Dartmouth 1956 — de zomer dat "AI" een naam kreeg

Hanover, New Hampshire, zomer 1956. Op de campus van Dartmouth College verzamelde zich een kleine groep wetenschappers voor een bijeenkomst die de komende zes tot acht weken zou duren. Ze kwamen niet voor een conferentie in klassieke zin, met agenda en presentaties. Ze kwamen voor iets experimentelers: samen denken, vrij associëren, hopelijk iets bouwen.

Het voorstel dat John McCarthy had geschreven om geld te krijgen voor dit evenement, begon met een zin die we tweeënzeventig jaar later nog kunnen citeren: "We propose that a 2 month, 10 man study of artificial intelligence be carried out during the summer of 1956 at Dartmouth College in Hanover, New Hampshire." Het was de eerste keer dat de term "artificial intelligence" zwart op wit stond. McCarthy had hem bedacht en koos hem welbewust.

Wat volgde was teleurstellend in concrete output. Wat volgde was ook, achteraf bezien, een van de belangrijkste historische momenten in de technologie van de twintigste eeuw.

De groep

Tien mensen op de deelnemerslijst, waarvan niet allemaal voltijds aanwezig. Vier waren de officiële organisators: John McCarthy (Dartmouth, later Stanford), Marvin Minsky (Harvard, later MIT), Nathaniel Rochester (IBM), en Claude Shannon (Bell Labs).

Shannon was op dat moment de meest bekende. Hij had in 1948 A Mathematical Theory of Communication gepubliceerd, het paper dat het begin van informatietheorie markeerde — de wiskundige basis van alle moderne digitale techniek. Zijn aanwezigheid gaf de jonge studiegroep gewicht.

De andere deelnemers waren grotendeels onbekend op dat moment. Arthur Samuel werkte aan een dam-programma dat kon leren — wat zou uitgroeien tot een van de eerste demonstraties van machine learning. Allen Newell en Herbert Simon kwamen uit Carnegie Mellon met een vroege versie van de Logic Theorist, hun poging om wiskundige bewijzen automatisch te laten vinden. Ray Solomonoff werkte aan iets wat we later algorithmic information theory zouden noemen — de wiskunde van hoe complexiteit en voorspelbaarheid samenhangen.

De leeftijden varieerden van late twintig tot veertig. Vrijwel allemaal mannen. Vrijwel allemaal wit. De groep was in die zin karakteristiek voor wat de techniek-elite van Amerika in 1956 was. Wat hen verbond was niet een gedeelde discipline — zij waren mathematici, fysici, psychologen, computerwetenschappers — maar een gedeelde overtuiging dat "denken" wetenschappelijk te formaliseren was.

De voorstellende tekst

McCarthy's originele voorstel uit 1955 is een van de meest geciteerde documenten in AI-geschiedenis. Hij schetste zeven onderzoeksgebieden:

1. Automatische computers — hoe kan een machine worden geprogrammeerd om een taal te gebruiken?
2. Neurale netwerken — hoe kan een verzameling (hypothetische) neuronen leren concepten te vormen?
3. Grootte en efficiëntie van calculatie — hoe meet je rekencomplexiteit?
4. Zelf-verbetering — kunnen machines hun eigen programmering verbeteren?
5. Abstracties — hoe kunnen machines abstracte concepten manipuleren?
6. Randomheid en creativiteit — is er een rol voor willekeur in creativiteit?
7. Vergelijking met de menselijke hersenen.

Lees die lijst nu en je ziet verbijsterend veel van wat moderne AI beslaat. Taal, neurale netwerken, abstractie, zelf-verbetering, creativiteit — alles staat er. De categorieën waren in 1955 grotendeels speculatief. Ze zijn nu de bouwblokken van onze technologie.

Wat er gebeurde

In de praktijk was de zomer veel minder gestructureerd dan het voorstel deed vermoeden. Deelnemers kwamen en gingen, sommigen werkten een paar dagen, anderen weken. Er waren geen formele sessies. Er waren koffie, whiteboards, gesprekken.

De concrete doorbraak van de zomer was niet wat ze gehoopt hadden. Newell en Simon presenteerden hun Logic Theorist — een programma dat wiskundige bewijzen kon vinden in de propositielogica. Het bewees 38 van de 52 theorema's in het hoofdstuk van Whitehead en Russell's Principia Mathematica waar ze het op testten. Voor één ervan vond het zelfs een elegantere bewijsvorm dan het origineel. Russell antwoordde in een brief dat hij 'op jonge leeftijd bereid was geweest met de auteurs wat dan ook voor deze inzichten te delen'.

