Latest / AI Report / OpenAI's nieuwe model o3 + NVIDIA doorbreekt Moore's Law + supercomputers voor thuis | Poki S03E18

Transcript

OpenAI's nieuwe model o3 + NVIDIA doorbreekt Moore's Law + supercomputers voor thuis | Poki S03E18 · AI Report

0:00
[wekkerrinkel] Oh! Oh. Zo klinken 165.000 scheerbewegingen per minuut die je helpen om fris voor de dag te komen.
0:10
De flexibele scheerkop van de Philips S9000 Prestige volgt de contouren van je gezicht en scheert tot op 0 millimeter van je huid.
0:18
Ervaar een ultiem gladde en comfortabele scheerbeurt, ook wanneer je nog niet helemaal wakker bent. Want dankzij de slimme sensoren past het scheerapparaat zich helemaal aan jou aan.
0:29
Zo kun jij nog extra genieten van je kopje koffie voor je de deur uit gaat. De Philips S9000 Prestige is het ideale scheerapparaat om jouw dag goed mee te beginnen.
0:40
Koop de Philips S9000 Prestige bij jouw favoriete winkel. Voor je gaat luisteren heel even dit. In de nieuwe podcast Veldheren neem ik, Jos de Groot, jou iedere donderdag mee voorbij de frontlijn in Oekraïne.
0:55
Dat doe ik samen met generaal buiten dienst Peter van Uhm en Mart de Kuijf. Zij hebben één duidelijk doel: aan jou uitleggen hoe oorlog werkt. Volg Veldheren in jouw favoriete podcastapp.
1:09
Welkom bij Poki, de Nederlandse podcast over kunstmatige intelligentie waar we uitzoeken welke invloed AI gaat hebben op ons werk, ons leven en de samenleving. Tegenover mij zit Wietse Hagen.
1:20
Op de valreep kondigde OpenAI vorig jaar de opvolger aan van haar tot dan toe beste taalmodel en dat heet nu o3.
1:28
En dat model scoort volgens OpenAI beter dan mensen op een cruciale AI-test, waarbij het tot dat moment niet lukte om ook maar in de buurt te komen over hoe mensen op die test scoren.
1:40
Die barrière, dat robots dus beter scoren dan mensen, is nu officieel gebroken. Dat roept de vraag op of we op de drempel van echte kunstmatige intelligentie staan.
1:50
Daarnaast, alsof het nog niet genoeg is, kondigde Nvidia, een grote chipfabrikant, een aantal nieuwe dingen aan. Zij claimen Moore's Law gebroken te hebben en stuwen de huidige AI-revolutie naar grotere hoogtes.
2:03
Concreet: ze lanceren het eerste open source AI-model dat besef heeft van de echte wereld, met als doel alle fabrieksmedewerkers op aarde overbodig maken, daarna alle auto's zelf laat rijden en daarna,
2:18
we speculeren hierover. En tenslotte: datzelfde Nvidia maakt het vanaf mei mogelijk om een supercomputer in huis te halen.
2:26
Dat zou zomaar een belangrijke slag voor de mensheid kunnen zijn in de onafhankelijkheid van ons van grote technologiebedrijven. Grote onderwerpen, je hoort het. We gaan het allemaal voor je samenvatten en duiden.
2:36
Welkom bij Poki. [muziek] Wietse, hoe was je kerstvakantie? Ik was bij de CCC in Hamburg.
2:53
Dat is belangrijk om dat in te leiden. Jij bent daar wel eens geweest toch? Zeker. Oké, kan jij het inleiden? Wat heb jij daar gezien toen? Dat is een nerdcongres. En dit is een legit nerdcongres. Zeker.
3:02
Ja, maar je, mensen zeggen over South, eh, South West dat een nerdcongres is, maar dat zijn stiekem gewoon marketingmensen die daarheen gaan.
3:08
Dit is een legit nerdcon— Eh, en dan gewoon zwarte T-shirts en je kan elkaar rode en gele kaarten geven voor sexual harassment. Want dat, nou, nerds zijn niet in staat om dat verbaal aan elkaar te vertellen.
3:18
Ik heb dat deze keer niet gezien, dus ik weet niet wat, ik, ik, ik heb geen kaart gehad [lacht]. Geïntegreerd in de community dat je gewoon met elkaar kan praten of het niet moet doen.
3:25
Maar wat ik zelf interessant vind is dat het daar in ieder geval de hele dag donker is. Ja. Dus ze creëren gewoon, het is een 24/7 club- Kelder...of zo. Ja. Nou, club vibe. Oké, ja. Zonder de muziek.
3:37
[lacht] Dit laat zien, dit laat zien hoe vaak ik naar clubs ga. Het is geen club man. Maar oké, dus daar worden grote, uh, het is een hackersburcht.
3:45
Grote, uhm, nieuwe hacks worden altijd aangekondigd daar en er is een kelder waar iedereen gewoon een beetje met elkaar aan het hangen is, dingen aan het maken is, buizenbos aan het maken is en andere gekke shit.
3:55
Het is een gigagrote LAN-party plus inderdaad, uh, uh, OD-hacks in de nieuwe game consoles. En dat deed Wietse Hagen daar. Nou, ik was, ik heb een stickertje op mijn laptop nu, daar staat op, uh: "Gen AI. Nein Danke."
4:09
[lacht] Ja, dat is ook goed om erbij te zetten. Het is ook, uh, licht, uh, soort van anticapitalistisch. Zeker. Zeker. Behoorlijk anticapitalistisch. Ik, uh, ik ben daar. Ik, ik laat me uitdagen.
4:20
Ik zie AGI Nein Danke-stickers. Dat kunnen we bij Poki ook wel, uh, soort van. Ik vind dit wel een goeie. We moe- Waarom hebben we nog geen sticker range voor de luisteraars? Ja, dat is wel leuk.
4:28
Daar moeten we echt even aan werken. Uhm, maar, da-, uiteindelijk wat ik, wat wel nog een tipje is van wat ik daar heb gezien is de hack van, uh, de Volkswagen auto's waar blijkbaar 1,5 jaar lang GPS-data geüpload werd.
4:39
Ja, van 600.000 auto's. Niet normaal. Ja. En als je daar dus zit in het publiek, dan is het, d-er is een soort van format, net als bij One More Thing bij Apple, zeg maar.
4:48
Er is zo'n dingetje wat we allemaal verwachten en dan vaak is het zo: ja, dus we vinden hier dan een URL op die server. En nu ho, en nu denken jullie natuurlijk al, en het hele publiek is dan stil.
4:58
Daar zat geen wachtwoord op. En iedereen: [gejuich] [lacht] dat is echt een soort [lacht] nerd, nerd. Jazeker. Dit was, dit was geen URL zonder wachtwoord, maar veel gaver.
5:06
Maar iedereen in die zaal voelt dan van: het zal toch. We zitten doms aan te hangen.
5:10
En dan heel vaak zegt, zeggen ze van die onderzoekers dan, die, dat, uh, z-z-zijn mensen die dat hacken om, uh, uh, for the good zeg maar. Ja.
5:17
Die delen dan ook niet die data met de buitenwereld, met een torrent of zo, maar alleen maar met onderzoeksjournalisten. Dus het is best wel legit. En die zeggen dan ook van: ja, en dan,
5:27
dan denk je natuurlijk: dat slaan ze allemaal niet op, want dat zou je niet doen als autofabrikant. En dan volgende slide: hier staat alles. Iedere minuut, iedere auto. Ja. En dan, dat is altijd zo'n momentje. Ja.
5:37
Dus dat is wel heel, uhm, was wel heel indrukwekkend hoor, moet ik zeggen.
5:39
Het is een beetje ondergesneeuwd dit nieuws- Ja...maar het is dus gewoon echt aan de hand dat er- Niet normaal...dat, dat je continue locatie gewoon wordt doorgestuurd aan autofabrikanten en dat ze daar vervolgens dan niet netjes mee omgaan en nog een tweede.
5:50
Maar ik denk dat heel veel mensen niet beseffen dat hun auto permanent en real time getrackt wordt door autofabrikanten.
5:55
Ja, en wat ze dus tijdens die lezing, deze lezing kan je vinden op YouTube of op de eigen medialibrary van CCC en die, uhm, w-van mij heet ie, uh, "We weten waar je auto staat" of zo.
6:05
Daar vind je hem wel op.En, uh, dan lieten ze dus ook zien. Ze hebben allemaal kaarten geplot.
6:11
Dan zeggen ze: ja, hier kijken we even naar het hoofdkan-, het politieke centrum van, uh, Duitsland en, uh, oh, dit zijn waarschijnlijk ministers. En oh, dat is waar ze de kinderen ophalen.
6:19
Want je, je kan dus, ze laten dan eventjes zien zonder naam en toenaam. Wat de relevantie is van deze. Wat je kan met een ping iedere minuut van een gps-locatie. Ja, ja. Heel interessant.
6:29
Jij gaf mij, want ik stelde deze vraag en toen gaf jij, want wat deed Wietse Hagelaar? En toen gaf je een heel inhoudelijk antwoord. Maar ik was eigenlijk op zoek naar een ander antwoord.
6:35
Dat had je mij namelijk voor de, uh, uitzending verteld. Wat heb je op CCC gedaan, Wietse? Geslapen. Geslapen? Ja. In een naplab. Wat is dat? Een naplab is eigenlijk, dus niet nep, maar van napping, van slapen.
6:47
Eh, ja, dat is eigenlijk een soort kubus met doeken eromheen waar binnen een dj ambient muziek draait en dan krijg je zo'n silent disco koptelefoon op en dan kan je daar slapen. Het is silent disco om te slapen.
6:58
Ja, [lacht] het is allemaal echt. Ja. En, uhm, het mooie is dat, eigenlijk is het idee, denk ik, uh, weet ik eigenlijk niet zo goed van joh, ik heb net allemaal ingewikkelde lezingen gehad.
7:07
Ik doe even 30 minuten powernap. Ik ben daar iets langer blijven liggen, want ik was iets moeier. Bijslaapte van het jaar. Ik zag het ook wel. Het was ook een zwaar jaar. Het was wel veel, man.
