Latest / AI Report / “10x de impact van de industriële revolutie, 10x zo snel” ft. Pim de Witte

Transcript

“10x de impact van de industriële revolutie, 10x zo snel” ft. Pim de Witte · AI Report

0:00
Welkom bij AI Report, de Nederlandse podcast over kunstmatige intelligentie, waar we uitzoeken welke invloed AI heeft op ons werk, ons leven en de samenleving. Tegenover mij zit Wietse Hagen. Hallo.
0:10
Goedendag Wietse Hagen. Ik spreek kort het nieuws met je door. Uh, veel nieuws deze week over OpenAI, die de maker van het veelbesproken Openclaw heeft binnengehaald.
0:19
Dat is die tool waarmee je via WhatsApp je computer kunt bedienen.
0:23
Wat je niet mag doen van Wietse overigens, maar die veel furore opleverde en nog steeds een hele actieve community heeft, die heel veel apps voor dat ding aan het maken zijn.
0:31
Hij blijft groeien, uh, maar nu gaat hij dus werken voor OpenAI en het ding gaat los in een stichting doorontwikkeld worden.
0:38
Anthropic lanceerde een nieuw model dat ongeveer even slim is als het geruchtmakende Opus 4.6, het nieuwe beste model van Anthropic, maar de helft kost. En van mij mag je wel Openclaw installeren.
0:50
En neem van mij aan dat Summers 4.6, want zo heet dat model, uitstekend samenwerkt met Openclaw, Wietse. Soort clickbait voor jou.
0:57
En nieuws dat tegenwoordig voor een voetnoot door moet: Google Gemini haalt 84% op de intelligentietest voor AI, waar de gemiddelde mens 60% stuurt.
1:07
En vanaf deze plek wensen wij de mensheid verder een prettige wedstrijd. Om nog enig begrip te krijgen voor de bizarre stand van de wereld, schakelen we, uh, deze aflevering onze vriend van de show Pim de Witte weer in.
1:17
Hij tekent voor ons deze aflevering een routekaart. Hoe gaat AI zich dit jaar ontwikkelen?
1:22
Hij neemt zes exponentiële groeicurves met ons door, zodat je je in ieder geval geïnformeerd schrap kunt zetten voor wat er gaat volgen. Dat en meer in AI Report. Veel plezier!
1:40
[muziek] Hallo Wietse, hoe gaat het ermee? Ja, goed. Beetje sneeuwig buiten, maar ik red het wel. Gewoon iets eerder van huis weggaan.
1:48
Ik, uh, zit in een marathonsessie met jou waarin wij, uh, uren achter elkaar- Ja, hoe is het? [lacht]...aan het content zenden zijn. Want voordat we deze aflevering opnamen, hebben we ook de webinar afgerond.
1:58
En Wietse heeft er weer een huzarenstukje van gemaakt. Dit, deze, deze week was het onderwerp: hoe maak je met Cloud Code, uh, niet alleen een app, maar hoe doe je dat ook nog veilig?
2:09
En hoe zet je dan die app over naar je telefoon, zodat hij ook echt op je telefoon draait? Sterker nog, dat je hem zelfs kan doorsturen naar andere mensen. Je hebt uitgelegd wat een command line interface is.
2:20
Je hebt uitgelegd hoe je API-keys moet verwerken. Ja, wat secrets zijn en waarom ze secrets heten. Ja, wat, uh, server side infrastructure is. En, uh, ik heb veel geleerd. Ik heb veel geleerd. Ik heb heel veel.
2:32
Het is voor mij ook leuk. Ja, nou, ik heb ook, ik heb, en ik probeer het ook. Uh, het voordeel van, van die, uh, uh, masterclass is dat je het ook kunt zien.
2:40
Dus, uh, nu praten wij natuurlijk veel en dan hebben we er geen afbeeldingen bij. Dus ik heb ook, als het over client en server side, dan heb ik streepjes en icoontjes en pijltjes en zo. En je legt dat uit.
2:51
Als een docent leg jij dat allemaal uit met infographics. Het was weer visueel, visueel weer zeer rijk, Omar. Daar hebben we het eigenlijk niet over gehad, maar dat is uitstekend. Ja.
2:59
Als je die webinar wil bijwonen en je wil de, de, de, ja, je wil, uh, alles weten over wat we zojuist verteld hebben, dan kun je, uh, uh, naar AI Report.nl gaan. Dan moet je wel abonnee worden.
3:09
Uh, dat is, uh, een verplichting, uh, en dan kun je deze webinar terugkijken. Ja. Zeg ik dat goed? Kijken? Kijken, ja. Ja.
3:17
Een onderdeel van die, van die webinar is dus het moment dat als je Cloud Code gaat gebruiken om daarmee te programmeren, en dat doe ik sinds de kerstvakantie vrij intens.
3:27
Uh, vorige week heb ik het over, had ik er niet meer door slaap. Dat is, uh- Je ziet er nu wel weer beter uit. Ja, ik heb weer iets meer geslapen. Ja, ik zie het. Ja, token daarop. Uh, de,
3:36
uh, als je eenmaal met Cloud Code veel werkt, dan, dan krijg, dan krijg je veel te maken met zo'n blokje onderin beeld waarin hij dan vraagt, uh, na een ingewikkeld commando waar ik in het praktisch niets van begrijp: allow of deny?
3:48
Dus dan vraagt eigenlijk de AI aan je: mag ik dit doen, deze, dit commando, wat ik nogmaals niet begrijp, of mag ik dit niet doen?
3:55
En, uh, ja, tijdens die webinar heb jij uitgelegd, soort van, hoe je daar een beetje mee om moet gaan, uh, en dat, ik heb me een beetje ingehouden toen je dat aan het, v-vertellen was voor de mensen die erbij waren.
4:05
Want wat ik, uh, s-, doe sinds een paar dagen is dat ik in plaats van op allow druk, dat ik een vlaggetje in mijn settings heb ontdekt waarbij die nooit meer vraagt: mag ik iets doen? O, o, o, o, o, o.
4:18
[lacht] En sindsdien gaat alles- Wat goed dat jij dat net niet hebt gezegd. Sindsdien gaat alles veel sneller, Wietse. Nee, dat geloof ik. Ja.
4:23
Je, je, er komt een aannemer bij jou thuis en die zegt: mag ik die balken daar weghalen uit jouw muur? Want die zegt- En jij zegt gewoon: jij zal het wel weten. [lacht] Ik vertrouw jou.
4:32
Maar kijk, want dit is natuurlijk wel, want ik maak, ik ga echt, ik ben on fire. Ik, ik hoef geen, uh, ik, dat ding vraagt nooit meer wat. Dus dat ding, in feite, de apps komen er 10 keer zo snel uit.
4:42
Dat is echt een g-groot verschil. Dat is bij Amerikanen all gas, no brakes. All gas, no brakes. Zo voel ik mij achter mijn computer. Daar heb ik twee schermen.
4:49
Daar zitten vier van die dingen tegelijkertijd te draaien en iedereen mag doorgaan zonder iets te vragen aan mij. Hoe dom ben ik dan?
4:58
Uh, het ligt er maar net aan binnen welke-- ik bedoel, ben je op een, uh, racetrack aan het rijden met je all gas, no brakes? Of zit het gekoppeld aan onze Notion [lacht] waar ook mijn data in staat? Ik weet het al.
5:08
Let je een beetje op, vriend? Ja, dus ik, uh, ja. Nee, ja, het is wel moeilijk aan deze tijd, want jij zegt de hele tijd, soort van: ja, je moet voorzichtig zijn en zo.
5:16
Maar kijk, je hebt me, aan de ene kant geef jij mij de toverstokjes. Zit je helemaal te zeggen, soort van: nou, hier is een toverstokje. Kijk. En nou heb ik ze gegeven. Ja, nou zeker.
5:23
Jij geeft ook nog eens masterclasses daarover. Dus hier, € 20 per maand heb je het toverstokje en dan ga je de hele tijd zeggen: ja, maar als je hem gaat gebruiken, eigenlijk mag dat niet.
5:32
Ja, nee, ik bedoel, voor mij is het- Ingewikkelde boodschap. Ja, absoluut. En ik, ik denk dat, ik bedoel, uh,
5:38
die masterclass zit er vol met helemaal gele icoontjes en Wietse die iedere keer heel erg met zijn vingertje begint te zwaaien. Ja, jij doet 1.000 disclaimers, maar uiteindelijk moet je toch door.
5:46
Ja, ik denk, ik denk wel dat, uhm, mijn- Hoe moet ik hier nou mee omgaan?
5:50
Mijn hoop is een beetje, denk ik, uh, dat kan heel naïef zijn, daarom zeg ik het woord hoop er een beetje bij, want hoop kan soms ook een beetje naïef zijn, is dat, uhJa, het is bijna opvoedkundig dit, hè?
6:03
Nee, maar echt dat je denkt ja, nou ja, misschien. Misschien, uhm, uhm, ja, moet ik toch eens vertellen over, uh, wat alcohol is. En, uh, [lacht] nee, maar ik, als ik heel eerlijk ben. Ja, jij noemt het.
6:17
Jij, jij noemt mij wel eens half schertsend van Wytse, zit niet zo paternalistisch te doen. Ja, de dominee ben jij.
6:21
Ja, maar ik denk dat je, dat je gelijk hebt dat ik, dat ik echt eens, uh, ja, op een soort, uhm, hoe noem je dat, zo'n, uh, strook of op een touw dansen, zeg maar. Ja. Koorddans. Ja. Ik ben op een koord aan het dansen.
6:33
Koord aan het dansen. Dat ik denk ja, ik heb eerst een beetje gedacht iedere keer. Ik kreeg van vrienden en familie: ja, ik heb lekker Openclaw geïnstalleerd. Ja. En ik ben lekker, uh, Claude Code apps aan het maken. Ja.
6:44
En dan iedere keer ik zo'n gevoel van. Ze hebben de tijd van hun leven. Ja, en dan, zo'n, zo'n buikpijn gevoel de hele tijd bij dat. Och, ach, kijk nou uit. Ja. Kijk nou uit.
6:52
En nu denk ik: oké, dan ga ik dan toch maar op een gegeven moment wel een beetje over vertellen. Ja. En dan heel de tijd die disclaimers eromheen. Ja.
