Sociale media gaven miljoenen mensen een stem en verscherpten tegelijk onze tegenstellingen. AI kan precies hetzelfde. De vraag is welke kant we kiezen.
Ik ben opgegroeid in de socialistische zuil. Thuis keken we naar de VPRO, luisterden we naar de VARA en lazen we de Volkskrant. Dat was het zo’n beetje.
Niet omdat iemand mij verbood Trouw of zelfs De Telegraaf (stel je voor) te lezen, maar omdat je er in de praktijk nauwelijks mee in aanraking kwam. Wilde je iets lezen of horen dat buiten je eigen zuil viel, dan moest je daar behoorlijk je best voor doen.
Ik vertel dat niet uit nostalgie. Ik vertel het omdat we het tegenwoordig voortdurend hebben over polarisatie, sociale media en algoritmes, maar soms vergeten waar we vandaan komen.
En omdat ik denk dat met kunstmatige intelligentie dezelfde vraag opnieuw op tafel ligt. Alleen kunnen we deze keer misschien bewuster kiezen wat we ermee doen.
Poortwachters die verdwenen
Vroeger hadden we poortwachters.
Redacteuren van kranten, radio en televisie bepaalden voor een belangrijk deel welke informatie, ideeën en belangen naar boven kwamen. Dat gaf structuur, maar ook macht aan een relatief kleine groep. En zeker in een verzuild land als Nederland hield het mensen behoorlijk binnen hun eigen wereld.
Het internet en vooral sociale media braken dat systeem open. Ineens had je geen redacteur meer nodig om iets te kunnen delen. Groepen die eerder nauwelijks gehoord werden, konden zelf hun ideeën en informatie verspreiden.
Dat is een reëel emancipatoir effect geweest. Ik denk dat we dat soms vergeten, omdat we het tegenwoordig vooral over de schaduwkanten van sociale media hebben.
Maar er gebeurde ook iets anders.
Dezelfde technologie die hielp om oude zuilen open te breken, bleek ons ook in nieuwe, soms veel kleinere hokjes te kunnen duwen. Op sommige terreinen zijn tegenstellingen scherper geworden, en sociale media maken die tegenstellingen bovendien veel zichtbaarder.
De gebruikelijke verklaring is dan:
Het algoritme.
Ik denk dat die verklaring te makkelijk is.
Het is niet alleen het algoritme. Het zijn ook onze hersenen.
Toen platforms konden meten wat mensen daadwerkelijk lazen, deelden en aanklikten, ontdekten ze iets wat psychologen al langer kennen: Negatieve informatie trekt onze aandacht.
In een groot onderzoek naar online nieuws analyseerden Robertson en collega’s meer dan 105.000 verschillende koppen uit ruim 22.000 experimenten. Negatieve woorden in een kop bleken de kans dat mensen erop klikten te verhogen (Robertson e.a., 2023).
Ook Facebook ontdekte hoe krachtig negatieve emoties zijn. Uit interne documenten bleek dat een boze-emoji-reactie op een bepaald moment vijf keer zo zwaar werd meegewogen als een gewone like. Berichten die woede opriepen, konden daardoor meer bereik krijgen (The Washington Post, 2021).
Dat klinkt als bewijs dat algoritmes ons polariseren. Maar het algoritme heeft onze gevoeligheid voor negatieve informatie niet uitgevonden. Het heeft haar ontdekt.
Onze hersenen hebben een negativiteitsbias: negatieve informatie krijgt vaak relatief veel gewicht en trekt sterk onze aandacht. Sociale media hebben die menselijke eigenschap niet geschapen. Ze hebben haar gevonden en er vervolgens (commercieel heel begrijpelijk) gebruik van gemaakt.
En daar komt nog iets bij.
We zijn niet alleen gevoelig voor negatieve informatie. We hebben ook de neiging om informatie te zoeken, te onthouden en te interpreteren op manieren die passen bij wat we al denken. Combineer die twee en je hebt een behoorlijk krachtige cocktail.