7:15
En ondertussen is er, uh, natuurlijk ook, uh, terwijl wij offline gingen voor, uh, voor, v-, voor vakantie en de laatste aflevering van POKI is geweest, kwam toch wel een grote aankondiging van OpenAI, namelijk dat zij hun nieuwste model O3 aangekondigd hebben, uh, na O1 preview en O1 final, wat het begin van het 12-days of Shift was, uh, is hier nu O3.
7:39
Dan is mijn vraag: waar is O2? Nou, ik dacht, toen ik dat hoorde dacht ik: oh grappig, O2 komt bij waarschijnlijk volgend jaar uit en O3 is- Hoe is dat logisch?
7:48
Nou, ik dacht, uhm, nee, het is eerst, we hebben nu O1, dan ik, ga, dus O2, want ik zit, ik zat een beetje te denken hoe Apple dat doet, hè.
7:55
Dus als de iPhone 16 uitkomt, is de iPhone 17 bijna in productie en de 18 is al uitgetekend. Ja. Dus ik dacht: O1 is nu in productie. O2 komt over zes maanden. O3 is net klaar in de testlabs.
8:08
Die hebben ze getest en ze wilden flexen met hun meest gave ding uit het laboratorium. Ja, makes sense. Wat bleek? Er is geen O2. Want de telecomprovider O2, als jullie die nog kennen.
8:18
Grote, het is in Engeland nog steeds een grote telecomprovider. Dat merk bleek toch wel zo goed beschermd dat OpenAI zoiets had. Dan gaan wij wel, wij skippen hem wel [lacht].
8:26
O2 konden ze om juridische redenen niet gebruiken, dus is het daar O3. En het is niet alsof ze het model daadwerkelijk hebben, uh, ja, het is niet dat je het kan gebruiken. Het is ook niet met een waitlist of zo.
8:37
Niemand kan er nog bij behalve OpenAI zelf. Maar wat zij gelanceerd of wat zij gereleased hebben zijn scores, scores op benchmarks en dan specifiek de ARC Challenge. Wat is dat, die ARC Challenge?
8:51
Die, die ARC Challenge is lang geleden al bedacht, uh, om, en er zit ook, je hebt eigenlijk de ARC, uh, de test zelf en de challenge. En de challenge houdt in: lukt het jou om boven de 85% te scoren op deze test?
9:05
Het is een benchmark, een vrij complexe. Het lijkt een beetje op een IQ-test. Je kunt hem ook inzien. Visuele vragen zitten erin. Eh, ja, gewoon, die zijn duidelijk.
9:14
Het is een test ontwikkeld eigenlijk, zodat taalmodellen door de mand vallen. Juist.
9:18
Want het is cynisch ontwikkeld, zou je kunnen zeggen, door, uh, onderzoekers die zeiden: jullie hele, dat hele taalmodel paradigma gaat nooit schalen naar iets wat menselijke intelligentie is. Juist.
9:29
En dat is niet alleen maar een statement tijdens een borrel. Wij gaan gewoon een test maken die laat zien dat bijvoorbeeld GPT-4 3% scoort op iets waar gemiddelde mensen 85%.
9:40
Dus het probeert de menselijke intelligentie als getal te vatten, deze ARC Challenge. Ja. En, uh, mensen scoren hier gemiddeld tussen de 73 en 77% op, heb ik gelezen. Ja.
9:55
En dus de vraag is: wanneer is er een model wat daar overheen gaat? Nou, wat had, wist je, weet jij wat de voorganger van O3 hierop scoort? O1? 20% uit mijn hoofd. 20%. Ja.
10:06
Dus waarbij mensen 70% halen, tussen de 70 en 80%, haalde O1 20%. Ja.
10:13
En toen, uh, dit begon allemaal al een beetje hiervoor te borrelen dat Sam Altman in podcasts en zo ging roepen in november vorig jaar met, uh, we zijn toch wel in de buurt, eind volgend jaar hebben we AGI bereikt.
10:26
En eigenlijk wa- voegde hij nu de, nou, niet de daad bij het woord, maar de cijfers bij het woord, zullen we maar zeggen, namelijk O3 haalde op deze test 87.5%, wat dus dicht bij het menselijk niveau ligt, waarbij opeens de conclusie wordt getrokken: staan we op de drempel van echte kunstmatige intelligentie?
10:49
Dat is het nieuws. En er is hier dus, zeg maar, als je het aan Sam Altman vraagt, dan zegt ie: O3 is een zeer, zeer slim model. Oftewel die houdt zich op de vlakte.
11:02
Terwijl zijn eigen, uh, onderzoeker was, nou ja, zijn eigen onderzoeker die werd geciteerd. We hebben AGI al bereikt, uh, met het eerdere O1-model en de medeoprichter van de ARC Prize zelf zegt: O3 is nog geen AGI.
11:18
Het faalt nog steeds bij zeer eenvoudige taken. Beetje warrig verhaal, maar wa, de, de vraag die hieraan ten grondslag ligt is: is, is, zeg maar, is dit aan het gebeuren?
11:29
Is AI nou slimmer aan het worden dan mensen volgens deze benchmark? Of is dit nu niet aan de hand?
11:35
Ik vind het eigenlijk niet zo'n warrig verhaal, want het is, laat ik zo zeggen, het is een goede weerspiegeling van het debat.
11:41
Ik ben, ik was heel erg gefrustreerd dat toen deze test uitkwam, wij geen POKI aan het opnemen waren omdat ik dacht: ja, dit is te gek, weet je wel. Toen die benchmarks uitkwamen. Ja, ik dacht: noot afleveren.
11:50
Het is gebeurd. Ja, ik had, ik was heel effe, omdat ik, ik, ik hou die ARC Challenge echt in de gaten.
11:55
En ik, tijdens lezingen zeg ik ook altijd aan het einde: hier, hou de ARC Challenge in de gaten, dan kan jij mijn verhaal ook een beetje in de gaten houden.
12:02
Hè, want ik, ik, ja, ik probeer het natuurlijk een beetje tactisch aan te pakken. In mijn verhaal hou ik rekening met de verschillende scenario's. Ik bi, ik pin me niet vast op het we-zijn-er-bijna-verhaal.
12:13
Ik probeer het aan iedereen te geven en dan mag je zelf in de gaten gaan houden of jij vindt dat we er zijn. Maar jij dacht: we zijn er. Nou, ik maak, ik schrokIk dacht niet we zijn er.
12:24
Ik dacht ik schrok, want ik had niet verwacht dat we door die arc challenge heen zouden blazen op die manier.
12:29
En ik ben nu heel blij dat wij nu samen opnemen in het nieuwe jaar, omdat inmiddels, uh, de storm een beetje is gaan liggen. We weten nu een beetje wat er, uh, daadwerkelijk gebeurd is.
12:40
Is de arc challenge, uh, één, want er komt een arc challenge twee en drie aan. Is de eerste arc challenge verslagen? Ja, gewoon feit. Dan is de vraag test de arc challenge AGI?
12:51
Hmm, dat is nog maar de vraag, want we zitten dus nu omdat er nu ineens mensen beginnen te roepen AGI solved. Of voor de luisteraar AGI Artificial General Intelligence. Ik zeg altijd liever human drop in replacement.
13:05
Oftewel mensen kunnen vervangen in de digitale zin. Dus iemand logt in op een teams call, maar die bestaat helemaal niet.
13:11
Begint lekker mee te kletsen, gaat nog wat dingen op de achtergrond doen en stuurt je aan het eind van de middag een mailtje alsof het een collega is. Dat zou ik zien als AGI, uh, persoonlijk.
13:19
Nog een vage omschrijving, maar het is gewoon moeilijk om dat te woorden. Ja, want en dus en dat is er zijn een aantal dingen. Ten eerste wat test die arc challenge nou eigenlijk echt?
13:28
Nou, meer dan de meeste benchmarks dus. Is dit relevant dat dit gebeurd is? Ja. Betekent dat nu ineens dat de hele wereld anders is? Ik zou zeggen valt wel mee.
13:37
Het laat mij alsgene die hier best wel op zit in ieder geval zien dat er sprongen gemaakt worden, dat er de, want wij, we hebben eigenlijk de cynische statements
13:47
vanuit de AI-neersayers die zeggen: joh, het is allemaal bluf, fluf en hype. En aan de andere kant heb je Sam Altman die eigenlijk zegt: we hebben AGI pretty much solved.
13:56
Niet door de arc challenge, maar we weten hoe we er moeten komen, zegt hij steeds, hè. We hebben het recept, we hoeven alleen nog maar te gaan koken. En we zijn er eind van dit jaar.
14:03
Ja, dus dat is echt wel een statement.
14:05
Nou, tussen die twee uitersten van een CEO van een AI-bedrijf, uh, die erbij gebaat is om iedereen te laten geloven dat het heel goed gaat met zijn bedrijf versus de AI-neersayers die er denk ik, ik vul even een beetje, uh, psychologie in, bij gebaat zijn, uh, dat het allemaal wel meevalt omdat het best wel spannend is als dit allemaal wel aan het gebeuren is.
14:24
Oké, spicy. Ja, uh, ik denk dat het een van de redenen is waarom heel veel mensen het maar liever niet willen geloven wat er aan de gang is. Nou, ik vind dan natuurlijk een beetje dat midden dat ik probeer te nuanceren.
14:34
Joh, uh, er lopen niet ineens robots door de straat binnen twaalf maanden die met jou een goed gesprek kunnen voeren.
14:40
Maar laten we nu niet doen alsof er niks gebeurd is, want de goalposts worden wel, zoals de Amerikanen dat zeggen, verschoven nu. Die arc challenge was lang de soort van golden standard voor het testen van
14:52
bovenmenselijke intelligentie. Ja, of gelijk menselijke. Oké, menselijke. Breed menselijke intelligentie. Breed menselijke intelligentie.
14:59
De vorige, het vorige beste model scoorde dus 20% en opeens zitten we bijna op 90% beter dan dat mensen scoren. Dan zou, dan, dan is mijn neiging om te denken: oké, dan heb je het dus gehaald.