6:58
En net als jullie het echt interessant beginnen te worden, geef ik jullie een snoepje. Jij vindt jezelf een soort methadonbus. [lacht] Dat is wat dit is. Ja.
7:07
Maar ik heb dus, ik zat te denken: uiteindelijk moet de democratie, moet dit beslissen. Dus ik heb een idee over hoe onze luisteraar hierover denkt.
7:12
Kijk, we zouden dat natuurlijk in een simpele poll kunnen doen, maar wat mij dus heel grappig lijkt, is dat. Ik, ik heb dit nog niet geregeld, maar dit lijkt mij dus heel grappig.
7:19
Dat we een webwinkel maken met merchandise van deze podcast. En ik wil graag een T-shirt met daarop streepje streepje dangerously skipped permissions. Dat wil ik op een T-shirt.
7:29
Ik denk iedereen die dat ziet is mijn vriend. En aan de andere kant. Is dat het vinkje in Claude heel diep. Dat is onder de, onder de motorkap is dat het vinkje. All gas, no brakes.
7:37
Als je hem in de CLI gebruikt, dan is dat wat je krijgt. En dan mag jij een paternalistisch variant daarop bedenken. Misschien moeten we drie stappen doen dan, maar ik snap het.
7:46
[lacht] Zodat iedereen het midden kan kiezen. Goed. Nou, tot zover deze redactievergadering. [muziek] Laten we snel naar het nieuws gaan. Ja, vorige week hadden we het over Openclaw.
7:57
Die AI agent die techies massaal Mac mini's doet bestellen. En de maker ervan is nu binnengeloodst bij OpenAI.
8:04
Pieter Steinberger, een Oostenrijkse hobbyist die Openclaw in zijn eentje behouden gaat persoonlijke assistent ontwikkelen voor Sam Altman. Openclaw ondergebracht in een onafhankelijke stichting en blijft open source.
8:16
Anthropic lanceert deze week Claude Sonnet 4.6. Dat is een nieuw model dat bijna net zo goed presteert als hun duurste topmodel Opus, maar voor de helft van de prijs.
8:25
De gratis versie van Claude draait inmiddels ook op dit nieuwe model. De grootste sprong vooruit zit, naast dat hij flink slimmer is geworden, in computer use.
8:33
Dus die AI kan beter zelfstandig door software navigeren, formulieren invullen en werken in spreadsheets. Echt werk dus.
8:39
De tests zijn, uh, op die scores in zestien maanden gestegen van onder de 15% betrouwbaarheid naar ruim 72%. Nog meer nieuws uit de Anthropic hoek. Het bedrijf is nu 380 miljard dollar waard.
8:53
Ze haalden 30 miljard dollar op in een nieuwe investeringsronde. En misschien om nog even wat cijfers te doen.
8:57
De omzet groeit nu al drie jaar met een factor tien, dus van nul naar 100 miljoen in 2023, van 1 miljard, naar 1 miljard in 2024 en nu naar 14 miljard. CEO Dario Amadei was deze week openhartig in een interview.
9:12
Hij zei: "We staan onder ongelooflijke commerciële druk en we maken het onszelf nog moeilijker omdat we al het veiligheidswerk doen onder die druk." Dus ook nog veilig blijven doen.
9:22
"De druk om economisch te overleven en onze waarde te behouden is gewoon ongelooflijk." En dan de keerzijde van die waarde. De relatie met het Pentagon staat flink onder druk.
9:31
Volgens Axio staat minister van Defensie Pete Hegseth op het punt om de zakelijke banden te verbreken met Anthropic.
9:38
De reden is dat dat bedrijf weigert twee harde grenzen los te laten, namelijk geen massa surveillance van Amerikaanse burgers via hun AI en geen volledige autonome wapens.
9:50
Het Pentagon wil dat AI-labs hun modellen beschikbaar, uh, maken voor alle wettige doeleinden, inclusief wapenontwikkeling. OpenAI, Google en xAI hebben daar al mee ingestemd, maar Anthropic houdt de poot stijf.
10:02
En tot slot Google. Ze brengen Gemini, Gemini 3 DeepThink uit, een model specifiek gebouwd voor wetenschappelijk onderzoek.
10:09
DeepThink scoort 84.6%, schrijf meeluisteraar, op de ARC-AGI2 test en dat is een test die geldt als de ultieme meetlat voor AI.
10:17
Hij meet of een AI echt kan redeneren en nieuwe problemen kan oplossen, niet alleen patronen kan herkennen. De gemiddelde mens scoort rond de 60%, uh, en dit dingetje dus een takje beter. Wetenschappers gebruiken het al.
10:29
Een wiskundige aan Rutgers University liep DeepThink, een ingewikkeld onderzoekspaper, nalezen en hij vond een subtiele denkfout die de menselijke reviewers hadden gemist.
10:38
Wel moeten we claims van AI die zelfstandig wetenschappelijk onderzoek doet met een korrel zout nemen.
10:43
Concurrent OpenAI claimde onlangs bijvoorbeeld dat ChatGPT een nieuw resultaat heeft afgeleid in de theoretische fysica. Een nieuw onderzoek ding heeft gevonden, een uitvinding heeft gedaan en dat klinkt spectaculair.
10:56
Maar als je de kleine lettertjes gaat lezen, dan staat er eigenlijk dit: mensen deden het, mensen deden het voorwerk en ChatGPT vereenvoudigde hun formules en vond een patroon.
11:04
Knap genoeg voor een auteur credit, maar niet helemaal hetzelfde als zelfstandig een ontdekking doen. [muziek] Goed Wytse, uh, we zijn niet alleen deze week. We hebben, uh, Pim de Witte weer terug in de podcast.
11:17
Je hoorde hem al eerder bij ons en toen viel vooral op hoe, uh, nuchter hij, uh, door hypes heen breekt en midden in het circus zit, uh, wat de AI, uh, sector op dit moment is.
11:28
Hij is vandaag de hele af-, aflevering bij en we gebruiken hem een beetje als kompas bij het nieuws deze week om het in een groter plaatje te zetten.
11:35
Uh, Pim, uh, hebben we vorige keer al uitgelegd, werkt in een bedrijf dat heet General Intuition en werkt aan grote wereldmodellen, uh, met, uh, uh, een, een systeem wat getraind is op computergames.
11:48
De vraag is op dit moment: wat versnelt er nou echt? Waar zit de ruis? En welke krachten bepalen wie er in deze AI-race voorop loopt? Pim, welkom. Dank je wel. Lekker om er te zijn. Ja, met heel veel plezier.Hoe?
12:02
Hoe is het? Hoe is het ermee? Wat? Wat is de hoe? Hoe is het om in het oog van het oog van de storm te zitten op dit moment?
12:10
En en, en heb je nog wel eens tijd om drie stappen achteruit te nemen en een beetje uit te zoomen over wat er allemaal gebeurt met de wereld op AI gebied? Ja,
12:21
de enige manier om het om het uit te leggen is het is inderdaad het is. Het is ja, een circus is een goede manier om het uit te leggen. Ik denk ehm ook, ook als je erin zit eh
12:36
voelt het ook eh dat je het niet helemaal kan bijhouden, maar je kunt het wel een beetje beter voorspellen. Vind ik wel verontrustend dat jij, dat jij het idee hebt dat je het niet kan bijhouden. Maar oké.
12:49
Je kunt het niet bijhouden, maar je kunt het iets beter voorspellen en daardoor is het iets minder ongemakkelijk. Ehm,
12:56
je kunt hem, je weet, je kunt een beetje, zeg maar kijken wat wel en niet gaat gebeuren en, en eh het is het is minder. Het is minder verontrustend dan dat je niet een beetje weet wat er gaande is.
13:09
Maar het is wel gewoon ja, iedereen die zegt dat is dat ze weten wat er gaat gebeuren, dat zeker weet dat. Ja, kun je niet zeggen.
13:19
Wat zijn nou de, de soort van grote ontwikkelingen die je op dit moment in de gaten houdt en die die aan het versnellen zijn op een manier waarvan je het belangrijk vindt dat mensen begrijpen dat ze versnellen?
13:29
Ja, ik vind ehm eh de, de, de, de paper van de natuurwetenschappen inderdaad van Alexander Lubbers en een paar andere guys OpenAI, die vond ik heel interessant.
13:39
Eh ook ehm eh en ik denk dat wat het laat zien is hoe snel AI voortgang eh voortgang kan maken in ehm vakken waar je de output van het model kunt verifiëren.
13:54
Dus bijvoorbeeld met wiskunde kun je kijken of een output klopt. Met code kun je kijken of een output klopt.
14:00
En omdat we voor een heleboel van deze eh wetenschappelijke velden hebben we bijvoorbeeld formules opgesteld om om deze dingen te checken over honderden of jaren.
14:10
Eh en als resultaat daarvan hebben we allerlei methodes om om AI-modellen dingen te leren. En en die hebben we nu bijvoorbeeld ook in computers gezet. Dus met, met wiskunde hebben we, hebben we Lean.
14:22
Dat is een programmeertaal waar je waar, waar je makkelijker eh wiskunde kunt verifiëren en met code. En je kunt, je kunt een beetje ook als code kun je een beetje denken als een eh om een manier om een
14:36
los probleem op een gestructureerde manier op te schrijven zodat je voortkan gang voortgang kan maken. Ehm en ehm en, en, en, en dat zie je dus.
14:48
Het interessantste voor mij is dat je dat patroon zie je constant terugkomen.
14:52
Dus je ziet dat Anthropic wordt zoveel beter, zo snel, zoveel beter omdat ze zo goed zijn in die code en die en die dingen, die, die verifier loops.
15:02
En je ziet ook de OpenAI modellen die ineens zoveel beter worden in, in wiskunde en dat soort dingen omdat dat domeinen zijn waar je je outputs kunt verifiëren als je aan het trainen bent.
15:12
En dan kun je gewoon heel hard klimmen en dan kun je in andere domeinen niet. Als je nou. Want eigenlijk zeg je dus de de het is belangrijk om problemen te hebben die verifieerbaar zijn.
15:22
Want als je een probleem hebt waarbij je een helder idee hebt van goed en fout achteraf, dan kan AI heel snel heel erg versnellen.
