AAIP – Hoofdstuk 2

Geschiedenis van Kunstmatige Intelligentie

2.1 Waarom dit hoofdstuk belangrijk is

Om AI te begrijpen op professioneel niveau, moet je weten waar het vandaan komt. De geschiedenis van AI is geen simpele tijdlijn — het is een verhaal van:

doorbraken,
fouten,
overschatting,
AI-winters,
en explosieve vooruitgang.

Dit hoofdstuk geeft je een diep inzicht in de golven van AI‑ontwikkeling en waarom AI vandaag is waar het is.

2.2 De vier grote AI‑golven

De geschiedenis van AI kan worden gezien als vier grote golven:

Golf 1 — Symbolische AI (1950–1980)

De eerste AI‑systemen waren gebaseerd op regels, logica en symbolen. Denk aan:

IF‑THEN regels
expert systemen
logische redenering

Deze systemen waren slim in theorie, maar faalden in de echte wereld omdat:

de wereld te complex is voor regels,
regels moeilijk te onderhouden zijn,
ze niet kunnen leren van data.

Golf 2 — Machine Learning (1980–2010)

De focus verschoof van regels naar statistiek en data. AI begon te leren in plaats van te redeneren.

Neurale netwerken (eerste generatie)
Support Vector Machines
Clustering & regressie

Golf 3 — Deep Learning (2010–2020)

Door GPU’s, big data en nieuwe architecturen explodeerde AI‑capaciteit.

CNN’s voor beeldherkenning
RNN’s voor taal en tijdreeksen
GAN’s voor generatieve modellen

Golf 4 — Foundation Models & LLM’s (2020–heden)

De huidige AI‑revolutie draait om grote taalmodellen en multimodale foundation models.

Transformers
LLM’s (GPT‑achtige modellen)
Multimodale AI (beeld + tekst + audio)

2.3 De AI‑winters

AI heeft meerdere periodes gekend waarin de vooruitgang stilviel. Deze worden “AI‑winters” genoemd.

AI‑winter 1 (1974–1980)

Symbolische AI werkte niet in de praktijk. Overheden stopten met financieren.

AI‑winter 2 (1987–1993)

Expert systemen stortten in door onderhoudsproblemen. Hardware was te zwak voor neurale netwerken.

Elke AI‑winter werd gevolgd door een explosie van innovatie.

2.4 Waarom AI nu wél werkt

De moderne AI‑doorbraak is geen toeval. Vier factoren kwamen samen:

Big Data — enorme datasets
GPU’s — massale parallelle rekenkracht
Transformers — efficiënte architecturen
Internet — schaalbare training

Hierdoor konden modellen groeien van miljoenen naar miljarden parameters.

2.5 De transformer‑revolutie

In 2017 verscheen het paper “Attention is All You Need”. Dit was het begin van de moderne AI‑revolutie.

Transformers vervingen RNN’s en LSTM’s door:

parallelle verwerking,
lange‑afstand relaties,
snellere training,
betere prestaties.

Zonder transformers zouden LLM’s niet bestaan.

2.6 De toekomst van AI

De komende jaren zullen worden gedomineerd door:

multimodale modellen,
AI‑agenten,
AI‑veiligheid,
AGI‑onderzoek,
AI‑wetgeving.

Dit hoofdstuk geeft je de historische context om deze ontwikkelingen te begrijpen.

2.7 Reflectie‑opdracht

Beantwoord de volgende vragen schriftelijk:

Welke AI‑golf vind jij het meest interessant en waarom?
Waarom mislukten de expert systemen?
Leg in je eigen woorden uit waarom transformers zo belangrijk zijn.
Welke AI‑winter vind jij het meest leerzaam voor de toekomst?

← Terug naar AAIP landingspagina Ga verder naar Hoofdstuk 3 →