Wat is de geschiedenis van AI?<\/h2>\n\n\n\n
De geschiedenis van AI is het verhaal van hoe we machines hebben gebouwd om het menselijk denken te kopi\u00ebren. Het begon in de jaren 50 als een wiskundig raadsel: kan een machine “intelligent” zijn? Sinds die tijd heeft AI “zomers” doorgemaakt waarin iedereen ge\u00efnteresseerd was, en “winters” waarin de vooruitgang vertraagde. Vandaag de dag bevinden we ons in een tijdperk waarin AI eigen tekst en afbeeldingen kan cre\u00ebren en zelfs problemen kan oplossen waarvoor het niet specifiek is geprogrammeerd.<\/p>\n\n\n\n In het begin was AI vooral theoretisch. Wetenschappers probeerden geen apps of websites te bouwen; ze probeerden te zien of een computer een mens kon misleiden door te laten denken dat hij met een ander persoon sprak.<\/p>\n\n\n\n In zijn beroemde artikel, computing Machinery and Intelligence, stelde Alan Turing een simpele vraag: “Kunnen machines denken?” Om die te beantwoorden, cre\u00eberde hij de Turing Test<\/a>. In deze test praat een menselijke beoordelaar met een computer en een persoon. Als de beoordelaar niet kan vertellen wie de computer is, slaagt de machine. Dit stelde het eerste doel voor AI vast: het nabootsen van menselijk gedrag.<\/p>\n\n\n\n De term “Artificial Intelligence” werd geboren tijdens het Dartmouth Summer Research Project<\/a>. John McCarthy en een kleine groep wetenschappers kwamen die zomer bijeen om te bespreken hoe machines taal zouden kunnen gebruiken of abstracties konden vormen. Deze bijeenkomst maakte van AI een echt vakgebied in plaats van alleen een sciencefiction-idee.<\/p>\n\n\n\n ELIZA was een van de allereerste computerprogramma’s die kon “chatten”. Gebouwd door Joseph Weizenbaum, maakte het gebruik van eenvoudige woordovereenkomsten om gebruikers te antwoorden. Hoewel het niet echt begreep wat er werd gezegd, deelden mensen vaak hun diepste gevoelens ermee. Dit bewees dat mensen zeer bereid zijn om met AI te communiceren alsof het echt is.<\/p>\n\n\n\n Na de beginjaren verschoof AI naar “Narrow AI”. In plaats van te proberen alles te doen wat een mens kan, bouwden wetenschappers machines om wereldtop te zijn in \u00e9\u00e9n specifiek ding, zoals schaken of het beantwoorden van trivia-vragen.<\/p>\n\n\n\n In een groots moment voor de informatica versloeg IBM\u2019s Deep Blue<\/a> de wereldkampioen schaken, Garry Kasparov. Deep Blue was een “brute force”-machine, wat betekent dat het elke seconde 200 miljoen mogelijke schaakzetten kon controleren. Kasparov beschreef dit later als een synthesis of man and machine, wat aantoont dat computers beter kunnen presteren dan mensen in hoogwaardige logica.<\/p>\n\n\n\n IBM ging een stap verder met Watson<\/a>, een systeem ontworpen om raadsels en complexe taal te begrijpen in de tv-show Jeopardy!<\/em>. Watson versloeg de twee grootste kampioenen van de show door gebruik te maken van DeepQA technologie. In enkele seconden kon Watson door 200 miljoen pagina’s aan data zoeken naar het juiste antwoord.<\/p>\n\n\n\n Eveneens in 2011 lanceerde Apple Siri<\/a> op de iPhone 4S. Oorspronkelijk een project van SRI International, was Siri de eerste keer dat gewone mensen dagelijks met een AI konden praten. Het maakte gebruik van Machine Learning om beter te worden in het begrijpen van verschillende stemmen en accenten.<\/p>\n\n\n\n Deze periode veranderde alles. AI stapte af van door mensen geschreven regels en begon Deep Learning te gebruiken, waarbij de computer zichzelf onderwijst door naar miljoenen voorbeelden te kijken.