15:29
Als je nou een soort van een stap achteruit zet en je probeert een mini kaart te tekenen van de AI race dit jaar, dan is dit dus één belangrijk element ervan.
15:39
Kun je een soort van schetsen in op hoofdlijnen waar we die versnelling waarschijnlijk volgens jou gaan zien? Als je als je zelf zegt als je erin zit, kun je iets beter voorspellen. Wat? Wat is die voorspelling dan?
15:50
Ja, als als je erin zit, kun je een beetje. Kun je de exponentiële dingen kun je een beetje uit elkaar halen. Dus ehm, de, de, de beste manier waarop ik kan uitleggen is we zitten op dit moment in.
16:01
Nou, je kunt, je kunt niet precies zeggen, maar ongeveer zes eh, exponentiële curves die allemaal tegelijkertijd ehm aan het uitspelen zijn.
16:11
Ehm, de eerste is heel simpel en dat is dat researchers en mensen gewoon zelf sneller worden in werk, ook coderen en dat soort dingen. En daardoor gewoon dat, dat, dat dingen sneller gaan.
16:21
Het tweede is dat we steeds beter worden in dit soort verification loops. Ehm, en dat we en dat we de, de beschikbaarheid van die loops heel erg verbreden.
16:31
Dus de code en wiskunde zijn de simpele, maar je, je kunt ook met geld kun je, eh, kun je investeringen maken om meer domeinen naar de verifiable domain heet dat eh te halen. Ehm, dat is dat is de tweede.
16:48
De derde is de, de capaciteit. De computer capaciteit zelf ook groeit super hard en dat zijn dus gewoon flops. Die, die gewoon keihard eh keihard groeien. Ehm, volgens mij drie keer, drie keer jaar, jaarlijks.
17:03
Ehm, dan de, de modellen zelf die beter worden, dus dat is ook nog iets. Kijk, elk jaar kunnen de dat is vier, dus elk jaar.
17:11
Ehm, als mensen eh zeg maar goed eh het werk doen, dan eh kun je elk eh deeltje data is efficiënter in je model. Ehm, want dat bepaalt hoeveel energie je gebruikt.
17:26
Eh, ook met trainen en met inferences is een heel belangrijk ding voor, voor labs.
17:31
De vijfde is dat steeds meer mensen zijn AI aan het gebruiken en dat dat, dat produceert meer data, ook voor AI bedrijven om dan te hergebruiken voor het signaal om de modellen goed of niet goed te trainen.
17:42
Want een van de dingen die bijvoorbeeld moeilijk is te verifiëren is ehm eh wat je van iets vindt. Of dat of dat leuk vindt of niet leuk. Want dat is niet een ja of nee.
17:54
Het is het is meer een ehm eh op een persoonlijk niveau, zeg maar. Eh.
18:00
En dus dat is vijf is, is je krijgt beter signaal hoe meer mensen AI gebruiken en dat gaat ook super hard.Ehm, en dan laatst is er zoveel kapitaal in de markt gestopt wordt dat ook de, de, de arbeidskracht, uh, gaat zo snel omhoog dat je ook daardoor heel veel voortgang maakt.
18:15
Dus je hebt gewoon, je hebt gewoon zes van die dingen die, die, die, eh, allemaal exponentiaal, e-exponentieel aan het groeien zijn, die allemaal tegelijk gebeuren en, en daarom is het zo lastig om het zeg maar één-op-één uit elkaar te halen.
18:29
Uhm, en dat, dat, dat, dat, dat is, uh, dat is het, dat is het eerst. Ik denk als je kijkt waar ik naar kijk, uhm,
18:37
het makkelijkste-- oké, uh, terwijl dit waar is, wat ook waar is, is dat meestal in AI de, de simpelste dingen werken.
18:45
Uhm, en er is een he-, er is een heleboel, uhm, je hoort heel veel over hele moeilijke technische papers en, en, en, en wat je, weet je, wat je op Twitter leest.
18:57
Uh, uh, want het is heel belangrijk voor, voor labs om zeg maar te lijken op: oké, je bent in de frontier, want da-dan, da-, zo krijg je kapitaal. Uhm, en, uh, en dus het is, uhm, maar, dus het, het is heel
19:12
makkelijk of, of, uhm, wat is de beste manier om te beschrijven? Uhm, uh, beneficial is het Engelse woord. Kun je het, uh, uh, vo-, uhm, voordelen. Ze hebben er belang bij.
19:23
Ja, ze hebben er belang bij om dit te doen en, uh, en om het een beetje te laten lijken alsof het heel moeilijk is.
19:30
Uh, en dat, en dat is een beetje, dat is een beetje al een paar jaar waar, uh, waar, uhm, en, en weet je, het is, het is, het is een technisch veld, maar, maar ook al zijn er dit zoveel dingen gaande, de, de dingen die waar je echt naar moet kijken zijn de simpele dingen.
19:46
Uhm, uh, en, en, en, uh, dat is, uhm, één: uhm, de, de nieuwe data die beschikbaar komt.
19:54
Uh, en, en, en dat is meest, en, en dat is meestal, uhm, uh, ook doordat de modellen zelf beter worden, kunnen ze, uh, uh, synthetic data outputten en die kun je dan hergebruiken voor trainen.
20:06
En dat verandert bijvoorbeeld hoe je de modellen traint. Uhm, en dat is een hele shift voor alles, snap je? Dat is ook een van de redenen dat Anthropic nu zoveel, uh, voortgang kan maken.
20:16
Want er zit een heleboel dingen bijvoorbeeld op het internet wat je niet wil gebruiken. En dus je hebt,
20:21
e-, op die, op deze hele simpele domeinen binnen deze zes dingen die ik heb uitgelegd, heb je soms, heb je van die shift die dan alles verandert. En dit, dit was er één van.
20:30
Uhm, dus de dingen waar ik echt naar kijk is, is dat soort, dat soort veranderingen. De, uhm, de, de nieuwe, uh, verifiers die beschikbaar worden.
20:39
Zoals laatst bijvoorbeeld, uhm, de, uh, Segment Anything Model van, uh, van Meta, waar je, uh, heel goed, uh, image segmentation mee kan doen. Waar je dus- Wat is dat?
20:49
Dingen in, uh, frames uit elkaar, uh, halen tot een punt dat je zeg maar kunt zeggen van: oké, dit is 100% een, een olifant of wat. In een plaatje. Oké. In een plaatje, ja.
21:00
En, uh, en een video, uh, dat is ook een belangrijke. Dat, uh, in één plaatje is het makkelijker, in een video is het moeilijker.
21:08
En als je dat kan doen, kijk, dan kun je logica erop zetten van: oké, uh, i-is de olifant tegen de muur aangelopen? Ja of nee?
21:16
Oké, dan heb je de olifant, dan heb je de muur en dan meet je en dan kun je dat, kun je dat zeg maar, theoretisch kun je dat dan, zou je dat naar logica kunnen, kunnen zetten en dan kun je daar een verifier loop van maken.
21:25
Dus je hebt dit soort, je hebt dit soort kleine dingen die veranderen, die steeds beter worden. En dan, dat is het verschil tussen een, een directie van je research wel of niet mogelijk te zijn.
21:35
Uhm, en dus daar kijk ik heel veel naar. Het andere wat ik interessant vind is, uhm, de gro-- je, je, je begint heel duidelijk, uh, te zien dat de, de, de labs een beetje uit elkaar aan het gaan zijn, uh, uh, qua focus.
21:50
Dus je ziet heel erg dat, uhm, uh, OpenAI en DeepMind zijn heel hard voor de consument aan het vechten. Uhm, je ziet Anthropic, die, uh,
22:01
die voor zeg maar hogere marges gaat in de enterprise en daar, en, en heel erg op code gefocust heeft en echt code, code gebruikt om, om naar de frontier te gaan. Uhm, en, uhm,
22:14
uh, en, en xAI die, uh, die, die heel erg op dat zeg maar concept van truth en dat dingen focus om, uh, e-en de, uhm, uh, symbolische, uh, uh, uh, logica modellen, al-allerlei dingen waar je-- ze hebben een hele andere aanpak van, van hoe je, hoe je zeg maar modellen traint, uh, ook van OpenAI en, en, en, en Anthropic.
22:37
Uhm, dus je hebt, uhm,
22:40
je zie, je ziet eerst, zeg maar vier jaar geleden of drie jaar geleden, misschien zelfs twee, het gaat zo hard guys, uhm, uh, zag je, wa-waren dit allemaal een beetje hetzelfde soort bedrijf, maar nu zie je echt dat ze allemaal andere bedrijven aan het worden zijn.
22:54
En ik denk dat dat, uhm, ja, dan, dan kun je ook een beetje beter voorspellen, zeg maar wie in welke richting, uhm, gaat winnen in de toekomst denk ik.
23:03
Ja, jij zegt eigenlijk de, de verschillende lab-labs/bedrijven, uh, kiezen andere strategieën en, uhm, daardoor, uh, kan je eigenlijk voorspellen, of in ieder geval, je voorspelling moet wat geavanceerder worden.
23:18
Want als ze, als het vijf spelers in een markt waren met alle vijf dezelfde strategie, dan zou je voorspelling voor alle vijf gelden.
23:25
Maar als de strategieën beginnen te veranderen en dat is dus al eerder gebeurd, begrijp ik van jou, dan gaan ook de, uh, ja, eigenlijk je voorspellingen moeten dan, uh, uitgebreider en gedetailleerder worden.
23:35
Want hoe, hoe zit jij daar nu zelf in? Als je kijkt naar voor zover jij weet wat de strategieën zijn geworden, hè, wat je van buitenaf kunt zien, wat je misschien van, van binnenaf hoort.
23:44
Uhm, hoe, hoe zie jij het een beetje ontwikkelen de komende 12 maanden? In AI-tijd is dat heel lang, dus misschien lang genoeg. Laten we Anthropic beginnen.
23:55
Anthropic kan heel erg hard focussen op de belangrijkste use cases omdat ze niet afhankelijk zijn van miljarden consumenten.
24:04
Ze kunnen, ze kunnen vanEn, uh, bedrijven geel, uh, veel, veel geld krijgen voor de belangrijkste use cases. Snap je?