Heb je eenmaal een stevige overtuiging (over asielzoekers, criminaliteit, klimaat, Trump, Elon Musk, links, rechts of techbedrijven) dan is het tegenwoordig heel eenvoudig om een eindeloze hoeveelheid informatie te vinden die jouw wereldbeeld bevestigt. Voor je het weet zit je in je eigen echoput.
Waar vroeger redacteuren en omroepen mede bepaalden welke informatie je bereikte, zijn we nu voor een belangrijk deel zelf poortwachter geworden. We kunnen eindeloos selecteren wat we willen zien, volgen en geloven.
En nu komt AI
AI kan dit probleem nog veel groter maken. AI heeft namelijk een eigenschap die behoorlijk gevaarlijk kan zijn:
het is heel goed in jou gelijk geven.
Heb je een overtuiging? AI kan er argumenten voor vinden. Heb je een vijandbeeld? AI kan je helpen het te onderbouwen.
Denk je dat je medewerker ongemotiveerd is? AI kan alle signalen op een rij zetten die daarbij passen. Ben je ervan overtuigd dat AI onze banen gaat vernietigen? Een chatbot kan moeiteloos een indrukwekkende lijst argumenten produceren waarom je gelijk hebt.
Wie AI alleen vragen stelt vanuit zijn bestaande overtuigingen, krijgt misschien geen ruimer wereldbeeld. Hij krijgt een beter beargumenteerde echoput.
Maar hier wordt het ineens erg boeiend. Want dezelfde technologie kan ook precies het tegenovergestelde doen.
Vraag AI om je ongelijk te geven
Neem eens een overtuiging waar je behoorlijk zeker van bent. En vraag AI niet om argumenten vóór jouw standpunt te verzamelen.
Vraag:
“Geef me tien goede redenen waarom mijn overtuiging niet klopt.”
En daarna:
“Onderbouw het tegenovergestelde standpunt zo overtuigend mogelijk.”
Of:
“Welke feiten, argumenten of perspectieven zou iemand die het fundamenteel met mij oneens is aandragen?”
Of nog een stap verder:
“Welke aannames maak ik zonder dat ik het zelf doorheb?”
Dan verandert de functie van AI. Van een machine die antwoorden produceert in een instrument dat je eigen denken uitdaagt.
En daar is inmiddels interessante experimentele ondersteuning voor.
Onderzoekers Thomas Costello, Gordon Pennycook en David Rand lieten 2.190 mensen die in complottheorieën geloofden gesprekken voeren met een AI die specifiek inging op hun overtuigingen en daar feitelijke tegenargumenten tegenover zette.
Gemiddeld nam de overtuiging in de complottheorie met ongeveer 20 procent af. Dat effect was twee maanden later nog grotendeels aanwezig (Costello, Pennycook & Rand, 2024, Science).
Dat betekent natuurlijk niet dat AI altijd gelijk heeft.
Integendeel.
AI kan fouten maken, biases bevatten en met indrukwekkend zelfvertrouwen onzin produceren. Maar dat is hier ook helemaal niet het punt.
Je vraagt AI niet om te bepalen wat jij moet geloven. Je gebruikt AI om te onderzoeken wat jij misschien over het hoofd ziet.
Dat is een wezenlijk verschil.
Probeer het eens op je werk
Denk ook eens aan overtuigingen die we dagelijks op ons werk hebben:
“Deze medewerker is gewoon niet gemotiveerd.”
“Mijn leidinggevende vertrouwt mij niet.”
“Onze medewerkers zitten helemaal niet op AI te wachten.”
“Deze reorganisatie gaat nooit werken.”
“Het management luistert toch niet.”
Of misschien nog ongemakkelijker:
“Ik ben een goede leidinggevende.”
Neem één overtuiging waar je behoorlijk zeker van bent en leg die aan AI voor:
“Dit is mijn overtuiging. Geef me tien plausibele redenen waarom ik het verkeerd zou kunnen zien. Welke aannames maak ik? Welke informatie ontbreekt? Geef daarna het sterkste argument voor het tegenovergestelde standpunt.”
