De term ‘LLM’s’ beschrijft het huidige hoogtepunt van generatieve AI, maar de technologische vooruitgang staat niet stil. Experts en onderzoekers richten zich op verschillende gebieden die als de logische opvolgers of evoluties van LLM’s kunnen worden beschouwd.
- Multimodale AI (Large Multimodal Models – LMM’s)
De volgende stap is het uitbreiden van de mogelijkheden van LLM’s met andere vormen van data. Waar een LLM puur met tekst werkt, kan een LMM (de term die ook wordt gebruikt in de zoekresultaten) tekst, afbeeldingen, geluid en video naadloos verwerken en genereren. Modellen zoals Google’s Gemini en OpenAI’s GPT-4o zijn vroege voorbeelden van deze trend. Het doel is een AI die de wereld begrijpt zoals een mens dat doet: door de combinatie van verschillende zintuiglijke input. - AI Agents en Autonome Systemen
De focus verschuift van alleen het genereren van tekst naar het creëren van zelfstandige agents die in staat zijn om taken uit te voeren. Deze agents kunnen communiceren met elkaar en met de buitenwereld om een complex probleem op te lossen. Dit kan variëren van het automatiseren van bedrijfsprocessen tot het aansturen van robots of het ontwikkelen van persoonlijke assistenten die proactief handelen en beslissingen nemen zonder constante menselijke input. - Efficiëntie en Specialisatie
Huidige LLM’s zijn enorm en verbruiken veel rekenkracht en energie. De trend na de “size race” (wie kan de grootste modellen bouwen) is om te focussen op kleinere, efficiëntere en meer gespecialiseerde modellen. Deze modellen zijn beter in te zetten voor specifieke taken, zijn goedkoper in gebruik en kunnen draaien op minder krachtige hardware, zoals een smartphone of een laptop. Dit maakt AI-technologie veel toegankelijker. - Verbeterde Redeneervermogen en Langetermijngeheugen
De huidige LLM’s zijn uitstekend in patroonherkenning, maar hebben nog moeite met complex, abstract redeneren en het vasthouden van informatie buiten een beperkt contextvenster. De volgende generatie AI-systemen zal waarschijnlijk beter in staat zijn om te redeneren, te plannen en te leren van hun eerdere ervaringen. Dit wordt vaak gezien als een stap richting Artificial General Intelligence (AGI), een AI die op menselijk niveau kan redeneren.