24:12
En dat is heel interessant, want dan hoef je, als je de modellen traint, dan hoef je niet zoveel zorgen te maken over hoeveel, uhm, uh, hoe efficient, hoe efficiënt de, de, de modellen zijn. Snap je?
24:21
Je kunt gewoon zorgen dat je de beste outputs heeft, de beste outputs krijgt. En- En de, de reden daarvoor is dat je niet de schaal hebt van de volledige consumentenmarkt. Ja. Doordat je schaal wat kleiner is.
24:32
Dat lijkt een nadeel, maar het heeft ook een voordeel. Je kunt zwaardere modellen gebruiken. Ja, het gaat, het gaat niet, niet eens om de schaal zelf, het gaat om hoe de schaal verdeeld is.
24:42
Dus als je kijkt naar, uh, naar een, uh, consumenten, uh, miljarden consumenten, dan elk persoon die het gebruikt gebruikt het voor iets heel anders.
24:52
Uhm, want iedereen-- en dan moet je er allemaal rekening mee houden in je model.
24:56
Met enter, met enterprise kun je, uh, kun je heel dicht bij je klanten zitten en, en zeg maar het aantal use cases die voor het model belangrijk zijn om het best in te zijn is gewoon minder. Uhm, dus b-bijvoorbeeld code.
25:09
Elk bedrijf schrijft code. Snap je? Dus tuurlijk, dan zorg je dat je, dat je, dat je het beste bent in code. Snap je?
25:15
En, en met, uhm, uh, en aan de consumer kant dan, dan, je moet dan heel erg letten over, uh, ja, inderdaad de, de grootte, de efficiëntie, uh, dus de, uhm, ja, je, als je, uhm, weet ik wat, 100 miljoen, uhm, uh, chatberichten per minuut of per uur moet, moet processen en je hebt, ja, een, een, een,
25:40
zeg maar gezette compute capacity die, die niet exponentieel groeit, uh, dan moet je efficiënt je modellen heel efficiënt, uh, bouwen en dat gaat ten koste van rekenkracht.
25:54
Uh, en dus, da-dan heb je gewoon hele andere, uhm, uh, ja, manieren en, en dan krijg je gewoon ook een ander model.
26:04
Uhm, en, en dat, dat, dat zie je nu een beetje tussen de Opus modellen en ik denk de, uhm, de ChatGPT modellen.
26:12
Nou, ChatGPT is, heeft, O-OpenAI heeft ook gewoon modellen die dat wel doen, maar je kunt een beetje zien dat de consumenten daar niet zoveel gebruiken. Ze gebruiken er meer, uh- Ja, misschien, misschien.
26:22
D-dat is wel interessant wat je nu zegt, want ChatGPT/OpenAI heeft een model voor de consument. Uh, dat zijn hun GPT-modellen en een model voor programmeurs. Dat zijn hun Codex modellen.
26:33
Anthropic heeft één Opus, niet Opus Coding en Opus Consumer. Ja.
26:37
Dus dat bewijst eigenlijk een beetje wat jij zegt, is dat Anthropic zegt: wij gaan met ons Opus model, wat eigenlijk een heel goed programmeur model is, zeg maar, ook de consument een beetje serveren die we ook hebben, hè.
26:47
Terwijl OpenAI ze heeft gesplitst. Ja. Ik denk dat het goed is om even terug te gaan naar de, de stam van de boom, zeg maar. We zijn aardig de takken in verdwenen met elkaar.
26:56
Je had het over zes verschillende exponentials. Die heb je allema-- alle zes benoemd. Is fascinerend.
27:01
Als je dan kijkt, uh, ik hoor wel eens gezegd worden: al, al zijn maar, al maken we maar vooruitgang op twee van die zes, hebben we al best wel iets substantiëls te pakken.
27:11
En wat ik jou nu hoor zeggen is: er is op dit moment vooruitgang op alle zes de, alle zes cilinders van de motor draaien, zeg maar, om het even zo te zeggen.
27:17
Ik heb je ook horen zeggen aan het begin van ons gesprek, uhm: ik zit er middenin, in het oog van die storm. Daardoor heb ik overzicht, maar ook niet al het overzicht. Als we nou die zes exponentials pakken.
27:29
Jij die best wel heel goed doorhebt wat er in die zes exponentials gebeurt, hoe zit je er dan nu bij? Wat, wat, wat, wat voel jij daar in het oog van de storm? Wat gebeurt daar? Uhm,
27:43
wij maken op dit moment elke drie dagen de voortgang die we vorig jaar in een jaar deden. Om je een idee te geven. En wij zijn een klein lab vergeleken met de grote guys. Snap je? Kan je dat meer uitleggen? Uhm, de,
28:01
ja. Ik heb, ik heb bijvoorbeeld aan Alexander uitgelegd ongeveer, uh, zeg maar nul tot één game
28:11
goed uitspelen met, met een AI voor ons was, duurde ongeveer een jaar om een recept op te stellen en dan, uh- Dat is wat jullie doen, hè.
28:18
Jullie gebruiken games eigenlijk als simulatie voor de wereld en het idee is dat jullie AI een game kan bedienen, zoals misschien later een, uh, robot bediend kan worden.
28:29
Da-dat deelt een bepaalde technische, uh, ja, dat, een, een deel waardoor jullie technologie eigenlijk een soort voorbode is om, om robots in de echte wereld te laten werken bijvoorbeeld.
28:41
Maar een deel van wat jullie doen en je zegt dus eigenlijk: het is belangrijk voor ons bedrijf dat wij spelletjes kunnen spelen.
28:47
En je zegt: één spelletje spelen daar om die capaciteit te hebben, daar deden we vorig jaar nog een jaar over. Ja, sp-spelletje spelen is gewoon abstracte problemen oplossen. Ja. Zo kun je ernaar kijken.
28:58
Een spelletje leren duurt dus ook nog maar drie dagen in plaats van zes tot twaalf maanden. Inderdaad, en, en spellen zijn ook verifiable domain, want je kunt kijken of de score omhoog gaat en dat soort dingen.
29:07
Dus het is een hele ge-, zeg maar generale manier om voortgang te maken en om te kijken hoe je intelligentie zich voortzet. Dus, uhm, het is gewoon net zoals code, hè. Kijk, Anthropic focust op code.
29:17
Wij focussen heel erg op spelletjes en zijn ook aan het kijken of je bijvoorbeeld met, met code en spelletjes dingen kunt, ja, bij elkaar kan brengen. Is dat jullie gok, die games? Waarom gokken jullie niet op code?
29:28
Het is waar onze grootste voorsprong zit. Maar, maar je kunt niet zeggen van: oké, dat is de gok. Want als we da-- want code gaat ook heel hard, weet je.
29:34
Dus je, je kunt- Goed, jouw, jouw vraag Wytse was: de, de versnelling vindt plaats. En hoe, hoe, hoe voelt dat om in het oog van die s-, van die storm te zitten?
29:45
Dat is, d-wat je net zegt, dat laat me even stilvallen eigenlijk. Dat iets wat een jaar geleden nog een jaar duurde en dat je daar nu drie dagen over doet, wat betekent dat?
29:53
Ja, een heleboel dingen die in de wereld met tekst kunnen worden omschreven. Uhm, heel, alles in die wereld wordt heel snel geautomatiseerd.
30:06
Een heleboel dingen die achter een computerscherm gebeuren waar alles te meten is met pixels of tekst.
30:11
En die dingen worden heel, heel snel geautomatiseerd, denk ikEhm, en, uh, en ik, ik denk dat die voor-- ik denk dat inderdaad binnen de digitale wereld dat die automatisering veel sneller komt dan mensen zich op dit moment beseffen.
30:27
En digitale wereld bedoel je mee? Alles wat je via een computer screen of, uh, digitaal, zeg maar, uh, maar niet in de echte wereld.
30:36
Uh, de, de, oké, de problemen voor modellen zijn als je tussen dingen, uhm, moet wisselen voor, voor problemen.
30:45
Dus als, als, uh, als, dus als, als, als een AI op mijn computerscherm loopt en op mijn computerscherm vraag je: nou, welke koffie heeft Pim?
30:52
En dat weet mijn computerscherm niet, want het kan het niet verifiëren omdat het niet in de echte wereld staat.
30:56
Alles wat op mijn computerscherm staat kan geverifieerd worden en er staat heel veel data van op het internet, op YouTube, al dat soort dingen.
31:04
En dus, dus alles wat zeg maar, uh, in, in, in digitale, uh, format, uh, uh, zeg maar groot beschikbaar is op het internet, uhm, uh,
31:15
bijvoorbeeld computer use en ook Excel en, en al dat soort dingen waar, waar, waar gewoon heel veel data beschikbaar is, wordt heel snel geautomatiseerd en ik zie ook geen
31:26
reden om te denken dat het, dat het langzamer gaat. Ik denk dat het juist sneller en sneller en sneller gaat. Uhm, en vorig jaar was het 2025. We zitten in februari. Uh, snap je? Het is, het is, het gaat zo hard, uhm,
31:44
dat het, dat het, het is bijna moeilijk te geloven, zelfs intern om er naar te kijken. Ja, want dat vind ik dus wel bizar.
31:52
Want voor mij voelt het nu eigenlijk een beetje alsof we jou opbellen terwijl je op de Noordpool staat via een of an-- de verbinding is goed, hoor, maar dat we een soort van wetenschapper die op de Noordpool ijsboringen aan het doen is om, weet ik veel, leven uit een andere tijd te ontdekken.
32:05
Wij bellen nu met jou. Jij zit daar in zo'n zeecontainer bij -40 met ons te videobellen en wij zeggen: joh Pim, hoe is het daar nu, hè, waar je daadwerkelijk aan het boren bent? Heb je al iets gevonden?
32:16
En jij zit ons vrij casual te vertellen: ja, hoor, allemaal levensvormen van eerdere aardes in het ijs gevonden. Gewoon heel rustig, zeg maar. Even als metafoor. En tegelijkertijd zeg je ook: ik graaf het allemaal op.
