slimme technologie dan ook.

Een derde vermogen dat ons waarde geeft is dat van creativiteit. Dat geldt ook nu AI systemen de eerste pogingen doen romans te schrijven en tekeningen te maken. Technologische systemen zullen binnenkort de techniek van vele zo niet alle kunstvormen beter beheersen dan mensen, maar wat die systemen niet zullen kunnen is om niet alleen het spel te spelen, maar ook te kunnen spelen met de regels. Creativiteit speelt altijd op meerdere niveaus tegelijk: de tekening, waar de tekening naar verwijst en naar de relatie tussen de tekening en de werkelijkheid. Het spel op die verschillende niveaus tegelijk is niet zomaar na te bootsen. AI systemen zullen niet snel iets produceren als Ceci n’est pas une pipe.

Een tweede cluster van redenen om te blijven leren is de meerwaarde die mensen kunnen bieden bij het toepassen van slimme technologie. De simpelste meerwaarde is die van het opvangen van falen van de technologie. Het is toch een prettig idee dat als de software van de automatische piloot van je vliegtuig vastloopt er een menselijke piloot is die het toestel veilig kan laten landen. In het verlengde daarvan ligt de noodzaak om te blijven reageren op uitzonderingen waar slimme technologie niet op berekend is. Het kan goed zijn dat de sensoren van je zelfrijdende auto niet in staat zijn te reageren op een tornado die nadert op een paar honderd meter. Toch vraagt dat om een adequate reactie.
Meerwaarde van mensen heeft vooral te maken met het gebruik van slimme technologie. Ik geef drie vormen van die meerwaarde.
Om bruikbare informatie uit data te halen moeten data-analisten vooral de goede vragen stellen. Dat geldt in bredere zin voor slimme technologie. Sensoren, data producerende algoritmen, AI systemen moeten gestuurd worden om hun resultaten te optimaliseren en vragen zijn daar een belangrijk middel voor. Mensen zijn in staat authentieke vragen te stellen. Authentieke vragen zijn niet voorgeprogrammeerd en in de voorspelling ervan zit altijd een onzekerheid. Authentieke vragen zijn daarmee een meerwaarde.
In het creëren van content worden we voorbij gestreefd door technologie, maar dat geldt niet voor context. Mensen bepalen mede de waarde van de output van slimme systemen door het creëren en voortdurend opnieuw creëren van context. Als een groep mensen tot rust wordt gebracht door het slim aanpassen van licht in intensiteit en kleur is het resultaat mede afhankelijk van bijvoorbeeld een onverwachte schreeuw of lachbui. Context creëren is een tweede vorm van meerwaarde.
De uitkomsten van slimme systemen kunnen niet zonder interpretatie. Dat is uiteraard het geval bij systemen die alleen data als uitkomst hebben, maar ook bij intelligente systemen die voorstellen doen of die zelf handelen. Klopt hun handelen nog bij hun bedoeling, bij de context, bij de uitkomsten van andere systemen, is het handelen consistent en adequaat? Kortom, er is interpretatie nodig. Daarin hebben mensen een meerwaarde zelfs als die interpretatie, al dan niet gedeeltelijk, wordt uitbesteed aan andere systemen.

Een derde cluster van redenen om te blijven leren, onafhankelijk van de slimheid van de ons omringende technologie, is simpel samen te vatten als: ons zien te handhaven. Er wordt wel over slimme technologie gesproken als was het een nieuwe planeet die we koloniseren. Een planeet met eigen en deels onbekende eigenschappen en wetten. Ik zou een stap verder willen gaan: het beeld dat spoedig bij slimme technologie zal passen is dat van aliens die ons komen koloniseren. We kunnen er maar beter voor zorgen dat we hun eigenschappen en wetten goed kennen anders eindigen we als de inwoners van een dierentuin in de vorm van onze eigen planeet.

Daarmee is de uitkomst van deze verkenning van onze verhouding tot slimme technologie een paradox: hoe slimmer onze technologie hoe meer we zullen moeten leren.