15:13
Maar nu zeg jij: er is een arc, er is een arc twee en er is, en er komt een arc drie aan. Wat? Wat is dan, zeg maar.
15:19
Nou wat, wat je, wat je eigenlijk ziet is dat, uh, de benchmarks die tot nu toe gebruikt werden om taalmodellen.
15:26
Want iedere keer als er een nieuw model uitkomt, wat dan nu omni modellen zijn, hè, maar een nieuw, laten we gewoon zeggen een nieuw AI-model, uh, dan zijn, die hoort dan door zo'n hele ring, range van benchmarks gehaald en al die getalletjes worden bij elkaar opgeteld tot een gemiddelde.
15:39
En dan hebben wij weer een nieuw tabelletje ergens van: wauw, 86,7%. Ja. En dan heb je nog de LM Arena waarin mensen het subjectief testen. Dus dat is de benchmark. Wat voelen mensen bij dit model?
15:49
Die vind ik ook heel leuk, zonder dat ze weten waar ze mee praten. En die twee komen aardig overheen altijd, niet helemaal.
15:55
Top drie is een beetje wisselend, maar dus de subjectieve benadering vanuit de mens versus de, uh, kwantitatieve benadering vanuit benchmarks loopt redelijk, uh, gelijk.
16:06
Dan is het wel zo dat je dingen hebt als overfitting. Dat houdt in dat die test, die tests komen terecht in die modellen, dus die worden dan heel goed in die benchmarks.
16:14
Zo een beetje als de, die Volkswagen heel goed werden in het geen uitstoot geven op de op de testbank, zeg maar met dieselgate. Dus je hebt een soort. Ze oefenen voor de toets. Ja, precies.
16:22
Je hebt die dieselgate achtige dingen die gebeuren met die benchmarks. Maar, uhm, en dan was die arc challenge die dus ook deels terechtgekomen is nu in O1 en in O3.
16:34
Want dat is wel gebeurd, want je hebt de public challenge en je hebt de private challenge. Dat is ook een belangrijk, uh, verschil.
16:40
Maar toch kan jij als je de public challenge goed traint wel voordelen krijgen in de private challenge. Oké. Nou ik, mijn punt is eigenlijk om het niet te langdradig te maken.
16:51
Als we nou even vooruitgaan dat die arc challenge niet echt per se AGI test, maar wel iets wezenlijks anders dan al die andere tests doen. Als je dan ook nog eens zegt dat het in de trainingsdata terechtgekomen is.
17:02
Dus we halen even wat laagjes eraf van de hype.
17:04
Dan blijft daar nog steeds een verhaal over waarin een test die specifiek door onderzoekers ontwikkeld is om te laten zien wat de limieten van het taalmodel paradigma zijn als het om GPT gaat, hè, de, de GPT's, General Predictive Transformers, uhm, en de score die O3 nu gehaald heeft, die is trouwens gehaald door heel veel, uh, uh, compute te geven, uh, on inference time.
17:27
Dus het houdt eigenlijk in dat je, je kunt heel veel geld investeren in trainingstijd en dat is waarom ze dan zeggen GPT kost, vier kostte X om te trainen. Eenmalige kosten.
17:36
Ja, en dan daarna ga je met wat je gebakken hebt kan je dat constant hergebruiken. Die O1 en O3 modellen die gebruiken veel meer compute nog tijden, dus daarom duurt het ook allemaal zo lang.
17:46
Ja, wat ik begrijp over O3 is dat het model zelf kleine programma's schrijft om problemen op te lossen. Ja. En dat is een verschil met oudere AI, want die zochten naar patronen in bestaande data.
17:55
Maar deze, deze nieuwe manier van denken is dus zelf programmatjes schrijven.
18:00
Ja, en dit is ook wat die, uh, een van de makers van die arc challenge zei, is: uh, ik kan een test ontwikkelen die jullie gaat laten zien dat het onthouden van antwoorden niet genoeg is om intelligent te zijn.
18:12
Want wat mensen kunnen is als ze iets leren op de roeivereniging diezelfde beweging van die roeimachine toepassen als ze degen gaan rollen. Ik noem maar wat. Ja.
18:22
En, uh, die algoritmes als ze voor een nieuw, uh, challenge in een andere context gezet worden. Kennen ze opnieuw. Weten ze het ineens niet. Ze kunnen niet bluffen dat ze kunnen koken.
18:30
Terwijl wij denken: ja, of het nou een deegroller is of een roeimachine, dat denken wij niet eens. Dat kunnen wij gewoon. Ja, het is vrijwel dezelfde spier.
18:37
Ja, en wat er dus nu gebeurt bij die O1 generational models, dus die veel meer mogen denken tijdens het, uh, die hebben veel langer om antwoorden te geven en die zijn getraind op allerlei, uh, algemene patronen.En die kunnen best wel goed programmeren is dat ze eigenlijk zeggen: hé, deze vraag heb ik nog niet eerder gezien.
18:56
Wat verwacht je dat mensen nou gaan bespreken als dit ding, als dit ding uitkomt? Of het wordt in kleinere groepjes gereleased.
19:02
Zo zal het wel gaan en het zal ook wel, wel € 2.000 per maand gaan kosten, dat model, omdat het inmiddels die trends dus ook in- Ik denk dat het veel duurder is. Dan komt er nog een Quantum Ultimate bij.
19:10
[lacht] Ja, en wat is nou de, ver-- wat is, wat is jouw verwachting van wat voor type mensen daar, nou, misschien niet de vraag wie ervoor gaat betalen.
19:18
Misschien is dat niet eens zo heel relevant, maar wie, wie, waar gaat de schok het grootst zijn, zou jij verwachten aan verandering?
19:24
Nou, waar ik nu, uh, op let is, uh, de tool Aider die ik gebruik, waar wij- Programmeer tool. Programmeer tool. Die tool, die doen, die doen een release zo iedere drie, vier dagen.
19:34
Dat kan je publiekelijk zien, want het is een open source tool. Tijdens die relea-- in die release notes staat geschreven hoeveel van Aider is geschreven door Aider. [lacht] Ja, 72%. Echt waar. Superveel al.
19:44
Mooi, dit is echt het klassieke voorbeeld van de 3D-printer print de 3D-printer. Exact. Het is dat en dat is gewoon aan de hand met 72% van de codebase.
19:53
En ik, ik ben dus zelf, ook al heb, ben ik, uh, filosofisch geschoold, eigenlijk niet zo geïnteresseerd in conceptuele discussies rondom: wat is AGI? Ja. Ik wil gewoon weten hoeveel van O3 is geschreven door O3. Ja.
20:09
En, dan, ma-- sorry, die, al die andere dingen maken mij niet zoveel uit.
20:13
Want op het moment dat jij een cirkeltje rond kan maken, hè, dus het, dus de hele loop, uh, kan creëren van O3 is zichzelf aan het bekijken en zichzelf aan het optimaliseren.
20:24
En zij, en OpenAI kan zeggen bij de release van O3: 5% van de O3 codebase of de ideeën in O3 zijn door O3 zelf bedacht. Ja. Dan zou ik zeggen tegen alle luisteraars: let op, want dit, dit begint bovenmenselijk te worden.
20:39
Ja, dit is een soort, uh, hockeystick.
20:41
Dan krijg je toch wel die grafiekjes die zich, uh- Maar toch even, want mijn vraag, ik stel mijn vraag ook omdat O1 Pro is uitgekomen, de, de betere versie, uh, van O1 die er langer over doet voordat hij antwoord geeft en die, uh, € 200 per maand kost.
20:58
Als ik probeer te, nu terug te halen wat er allemaal is gebeurd sinds, uh, en Pro is gelanceerd, dan denk ik niet: dit is wereldschokkend wat dit oplevert qua hoe programmeurs erover praten, hoezeer het hun helpt of,
21:11
d-d-dat bereikt me op een of andere manier niet, de, de, het grote verschil.
21:16
Dus daarom vraag ik ook: wat is jouw verwachting bij, niet hoe het gemaakt wordt, uh, maar hoe het, zeg maar, voor wie, wie er de meeste profijt aan gaat voelen?
21:27
Ja, nou, ik denk, want jij zei net: het gaat niet zozeer om de kosten, maar toch wel een beetje. Want, uh, dit zijn hele dure modellen om vragen aan te stellen. Ja. Je kunt vragen stellen, die kosten $30. Precies.
21:37
Maar aan de andere kant, je kunt ook vragen stellen aan een consultant. Die kosten €300, een mens. M-hm. Hè, dus dat hele idee van informatie kunnen inkopen bij een expert is niet nieuw.
21:47
[lacht] En OpenAI heeft dit heel goed door. Die durven dit ook wel te gaan vragen voor één query als jij hem laat lopen. Maar oké, je wijst consultants nu aan als vervanging.
21:56
Nou, ik denk dat, kijk, waar nu best wel veel hype rondom is in het hele AI, uh, marketingverhaal is dit agentic AI. Dat zal je ook terugzien, uh, we spra-springen straks naar Nvidia toe.
22:06
In die Nvidia-presentatie bij de CES heeft ook de CEO het constant over zijn agents. Zij noemen dat Nims, een soort Nvidia-agents. Prima, is hun marketingverhaal.
22:16
Maar, uh, het mooie van een agent is, is dat je die agent met een kluitje het riet in kan sturen en dan komt hij er later weer terug.
22:23
Nou, dat is natuurlijk perfect voor O1, OX-achtige modellen, want, uh, als die inderdaad 10 minuten doen over een antwoord genereren, doet dat ertoe als je dat via de mail krijgt een uur later.
22:34
Dus ik denk dat, uh, wat ze binnen OpenAI nu eigenlijk aan het doen zijn, is merken van: oké, we hebben de modellen die goed zijn in rapid response via een bluf.
22:43
Wat ChatGPT tot nu toe doet, hè, lekker, lekker kletsen en, uh, off the cuff snel denken versus de deep thinkers, hè, de, uh, de O, de O-seriemodellen.