32:27
Ik zie het allemaal onder een microscoop, maar zelfs bij mijzelf komt het niet helemaal binnen wat ik eigenlijk aan het ontdekken ben. Zeg ik dat goed? Ja. En, en als je dan nu van ons een beetje
32:38
verzocht wordt om er toch even over na te denken wat er nu, wat er nu gebeurt, zeg maar.
32:42
Ik heb het niet per se over wat, wat voel je in je onderbuik of zo, maar gewoon: zorgt het ervoor dat je familie en vrienden op een andere manier benadert?
32:49
Uh, ben je je eigen, uh, toekomst daar een beetje op aan het aanpassen? Uh, handel je hierop? Ja, uh, je, het is onmogelijk om het niet te doen. Uh, het, het voelt inderdaad echt alsof er,
33:04
uh, ja, je, je kunt gewoon zien wat eraan komt. En een van de belangrijkste dingen is het gewoon op een normale manier aan mensen uitleggen, zodat ze goede keuzes kunnen maken. Snap je?
33:16
En, uhm, en, en daar-daarbij zeggen van: oké, luister, kijk naar de geopolitieke status van de wereld. Iedereen gaat dit voortzetten en als je het niet voortzet als land, dan heb je een heel groot probleem.
33:31
Dus we zitten, we zitten gewoon in zo'n, zo'n race dynamic als, als, uh, een hele wereld en, en, en die race, daar zit geen, geen einde aan. En ik denk ook economisch.
33:44
Kijk, ik denk ook dat de vraag naar intelligentie bijvoorbeeld. Kijk, wat doe jij als je iets nieuws ontdekt? Dan kun je 20 nieuwe vragen stellen. Wat doe je daarmee? Vraag je nieuwe vragen.
33:53
Dus ik denk ook dat, dat de vraag naar intelligentie, ik weet ook niet of daar, zeg maar, een, een, uhm, een limiet aan zit.
34:00
E-e-en, en dat is denk ik ook de-- kijk, iedereen die zegt zo van: oh ja, het is een bubbel, dus we gaan wel even kijken dit jaar hoe het dan, uh, hoe het dan gaat, gaat aflopen. Maar
34:09
i-ik denk dat mensen meer moeten nadenken over: wat als dat niet zo is? Uh, wat, wat als het inderdaad echt gewoon zo keihard doorgaat? En, en ik denk dat dat de, uhm, ja, het scenario is waar we naartoe gaan.
34:27
Zijn er nog dingen waardoor je twijfelt? Zijn er nog, kan je je eigen, eigen case even steelmannen, zoals ze dat zeggen, kan je hem, kan je hem- Ja, kijk, uhm, uh, ja, uhm.
34:38
Het uitvinden van dingen gaat meestal heel snel en het polifi-, uh, polife-, uh, sorry. Het, de hele wereld dat gebruikt gaat meestal heel langzaam. Adoptie. Ja, de adoptie.
34:49
Kijk, ik wa-, ik was, uh, ik was vorig jaar in India en je kunt overal zien waar, waar, w-, uh, waar-- er is nog zoveel voortgang te maken in de wereld voor de mensheid dat het, het lijkt me niet dat we in zo'n, dat, dat we in, op het punt komen van: oh, mensen hebben geen dingen meer te doen.
35:09
Dat, dat, ik de-, ik denk, maar ik denk wel dat waar we da-, hoe we dat doen en waar we dat doen gaat veranderen. Uhm, en
35:18
ja, dus, de, je kunt er, je kunt er inderdaad, ik, ik, dingen gaan veranderen, maar aan de andere kant zijn er nog zoveel, zoveel dingen die we op de wereld moeten oplossen dat het denk ik ook niet, uh, ja, dat het niet zo is dat, dat we, dat we ineens niks meer te doen hebben als mens.
35:36
Wat ik eigenlijk denk bedoelde is dat, ik vind het interessant, hoor, wat je zegt, maar wat ik eigenlijk denk bedoelde is: die groei die jij ziet, die zes cilinders van die motor die gaan, je eigen ervaring met de groei binnen je eigen bedrijf, dat geeft je eigenlijk best wel wat, uh, houvast om claims, best wel grote claims te maken hier.
35:52
Ja. Van: jongens, er is iets aan de hand en, uh, Alexander en ik kunnen daar best wel ver in mee, denk ik, hè, want wij, wij lezen ook een hoop en wij spreken ook veel mensen.
36:00
We voelen er is iets gaande, hè, een beetje richt-- aan de andere kant van het spectrum zit: het is een totale lege bubbel en er is niets aan de hand. Hè, dat is aan de andere kant. Dat, dat, dat is, dat, ik bedoel.
36:10
Maar zou jij voor jezelf kunnen zeggen: oké, stel ik ga kritischer zijn op mijn eigen denken nu. Waarom, uh, misschien lopen die zes cilinders wel vast, alle zes tegelijk over drie maanden.
36:21
Hè, even, even om je uit te dagen om, om die andere kant te vertellen.Ja, uhm. Bijvoorbeeld el-elk probleem die je niet goed met tekst kunt beschrijven is heel lastig om, om voortgang op te maken.
36:37
En a, een heleboel dingen die, die we als mens doen gaat heel veel toch maar tussen dingen heen. Problemen die we oplossen, die
36:44
breken we naar, naar tien verschillende dingen die we dan op andere manieren gaan, gaan doen. Wat is een voorbeeld daarvan? Een probleem wat niet goed in tekst uit te drukken is?
36:52
Oké, z-, iets simpels van: Alexander, ga even koffie halen. Uh, nou, jij denkt als Alexander: nou, ik ga even Wietse appen, kijken wat Wietse wil. Uhm, ik, uh, oh, er staat een rij of ik moet in de rij staan.
37:04
Uh, oh, ik moet een, ik moet, uh, een creditcard pakken. Oh, dan moet ik, uh, mijn pincode ingeven. Wat is mijn pincode?
37:10
Uh, en als je, als je pincode gebruikt en dan-- dus er zijn, er zijn-- iets wat heel simpel lijkt, heeft zoveel stappen met verschillende interfaces.
37:18
De pincode, je telefoon om te appen, uh, om, om, om, je, de, door, uh, door je, je, je, je, je, je torentje heen te lopen naar beneden. Uh, en, uhm, dus dat, dus de menselijke intelligentie is zo, uh,
37:35
ja, mooi op die manier dat, uh, dat, dat, dat er is een grote kans dat we heel lang alleen binnen dat, die tekstwereld blijven, omdat daar een heleboel van de voortgang zit.
37:48
Dus ik denk dat ze, waar we een beetje naartoe gaan, is dat we heel, dat we de, de voortgang die we gaan voelen zit heel erg binnen de wiskunde en de natuurwetenschappen en de dingen die, die wij als mens.
37:58
Kijk, daar hebben we natuurlijk, we hebben tekst hebben we, uh, uitgevonden en, uhm, en daardoor, daar, daarbovenop zijn die vakken gebouwd. Snap je? En, en, en daarom denk ik ook zie je daar nu heel veel voortgang in.
38:11
Omdat, omdat die hele v-vakken zijn, die gebruiken tekst om, om te communiceren met elkaar via papers en dat soort dingen, snap je?
38:19
Dus als je er op, op die manier een beetje naar kijkt, dan denk ik dat, dat hoe wij, hoe wij het gaan voelen gaat heel erg binnen die, voor een tijdje nog binnen die tekst, uh, zitten. En, uhm,
38:29
uh, en de andere is, uh, modellen bijvoorbeeld. Uh, die zijn heel lastig, uh, die kunnen zichzelf niet updaten.
38:38
Uh, dus als er nieuwe informatie beschikbaar komt, zeg Alexander, uh, de, de, de, uh, waar je normaal koffie haalt, is vandaag gesloten.
38:46
Uhm, dan de volgende keer dat, uh, jij weet dat meteen en de volgende keer dat, dat, uh, uh, dat je koffie gaat halen, ga je meteen naar die andere. Uhm, een model die gaat nog een keer naar dezelfde.
38:57
En omdat, omdat de, de, de training data of de, de, de, de, weet je, de, de weights zijn een paar maanden oud of de data waar het model op trainen is een paar maanden oud. Uhm, en dus,
39:08
je zit, er is een disconnect in, in, in, in hoe snel de modellen zichzelf kunnen updaten met nieuwe informatie van de wereld. En dat is ook een limitatie en, en daardoor voelt het niet altijd heel echt. Snap je?
39:19
Uhm, uh, en dat is, dat is een probleem die nog niet opgelost is. Uh, dat, dat, dat is, uh, heet continual learning. Is nog niet opgelost. En dus hoe langer een taak duurt en hoe meer je, zeg maar, context switcht,
39:33
hoe onmogelijker het voor een model is. Snap je? Hoe meer het puur binnen in de tekstwereld zit, hoe makkelijker het voor een model is.
39:43
En is dan voor jou bijvoorbeeld wat je net aanhaalt, hè, dat een, het bedienen van Excel is dat dan, dat is een, dat, dat noemen, dat wordt in de industrie wordt dat computer use genoemd. Is dat dan een tekstprobleem?
39:58
Uhm, nou, dit is een heel goede vraag, want je kunt bijvoorbeeld een computer aansturen met code en daarom, je, je kunt, je kunt gewoon in de PowerShell of in de CLI kun je gewoon commando's sturen die, die een computer aanstuurt.
40:10
Want zo werkt, weet je, zo werkt je muis, zo werkt je toetsenbord. Die moeten allemaal uit commando's. Snap je? Daarom is het, daarom is code zo mooi daarvoor. Snap je?
40:17
Uhm, dus je kunt zeggen van: ja, het is een, uh, ja, het is een, een, een probleem die, uh, uh, waar je heel veel, uhm, uh, uh, ja, verschillende context switches en dat soort hebt.
40:28
Maar uiteindelijk, als je alle data eruit kan halen met code en erin kan stoppen met code, kun je van die verifier.
40:34
Ja, dus dat is een belangrijk ding om te beseffen dat, di-dat, uh, het is niet een soort van, wat jij bedoelt is niet, uh, je voert tekst in, er komt tekst uit in een chatbot.
40:42
Wat jij bedoelt is alles wat je ka-, zeg maar programmeren is ook een tekstprobleem. En een computer bedienen is dus ook een tekstprobleem. En dus Excel bedienen is dus ook een tekstprobleem.