<\/p>\n\n\n\n De ImageNet competition was een wedstrijd om te zien welk programma objecten in foto’s het beste kon identificeren. Een model genaamd AlexNet won met een enorme voorsprong door een nieuwe methode en krachtige computerchips (GPU’s) te gebruiken. Dit bewees dat neurale netwerken de toekomst van AI waren. Voor bedrijven was dit het startpunt voor het gebruik van AI voor vision en data-analyse. Veel bedrijven beginnen deze reis met een AI workshop<\/a> om te zien hoe deze doorbraken op hen van toepassing zijn.<\/p>\n\n\n\n Google DeepMind\u2019s AlphaGo versloeg Lee Sedol, een topspeler van het spel Go. Go is veel moeilijker dan schaken omdat er te veel zetten zijn om te berekenen. AlphaGo gebruikte Reinforcement Learning om de beste zetten aan te voelen (“feel out”), waarbij het vaak speelde op manieren die menselijke experts nog nooit eerder hadden gezien.<\/p>\n\n\n\n We bevinden ons nu in het tijdperk van “Generative AI”, waarin machines niet alleen data analyseren, maar nieuwe dingen cre\u00ebren.<\/p>\n\n\n\n OpenAI veranderde de wereld in november 2022 met ChatGPT<\/a>. Het bereikte een miljoen gebruikers in slechts vijf dagen. Het kon essays schrijven, computercode repareren en moeilijke onderwerpen uitleggen. Dit leidde tot een enorme toename in generative AI implementation in bijna elke sector, omdat bedrijven zich realiseerden dat ze schrijf- en creatieve taken konden automatiseren.<\/p>\n\n\n\n De AI van vandaag is “multimodaal”, wat betekent dat het kan zien, horen en spreken. Modellen zoals GPT-4<\/a> en Google Gemini kunnen naar een foto van een kapotte fiets kijken en je vertellen hoe je deze moet maken, of luisteren naar een vergadering en een samenvatting schrijven. Je kunt zien hoe dit werkt voor jouw specifieke bedrijf door een custom AI demo<\/a> te boeken.<\/p>\n\n\n\n We bewegen ons voorbij chatbots naar “Agentic AI” en “Physical AI”.<\/p>\n\n\n\n De nieuwste trend is Agentic AI. In plaats van alleen een vraag te beantwoorden, kan een AI-agent daadwerkelijk het werk uitvoeren. Het kan inloggen op je software, data verplaatsen, e-mails sturen naar klanten en je agenda beheren. Het fungeert als een digitale werknemer in plaats van alleen een zoekmachine.<\/p>\n\n\n\n Door robots “hersenen” te geven met behulp van Foundation Models, zien we AI de fysieke wereld betreden. Robots kunnen nu verbale instructies begrijpen zoals “pak de blauwe beker op” in rommelige, echte omgevingen.<\/p>\n\n\n\n![\"tijdlijn](\"https:\/\/datanorth.ai\/wp-content\/uploads\/2026\/02\/tijdlijn-histroy-blog-nederlandse-versie-1024x576.png\")
<\/figure>\n\n\n\nHet fundament: 1950 tot 1966<\/h2>\n\n\n\n
1950: De Turing-test<\/h3>\n\n\n\n
1956: De Dartmouth-conferentie<\/h3>\n\n\n\n
1966: ELIZA en de eerste chatbots<\/h3>\n\n\n\n
Het tijdperk van competitieve beheersing: 1997 tot 2011<\/h2>\n\n\n\n
1997: Deep Blue verslaat Garry Kasparov<\/h3>\n\n\n\n
2011: Watson wint Jeopardy!<\/h3>\n\n\n\n
2011: Siri en AI in je broekzak<\/h3>\n\n\n\n
De Deep Learning-revolutie: 2012 tot 2016<\/h2>\n\n\n\n
2012: De ImageNet-doorbraak<\/h3>\n\n\n\n
2016: AlphaGo en machine-“intu\u00eftie”<\/h3>\n\n\n\n
Het generatieve en multimodale tijdperk: 2022 tot 2024<\/h2>\n\n\n\n
2022: De opkomst van ChatGPT<\/h3>\n\n\n\n
2023\/2024: Multimodale AI<\/h3>\n\n\n\n
De huidige grens: 2025 en 2026<\/h2>\n\n\n\n
Agentic AI<\/h3>\n\n\n\n
Physical AI en geavanceerde robotica<\/h3>\n\n\n\n
Vergelijking van AI-mijlpalen en methodologie\u00ebn<\/h2>\n\n\n\n