22:53
En als we die dan ook, uh, visueel weergeven als een, uh, iets waar je naartoe mailt in plaats van waar je een instant messaging. Ja, ja, ja. Ik denk echt- Ja, grappig. Ik bedoel- Ik snap je gedachte.
23:03
We hebben het heel vaak gehad over last mile en dat soort dingen. Kijk- Je verwacht een rapport in pdf met een McKinsey-achtig logo erboven.
23:10
Ja, en dat is waarschijnlijk dan, dus als jij zegt: hoe gaat dit ingezet worden?
23:13
Ik denk dat de bedrijven, organisaties en groepen en individuen die nu bezig zijn met meer, uh, background agents maken die een dag tot twee, tot een week mogen doen over antwoorden geven en ook nog eens samenwerken, dat daar veel meer gekozen gaat worden voor deze duurdere modellen, maar dat dat rapport dan ook €500 kost.
23:30
Ja, ja, ja, ja. Is dat erg als dat- Micro payments, maar dan macro payments. Ja. Ja, en ik, en ik denk dat, uh- Ja, jezus. Wat, wat wij hiervan, uh, gaan zien is denk ik de, uh,
23:41
deliverables, hè, dus een v-, een goede marketingvideo of een, of een educatieve video waar normaliter al een heel team creatives aan werkt en wat je pas na twee weken je eerste, uh, voorbeeld van krijgt, een work in progress via een, uh, linkje.
23:54
Ja. Dat we op dat gebied, het inzetten van deze modellen, meer en meer gaat gebeuren. Dus, uh, joh, ik, ik ben deze hele week bezig geweest. Ik heb een aantal keer een paar uur moeten wachten en toen kreeg ik wat terug.
24:07
Joh, dat was echt te gek en het heeft me wat gekost, maar dat had ik ervoor over. Ja, het is, het is een beetje die metafoor van AI zien als medewerkers. Ja.
24:13
Die, die leveren ook niet binnen vijf seconden nadat je iets gevraagd hebt op wat jij hebt gevraagd.
24:17
Dat gaat over het algemeen wat tijd overheen en zo zullen we dat bij die soort van agentic AI, waar, gestuurd door dit soort reasoning modellen, ook gaan ervaren.
24:25
De, jij zei eerder: het maakt me niet zo heel veel uit of het nou AGI is wel of niet, want het is een beetje, zeg maar, wat doet die discussie ertoe.
24:31
En je zei ook: mensen die optimistisch zijn, uh, dus, uh, de Sam Altmans van deze wereld, die hebben een, een marketingbelang om te lai-, om soort van iedereen te laten denken dat zij voorlopen.
24:41
En je zei: de mensen die heel kritisch zijn, die zijn gewoon misschien bang voor wat voor wereld, uh, waarop we afgaan.
24:46
Maar er is nog een ander perspectief en dat is namelijk dat dit, zoals Gary Merc, uhm, uhm, Marcus zegt, een, uhm-Een criticus, uh, die zegt: dit is pure opschepperij gericht op nieuwe financieringsrondes.
24:56
Want dat maakt natuurlijk bij deze, dit hele OpenAI-saga, uh, uit.
25:00
Namelijk er is vastgesteld in de overeenkomst met Microsoft dat als AGI gehaald wordt, het contract in feite verandert en Microsoft veel minder macht krijgt. Hm.
25:09
Uhm, en dat zou een andere reden zijn om, uh, nu AGI te claimen, zodat, uh, het contract wat ze met Microsoft hebben en de situatie met Microsoft en OpenAI zou sowieso verzuurd zijn over de afgelopen, over het afgelopen jaar.
25:24
Dat is iets wat je veel, uhm, uh, terug hoort. Dat dit een, dat dit nog een reden is om AGI te claimen. Puur voor het hekje in de rechtbank. Ja. Nou ja.
25:36
En misschien nog een, uh, een laatste voordat we hier de strik om doen. Uh, waar is Entropic? Waar is het reasoning model van Entropic? Ja. Waar is Agentic Claude, die 40 seconden mag nadenken?
25:48
Dit vraag ik om, dus, mi-- een aantal redenen. Uhm, betekent dat, dat wat OpenAI aan het doen is eigenlijk een soort van trucje is met bestaande modellen die ze niet zo goed kunnen schalen en doet Entropic niet mee?
26:01
Uh, is het eigenlijk heel knap, maar heel moeilijk en doet daarom Entropic niet mee? Of- Krijgen wij iets binnenkort? [lacht] Of krijgen wij de echte Claude en heeft hij een gezicht en een stem en zo?
26:11
Ja, de echt, de Opus-opvolger. Ja. Of weer een heel andere naam. Ja, nou, wie weet, uh, uh, wa-wat zij gaan doen.
26:17
Nou en vooralsnog is dit ook allemaal, uh, theoretisch, want het O3-model is nog niet beschikbaar gemaakt voor publiek noch voor onderzoek. Dus anders dan die ARC Challenge. Dat wij weten in ieder geval. Ja.
26:30
Dus het is ook nog allemaal maar OpenAI op de blote oog geloven. En er zijn nogal grote belangen zou je kunnen zeggen op dit moment. Ja. Al is het alleen maar financieel.
26:39
Dus het is ook niet gezegd dat je alles zomaar op de blote oog van de heer Altman kan geloven. Wat je dan hoort zeggen in dit soort gevallen is: we blijven het volgen.
26:46
[muziek] Dan het volgende grote onderwerp, want, uh, Nvidia, de chipmaker, ging afgelopen, deze week op, uh, CES, uh, een, uh, een, de, de CEO ging een grote keynote doen en onthulde hoe het bedrijf, uh, hoe ze, hoe hij de toekomst van het bedrijf voor zich ziet.
27:02
Om eigenlijk, ja, de hele stack te gaan doen van chiparchitectuur, systeemdesign, de software libraries, AI-algoritmes en hoe ze eigenlijk de toekomst van, nou ja, niet alleen van AI, maar ook robotica en breder autonome systemen wil gaan vormgeven.
27:18
Met heel veel aankondigingen.
27:21
Ik denk de twee grootste aankondigingen is iets wat ze Project Digits noemen, een soort van persoonlijke AI-supercomputer en, uh, Cosmos World Foundation Model, een open source AI-model gericht op de fysieke wereld.
27:35
Ik snap dat deze beschrijvingen allebei erg vaag klinken, maar dat komt omdat we er op allebei eventjes in gaan zoomen. Uh, Huang, de, uh, CEO van, van Nvidia zei: Cha-het ChatGPT-moment voor robotica staat voor de deur.
27:49
En, uh, di-deze, uh, presentatie op CES heeft behoorlijk wat, uh, schokgolven veroorzaakt. Uhm, waar zullen we eens mee beginnen, Wytse? Want het is allebei heel boeiend.
28:00
Ik denk het robotica-verhaal, want dan kunnen we, de, want ik, ik, ik zit te denken dat,
28:05
uhm, dat heeft weer meerdere, uh, facetten die wij hebben geprobeerd uit te leggen aan de luisteraars waarom dingen als Sora, het videomodel van OpenAI, en Veo, het videomodel van Google, te maken hebben met, uh, robots.
28:19
Ja, jij voorspelt het alweer. Nou, het is gebeurd. Ik lees veel dingen, hè. Ja. Dus, uh. Het is gebeurd. Ik zal het even voor je bij elkaar ga-rijp, uh, grijpen.
28:27
Uh, Nvidia heeft dus het eerste open source AI-model gericht op de fysieke wereld ge, uhm, beschikbaar gemaa-- het is beschikbaar, toch? Het is ook het eerste serieuze, staat op Hugging Face.
28:38
Eerste serieuze video generation model met open weights. Uh, dus je mag het, en je mag het commercieel gebruiken. Precies. Ja. Getraind op 20 miljoen uur aan video's van menselijke bewegingen en interacties.
28:52
De geruchten gaan dat ze gewoon YouTube leeggetrokken hebben, wat weer juridische vragen oproept, maar oké. Specifiek ontworpen om robots en autonome systemen de fysieke wereld te laten begrijpen.
29:02
Dit is iets wat jij al heel vaak in de podcast hebt gezegd. En wat lijkt te gebeuren?
29:05
De modellen, beschikbaar in drie varianten, kunnen via GitHub en Hugging Face worden gebruikt voor het genereren van video's, uh, en simulaties voor robottraining.
29:15
En bedrijven als Toyota, Uber en Figure AI, die maken van die, uh, humanoïde robots, hebben al aangekondigd dat ze ze gaan gebruiken. En Huang noemt dit dus het ChatGPT-moment voor robotica.
29:25
Uhm, en deze licenties zijn inderdaad ook beschikbaar voor commercieel gebruik. Hoe, uh, hoe heb je dit allemaal gevolgd, Wytse? Het is wel een dingetje.
29:35
Het is wel een dingetje, ja, want kijk, wat sowieso interessant is, is dat we inmiddels empirisch ofwel wetenschappelijk onderbouwd weten dat als jij een algoritme data laat gre-genereren en dan die data weer voert aan een volgend algoritme, dat dat tweede algoritme slimmer kan worden dan het eerste algoritme.
29:54
Synthetische data bedoel je? Yes, en, uh, dat hebben we nu met tekst gedaan, hè.
29:58
Dus, uh, wat je bijvoorbeeld ziet is dat, uh, hele grote, zware, dure modellen allemaal hele goede tekst gaan genereren die dan gebruikt wordt als hele pure, goed gefilterde input voor nieuwere modellen die daardoor kleiner zijn, maar op hetzelfde schaal kunnen opereren als hun grote broer die het gemaakt heeft.
30:15
Ja. Dat is op zich, ik denk als ik dit zeg en nu kan je zeggen: daar ben ik het niet mee eens. Niet jij, maar een luisteraar, dan kan je het wel niet mee eens zijn. [lacht] Dit zijn gewoon feiten. Ja.
30:23
Want we benchmarken die dingen. Dit weten we nu. Ja. Maar je kunt niet alleen maar met een heel slim brein een kleiner brein slim trainen.