40:52
En wat een accountant op de Zuidas doet is dus ook een tekstprobleem. En zo, zo heb jij in je hoofd een heel, uh, bijna een soort van plaatje in je hoofd van welke problemen in de wereld.
41:02
En als je dan een baan vergelijkt met een probleem oplossen, uh, dan zijn dat dus problemen. Welke problemen in de wereld je kan oplossen met een tekst, uh, model.
41:13
En, en, en daarom, en dat is denk ik een slag die heel veel mensen niet maken in hun hoofd.
41:17
Uh, want, uh, ja, het voelt niet als een tekstprobleem, maar, maar jij doorziet de computercode erin en daarom, uh, concludeer jij dat zij impacted zijn, zoals je dat dan zou zeggen.
41:30
Ik zal die ook even steal mannen, want daar is, uh, daar is ook een goede. De computer use code.
41:34
Nou, is, uh, oké, dus als je zegt, uhm, nou pak, pak de, pak, uh, uh, kolom D links, uh, pak wat er links van D staat of, of, of, of wat dan ook of, uhm, of pak wat er rechts van zeven staat. Uh,
41:51
als je dan de Excel naar, uh, met de computercode de, uh, het uit het programma haalt, dan gaat die informatie eens weg. Snap je? Dus, uhm, je moet nog steeds,
42:05
er is, en daarom is het ook moeilijker om bijvoorbeeld, uhm, voortgang te maken op computer use.
42:12
Omdat je van dit soort edge cases hebt die je overal tegenkomt waar je wel gewoon, uhm, uh, waar je zeg maar de spatial information, dus waar dingen staan, waar het wel gewoon belangrijk is en, en, e-e-en, en dat, dat, dat kun je wel met tekst doen.
42:26
Kijk, je kunt bijvoorbeeld, uhm, met iets wat heet accessibility, want dat wordt vooral gebruikt voor mensen die niet goed kunnen zien of horenKun je, uhm, moeten computerprogram-programma's op een manier ge-gemaakt worden dat je overal dingen kan uitlezen en dat soort dingen.
42:41
F-, uh, font groter maken, dat soort dingen. En dat soort systemen kun je gebruiken om dat soort informatie er bijvoorbeeld uit te halen. Wat rechts staat, wat links staat.
42:49
Uhm, maar, uh, dus het is wel, dus het is niet een puur tekstprobleem, maar het is wel heel dicht bij tekst op een, tot een punt dat de voortgang, zeg maar, heel, heel dicht erachter loopt. Snap je?
43:05
En ik denk dat, ik denk dat een van de benchmarks die dit misschien het best illustreert is die Pelican benchmark.
43:10
Dus voor de luisteraars: dat is eigenlijk aan een tekstmodel vragen: teken met primitieve vormen cirkels, strepen en vierkanten een pelikaan op een fiets en dan, uh, krijg je een afbeelding die er voor ons uitziet als een kindertekening.
43:26
Maar als je wat beter in de materie ziet, besef je je: maar wacht even, dit model heeft alleen maar primitieve vormen in tekstvorm als output gekregen.
43:36
Kan de pelikaan niet zien, maar kan alleen maar zeggen: als je de cirkeltjes en de vierkantjes en de streepjes zo op elkaar stapelt, dan denk ik dat je een pelikaan krijgt die er dan voor ons visueel zeer matig uitziet.
43:49
Maar als je beseft hoe die gemaakt is, namelijk met tekst, denk je: wauw, is het gelukt om van tekst naar beeld te gaan. Mhm.
43:57
En, en ik denk dat die, uhm, uh, dat dit voor heel veel, voor heel veel luisteraars als ze bijvoorbeeld met Excel werken en daar wordt ineens een hele rare fout gemaakt, hè. Kolom staat rechts in plaats van links.
44:09
Ineens denken: hoe kan dit dan intelligentie zijn als die dat niet ziet? Terwijl het is eigenlijk een wonder hoe ver je gekomen bent [gniffelt] alleen met tekst. Ja.
44:20
Ja, dat, dat is, uh, doet me aan een interessant punt denken. Uhm, als mens kunnen we redelijk, met redelijke zekerheid zeggen of iets waar of niet waar is. Uhm, uh, bijna 100%, zeg maar.
44:35
Uh, kijk, je kunt natuurlijk een mens altijd, uhm, overtuigen met, met genoeg, uh, uh, kracht dat, dat, dat iets anders is. Maar, uhm, uh, maar je kunt met redelijke zekerheid zeggen dat, dat, dat, uh,
44:50
uh, dat wat je zegt waar is of klopt, uhm, of, uh. En dat kunnen we op heleboel verschillende manieren doen. Snap je? Dat kunnen we, uh, over waarheid en dat is heel abstract, snap je?
45:04
We kunnen het over, uh, hoe we voelen. We kunnen het over, uhm, hele simpele dingen. Welke, welke letter staat voor je? En dat kunnen modellen gewoon niet. Snap je?
45:17
En da-- maar, maar het verschil tussen 99% goed voorspellen en 99,99999% goed voorspellen is het verschil dat je dat wel of niet merkt. Snap je?
45:34
En, uhm, dus je moet er op zo, je moet een beetje alles een beetje nuchter op zo'n manier kijken.
45:43
Met alles wat ik zeg zit er, zit, zit er overal haken en ogen aan, uh, uh, uh, die op deze, uh, die, die, die lang duren om op te lossen en, uhm, en ik probeer een beetje de grote lijnen te schetsen, snap je?
45:58
Uhm, maar er zijn alt-, er zijn al-- kijk, je hebt de continual learning, dus, dus zeg maar dat, dat modellen moeilijk zijn om te updaten.
46:04
Je hebt dit probleem dat, dat, dat het nog steeds, zeg maar, probabilistic, uh, models zijn. Dus, uh, de, uhm, uh, iets zeker weten is heel lastig.
46:12
Ja, je kunt inderdaad ook, zoals Alexander zei bij de, bij de, bij de, uh, wetenschap, uh, de, uhm, natuurwetenschap paper van, uhm, uh, quantum field theory paper geloof ik, uhm, uh, van OpenAI.
46:23
Uhm, ja, inderdaad, de, de, de, toevallig, uh, ik ken, uhm, ik ken de researcher die het gedaan heeft goed, de tweede, Alexander Luptascka.
46:32
En de, the guy die de, de eerste author was, die is een van de beste, is, is een van de, de guys die, uhm, ook heel erg aan string theory, uhm, uh, heel bekend voor is bijvoorbeeld.
46:44
En die heeft heel erg, die, ze hebben echt een probleem gekozen waar ze dachten dat ze voortgang op konden maken en het heel goed uitgelegd.
46:55
En dan, ja, je kunt het ook niet, zeg maar, ze zeggen ook niet: oké, je hebt het één keer geprobeerd of twee keer geprobeerd, drie keer geprobeerd en er zijn ook maar een paar mensen in de wereld die kunnen zeggen van: oké, dit klopt of klopt niet.
47:07
Mhm. Snap je? Dus, dus het gaat echt nog over de samenwerking van de machine en de mens. En als je het inderdaad, als je dit soort dingen weet, uh, uh,
47:18
ja, uhm, ja, dus, dus blijf er lekker n-nuchter Nederlands naar dit soort dingen kijken.
47:23
Het, het, het is, uh, het gaat heel hard, maar aan de andere kant overal- Ja, maar het is ook vrij moeilijk om dat aan te nemen na wat jij zegt.
47:31
Want, zeg maar, veel van wat jij zegt doet een beetje, echoot een beetje in, uh, wat Dario Amadei de afgelopen maand vooral aan het doen is in allerlei interviews.
47:41
Hij is echt harder dan ooit aan het waarschuwen voor de economische impact van AI-modellen en gewoon, ja, mensen die heel ander werk krijgen of hun baan kwijtraken.
47:52
Uh, hij probeert het heel tastbaar te maken wat dat gaat betekenen voor de, voor de, voor, voor ons.
48:00
En dat is altijd lastig om aan te nemen, want het is heel makkelijk om te denken: ja, ja, hij heeft er een belang bij om allerlei groteske dingen te roepen. Hoeveel moeten we hier nou van serieus nemen?
48:10
Maar als ik jou goed begrijp, dan, uh, volg je dat sentiment wel heel erg. Ja, ik. Kijk, uh, nee, ik zal, ik zal, ik zal iets over mezelf uitleggen. En, uh, ik heb, uhm, het eerste wat ik deed toen ik kon programmeren.
48:26
Ik heb drie jaar voor ArtEZ zonder Grenzen gewerkt. Het is voor mij, ik, ik doe wat ik doe omdat, het geeft me de mogelijkheid om meer nieuwe dingen te kunnen doen die ik belangrijk vind voor de wereld.
48:38
Het maakt me niks uit hoeveel nullen er op mijn, op mijn, op mijn bankrekening staanEhm, uh, en, uhm, dus de manier en da-da-daarom weet je, daarom praat ik over dit soort ook redelijk open. I-i-ik, ik, ik, ik.
48:53
Ik kom van een generatie waar een heleboel van mijn vriendengroep kunnen geen baan vinden. Snap je? En ik ben een van de enige CEO's, zeg maar van een frontier bedrijf die in, in dat soort situaties zit. Snap je?
49:03
Die, ik ben 31. Meeste van mijn vrienden die zitten precies in die groep. Uh, uhm, en, en, en nog erger voor bijvoorbeeld mijn kleine broertje en zijn, uh, zij-zijn vriendengroep. Snap je? Dus.
49:16
Die zich zorgen maken over, over hun werk en, en daarmee hun toekomst. Ja, ja. En dus ja en, en Dario. Kijk, ik, ik denk dat Dario ook gewoon het beste wil. Uhm, en, en, en Demis van DeepMind ook.
49:29
Ik, ik denk gewoon er zijn een aantal van de mensen waar ik, uh, ik, uhm, kijk, ik heb een aantal van deze mensen ook redelijk veel tijd zelf mee besteed.
49:39
En ik kan ook echt zeggen dat Demis, bijvoorbeeld, van DeepMind, die heeft echt alleen het beste belang.