Dat was voor 1956 revolutionair. Maar het was niet de algemene denkende machine waarover sommigen droomden.

De voorspellingen die niet uitkwamen

In de jaren na Dartmouth werden de voorspellingen steeds optimistischer. In 1957 voorspelde Simon dat binnen 10 jaar een computer de wereldkampioen schaken zou verslaan. Het gebeurde in 1997 — 40 jaar later, drie keer de voorspelde tijd. In 1970 voorspelde Minsky dat binnen 3-8 jaar een machine de intelligentie van een gemiddeld mens zou hebben. Vijftig jaar later zijn we daar ruwweg geschoten maar niet voorbij.

Dit is het patroon van "AI overtreft verwachtingen op tijdschaal van decennia, schiet onder verwachtingen op tijdschaal van jaren". De Dartmouth-groep zette een traditie neer van ambitieuze voorspellingen die vaker niet dan wel uitkwamen. Dat patroon is met ons gebleven.

Het duurzame effect

Wat wel ontzettend impactvol was, was de framing. De term artificial intelligence sloeg aan. Het vakgebied kreeg een identiteit. De mensen die in de zomer van 1956 waren, gingen daarna instituten oprichten — MIT AI Lab (Minsky), Stanford AI Lab (McCarthy), Carnegie Mellon (Newell en Simon). Deze drie centra domineerden AI-onderzoek decennialang.

De taal die ze ontwikkelden werd gemeengoed. Symbol manipulation, search trees, heuristics, learning — het lexicon van vroege AI. Veel ervan wordt nog gebruikt, hetzij in oorspronkelijke vorm, hetzij als basis waarop modernere termen zijn gebouwd.

Dartmouth legde ook een gedeelde agenda neer. De zeven onderzoeksgebieden uit McCarthy's voorstel bleven decennialang de structuur waarbinnen AI-onderzoek zich organiseerde. Toen neurale netwerken in de jaren tachtig een winter-achtige periode kenden, was het binnen de AI-gemeenschap. Toen ze in de jaren 2010 terugkwamen, was het opnieuw binnen diezelfde gemeenschap.

Het ironische slot

Een aardig detail: Marvin Minsky, een van de organisators, werd in de jaren zestig en zeventig juist een fel criticus van neurale netwerken. Zijn boek Perceptrons (1969), samen met Seymour Papert, liet beperkingen zien van de toenmalige neurale netwerk-architecturen en wordt vaak genoemd als bijdragend aan de eerste AI-winter — een periode van desinteresse in neurale netwerken.

Dat was binnen de paradigma's van zijn tijd terecht kritiek. Maar het kan ironisch heten dat de man die meehielp AI te dopen, ook meehielp de techniek die uiteindelijk moderne AI mogelijk maakte, decennialang in de koelkast te zetten.

De les is vermoedelijk dat pioniers zelden alle implicaties van hun veld kunnen overzien — en ook als ze mede-oprichters zijn, kunnen ze bijdragen aan richtingen die later onjuist blijken. Dat is niet een teken van inferioriteit, het is een teken dat kennis zich ontwikkelt in wegen die zelfs de grondleggers niet konden voorzien.

Wat blijft

Zeventig jaar later is Dartmouth 1956 een mythe geworden. Sommige details worden geromantiseerd, andere vergeten. Maar drie dingen staan onbetwist: de term artificial intelligence is in die zomer geboren, de ambities die daar werden geformuleerd zijn nog steeds vruchtbaar, en de tijdlijn die ze zich voorstelden bleek radicaal te optimistisch.

Het volgende keer dat een AI-bedrijf in 2026 belooft dat AGI over drie jaar beschikbaar is, mag je denken aan Simon's 10 jaar in 1957. De afstand tussen belofte en werkelijkheid in AI is historisch gezien groot. Dat maakt de voorspellers niet onbetrouwbaar — het maakt het veld moeilijker dan het lijkt.

In Hanover, New Hampshire, werd in juli 1956 iets in gang gezet dat we nog steeds aan het ontrollen zijn. De denkende machine waar zij op hoopten is er nog niet, helemaal. Maar de naam die ze voor die hoop bedachten, hangt boven de hele moderne technologie.

En dat is geen kleinigheid.