AI en het brein: we begrijpen genoeg van het brein, om te weten dat AI het nog niet begrijpt.
In dit artikel:
In oktober 2025 verscheen een artikel dat stelt dat AI binnen neuromarketing snel zal leren uit hersenactiviteit wat mensen voelen en kopen. De auteur, met vijftien jaar ervaring en meer dan 1.200 onderzochte campagnes, relativeert die belofte en legt uit waarom huidige methoden vooral signalen meten en geen beslissingen.
Wat meten de technieken echt?
- Eye-tracking registreert waar de ogen heen gaan, maar niet wat het brein daarvan maakt. Studies (o.a. Holmqvist, 2022) tonen dat fixaties samenhangen met aandacht, niet met voorkeur of aankoopkeuze. Mensen kijken bijvoorbeeld vaak naar andere mensen of tekst; dat betekent nog geen koopintentie.
- Facial coding leest expressies als sociale communicatie: gezichtsuitdrukkingen geven vaak aan wat iemand wil overbrengen in een context, niet per se hoe die persoon zich diep vanbinnen voelt. Lisa Feldman Barretts werk (2017) ondersteunt dat emoties contextueel geconstrueerd zijn.
- EEG meet elektrische activiteit aan de hersenschors en vangt aandacht en opwinding, maar niet de diepe beloningscentra waar motivatie en waarde worden bepaald. Venkatraman et al. (2015) vonden correlatie met aandacht, maar geen betrouwbare gedragsvoorspelling zonder beloningsmetingen.
Waarom veel AI nog tekortschiet
De meeste huidige AI-systemen leren van overtreders zoals clicks, antwoorden en verklaringen — wat Daniel Kahneman zou omschrijven als Systeem 2-data (bewust, rationeel). Gedrag wordt echter vaak gestuurd door Systeem 1: snel, automatisch en emotioneel. Daardoor leert AI vooral hoe mensen hun keuzes verklaren, niet waarom ze die maken. AI getraind op oogbewegingen of gezichtsuitdrukkingen leert sociale patronen, geen koopintenties.
Wanneer AI wél kan voorspellen
Betrouwbare voorspellingen vergen signalen uit de dieper gelegen beloningsstructuren (ventromediale prefrontale cortex, nucleus accumbens, insula). Metingen die deze processen direct benaderen — fMRI of zorgvuldig gevalideerde impliciete tests — tonen echte waarde en motivatie en maken voorspellende modellen mogelijk. Pas als AI van die signalen leert, en niet alleen van herkenningspatronen, kan het daadwerkelijk gedrag voorspellen.
Ethische kanttekening
Zelfs als AI leren beoordelen in plaats van herkennen mogelijk wordt, rijst een fundamentele vraag: willen we dat systemen onze automatische waarderingen interpreteren en gebruiken? Privacy, manipulatie en de normatieve rol van zo’n AI verdienen aandacht voordat neuromarketing volledig door algoritmes wordt geleid.