49:44
Uh, uhm, de, de, de er is een, er is een grap in de industrie en dat is, uh, als Demis niet zo druk bezig was met, uh, het winnen van Nobels, [Beide lachen] dan hadden we, dan had ChatGPT misschien nooit bestaan.
49:57
Dus die gast, die is zo, die vindt het zo belangrijk om, om, om wetenschappelijke problemen op te lossen voor de mensheid dat die, dat die bijvoorbeeld al commerciële dingen, uh, uh, uh, daarnaast. Het liet schieten.
50:11
Ja, precies. Dus we hebben gewoon het geluk dat er een aantal van deze mensen zijn die, die op de top zitten. En, en, en, en ik, ik zit niet op, op dat top. Ik weet je, ik zit er, ik zit er een niveau onder.
50:23
Maar, uhm, mensen zoals Demis die gewoon, uh, het beste willen, uh, en, uh, en ik, nou, ik denk dat je gewoon ook eerlijk naar die guys kan luisteren. Uhm, en, uhm,
50:35
je kunt-- het enige waar je, waar je, waar je, uh, waar je denk ik goed over moet nadenken is, uhm, als je grote claims maakt, dan-- en ik denk dat soms, soms is dat, gebeurt niet eens expres, maar dat is gewoon, het, uh, uh, al, als je grote claims maakt en je bent heel erg geloofbaar, uh, je bent CEO van een groot lab of wat dan ook, dan is het makkelijker om geld om te halen om compute te kopen.
51:02
En compute is een heel erg voordeel in de markt. Snap je? Als je veel compute hebt, is een groot voordeel in de markt. Dus neem het niet, zeg maar 100% meteen over als waarheid. Snap je?
51:13
Doe je ei-- denk er over na en denk over na of wat de persoon zegt, uh, uhm, of wat de situatie van het bedrijf is. Kijk, dat is wel grappig als, als, als, uh, Anthropic net geld op heeft gehaald bijvoorbeeld.
51:27
Ik word altijd een beetje sceptisch als ik zou zien van: ja, hij gaat van deze grote claims maken en dan daarna ineens zoveel geld ophalen.
51:33
[Beide lachen] Maar aan de andere kant, uhm, uh, is het o-- dus, dus ik zou bijvoorbeeld meer kijken naar zijn claims nadat hij geld op heeft gehaald dan voor.
51:43
Maar aan de andere kant geld ophalen gebeurt zo snel in deze markt en het is constant dat je het ook niet altijd uit elkaar kan halen. Dus ik zou, ik zou gewoon bij, bij sommige mensen zou ik zeggen van: hmm,
51:53
geloofbaar, altijd zelf checken. Uh, ik hoop dat we vandaag een beetje uitgelegd hebben hoe je erover na kan denken. Uhm, en, uhm,
52:02
uh, ja, en, en, ja, en sommige mensen die, die, die maken meer, zeg maar grote claims om geld op te halen dan anderen. Snap je? Het, uh, ja.
52:10
Ja, eigenlijk als ik, als ik samenvat wat je zegt is dan dat er worden op dit moment meerdere soort van exponentiële curves op elkaar gestapeld.
52:18
En wat jij beter denk ik dan de meeste mensen kunt, is inschatten, intuïtief inschatten hoe die exponentiële groei er, uh, uitziet of uit zou kunnen gaan zien. Of misschien doe-- is dat zelfs al bezig.
52:33
Is dat bezig, exponentiële groei? Wel als je naar de omzet van Anthropic kijkt in ieder geval. Ja. Maar ook technisch. Ja.
52:40
Ja, want het is gewoon, ja, ja, dit is voor je voorbeeld misschien van een game vorig jaar nog een jaar en dat doe je nu in drie dagen. Mensen worden sneller door AI. Uh, meer verifieerbaarheid is bezig.
52:51
Dat zijn die, die verifiable loops waar je het over had in tooling. Uh, dus dat je situaties hebt die je met zekerheid kan verifiëren, waardoor het makkelijker is voor software om zichzelf te verbeteren.
53:02
De computercapaciteit is nog steeds aan het toenemen. Compute moet ik zeggen. Dus de, de datacenters die gebouwd worden en het geld wat erin gestoken wordt.
53:09
De modellen worden beter, de kwaliteit van de output wordt groter.
53:13
En omdat er, uhm, meer met synthetic data wordt gewerkt, dus die hogere kwaliteitsmodellen genereren weer nieuwe hoge kwaliteit data waardoor die be-modellen ook weer beter worden, komen er meer gebruikers bij, waardoor er meer signalen zijn over wat goed is en slecht is.
53:30
Want door, omdat wij ChatGPT gebruiken, leert OpenAI over wat goede en slechte antwoorden zijn. Als wij, uh, hoe wij met dat product omgaan vertelt hen wat over de kwaliteit. En ook dat is weer meer data.
53:43
En ook daar wordt weer meer, uhm, de kwa- de kwaliteit van de modellen weer beter.
53:47
En omdat er veel geld is nog steeds, uh, is er een explosie aan tools en teams die deze, ja, deze hele, dat zit er misschien onderliggend aan al die losse dingen ook weer, uhm, verder brengen. Dat zijn eigenlijk de,
54:03
ja, dit is waarom het voelt dat alles zo hard gaat. Wat dan in de sector take off genoemd wordt, toch? Dat is niet een lelijk woord om te gebruiken. Nee. Dat is, dat vat dit samen.
54:14
Ik had het niet be-- ik had het niet beter kunnen samenvatten. Uhm. Ja, ik heb wat hulp gehad van AI, dat geef ik toe.
54:19
Het enige wat ik er misschien bij zou toevoegen is dat deze zes dingen zijn niet alleen voor tekst toepasbaar.
54:26
Z-, uh, bijvoorbeeld ook met, uhm, ja, video modellen worden beter en dan kun je ze, dan kun je ze gebruiken voor, uh, situaties voor robots uitleggen en dat soort dingen. Ja. Snap je? Dus, dus.
54:35
We hebben het nog niet eens gehad inderdaad over de, over het fysieke component in de wereld. Daar kun je ook, ja. Daar, daar gelden dezelfde principes, bedoel jij. Precies.
54:42
Al-al-al deze zes principes die zijn geldig voor, ook buiten tekst, maar ze zijn alleenVoel meer voelbaar en, en het gaat sneller binnen tekst. Mhmm. Uhm, ja. En is dit iets, uh, ik had laatst een vriend van mij die zei:
54:58
oké, ik luister je podcast. Ik heb een beetje zitten luisteren naar die aflevering, uh, waar Dario zijn, uh, brief deels werd voorgelezen.
55:06
Stel ik geloof ongeveer 30% van wat jullie zitten te vertellen iedere week qua hoe hard het gaat en dat het best impact zal hebben. Kan je je dan schrap zetten voor dit? Hoe zet je je schrap?
55:17
En normaal als er iets gebeurt in je leven en iemand zegt: nou, morgen wordt het echt heel koud, dan rijden de treinen niet. Zet je maar schrap. Hoe zetten we ons nou schrap? Wat vertel jij je vrienden?
55:26
Ja, uhm, ik denk dat de beste, beste manier om naar te kijken is. Je hebt bij, uhm, uh, dat,
55:36
bij, bij, uh, bij magazines of zo heb je bijvoorbeeld, uh, reporters en dan heb je editors en de reporters die, die schrijven verhalen en de editors die, zeg maar, kijken naar de verhalen en die, die, uh, die maken veranderingen en dat soort dingen.
55:50
De redacteur. Ja. Ja, de redacteur inderdaad, uh, die en, uhm, dus we gaan-- dat is de shift die we als mens moeten gaan maken. Mhmm. Uh, maar op een heleboel gebieden tegelijkertijd. En dus het antwoord is:
56:06
heel goed worden in al deze tools gebruiken. En het belangrijkste is het combineren van de tools, want dat is het lastige voor deze modellen. Snap je?
56:17
We zijn altijd als mens, zijn we altijd creatief één stap vooruit omdat wij het hele probleem begrijpen op een manier dat wij het alleen kunnen begrijpen. Snap je? En dat heb ik net uitgelegd.
56:29
Alle dingen, iets zo simpels als koffie halen. Snap je? Dus, uh, wat, wat ons uniek maakt is hoe we dingen combineren om naar een goede uitkomst te komen. En zoals jij, kijk, kijk, zoals jij. Je hebt een podcast.
56:42
Alex van jouw skill is niet. Je kan ChatGPT laten samenvatten.
56:46
Tuurlijk, is handig voor je, maar jo-jouw skill is hoe mooi je dingen kan uitleggen zodat mensen het, zeg maar, be-begrijpen en voelen en, en, uhm, en, en, en, en AI maakt jou daar veel beter in. Snap je?
57:01
Dus ik zou er, ik zou er op een manier naar kijken van, van wa-wat vind je interessant? Hoe kun je daar supersnel voortgang mee maken met AI? En welke modellen kun je daarvoor gebruiken?
57:11
Hoe kun je die, die dingen combineren en daar dan de be-- het beste in worden? En dan zit je altijd, zit je altijd boven de modellen. Snap je?
57:21
Je mo-, je mo-, je moet als, als mens, je moet, je moet er een beetje over nadenken van je wil, je wil boven de API leven, niet onder de API. Snap je?
57:29
Toch vind ik dit lastig om te begrijpen, omdat ik denk dan en, en we zijn afronden nu hoor, maar, uh, zeg maar, i-ik, ik kan dit aannemen.
57:37
Ik word straks redacteur in plaats van de, de journalist en dat is dan een metafoor voor, voor al ons werk.
57:43
Wij worden allen redacteuren waarbij, uh, waarbij de, de, de groundwork wordt gedaan door de, door die, door die AI.
57:51
Maar tegelijkertijd is er een dynamiek waarin, uh, we, waarin we concurreren met die machines en daarmee ook andere mensen wiens, soort van de kwaliteit van werk of de, de hoeveelheid werk gaat enorm toenemen.
58:07
Dus, i-, i-, uhm, het voelt als praktisch advies, namelijk leer nadenken, uh, hoe je die tools moet gebruiken, want dat is juist technisch gezien het zwakte, de zwakte nu van die, van die grote taalmodellen.