30:32
Want dat voelt op zich wel logisch dat je denkt: ja, als dat hele supergrote model hele goede data maakt, dan kan je daar wel een kleiner modelletje die dan alleen maar, uh, hele slimme, uh, hele goede data, niet rommelige data krijgt.
30:43
Die kan je dan, doordat die data zo puur en zo kwalitatief is, kan je waarschijnlijk een kleiner modelletje van maken. De meeste mensen- Dat heeft het voordeel dat het minder energie kost. Exact. En lokaler kan draaien.
30:52
Zie het als een soort crap filter die alleen maar de meest pure kennis doorsluist naar een nieuw model. Mhm, mhm. De meeste mensen die ik dit vertel zeggen: ja, dat zie ik intuïtief wel gebeuren. Ja.
31:01
Maar als ik dan zeg: je kunt ook een groot model hebben die data gaat genererenDie we dan weer een nieuw groot model invoeren die dan slimmer wordt dan het eerste model. Dat is wat moeilijker.
31:11
De meeste mensen zeggen daarvan: nee man, garbage in, garbage out. Je kan niet, dat is-- nou, dan wijs ik altijd als grapje naar evolutie, hè.
31:17
Wij waren allebei ooit een salamandertje ergens en nu zitten we hier te praten in de podcast. Dus ga mij nou niet vertellen dat een simpel systeem zichzelf niet kan optellen, optillen naar een complex systeem, hè.
31:27
Ooit stonden we ook poep te gooien in de grot en nu zitten we hier. Uhm, dus de natuur heeft het al bewezen. Het evolutionair algoritme kan zichzelf uit de modder tillen.
31:36
Dus het blijkt nu dat modellen modellen kunnen trainen met elkaars output en dat je daardoor een beter model kan maken.
31:43
Dat betekent dus ook dat op het moment dat jij een model creëert die jij traint op allemaal visuele data toegespitst op warehouses, hè, dus wat je, zie even voor je dat je door de IKEA, het einde van de IKEA loopt.
31:56
Het begin van de IKEA is mooi en waar je je pakketje moet ophalen, dat zijn de plekken waar normaal alleen maar orderpickers komen of robots.
32:03
Nou, als je dan al dat soort beelden hebt, maar ook beelden van, uh, een auto die door een straat rijdt, noem het maar op.
32:09
Eigenlijk logische plekken waar een robot in de toekomst zou kunnen zijn of nu al is op een lager niveau, daar een gigantisch videomodel op traint, op al die dingen, dat je dan, en die is dus nu uitgebracht.
32:21
Een videomodel getraind op allerlei beelden die logisch zijn voor plekken waarop robots in de toekomst gaan opereren.
32:29
Dat model kan jij dus vragen om: doe mij even vijf minuutjes rondrijden in een warehouse vanaf één meter hoog ongeveer, want dat is de ogen van de robot die er straks zitten. En geef me even vijf minuten data.
32:40
Nou, dan krijg jij een video. Die laat je dan weer zien aan een robot die je gaat trainen en die train je dan dus op, niet op een warehouse rondje wat ooit gereden is, maar op een gecreëerd warehouse rondje.
32:52
Dus dit is het synthetische dataverhaal van twee minuten geleden toegepast op robots trainen. Ja.
32:58
Het is eigenlijk alsof je, uh, bijvoorbeeld, uh, ja, kinderen gymles geeft in een simulator met een gesimuleerde gymzaal waarin ze leren om een bal te vangen. Ja.
33:09
En op het moment dat ze dat dan kunnen, breng je ze naar de echte gymzaal. Ja. Wat is daar het voordeel van? Dat je die gymzaal die je simuleert volledig kunt vormgeven.
33:18
Dus zeg maar drie ballen per seconde in een gymzaal zo bij zo en sporadisch geen bal en soms komt ie van boven. Dan wordt dat kind daaraan blootgesteld. Dit is een metafoor.
33:27
En daarna kan die veel beter ballen vangen in een echte gymzaal. Dus je, wat dit wereldmodel nu kan, is werelden scheppen op basis van een prompt. Ja.
33:37
Doe mij even een warehouse en zorg trouwens ook even dat er op een gegeven moment, zo half in de, in de video, iemand met een hele zware kar even langs komt rijden. Ja.
33:46
Hè, dus, je kunt ook een soort van- Dingen stimuleren waar die rekening mee moet kunnen houden. Perfecte training courses kan je gaan maken voor robots. Ja.
33:53
Want er is zo weinig daadwerkelijke data beschikbaar die zo specifiek is. Ja, want jij zegt: de echte wereld. Maar waar het hier om gaat zijn, uh, warehouses, fabrieken en dus bij extensie daarvan autonome voertuigen.
34:10
Dus dan denken we aan zelfrijdende auto's bijvoorbeeld.
34:14
Als ik jou goed begrijp is het dus eerst 20 miljoen uur aan YouTube-video's van mensen en mensen die bewegen, dus mensen die nu gewoon werk doen wat mensen doen, namelijk orderpicken of wat dan ook.
34:26
In dat soort industriële settings zal ik maar even zeggen. Ja. Dat is, op een of andere manier is daar 20 miljoen video van gevonden. Dat vind ik wel wonderlijk. Waar ze dat hebben gevonden.
34:34
Nou, in ieder geval, dat was er blijkbaar. En dat hebben ze, dat hebben ze nu zo goed door dat ze synthetische video's kunnen maken van point of view shots van een robot die ronddraait, zeg maar.
34:45
Wat zou een robot zien als hij door een ruimte zou gaan die niet echt bestaat of wel echt bestaat,
34:51
uhm, zodat hij zich kan voor-- die robot zich kan voorbereiden op alle situaties die een mens die nu dat werk aan het doen is, zou tegenkomen, opdat die robot dat kan overnemen. Ja. Toch?
35:01
Ja, en ik denk zelf dat, wat ik even moest schakelen tijdens deze presentatie en niet eerder had bedacht, is dat ik dacht dat dit model wat ze nu gemaakt hebben het brein zou zijn van de robot direct.
35:15
Ja, maar dat is het niet. Het is een tussenstap. Nou, dat zou je wel kunnen doen. Alleen dan moet je dus best wel een hele brute computer in die robot stoppen.
35:23
Maar wat nou als jij weet dat die robot context alleen maar dat warehouse zal zijn? Ja, ja. Dan is het toch veel slimmer. En als ik even de metafoor kan her-- recyclen van een paar minuten geleden.
35:32
Als jij een taalmodel traint op het hele internet, plus alle boeken in de publieke domein.
35:37
Plus je betaalt allemaal uitgevers om daar, uh, uh, content uit te halen en je traint daarop een General Predictive Transformer, oftewel een GPT.
35:45
En die vraa-vraag je vervolgens om samen met wat, uh, boeken van, uh, of al het werk van Shakespeare en alles wat hij al van Shakespeare weet, de ultieme Shakespeare dataset te maken.
35:56
En je traint dan een mini Shakespeare modelletje op alleen maar ultimate Shakespeare synthetische data. Dan heb jij dus een Shakespeare'tje wat kan draaien op een smartphone.
36:05
Wat ze nu dus doen met die videodata is superbreed trainen. Dan alleen maar vragen- Ja, ja. Warehouse data. Ja. En daar een klein modelletje. Ja, ja.
36:12
De warehouse navigator, zodat het op een kleiner chipje past, want er rijden straks 3.000 van die robotjes rond het warehouse. Beetje raar als er daar ook alle YouTube video trainingsdata in zit- Nee, precies.
36:23
Van buiten. Terwijl ze binnen blijven. Ja, oké.
36:26
En dan is het idee dus dat die robot zelf kan bewegen door die fabriek en omdat, of, of waar-, warehouse of wat dan ook de soort van industriële setting is waar nu mensen werken, waarbij het idee is dat machines dat gaan overnemen.
36:41
Dat je, hij noemt dat een digital twin maken van een fabriek, zodat die robot zich kan gedragen in die fabriek. Wat is daar de waarde dan van? Van het maken van zo'n digital twin?
36:54
Nou, nu is het zo dat, uhm, als jij, want robotica is niet nieuw. Er rijden al heel veel robots rond en er is ook al heel veel met object recognition aan de gang.
37:03
Je kunt al op plekken komen waar een spotje van Boston Dynamics met een, uh, cameraatje op zijn rug, uh, dingetjes uit, uit, uh, pakjes aan het pakken is.Maar wat wel prettig zou zijn is punt één dat die spotrobot exact getraind is op dat waar, op die specifieke warehouse in plaats van alle warehouses.
37:20
Want dan loopt hij de hele tijd rond met allemaal data die hij niet nodig heeft. Ja. Dus je wil eigenlijk iemand die echt goed geonboard is en getraind is binnen de context van jouw specifieke warehouse. Ja.
37:31
En dan wil je ook nog eens, en dit is iets wat ik ook een, wat een belangrijke is. Er is een heel mooi voorbeeld van een, uh, Tesla, uh, op de weg, op de publieke weg.
37:41
Die rijdt achter een vrachtwagen met daarop drie stoplichten. [lacht] Ja, die, die vrachtwagen is letterlijk, die stoplichten, het moet ook wel eens vervoerd worden.
37:50
Dus wat gebeurt er op dat sy-- Je kan bij je Tesla kijken wat die Tesla detecteert. Je ziet drie vliegende stoplichten de hele tijd en raakt in de war. Ja.
37:57
Uhm, want de stoplichten op vrachtwagens, het stoplichten op vrachtwagens scenario is nooit gezien. Nee. Niet eerder. Zat, zat niet in de trainingsdata. Nee.
38:06
En wat je dus nu wel zou kunnen doen is dat je zegt: joh, we laten in die, uh, warehouse simulator, om even de sprong weer te maken naar het warenhuis, zeggen we: iemand struikelt, iemand valt over een leiding. Juist.
38:18
Er valt een kopje koffie over jou heen als robot. Ja. Noem maar op. En op die manier-- en dan hoef je niet te zeggen: joh Kees, heb jij nog beelden liggen van iemand die een kopje koffie neergooit?
