Tijdens de AI Week in Milaan vestigde Professor Waldo Lockwin de aandacht op een concept dat vaak over het hoofd wordt gezien maar revolutionair is voor de ontwikkeling van kunstmatige intelligentie: de possibility theory.
Een alternatief voor de traditionele probabilistische benadering, in staat om onzekerheid te modelleren op een manier die dichter bij het menselijk denken ligt.
In een wereld gedomineerd door algoritmen die gebaseerd zijn op data, frequenties en statistiek, stelt de possibility theory een logica voor die gebaseerd is op verzamelingen, woorden en ambiguïteit. Een paradigma dat essentieel zou kunnen blijken voor toekomstige AI die echt natuurlijke taal, context en nuances van de werkelijkheid willen begrijpen.
Inhoudsopgave
Wat is de possibility theory?
De possibility theory (mogelijkheidsleer) is ontstaan als een uitbreiding van de fuzzy logic, en biedt een wiskundig instrument om onzekerheid te behandelen, niet in termen van frequentie zoals waarschijnlijkheid doet, maar in termen van compatibiliteit met de beschikbare informatie.
In eenvoudige termen: waarschijnlijkheid beantwoordt de vraag: “hoe vaak gebeurt X?”
Mogelijkheid beantwoordt de vraag: “hoe plausibel is X in deze context?”
Dit onderscheid is cruciaal voor het bouwen van AI-systemen die gebaseerd zijn op vage woorden, menselijke intuïties of scenario’s waar de gegevens gedeeltelijk, onzeker of subjectief zijn.
Een echt voorbeeld: oncologie en kunstmatige intelligentie
In zijn presentatie tijdens de AI Week vertelde Lockwin dat hij de possibility theory heeft gebruikt om een model voor gepersonaliseerde radiotherapie voor tumoren te ontwikkelen. Het doel was om de minimale hoeveelheid straling toe te dienen die in staat is een tumor te doden, gebaseerd op kwalitatieve beschrijvingen van artsen, zoals “minimale dosis” of “maximaal effect”.
Deze uitdrukkingen kunnen niet direct worden vertaald in cijfers of percentages. Maar ze kunnen worden weergegeven door middel van fuzzy sets en possibilistische modellen, die rekening houden met de vele interpretaties en de subjectiviteit van taal.
Het resultaat? Een flexibeler, menselijker en adaptiever systeem in vergelijking met een rigide model dat uitsluitend gebaseerd is op statistische waarschijnlijkheden.
Waarom het relevant is voor de AI van vandaag (en morgen)
In het huidige landschap, gedomineerd door machine learning en diepe neurale netwerken, ontstaat er een debat over hoe kunstmatige intelligentie meer interpreteerbaar, betrouwbaar en semantisch kan worden gemaakt.
Hier komt de possibility theory in beeld:
- 🔹 Natuurlijke taal: Moderne AI, zoals grote taalmodellen (LLM), stuiten vaak op vage en ambigue concepten. Possibilistische modellen kunnen een samenhangender kader bieden voor het behandelen van termen zoals “zeer”, “bijna”, “misschien”, “voldoende”.
- 🔹 Besluitvorming: In contexten zoals financiën, geneeskunde of autonoom rijden, waar beslissingen worden genomen op basis van tegenstrijdige signalen of onvolledige informatie, kan de possibilistische benadering robuuster blijken dan de klassieke waarschijnlijkheid. Een voorbeeld is het gebruik van kunstmatige intelligentie in de geneeskunde.
- 🔹 Ethiek en verantwoordelijkheid: Een AI die uitlegt “waarom het die beslissing heeft genomen” in termen van mogelijkheden en alternatieven is potentieel transparanter en acceptabeler in de ogen van de mens, zoals besproken in de toekomstige rol van AI in de rechtspraak.
Mogelijkheid vs waarschijnlijkheid: twee werelden vergeleken
| Aspect | Waarschijnlijkheid | Mogelijkheid |
|---|---|---|
| Gebaseerd op | Frequenties, historische data | Coherentie met huidige kennis |
| Type logica | Statistisch | Fuzzy logic / vage verzamelingen |
| Typische toepassingen | Voorspellingen, risicomanagement | Interpretatie, menselijke beslissingen |
| Behandeling van onzekerheid | Kwantitatief | Kwalitatief en beschrijvend |
Het gaat niet om vervanging, maar om integratie: mogelijkheid en waarschijnlijkheid kunnen naast elkaar bestaan om completere AI te creëren, die in staat is de complexe werkelijkheid aan te pakken, zoals benadrukt in deze studie.
Possibility theory
In het grote debat over kunstmatige intelligentie vertegenwoordigt de possibility theory een alternatieve en complementaire weg naar waarschijnlijkheid. Het is minder bekend, minder gebruikt, maar potentieel dichter bij de manier waarop mensen redeneren.
Zoals aangetoond tijdens de AI Week 2025, is deze theorie niet alleen filosofie: het heeft concrete toepassingen, werkt en kan het verschil maken in de meest delicate sectoren, zoals de gezondheidszorg of kritieke automatisering.
In een tijdperk waarin we van AI vragen niet alleen te rekenen, maar ook te begrijpen, is het misschien tijd om de mogelijkheid een kans te geven.




