Maar lang voordat AI een culturele obsessie werd, voordat taalmodellen hun intrede deden in onze telefoons, kantoren en eettafelgesprekken, was João Gama ergens in Porto al bezig met het herontwerpen van de manier waarop machines van de wereld leren.

Wat het traject van João Gama bijzonder opvallend maakt, is niet alleen de omvang van zijn wetenschappelijke invloed, maar ook de timing ervan. Veel van de problemen die nu centraal staan in kunstmatige intelligentie, zoals aanpassing, continu leren en real-time besluitvorming, waren vragen waar hij tientallen jaren eerder al aan werkte. In stilte, vanuit zijn laboratorium aan de Universiteit van Porto, hielp hij vorm te geven aan gebieden die pas sinds kort breder bekend zijn.

Voor João was machine learning nooit helemaal nieuw. "De term machinaal leren werd voor het eerst gebruikt in de jaren 1950," legt hij uit, verwijzend naar Arthur Samuel, de onderzoeker die een damprogramma creëerde dat in staat was om te verbeteren tijdens het spelen. "Dit vermogen om te leren van ervaringen noemen we leren." Wat in de loop der tijd veranderde, was niet het bestaan van deze ideeën, maar de schaal waarop de maatschappij zich ervan bewust werd.

Een wetenschappelijk ecosysteem gebouwd in Porto

João Gama's carrière was nauw verbonden met de Universiteit van Porto, waar hij begin jaren negentig begon met lesgeven aan de faculteit economie. Op het eerste gezicht lijkt het misschien een ongebruikelijke plek voor een van Portugals meest vooraanstaande onderzoekers op het gebied van kunstmatige intelligentie. Toch legt João uit: "De groep werd opgericht in economie omdat professor Pavel Brazdil daar doceerde," zegt hij. Brazdil richtte een van de eerste internationaal relevante machine learning-groepen van het land op in de faculteit economie zelf.

In veel opzichten vormde de locatie het perspectief, aangezien economie en sociale wetenschappen al sterk afhankelijk waren van grote hoeveelheden gegevens en kwantitatieve analyse. Traditionele econometrie benaderde problemen door middel van vooraf gedefinieerde modellen; machine learning benaderde ze op een andere manier, door systemen in staat te stellen patronen direct uit de gegevens zelf te leren. João bevond zich precies op het snijvlak tussen computationele nauwkeurigheid en de complexiteit van de echte wereld.

In de loop der jaren hielp João dat ecosysteem te consolideren door les te geven, onderzoek te begeleiden en wetenschappelijke netwerken op te zetten die zich tot ver buiten Portugal uitstrekten. Hij leidde meer dan tien jaar lang het masterprogramma Data Analysis aan de faculteit Economie en begeleidde tientallen promovendi en masterstudenten, van wie velen later hun eigen onderzoekscarrière opbouwden.

Leren van bewegende werelden

João Gama's observatie dat de echte wereld dynamisch is, leidde tot een belangrijke verschuiving in machinaal leren. Terwijl traditionele modellen vertrouwden op statische datasets, werkte João met problemen waarbij gegevens voortdurend evolueerden en snel verouderden. Dit leidde hem tot het ontwikkelen van benaderingen voor het leren van datastromen, waarbij algoritmen zich voortdurend in realtime aanpassen. Centraal in dit werk stond het idee van "concept drift", de erkenning dat patronen in de loop van de tijd veranderen. Van consumentengedrag en stedelijk verkeer tot industriële infrastructuren en milieusystemen, de patronen die de echte wereld vormgeven veranderen voortdurend.

João's werk kwam precies voort uit die instabiliteit en richtte zich op een fundamentele vraag die later centraal zou komen te staan in de moderne kunstmatige intelligentie: hoe kunnen machines zich blijven aanpassen en blijven leren binnen veranderende omgevingen zonder steeds opnieuw te moeten beginnen?

Zijn werk werd fundamenteel binnen het vakgebied. Vandaag de dag behoort zijn onderzoek naar datastream mining en concept drift tot de meest geciteerde internationale onderzoeken, met tienduizenden citaties en een wereldwijde invloed die zich uitstrekt over zowel de academische wereld als de industrie.

De praktische implicaties van dit onderzoek werden vooral zichtbaar in projecten die werden ontwikkeld met echte infrastructuren. Een van de meest illustratieve voorbeelden kwam naar voren in een samenwerking met Metro do Porto, gericht op het detecteren van mechanische storingen voordat ze zich voordoen.