Je hoeft je daarna helemaal niet te laten overtuigen. Misschien concludeer je zelfs dat je oorspronkelijke standpunt uitstekend overeind blijft.
Prima.
Maar je hebt iets gedaan wat mensen uit zichzelf vaak lastig vinden:
je hebt actief gezocht naar informatie die je eigen gelijk kan ondermijnen.
Dit raakt voor mij aan de kern van wat ik bedoel met Floreren met AI. De meeste gesprekken over AI gaan nu over wat de technologie van ons kan overnemen. Sneller schrijven. Samenvatten. Analyseren. Presentaties maken. Administratie automatiseren.
Allemaal nuttig. Maar misschien ligt een veel interessantere mogelijkheid ergens anders.
AI niet gebruiken om ons denken uit te besteden, maar om ons denken beter te maken.
Probeer het deze week eens. Neem niet een overtuiging waar je een beetje over twijfelt. Neem er eentje waarvan je echt behoorlijk zeker bent.
En vraag AI:
“Geef me de sterkste argumenten waarom ik ongelijk heb.”
En kijk wat er gebeurt.
PS. Neem ik mijn eigen medicijn eigenlijk ook?
Toen ik dit stuk schreef, vroeg ik me ineens af: zit ik hier nu vooral anderen te vertellen dat ze hun overtuigingen moeten onderzoeken?
Dus voor wie zich dat ook afvraagt: ik probeer mijn eigen medicijn inderdaad regelmatig te nemen ;-).
Sterker nog, dit is een van de manieren waarop AI mij de afgelopen maanden het meest heeft geholpen. Niet door mijn ideeën steeds beter te onderbouwen, maar juist door ze aan te vallen.
Een beetje Popperiaans eigenlijk: niet voortdurend zoeken naar bewijs dat je gelijk hebt, maar serieus proberen je eigen ideeën onderuit te halen.
Een voorbeeld.
Ik noem mezelf al jaren de grondlegger van werkgeluk in Nederland. Daar zijn goede argumenten voor. Ik begon er rond 2003 professioneel mee, toen het begrip werkgeluk nog nauwelijks werd gebruikt.
Maar een tijdje geleden vroeg ik AI niet:
“Kun je aantonen dat ik de grondlegger van werkgeluk in Nederland ben?”
Ik vroeg precies het tegenovergestelde:
“Probeer deze claim onderuit te halen.”
Zoek mensen die vóór mij al met werkgeluk bezig waren. Reconstrueer de geschiedenis van werkgeluk in Nederland vanaf de jaren negentig. Zoek mogelijke concurrenten voor die titel. Kijk waar mijn verhaal niet klopt. En onderzoek of ik mezelf misschien belangrijker maak dan historisch gerechtvaardigd is.
Die zoektocht was uiteindelijk veel interessanter dan wanneer ik AI simpelweg had gevraagd mijn gelijk te bevestigen.
Maar daardoor wordt het ook ongemakkelijk. Maar mijn ervaring is dat het pas echt interessant wordt als je AI loslaat op een overtuiging waarvan je eigenlijk graag wilt dat hij waar is.
Misschien is dat daarom wel de beste test. Neem niet een willekeurige mening waar je weinig bij te verliezen hebt. Neem een overtuiging over jezelf, je werk of je vakgebied waar je behoorlijk aan gehecht bent.
En vraag AI niet:
“Kun je aantonen dat ik gelijk heb?”
Maar:
“Probeer serieus aan te tonen dat ik ongelijk heb.”
En kijk wat er overblijft.
Bronnen
Robertson, C.E. e.a. (2023), Negativity drives online news consumption, Nature Human Behaviour.
The Washington Post (26 oktober 2021), Facebook prioritized ‘angry’ emoji reaction posts in news feeds, op basis van interne Facebook-documenten.
Costello, T.H., Pennycook, G. & Rand, D.G. (2024), Durably reducing conspiracy beliefs through dialogues with AI, Science.