Onderzoek schetst vijf niveaus van AI die zichzelf verbetert

TL;DR

• Wat: 33 onderzoekers van ByteDance, Tsinghua en andere Chinese instituten publiceerden een paper met vijf niveaus waarop AI zichzelf kan verbeteren — van simpele instructies uitvoeren tot het aanpassen van het eigen verbeterproces.
• Waarom relevant: als AI zich straks zelf kan verbeteren, verandert het tempo waarmee nieuwe mogelijkheden beschikbaar komen voor ondernemers.
• Wat je ermee kunt: houd in de gaten op welk niveau de AI-tools zitten die je nu gebruikt — dat bepaalt hoeveel menselijke sturing ze nog nodig hebben.

Ik viel over een bericht van The Rundown AI op X met een citaat dat me niet meer losliet: "Everything AI has achieved so far is but a drop in the ocean." Dat is de openingszin van een paper van 75 pagina's, geschreven door 33 onderzoekers uit China. Het onderzoek heet The Last AI Built by Humans en schetst een raamwerk voor AI die zichzelf verbetert. Ik vond het de moeite waard om hier eens in te duiken.

Wat staat er in het onderzoek?

Het paper is een samenwerking van onderzoekers van onder andere ByteDance, Tsinghua University, Shanghai Jiao Tong University en het Shanghai AI Lab. Ze hebben 491 bestaande onderzoeken doorgespit en op basis daarvan een taxonomie opgesteld: vijf niveaus van wat zij recursive self-improvement (RSI) noemen. Vrij vertaald: AI die zichzelf herhaaldelijk beter maakt.

De kern van hun stelling is dat de meeste AI-systemen vandaag nog op de onderste treden staan. Slechts 5,9 procent van de onderzochte papers bereikte het hoogste niveau. Dat is een opvallend laag percentage als je bedenkt hoeveel er over AI-vooruitgang wordt geschreven.

De vijf niveaus uitgelegd

Ik vind het raamwerk nuttig omdat het de abstracte belofte van "AI wordt steeds slimmer" concreet maakt. Hier zijn de niveaus, zo begrijpelijk mogelijk:

L1: Mens geeft instructies, AI voert uit

Denk aan een geautomatiseerde pijplijn die data opschoont of sorteert. De mens bedenkt de stappen, de AI draait ze. Vergelijk het met een medewerker die een checklist afwerkt zonder er zelf iets aan te veranderen.

L2: AI kiest zelf hoe het verbetert

Hier kan het systeem zijn eigen zwakke punten herkennen en zelf een aanpak kiezen om die te verbeteren. De mens hoeft niet meer stap voor stap te vertellen wát er moet gebeuren.

L3: AI bepaalt wat het moet leren

Op dit niveau beslist het systeem zelf welke data of ervaringen het nodig heeft. Het kan bijvoorbeeld zelf scenario's bedenken om mee te oefenen — een beetje zoals een schaker die tegen zichzelf speelt om nieuwe openingen te ontdekken.

L4: AI past zich aan tijdens gebruik

Het systeem leert van wat het in de praktijk tegenkomt en slaat dat op als langetermijnkennis. Niet alleen trainen en dan uitrollen, maar continu bijleren terwijl het draait.

L5: AI verbetert zijn eigen verbetermethode

Dit is het meest vergaande niveau. Het systeem past niet alleen zichzelf aan, maar verandert ook de manier waarop het zichzelf aanpast. De onderzoekers noemen dit meta-improvement. Stel je voor dat een bedrijf niet alleen zijn werkprocessen verbetert, maar ook de methode waarmee het werkprocessen beoordeelt continu herziet. Dat is wat L5 beschrijft — maar dan voor een AI-systeem.

Drie bevindingen die ik interessant vind

Wat mij opvalt aan het onderzoek zijn drie kanttekeningen die de onderzoekers zelf plaatsen.

Ten eerste: fragmentatie. Huidige systemen automatiseren losse onderdelen, maar geen enkel systeem laat een volledig, zichzelf onderhoudend verbeterproces zien. Er is nog geen AI die het hele traject van idee tot implementatie tot evaluatie zelfstandig doorloopt.

Ten tweede: hogere scores betekenen niet per se vooruitgang. De onderzoekers benadrukken dat een betere benchmark-score niet hetzelfde is als echte zelfverbetering. De verbetering moet "erfelijk" zijn — het systeem moet er in de volgende ronde daadwerkelijk beter van worden, niet alleen in één test goed scoren.

Ten derde, en ik vind dit eerlijk gezegd de meest prikkelende: meer autonomie leidt niet automatisch tot betere systemen. De relatie tussen zelfstandigheid en prestatie is complexer dan je zou denken. Dat nuanceert het beeld dat AI vanzelf beter wordt naarmate je het meer vrijheid geeft.

Wat betekent dit voor een ondernemer?

Laat ik eerlijk zijn: dit is een academisch raamwerk, geen product dat je morgen kunt kopen. Maar ik denk dat het wél helpt om het landschap beter te begrijpen.

De AI-tools die de meeste ondernemers nu gebruiken — chatbots, vertaaltools, contentgeneratoren — zitten overwegend op niveau 1 of 2. Ze doen wat je vraagt, soms kiezen ze zelf een aanpak, maar ze verbeteren zichzelf niet fundamenteel terwijl je ze gebruikt.

Kun je je voorstellen wat het betekent als een tool op niveau 4 zou werken? Stel dat je een klantenservice-AI hebt die na elke interactie bijleert en na een maand beduidend beter is geworden in het beantwoorden van vragen die specifiek zijn voor jouw branche — zonder dat jij er iets voor hoeft te doen. Dat is het soort sprong waar dit raamwerk over gaat.

Tegelijkertijd wijzen de onderzoekers op risico's. Ze pleiten voor verificatiesystemen die bestand zijn tegen manipulatie, rollback-mogelijkheden (zodat je een update kunt terugdraaien als die niet goed uitpakt), en evaluatiemethoden die over meerdere generaties van verbeteringen kijken. Wat mij betreft is dat een verstandige benadering.

Software-engineering loopt voorop

Een detail dat ik de moeite waard vind: de onderzoekers noemen software-engineering als het domein waar zelfverbetering het meest kansrijk is. De reden is logisch — code kun je uitvoeren en testen, dus je hebt een objectieve maatstaf om te bepalen of een verbetering daadwerkelijk werkt.

In andere domeinen is dat lastiger. In de zorg heb je te maken met regelgeving en vertraagde uitkomsten. In wetenschappelijk onderzoek is feedback schaars. En bij fysieke systemen — robots bijvoorbeeld — is er altijd een kloof tussen simulatie en werkelijkheid.

Voor ondernemers in de softwarehoek is dit mogelijk het meest direct relevant. Voor andere sectoren is het een kwestie van wat langer wachten.

Een reflectie

Ik vind het bijzonder dat de openingszin van dit paper zo uitgesproken is — alles wat AI tot nu toe heeft bereikt is slechts een druppel in de oceaan. Dat is een stevige uitspraak voor een academisch stuk. Tegelijk laat het raamwerk zien dat er nog een behoorlijke weg te gaan is: het overgrote deel van het huidige onderzoek zit op de lagere niveaus.

Voor mij is dit vooral een nuttig denkmodel. Niet om morgen anders te ondernemen, maar om de claims die je dagelijks voorbij ziet komen beter te kunnen plaatsen. Als iemand zegt dat een AI-tool "zichzelf verbetert", kun je nu vragen: op welk niveau dan precies?