38:28
Nee, ik prompt hem wel even. Juist. Dit is de grote, i-, het grote inzicht. Ja, dus het, het, ze noemen dit de Mega Omniverse Blueprint. Ietsen, blijf erbij. Wauw!
38:38
Daarbij kunnen complete fabrieksvloeren gestimuleerd worden, inclusief honderden autonome robots. Nou, dat, dat accepteren we dan nu maar eventjes. Maar ook robotarmen en menselijke medewerkers die samen opereren.
38:50
Vooral die laatste moet je natuurlijk rekening mee houden dat ze kopjes koffie over je heen gooien. En dan is dus het idee dat al die dingen samenwerken en dat iedere fabriek dus zijn eigen digital twin krijgt.
39:00
Er zijn 10 miljoen fabrieken ter wereld en hij hoopt natuurlijk dat ze allemaal NVIDIA-software gaan draaien, en dat die, uh, automatisering mogelijk gemaakt gaat worden door deze, nou, modellen die op die robots gaan draaien.
39:12
De eerste grote appli-, implementatie is al gaande bij de Kion groep, uh, en die com-, die, uh, digitaliseert complete warehouses doordat ze CAD-bestanden aanleveren.
39:21
Dus gewoon de, de, de, de tekeningen van de, van hoe, hoe groot is de fabrieksvloer?
39:27
Video, lidar en AI-data om zo de lay-out, om de, uh, lay-out tests te kunnen doen, robottraining te doen en optimalisatie door te voeren in de virtuele wereld, zodat ze daarna in de fysieke wereld kunnen worden toegepast.
39:39
Wat is precies de belofte die hier-- is dit, zeg maar, de belofte, i-, die hij hier schetst is: we gaan iedereen in fabrieken overbodig maken, toch?
39:48
Uh, nou, ik denk dat- Ik wil niet, uh, heel cynisch hierover- Nee, nee...of, uh, zwart, zwartkijkerig hierover doen, maar dat is wat hij hier aanhaalt. Wat je dan aanvoelt.
39:55
Kijk, die world model die zij nu getraind hebben, die is nog wel, uhm, hoe zeg je dat? Heel erg toegespitst, dus, op gebruik in fabriekachtige omgevingen. Ja.
40:05
En op wegen, want er moet een vrachtwagen rijden van locatie A naar B. Ja, dat is het tweede ding inderdaad. Maar niets, theoretisch houdt het tegen om niet, hier niet een general world model van te maken.
40:15
Ja, precies, dat je ook de postbode overbodig kan maken. Exact. Ja, oké, het is niet zo [lacht]. Ik denk te klein. Je denkt veels te klein.
40:22
[lacht] En, uh, kijk, ik heb het wel eens gehad over dat ik zei: straks draait gewoon GPT-5 o in een Tesla, want die moet ook weten wat een urn is als iemand met een urn langs de weg staat en je moet even afremmen, want dat is een heel s-, fragiel object van heel veel emotionele waarde.
40:37
Uh, daar zat ik dus een beetje naast. Want wat blijkt?
40:40
Je kunt eigenlijk beter heel veel mooie synthetische data over autorijden creëren voor die Tesla, waar ook dit stukje in mee zal genomen worden, maar niet, uh, hoe ziet een fabriek er van binnen uit?
40:49
Want Tesla's binnen in die fabriek is een beetje gek, uh, want we hebben het feit dat die chips geld kosten en iedere extra gigabyte aan geheugen, dus er moeten allemaal-- het is gewoon, zie het als de echte wereld.
41:02
Wat heeft de postbode eraan als die ook geschiedkundige is? Nou, dat vind ik een slecht voorbeeld. Misschien is dat wel een goed idee. Maar, uhm, we hebben niet voor niets experts binnen domeinen in de menselijke wereld.
41:12
Wij krijgen straks ook experts binnen domeinen binnen die menselijke wereld, maar dan in de vorm van robots. Omdat het veel te duur is om iedere robot een supercomputer te laten zijn.
41:22
Dit is een mooi bruggetje naar digits straks trouwens. Uhm, al met al, de belofte is als volgt:
41:29
de kernuitvinding van de transformer die nu woordjes voorspelt, wordt toegepast op beeld en geluid en wordt toegepast op beweging. En zie daar, de uitvinding die ten grondslag ligt van ChatGPT, Ja.
41:43
gaat ook doorsijpelen in de fysieke wereld in de vorm van robotica. Ja. En dat is een marketing- En doet dit jaar nog iets? Ja, ik heb dus,
41:51
dat merk je dus ook bij die Ark Challenge van: als we toen hadden opgenomen die avond, [lacht] is misschien maar goed ook, want ik echt: ja, dit is niet normaal. En wat is hier nou ineens gebeurd?
42:00
Oké, het heeft even kunnen landen. Ja, ik ben al een beetje jaded, zeg maar, zoals ze dat mooi zeggen. Ik ben al een beetje gewend. [lacht] Sinds twee dagen, maar ja, prima. Ga heel hard.
42:08
Het punt is, het punt is wat NVIDIA gepresenteerd heeft is waar wij het al over gehad hebben. Je, lag in de lijn der verwachting. Ja, en, uhm,
42:16
wat, wat ik nu, uh, zie en daar, daar maak ik me wel, uh, zorgen om, is dat in de algemene zin, ik geloof dat wij als individuen en als collectief, uh, best wel wat verandering aankunnen.
42:30
Hè, het is niet heel lang geleden dat we nog met, uh, berenvelletjes aan ergens rond een vuur zaten. In, uh, historisch perspectief van hoe oud het universum is, is dat een, uh, blinker van een eye.
42:41
Uh, dus wij kunnen wel wat aan. We zitten nu lekker op een smartphone in vliegtuigen. Ik hoor een maar aankomen. We hebben wel een limiet aan tempo. Mhmm, aan wat we aankunnen.
42:49
Ja, je, ik weet wel eens, je hebt wel eens van die filmpjes, heb ik wel eens gezien, dat, uh, van die fighter pilots getest worden op G-krachten in zo'n centrifuge en boven een x aantal G-krachten dan, dan check jij gewoon uit.
43:00
Dan lig je te slapen in die centrifuge. Oké, maar dit blijft nog wat abstract.
43:03
Wat is nu de, zeg maar, als je, als je het iets probeer, iets concreter probeert te zeggen wat dit met je doet, dan is dat dus, je, dan zijn het zorgen over, over grote hoeveelheden mensen die binnenkort geen baan meer hebben.
43:17
Ja, en ik de-- ja, precies. En, uhm. Dat is wel even een ding.Ja, en het, het te veel, uh, disruptie in een te korte tijdspan- Ja.
43:26
Uh, zorgt ervoor dat wij, uh, ook niet zo, dat vinden wij allemaal niet zo leuk en dan gaan we een beetje raar doen en zo. En, uh, daar maak ik me wel zorgen om. Je maakt er een grapje over, maar.
43:36
Ja, ik moet, dat, dat is een van mijn copingstrategieën om spanning weg te lachen. We zien, we zien een copingsmechanisme hier. Ja. Hoe den-, hoe, zeg maar, wat verwacht je van de snelheid?
43:45
Zeg maar, want jij zegt: dit gaat te snel voor ons, maar dan heb je dus ook een idee bij wat de snelheid dan is.
43:50
Nou, ik heb wel i-in mijn ontwikkelaarsintuïtie, omdat ik al heel lang software maak en soms ook een klein beetje hardware heb gerommeld, heb ik gezien wat er op een gegeven moment gebeurt als je bepaalde draadjes aan elkaar verbindt en het begint een soort van eigen leventje te leiden.
44:03
Uhm, dus je hebt een systeem ontwikkeld, daar werk je al maanden aan en het werkt maar niet. En het is allemaal maar moeilijk. Maar er komt een dag waarop het begint te werken.
44:10
Het begint te lopen en da-daar schrok ik soms wel eens van dat ik dacht: wauw, dit is een, ik heb een, ik, ik, wauw, dit ding is wel heel krachtig wat ik nu, in het klein, hè, iets heel cutes in mijn leven.
44:20
Maar daardoor heb ik wel leren, uh, om te gaan, uh, een intuïtie te ontwikkelen over: dingen kunnen heel lang niet werken en heel lang daardoor ook niet zichtbaar zijn.
44:31
Maar als ze ineens wel gaan werken, dan kan het best wel hard gaan. Mhmm. En, uhm, ik denk, er is een, uh, ik, ik kan hem aanraden van Unitree, uh, robotmakers, uh, de Boston Dynamics uit China.
44:44
Een filmpje op YouTube van een van hun robotjes met wielen die een soort van stunts aan het doen is op parcours waar normaal alleen maar mensen met, uh, crossmotoren kunnen rijden.
44:54
Ik heb al meerdere mensen gehad die hebben gezegd: denk je niet dat het fake is? Denk, als mensen gaan zeggen: is deze shit AI generated? [lacht] Hoe meta is dit?
45:02
Maar ik, ik geloof die Unitree video, want het, zo ver zijn we ook nog niet in videogeneratie.
45:08
En als ik dat ding als een soort acrobaat cirkels zie draaien in de modder en over dingen heen zie springen, dan denk ik: hier is na twaalf jaar Boston Dynamics, er is iets gebroken. Ja.
45:20
Zie het even als een, als een soort van, uhm, technologie die probeert door een glazen plaat heen te duwen.
45:25
En daar komen op een gegeven moment scheuren in en op een gegeven moment breekt die hele plaat en dan loopt dat ding er doorheen. Het is zo'n zelfde videootje van iemand die, uhm.
45:34
Er zijn twee video's die nu in mijn hoofd komen. Eén is een gast die iedere dag nu bezig is om zijn, uh, humanoïde robot beter te maken.
45:41
Dit is gewoon een gast, die heeft gewoon een humanoïde gekocht die iedere dag probeert- Een individu. Ja, een individu en die laat dan: nou, vandaag ga ik proberen om, uh, hem in bed, uh, zij, de robot ligt in bed.