Verantwoordelijkheid vóór superintelligentie

Publieke gesprekken over kunstmatige intelligentie gaan steeds vaker over de angst dat machines de mensheid voorbijstreven. João benadert deze discussies met scepsis: "Op dit moment," zegt hij bijna humoristisch, "zijn machines nog steeds erg dom." Voor João blijven de huidige AI-systemen fundamenteel beperkt omdat ze geen bewustzijn, zelfbewustzijn en echt begrip van wat ze doen hebben. Ze voeren taken uit met steeds meer verfijning, maar zonder reflectief bewustzijn.

Hij wijst de risico's van AI niet af. In plaats daarvan richt hij zich op de huidige sociale realiteit zoals ongelijkheid, misbruik van gegevens, manipulatie van informatie en ongelijke toegang tot technologie. Hij benadrukt dat technologie niet neutraal is: AI geeft vorm aan kansen, arbeidsstructuren en informatietoegang, geeft voordelen aan degenen die ermee kunnen werken en laat anderen achter.

Deze zorg verklaart deels waarom hij veel waarde hecht aan Europese inspanningen op het gebied van privacyregulering en verantwoord AI-bestuur. João ziet kaders zoals GDPR niet als bureaucratische obstakels, maar als pogingen om de menselijke autonomie te beschermen in een wereld waarin informatie met ongekende snelheid en schaal circuleert.

Universiteiten als denkplaatsen

Ondanks zijn internationale erkenning blijft een groot deel van João Gama's identiteit diep verbonden met lesgeven en het academische leven. Hij spreekt met oprechte genegenheid over het begeleiden van studenten en beschrijft scriptiementorschap als een van de meest lonende aspecten van zijn carrière: "Het is altijd goed om met mensen te werken," zegt hij.

Dit perspectief geeft ook vorm aan zijn sterke verdediging van universiteiten als ruimten die onderzoek naast onderwijs moeten behouden. Hij gelooft dat universiteiten niet alleen instellingen zijn voor het overdragen van bestaande kennis, maar ook verantwoordelijk zijn voor het creëren van nieuwe vragen, het cultiveren van kritisch denken en het ondersteunen van de intellectuele vrijheid die nodig is voor innovatie. Onderzoek vereist niet alleen technische vaardigheden, maar ook mentale beschikbaarheid en het vermogen om na te denken over welke problemen het waard zijn om verder te onderzoeken. Zelfs na zijn emeritaat als professor aan de Universiteit van Porto blijft João studenten begeleiden, onderzoeksprojecten leiden en actief betrokken bij INESC TEC. In de praktijk veranderde er weinig behalve dat hij zich terugtrok uit het formele onderwijs. Onderzoek, mentorschap en wetenschappelijke samenwerking blijven centraal staan in zijn dagelijks leven. Wat vooral opvalt, is de manier waarop hij over dit traject spreekt met weinig gevoel voor individueel protagonisme. Tijdens zijn laatste lezing voordat hij met pensioen ging als docent, koos João ervoor om zich niet te richten op onderscheidingen, citaties of mijlpalen in zijn carrière, maar in plaats daarvan op de mensen die hem vergezelden tijdens de decennia van zijn werk. "Ik heb niets alleen gedaan," zei hij. "Ik moet mijn teams bedanken, maar bovenal mijn studenten."

Blijven aanpassen

Wat steeds duidelijker wordt als je met João Gama praat, is dat aanpassing zelf centraal staat in zowel zijn wetenschap als wereldbeeld. Zijn onderzoek richtte zich op systemen die in staat zijn om continu te leren, omdat hij al vroeg begreep dat statische modellen moeite hebben met dynamische realiteiten. Maar hetzelfde idee lijkt verder te reiken dan algoritmen. Tijdens zijn hele carrière positioneerde João zich herhaaldelijk op overgangen: tussen economie en computerwetenschap, theorie en toepassing, onderzoek en beleid, de academische wereld en het publieke debat.

Het feit dat een van 's werelds meest vooraanstaande experts op het gebied van adaptieve systemen zo vaak spreekt over verantwoordelijkheid, samenwerking en collectief leren, heeft een stille consistentie. Voor João is intelligentie, of die nu kunstmatig of menselijk is, nooit puur individueel, maar collectief opgebouwd.

Uiteindelijk bestaat veel van de infrastructuur die nu ten grondslag ligt aan kunstmatige intelligentie, systemen die zich voortdurend kunnen aanpassen aan veranderende realiteiten, deels omdat João Gama tientallen jaren heeft nagedacht over hoe zich aan te passen aan een wereld die nooit stopt met bewegen.