58:19
Maar tegelijkertijd, uhm, uhm, w-, de verwachting van wat het werk gaat zijn wat wij als individuen opleveren gaat ook enorm toenemen. En hoe, hoe concurreer je dan met elkaar? Ja. Ja, i-ik denk echt dat
58:37
als mens loop je altijd voor. Kijk, de mo-- als er vandaag een model uitkomt, dan weet een ander model niet waarvoor je dat model vandaag moet gaan gebruiken. Snap je?
58:49
En, en, dus dingen gaan inderdaad gewoon veel sneller. D-dat, dat gaat eraan komen. Er gaat dagelijks veel meer, veel meer veranderen. Je, we-weet je bijvoorbeeld met social media.
58:58
Ineens voelden dingen ook anders elke dag, waar elke dag wist je iets van een deel van de wereld waar je eerst niks van afwist en, en, en dat, en dan ging je, ging, alles ging, werd een beetje anders.
59:09
Ging, ging anders aanvoelen. Dingen voelden sneller. En ik denk dat met AI is hetzelfde.
59:14
Het ga-gaat, het gaat zo voelen alleen dan, uhm, uh, uh, wa-wat Demis van DeepMind zegt, het is: het is, uh, 10 keer de impact van de industriële revolutie, maar 10 keer zo snel.
59:25
Uhm, en, en, en, en i-ik denk dat dat klopt. Ik denk, i-i-- dus het enige wat ik zeker weet is dat je, dat, dat de skill is heel snel nieuwe dingen kunnen leren en toepassen.
59:38
En ik denk inderdaad dat je gelijk hebt dat, uh, dat, uhm, uh, ja, dat, dat de verwachtingen en dat soort dingen gaan inderdaad, uh, ook voor, voor nieuwe banen en dat soort dingen gaan inderdaad, gaan inderdaad omhoog.
59:50
Uhm, uh, maar we zitten ook, we zitten ook in een geopolitieke race waar, waar dat gaat gebeuren. Want je kunt als Nederland niet zeggen: oké, we gaan stopzetten, want wat doe je dan?
1:00:00
Dan moet je, uhm, uh, als land moet je accepteren dat je minder innoveert. Als je minder innoveert, dan gaat talent naar het buitenland. Talent gaat naar het buitenland. Heb je min, heb jij minder belasting. Snap je?
1:00:10
Als minder belasting gaat je kwaliteit van het leven naar beneden. Snap je? Dus je moet, d-er is geen toekomst waar je zegt: oké, we doen het allemaal niet, want dat ga, dan ga je als Nederland ga je erop achteruit.
1:00:23
Goed. Dank Pim voor jouw kijkje van als correspondent, uh, vanuit binnen het oog van de storm. Uh, dank dat je verslag wilt doen, uh, zodat we allemaal, uh, een beetje bijblijven, bijblijven.
1:00:36
We, we spreken je vast binnenkort wel weer. Doei! Fijne dag. [muziek] Hier eet je iets, hè? Dat was dan, uh, dat is, uh, ja, wat moet ik hier nou van zeggen? Ik zag hem echt helemaal voor me in, in, op de North Pole.
1:00:51
Zo: guys, ik sta hier. [beiden lachen] Je wil niet weten wat hier gebeurt. Ja, zo ja. En mooi dat, dat hij dat voorbeeld neemt van de redac-redactie en de reporter. Ja, dat is interessant.
1:01:02
Interessante lens om doorheen te kijken.Ja, zo voelt het ook wel echt. Ja, het is ook wel mooi om er zo naar te kijken omdat, uhm, ik, ik hoor wel vaker, zeg maar: orkest. Ben je de regisseur?
1:01:13
Ben je, speel je een, speel je een, uh, instrument? Redactie. De dirigent bedoel je? Dirigent, sorry. Ja. En ik denk dat, dat inderdaad regisseur in een film of acteur in een film. Ja. En ik denk.
1:01:23
We worden allemaal productmanagers. Ja, en ik, ik, uh, ik vind het idee, uhm, ik bedoel, dan krijg je natuurlijk meteen de vraag.
1:01:30
Er zijn mensen die dat nu letterlijk, denk ik, hardop zeggen in hun auto of waar ze ook luisteren van: ja, maar dat kan toch ook AI zijn? Ja, dat was mijn laatst. Had jij dat niet? Dat was mijn laatste vraag.
1:01:39
Ik probeerde dat te vragen. Ja, ik denk dat.
1:01:42
Ik denk dat hij een beetje antwoord al gegeven heeft, maar, uh, dat is dan hoe ik het heb gehoord is dat er, uh, een soort synthese tussen al die verschillende informatiebronnen en verschillende informatievormen, hè, dus de verschillende doosjes met informatie visueel, auditief, tekst.
1:01:57
Je bent in een context als mens op dat moment je kopje koffie aan het halen, wat zijn voorbeeld was.
1:02:02
En dat eigenlijk, dat allemaal samenvoegen tot één ding en dan nog begrijpen wat het totaalplaatje in dat moment is, inclusief al je subjectiviteit en je aannems, uh, uh, wat je aanneemt,
1:02:14
dat dat ding nog helemaal samenvoegen nog wel moeilijk is gebleken. Als een soort meta model, zeg maar, dus een model boven de modellen. Ja.
1:02:22
Hij eigenlijk zei: je moet boven de api, niet onder de api, je moet boven het model, niet onder het model. Ja.
1:02:28
Dat hij daarmee zei: er is nog, hè, nog eigenlijk iets rijker dan, nog dan de metafoor regisseur, dirigent of redac-redactie, van: heb jij het, heb jij het plaatje? Heb je het totaalplaatje?
1:02:40
En kan je vanuit jouw totaalplaatje dan al die verschillende modellen onder jou, met jou aansturen?
1:02:46
Nou, en dit wordt op zich, uh, vaker gezegd en dan denk ik altijd, mensen zeggen wel vaker: je wordt de dirigent of je wordt de redacteur, of je wordt de productmanager.
1:02:56
En dan denk ik altijd, het eerste wat ik denk is dan: ja, maar dat gaat die AI toch ook doen? En dan denk ik altijd als mensen dat soort dingen zeggen, dan willen ze gewoon, uh,
1:03:06
het is gewoon een chille gedachte, soort van: het komt wel goed. Een soort knuffel.
1:03:10
Ja, ze geven zichzelf een knuffel en eigenlijk, uh, geeft hij daar wel een tegenargument bij, namelijk: dit is de daadwerkelijke technische zwakte van die modellen op dit moment.
1:03:20
Dit is een van de dingen dat het gewoon nog niet goed kan. En, uhm, dat vind ik in ieder geval een betere argumentatie dan, ja, hoop. [lacht] Goed, daar eindigen we mee. Ik start even een jingle in.
1:03:37
[muziek] Ja, we hebben nog een tip van de week voor je. Dit is, uh, Signals en dat is een app, uh, die lijkt op Google Alerts.
1:03:48
Dat ken je wel, dat je een woord van, kan invullen, dus je bedrijfsnaam of je naam of wat dan ook en dan krijg je een e-mailtje van Google elke keer als er een website of een nieuwsartikel is verschenen met dat woord erin.
1:03:59
Maar er zit een hoop troep tussen als je daar ervaring mee hebt, uhm, en het kan dus zijn dat je een soort van stortvloed aan e-mails krijgt waar je niks of nauwelijks mee kunt, want de helft is irrelevant in de praktijk.
1:04:09
En Google heeft sinds 1994 gewoon niet aan die tool gesleuteld, dus daar is ruimte voor iets beters. Signals bijvoorbeeld, die lost dat op. Dat is een AI-tool die meer dan 200.000 bronnen in de gaten houdt.
1:04:19
Nieuwsberichten, persberichten, van alles, maar alleen meldt wat voor jou relevant is, want er zit een AI-laag tussen.
1:04:25
Onze redacteur Zhang test het door investeringsrondes in AI te volgen en in één week analyseerde de tool vet veel artikelen, uh, tienduizenden, maar als resultaat kwam het met een keurig overzicht van Anthropic Series G van 30 miljard, compleet met alle investeerders en de waardering en informatie die je anders uit tientallen bronnen bij elkaar had moeten sprokkelen.
1:04:44
Het is iets wat ChatGPT belooft dat het doet. Dat heet daar, god, hoe heet dat in ChatGPT? Dat je, be, dat ie je berichten kan sturen als je dingen erom vraagt.
1:04:53
Kijk, de reden waarom ik het niet weet is omdat het [lacht] vet slecht is. Ja, geen idee.
1:04:57
Dus als je voor je werk, uh, nieuws moet bijhouden, of dat nou PR of sales of beleggen of risicobeheer of wat dan ook, dan is dit best een grappige tijdsbesparing.
1:05:05
Wat er wel goed mee werkt en wat er niet goed mee werkt, uh, uh, zetten we deze week in onze nieuwsbrief uiteen via AIReport.nl.
1:05:13
Wietse, mij rest nog om te zeggen dat wij er volgende week niet zijn, want er zijn vakanties in regio Holland-Noord, uh, en dat is, uh, een wezenlijk feit als je kinderen hebt.
1:05:22
Uh, maar dat, uh, weerhoudt me niet van dat ik je zeer ga missen. Ik ook. Ik hoop dat er niet al te veel nieuwe dingen gebeuren. Opus 4.6 is lekker net uit. De nieuwe Sonnet is ook lekker net uit. Geen Gemini 3.5.
1:05:32
Geen Ge-- 3.5. Wat Elon Musk doet interesseert ons niet. Nou, wie zei, ik denk dat het wel rustig blijft. Ja, ik denk dat het wel rustig blijft. Nou, dat zijn beroemde laatste woorden van Wietse Hagen.
1:05:41
Wij danken Sam Hengeveld voor de edit. Frank Kraaij voor de vormgeving. Als je een lezing wil van de heer Hagen of van mij, dan kan dat.
1:05:46
Mail ons op lezing@aireport.email en als je, uh, onze nieuwsbrief wil krijgen, die gaat in de vakantie gewoon door.
1:05:51
Elke, uh, dag, uh, of elke, uh, elke week, twee keer per week het laatste nieuws, uh, en tips en tools, uh, om het meeste uit AI te halen. Daarvoor ga je naar AIReport.nl. Tot volgende week. Tot volgende week.
1:06:07
[muziek]