45:51
Ik, uh, en mijn opdracht aan hem is, uh, rechtop gaan zitten en een sigaret aansteken. [lacht] Best grappig, maar dat doet hij dan. En iedere dag een nieuw ding.
46:00
Dus dit is gewoon een gast zoals wij die, nou ja, dat vind ik, daar, da-, ik weet niet, dat blijft in mijn hoofd rondspoken. Oh mijn god, deze gast is zijn humanoïde trucjes aan het leren.
46:09
En de tweede is iemand anders, die heeft een machinegeweer op een, uh, draaibaar platform gezet en die laat Advanced Voice Mode van ChatGPT, die vrolijke stem, de Scarlett Johansson stem, uh, met hem praten over waar dat ding moet schieten.
46:24
Mhmm. Ja, en ik denk dat nu- Die zegt, en dan zegt hij een soort van: een beetje naar boven, een beetje naar rechts en dan, en dan gaat dat, en dan zegt hij: of course I'm gonna do that.
46:34
En dan, en dan begint hij in het rond te schieten. [lacht] Nee, en ik denk dat- Dit zit, dit verlaat mijn hoofd ook niet, dit beeld. Nee, dit, die, die, die Black Mirror-achtige, uh, vibes heb ik ook.
46:43
En dat, je moet je voorstellen dat de angst die ik net aan het weglachen ben, is nog niet, daar is, daar, daar zijn militaire toepassingen niet eens in meegenomen. Nee, nee, nee, nee, nee.
46:52
Ik heb het over societal disruption. Ja.
46:55
Ik wou nog één voorbeeldje noemen voor de luisteraar wat misschien een goede is, want ik wil mensen uitdagen, uh, die ook wat cynischer zijn of wat sceptisch of denken: het loopt allemaal wel los. Ja.
47:04
Er zit een, er is een, we gaan deze in de shownotes zetten. Een video van het, uh, gemaakt door het videomodel Vio, uh, van Google. Vio2. Is ook best wel onder de radar gegaan, vind ik.
47:15
Want het was even een slecht, Google, slechte timing. Maar, uhm, wat, wat zie je in deze video? Een videograaf die, uh, normaliter dus zelf video maakt, heeft, die dacht: weet je wat?
47:27
In plaats van dat ik hier niet naar ga kijken. Ik ga zoeken naar de ultieme limiet en ik ga kijken, uh, wat ik nog waard ben als videograaf. Mhmm. En- Videograaf, je bedoelt een cameraman?
47:38
Ja, nou ja, net als een fotograaf. Iemand die snapt bijvoorbeeld wat licht doet. Oké. Die heel erg bezig is met camerawerk en perspectief. Ja. Die heeft prompts geschreven.
47:49
Die video begint, is wel een beetje crappy om in een podcast uit te leggen, maar ik ga jullie, uh, uh, fantasie even uitdagen. Een dame zit op een stoel in een lege kamer.
47:57
Hij heeft expres gezegd: ik ga nu niet hele, uh, geavanceerde video's maken. Ik ga hele lege video's maken, zodat het nog duidelijker wordt hoe slecht dit model is. Foreshadowing: het was niet slecht.
48:10
Hij zegt, hij zet een dame op een stoel, een lamp aan een draad en laat die lamp 360 graden om haar heen draaien. Ja, ja, ja. Dat betekent dat de lamp achter haar hoofd moet verdwijnen.
48:20
Dan denk je al: ga even voor de vijf vingers, zes vingers mensen. Kijk deze video. Dit is dat keer 1.000 veel bruter. Ja. Dus die lamp draait om haar heen. Het licht valt op haar gezicht en draait perfect.
48:30
De lamp gaat achter haar, komt voor, gaat blurry alles. Dan twee lampen in twee verschillende kleuren [gelach] door elkaar, twee kanten op, in de, in de kamer achter haar hoofd.
48:39
Dan de lamp voor de camera, zodat de vorm van het glas de cameralens verdraait en het licht, alles werkt, alles werkt!
48:47
En hij zegt alleen maar in de YouTube video eronder: ik heb deze gemaakt voor alle mensen in mijn industrie die cynisch zijn, inclusief ikzelf.
48:55
Dit is het meest gekke wat ik kon verzonne- verzinnen en het checks all the boxes. En voor mij, noem het een beetje een Lee Sedol-moment met, met Go. Dat alle Go-kenners Go zaten te kijken en zeiden: ja, maar wacht even.
49:08
Dit zou niet kunnen. Dit is creatief, deze Go-speler. Ik krijg er rillingen van.
49:13
Deze video is voor videografen die denken: ja, maar wacht even, hier zit een soort world model in en ik wil deze even meegeven aan de luisteraar. UhmHet is een paradoxale hype. In die hype zit een stuk waarheid.
49:29
En die waarheid is zo substantieel dat je het echt serieus moet nemen.
49:35
De CEO van Nvidia die claimt dat Moore's Law, wat heel lang de beperkende factor was als het ging over hoe snel chips, uh, de voorspellende factor was en hoezeer chips, uh, beter werden.
49:48
Hij claimt dat die, uh, voorbijgestreefd is. Dat ze nu chips maken die, uh, de nieuwste chip die ze uitbrengen is dertig tot veertig keer sneller dan zijn voorganger, de H100.
49:59
En zoals Moore's Law de computerkosten, uhm, over langere periode deed kelderen en de prestaties steeds beter ziet maken, verwacht hij dus ook dat deze nieuwe chips, uh, keer op keer, uh, veel sneller, goedkoper en goedkoper zijn.
50:15
Door al die hardware verbeteringen en de mate waarin Nvidia, uh, de hele tech stack bedient. En dat brengt hen tot een nieuw project, namelijk Project Digits. Ze brengen dat uit voor $ 3.000 volgens mij later dit jaar.
50:32
Mei. In mei van dit jaar. Ze noemen het de persoonlijke AI supercomputer ter grootte van een Mac mini. Daar lijkt het ding ook een beetje op.
50:40
Krachtig genoeg om AI-modellen tot 200 miljard parameters lokaal te draaien zonder afhankelijk te zijn van clouddiensten. Oftewel dat je het bij OpenAI krijgt. Of bij, uh, bij, uh, nou, Google, waar dan ook.
50:52
De machine is uitgerust met zo'n, uh, Blackwell superchip. Uh, en volgens de CEO maakt het AI-ontwikkeling toegankelijk voor individuen, voor onderzoekers, voor data scientists, maar zelfs ook voor studenten.
51:05
Hij kan gekoppeld worden aan een gewone computer of een Mac en twee units of drie units kunnen zelfs gecombineerd worden om nog grotere AI-modellen te draaien, waardoor in feite er een cloud computing platform op je bureau staat.
51:18
Hoe kijk je hier naar, Wytse? [lacht] Nou, dit vond ik zo saai. [lacht] Kijk. Nee, dit, dit, dit, dit was, hier komt wel heel veel voor mij samen. Want, uhm, kijk, het, wat interessant is in essentie.
51:36
Nvidia maakt chips, dat is eigenlijk wat ze zijn. Een chipmaker.
51:40
Chipontwerper eigenlijk, want de chips worden niet per se door hun gemaakt altijd, maar goed, die komen terecht in de Nintendo Switch, in, uh, grafische kaarten om games op te spelen, in datacentra om, uh, taalmodellen op te draaien en ander soort AI-algoritme, uh, maar komen ook terecht in, uh, kleine computertjes thuis nu.
52:02
Wat ik denk dat er gebeurd is, hebben we het wel eens eerder over gehad, is een vorm van binding. Dus dat houdt in: al die chips worden gemaakt in de fabriek, die worden getest hoe goed ze zijn. Ja, ja.
52:10
Ja, en ik denk nu dat er een extra bakje bij is met, waar bijna, waar, waar zoveel stuk is. Die gaat in de digits.
52:17
En dit klinkt misschien als een hele rare verkoop voor een klein apparaatje, maar neem van mij aan een half stukkie Black-Blackwell is nog steeds een supercomputer, dus dat doet er niet toe.
52:25
Dus ik denk dat het logistiek van hun echt slim is om niets meer weg te hoeven gooien. Ja. Uhm, dat ze, in essentie heb je vaker developer platforms, hè.
52:35
Toen de Mac Mini net uitkwam van Apple op basis van ARM, uh, architectuur in plaats van Intel, had je een soort Mac Mini'tje die je als developer de devkit van Apple kon bestellen voor $ 500, maar dan moest je hem wel weer terugsturen en dan kreeg je daarna een waardebon voor de echte, waardoor we hem wat eerder konden hebben zodat je software kon maken ervoor.
52:52
Uhm, eigenlijk is dit kastje wat, uh, Nvidia nu uitbrengt met daarin een, een, ik zou zeggen qua grootte volwaardige Blackwell, maar met wat stukjes erin die niet werken.
53:01
Maar dat geeft niet, want het is nog steeds een superkrachtig ding. Die jij thuis kan neerzetten. Eigenlijk zeggen ze zelf voor, uh, laboratoria, softwareontwikkelaars, mensen die zelf modellen willen trainen, et cetera.
53:14
Uhm, maar daarbij, en de, de, nu gaan we kijken, uh, hoe groot die markt is, ook voor mensen die thuis een taalmodel willen draaien. De gewone consument.
53:24
Maar hoe, hoe, wa-wat moet ik verwachten van die markt die liever l-lokaal dingen hebben draaien dan, dan dat ze dat bij AWS in de cloud doen?
53:33
Nou, je hebt dus eigenlijk daarin de, uh, enthusiasts zoals ik, die het oprecht interessant vinden omdat het kan.
53:41
Gewoon nerdy kan, hè, dat, dat je een soort super Raspberry Pi hebt waarop een taalmodel kan draaien, uh, wat even krachtig is als GPT-4.
53:50
Want we hebben inmiddels taalmodellen die even krachtig zijn als GPT-4 die je kan downloaden, maar nu niet zomaar thuis kan draaien. Dat, dat kostte tot deze aankondiging, uh, tot mei, uh, ongeveer 9.000 tot € 10.000.
