Wat is Self-Improvement?

Wat is Self-Improvement eigenlijk?

Self-improvement betekent letterlijk: een AI-systeem dat zichzelf steeds beter maakt. Stel je voor dat je een schaakprogramma hebt dat niet alleen van menselijke spelers leert, maar ook van zichzelf — door duizenden potjes tegen zichzelf te spelen, te analyseren wat werkt en wat niet, en die inzichten toe te passen in de volgende partij. Zonder dat iemand van buitenaf hoeft in te grijpen.

Het idee is dat het systeem niet stilstaat na de training. Het blijft zichzelf uitdagen, zoekt patronen in zijn eigen gedrag, en past zijn strategie aan. Net zoals jij beter wordt in fietsen door steeds vaker te fietsen en te merken wat werkt — alleen gaat dit bij AI-systemen vaak veel sneller.

Hoe werkt dat in de praktijk?

Bij self-improvement speelt het systeem vaak een spel tegen zichzelf, of het test verschillende oplossingen voor een probleem en kijkt welke het beste werkt. Dit proces heet self-play of zelfversterkend leren.

Een klassiek voorbeeld is AlphaGo, het systeem dat wereldkampioen werd in het bordspel Go. AlphaGo leerde niet alleen van menselijke partijen, maar speelde miljoenen keren tegen zichzelf. Elke keer dat het won of verloor, analyseerde het wat goed of fout ging. Zo ontdekte het strategieën die mensen nog nooit hadden bedacht.

Het werkt zo:

• Het systeem doet een poging (een zet, een oplossing, een voorspelling)

• Het kijkt naar het resultaat: lukte het of niet?

• Het past zijn interne 'gewichten' of strategie aan

• Het probeert opnieuw, maar nu iets slimmer

• Dit herhaalt zich duizenden of miljoenen keren

Waarom is dat zo krachtig?

Zonder self-improvement moet een mens het systeem steeds vertellen wat goed of fout is. Dat kost tijd en expertise. Met self-improvement kan het systeem op eigen kracht verder groeien — mits het een duidelijke manier heeft om 'winnen' te meten (zoals punten in een spel, of een correct antwoord op een vraag).

Het voordeel: het systeem kan sneller evolueren dan een mens het kan begeleiden. Het nadeel: als de maatstaf voor 'goed' niet helemaal klopt, kan het systeem op een vreemde manier slim worden — efficiënt in iets wat je eigenlijk niet wilde.

Een voorbeeld uit de praktijk

Naast AlphaGo zie je self-improvement ook in systemen die code schrijven. Sommige AI-modellen kunnen code genereren, die code draaien, kijken of het werkt, en dan de code aanpassen tot het wél werkt. Zo leren ze programmeren door fouten te maken en te herstellen.

Ook in robotica kom je het tegen: een robot die leert lopen door te vallen, op te staan, en steeds iets anders te proberen tot het stabieler wordt.

Waar kom je het tegen?

Self-improvement is geen knop die je in een chatbot aanzet, maar eerder een trainingsmethode die je achter de schermen ziet:

• AlphaGo, AlphaZero — beroemd geworden door zichzelf Go, schaken en shogi aan te leren

• OpenAI Five — een systeem dat Dota 2 leerde door tegen zichzelf te spelen

• Codegeneratie-tools — sommige experimentele AI-systemen die code schrijven en testen in een lus

• Reinforcement learning-onderzoek — veel academische projecten rond robotica, games en planning

Je ziet het nog weinig in dagelijkse AI-tools zoals ChatGPT of Gemini — die worden vooral getraind op grote datasets en daarna vastgezet. Maar in de onderzoekswereld is self-improvement één van de meest veelbelovende richtingen.

Wat kun je er zelf mee?

Voor de meeste mensen is self-improvement nog niet iets wat je direct toepast. Het blijft vooral interessant als je begrijpt hoe AI-doorbraken ontstaan — veel van de meest indrukwekkende systemen zijn niet door mensen aangeleerd, maar door zichzelf te trainen.

Als je een bedrijf hebt of aan AI-projecten werkt, is het goed om te weten dat self-improvement vooral werkt als je een heldere, meetbare doelstelling hebt (zoals 'win het spel' of 'los de puzzel op'). Voor open problemen zonder duidelijke score — zoals 'schrijf een mooi verhaal' — is het veel lastiger om een systeem zichzelf te laten verbeteren. Dan heb je toch menselijke feedback nodig.