54:01
Ja. Of € 7.000 als je een Mac Studio kocht. Voor mij persoonlijk veel te veel geld om te spelen. Doe niet zo mal. Uhm,
54:10
nu hebben ze eigenlijk gezegd: wat als we de ultieme computer zouden bouwen die echt alleen maar toegepast wordt om dit soort modellen op te draaien? Dus het kan, je kan er niet op gamen.
54:18
Het is eigenlijk een slechte normale computer. Uh, het is eigenlijk gewoon een GPU die de twee dingen heeft die je nodig heeft, is heel veel, uh, uh, video-RAM. 120, 128 gigabyte.
54:28
Niet normaal, uh, voor, voor de luisteraars, uh, om, om dat nu bij elkaar te stapelen aan GPU's ben je echt duizend. Daarmee ik snap dit punt.
54:36
Het is veel goedkoper, maar ik ben er nog steeds niet helemaal achter wat hier nou precies de waarde van is. Van dit allemaal lokaal hebben draaien.
54:43
Nou, je kunt hem, en dat noem, benoemen ze ook in de presentatie, dat vond ik wel tof, is, uh, op het moment dat jij een bedrijf bent, dus even los van de, uh, particuliere tweaker, zeg maar, zoals ik, die dat, die dat vet vindt, uh, en je zegt: joh, ik wil eigenlijk, uh, lokaal, uhm, data
55:02
beschikbaar stellen binnen mijn bedrijf, maar dat wil ik on premise. Ja. En ik wil ook dit kunnen uitzetten. Veiligheid is het argument. Ja, en, uh, het geeft ook een, een stukje lock-in die er niet is. Ja.
55:12
Want je bent het, wat je dan kunt zeggen is: wij kopen, uh, 20 van deze dingen en wij zetten daarop een taalmodel wat een open source licentie heeft en dan gaan we onze dataset eraan toevoegen.
55:24
Op dat moment heb je best wel een, een sterke positie, uh, met weinig externe afhankelijkheid. Wel aan Nvidia en als die apparaatjes stuk zijn. Maar goed, dan koop je er meerdere.
55:33
Dus ik denk dat het, uhm, daarbij gezegd hebbendeJe kon dit al kopen bij Nvidia, hè, want hij is. Hij is ook nog een soort van een soort van grappig. Dat ding is een beetje grappig ontworpen.
55:43
Het is een soort van koper goud computertje. Die is gebaseerd op het ontwerp van wat je normaal in een rek hangt van Nvidia die je al kon bestellen voor vijftien € 20.000. Dus het is niet zo dat je nu ineens
55:58
lokale taal modellen kan draaien op Nvidia hardware binnen jouw bedrijf. Maar wat dit doet is de prijs, want nou ja, hij schijnt te zeggen $ 3.000 had ik niet aan zien komen. Ik had hem veel duurder verwacht.
56:11
Zorgt ervoor dat hij beschikbaar wordt voor individuen. Ja, wat ze dus noemen onderzoekers, data scientists of individuele studenten.
56:18
Ja, en ik bedoel de reden dat een Adobe gratis licenties aan studenten gaf geeft, is zodat als die studenten ooit aan het werk gaan, ergens met Adobe software werken en dan mag de baas het kopen.
56:28
Waarom vind je dit hele verhaal zo waardevol? Omdat ik.
56:33
Ik denk wel dat in een stukje van de angst die ik heb waar jij net wat je net aanraakte toen ik een beetje ging grinniken, is dat ik bang ben dat er straks alleen maar vier grote super bedrijven. Zijn Evil Corps.
56:46
Ja, die toegang die eigenlijk dit allemaal bezitten. Ja, en waar al je bedrijfsdata naartoe moet. Waar al je dagboeken naartoe moeten. Waar ook, want we gaan allemaal.
56:54
We gaan naar een tijd toe waarin je computer de hele tijd aan het bijhouden is wat je allemaal op je scherm hebt. Dus de meest persoonlijke details flitsen voorbij.
57:00
Hoe chill vind je dat, dat allemaal geüpload wordt naar Sam Altman? Niet, vind ik niet chill. En ik denk dat daarin het.
57:09
Ja, net als dat het toch wel een soort interessant is om allemaal zonnepanelen op je huis te leggen. Niet om off the grid te gaan of helemaal weg te gaan van de samenleving.
57:17
Want het is ook mooi dat we met elkaar samenwerken. Maar ik heb een soort ideale balans tussen. Er moet wat macht liggen op de techniek bij de individu.
57:26
Er mag zeker ook wat macht liggen bij het collectief en bij bedrijven. Ik ben daar niet tegen of zo. En die zijn dan samen als een soort lavalamp. Weet je waar ik de hele tijd aan merk? Ik ben nu, dus ik.
57:35
Ik heb me sommige. Bij sommige apps heb ik gewoon opgegeven dat ik ze ooit ga begrijpen. Microsoft Excel of Google Sheets is daar één van. Ik begrijp dat gewoon niet.
57:44
En hetzelfde geldt voor de bunq app en de Revolut app. Gewoon alle banken apps. Ik wil gewoon simpele dingen en ik kan niet vinden in die stomme interface hoe dat allemaal werkt.
57:52
En mijn standaard ding is nu screenshots trekken en vragen hoe doe ik dit? En dit is dan wat ik op dat moment wil doen.
57:58
Dus in Excel dan een grafiek maken die een overzicht maakt van weet ik veel wat ik dan aan cijfers heb ingevoerd.
58:05
En de grap is dan dus je hoeft dat ding niet te vertellen welk programma je aan het gebruiken bent, want dat herkent hij.
58:10
Hij kan ook precies zeggen rechts van dat knopje wat je ziet of waar jij dit hebt ingevuld of waar jij in tabel E3 dat hebt neergezet. Daarnaast moet je op klikken.
58:22
Dat ding is me stap voor stapje aan het vertellen hoe ik apps moet gebruiken en ik ben me hier steeds meer aan het aan het overgeven. Dat ik gewoon aan dat ding vraag hoe dit wil ik bereiken? Vertel me de stappen.
58:31
Dat is natuurlijk. Weet je, het is volstrekt voorspelbaar dat ik niet binnenkort meer screenshots hoef te uploaden, maar dat dat gewoon de hele tijd meekijkt naar wat ik op mijn scherm aan het doen bent.
58:40
En niet alleen dat. Dat hij ook de hele tijd gaat opnemen wat er op mijn scherm gebeurt, zodat ik daarover ook vragen kan stellen of wat er allemaal voorbij is gekomen. Dus dit is voor mij het persoonlijke argument.
58:50
Want dat bedrijven hun gegevens allemaal beveiligd willen houden en zo, dat snap ik. En daar op zich was daar al een oplossing voor om lokaal in server racks dingen te hebben hangen.
58:58
Maar ik denk dat wij allemaal dit probleem gaan hebben. Dat we gevoel gaan hebben dat het dat er een grens is. De mate waarin je gegevens aan open AI wil sturen omdat het op een gegeven moment weet je.
59:09
Teksten samenvatten is helemaal tot daar aan toe, maar op een gegeven moment wordt het. Dit gaat heel intieme technologie worden. Zeker. En daar hebben we dit voor nodig.
59:16
Ja, en ik denk daarin misschien voor de luisteraar die denkt dat ik daar vrij extreem in sta. Dat valt heel erg mee. Ik kom even.
59:24
Kijk, als er één plek in Nederland is op één grasveld waar alleen maar wortels groeien, laten we zeggen in één kas in het midden van Nederland is de wortel kas. Ik ben heel benieuwd waar deze metafoor heen gaat.
59:33
En daar komen en daar komen alle wortels uit. Dat is waarschijnlijk heel efficiënt met een wortel robot en zo. Super perfect. De goedkoopste wortels ever. Heel Nederland aan de wortels. Ja. Het probleem is dat van.
59:44
Van wie is die kas? Wat gebeurt er als er bliksem in die kas slaat? Het is niet zo prettig om dingen zo erg centraal te maken.
59:51
De andere kant van het spectrum is iedereen gaat thuis eigen wortels in zijn tuin laten groeien. Ja, dat klinkt heel erg idyllisch. Ik wil dat niet persoonlijk. Ik vind het.
1:00:00
Het lijkt me wel grappig, maar waarschijnlijk zou ik er dan nog een robot voor kopen. Hebben alle Nederlanders straks robots in hun tuin? Super onhandig.
1:00:07
Dan zou ik zeggen zullen we een dorp of een stad een robot kas geven? Oftewel er is een midden tussen centralisatie en volledige decentralisatie en een soort van gefedereerde dingetjes voor mensen samen.
1:00:21
Ik zou het daarom heel vet vinden als er een Nederlands AI datacenter is.
1:00:26
Ik zou het vet zijn als universiteiten, dat is trouwens al aan de gang, hun eigen datacentra hebben en dat dat daar dan ook Nvidia chips in zitten. Weet je, laten we niet allemaal weer gaan zeggen dat.
1:00:35
Ik bedoel super vet als er iemand aan de gang gaat met eigen Nvidia achtige chips.
1:00:38
Ik hou je niet tegen, maar volgens mij is er echt wel een midden te vinden tussen alles naar Amerika sturen met zijn allen en dan alles opnemen versus. Ik gebruik het alleen maar als het in mijn eigen schuur staat.
1:00:49
Nou, we zetten hier een punt. De Arc Challenge is verslagen.
1:00:53
We hebben een lancering gezien van infrastructuur om 10 miljoen fabrieken te robotiseren en we proberen een middenpunt te zoeken tussen hoe commerciële bedrijven een klein groepje de hele bak met data verzamelen en hoeverre we lokaal kunnen dragen om nog iets van autonomie te houden.
1:01:12
Dit was Pokkie. Als je een lezing van ons wilt, dan kan dat. Mail, mail ons op lezing at pokkie punt show. Wij danken Sam Hengeveld voor de edit. Vergeet je niet te abonneren op de nieuwsbrief.
1:01:22
Kijk op AI Report punt e-mail voor twee keer per week het laatste AI nieuws in je mailbox. Tot volgende week. Tot volgende week.
1:01:31
[muziek]