WEBVTT

1
00:00:00.080 --> 00:00:10.400
[wekkerrinkel] Oh! Oh. Zo klinken 165.000 scheerbewegingen per minuut die je helpen om fris voor de dag te komen.

2
00:00:10.440 --> 00:00:18.620
De flexibele scheerkop van de Philips S9000 Prestige volgt de contouren van je gezicht en scheert tot op 0 millimeter van je huid.

3
00:00:18.680 --> 00:00:29.000
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.

4
00:00:29.740 --> 00:00:40.260
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.

5
00:00:40.300 --> 00:00:54.520
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.

6
00:00:55.000 --> 00:01:05.300
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.

7
00:01:09.860 --> 00:01:19.720
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.

8
00:01:20.640 --> 00:01:27.920
Op de valreep kondigde OpenAI vorig jaar de opvolger aan van haar tot dan toe beste taalmodel en dat heet nu o3.

9
00:01:28.500 --> 00:01:39.880
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.

10
00:01:40.440 --> 00:01:50.020
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.

11
00:01:50.980 --> 00:02:03.500
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.

12
00:02:03.570 --> 00:02:17.460
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,

13
00:02:18.540 --> 00:02:26.540
we speculeren hierover. En tenslotte: datzelfde Nvidia maakt het vanaf mei mogelijk om een supercomputer in huis te halen.

14
00:02:26.600 --> 00:02:36.780
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.

15
00:02:36.920 --> 00:02:53.619
Welkom bij Poki. [muziek] Wietse, hoe was je kerstvakantie? Ik was bij de CCC in Hamburg.

16
00:02:53.660 --> 00:03:02.280
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.

17
00:03:02.290 --> 00:03:07.320
Ja, maar je, mensen zeggen over South, eh, South West dat een nerdcongres is, maar dat zijn stiekem gewoon marketingmensen die daarheen gaan.

18
00:03:08.040 --> 00:03:18.250
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.

19
00:03:18.260 --> 00:03:25.620
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.

20
00:03:25.900 --> 00:03:36.760
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.

21
00:03:37.380 --> 00:03:44.940
[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.

22
00:03:45.020 --> 00:03:55.290
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.

23
00:03:55.290 --> 00:04:08.320
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."

24
00:04:09.420 --> 00:04:20.620
[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.

25
00:04:20.660 --> 00:04:28.330
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.

26
00:04:28.330 --> 00:04:39.280
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.

27
00:04:39.320 --> 00:04:48.180
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.

28
00:04:48.260 --> 00:04:57.760
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.

29
00:04:58.220 --> 00:05:06.720
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.

30
00:05:06.780 --> 00:05:10.310
Maar iedereen in die zaal voelt dan van: het zal toch. We zitten doms aan te hangen.

31
00:05:10.520 --> 00:05:17.430
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.

32
00:05:17.900 --> 00:05:26.330
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,

33
00:05:27.440 --> 00:05:37.130
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.

34
00:05:37.140 --> 00:05:39.760
Dus dat is wel heel, uhm, was wel heel indrukwekkend hoor, moet ik zeggen.

35
00:05:39.790 --> 00:05:50.560
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.

36
00:05:50.960 --> 00:05:55.430
Maar ik denk dat heel veel mensen niet beseffen dat hun auto permanent en real time getrackt wordt door autofabrikanten.

37
00:05:55.440 --> 00:06:04.840
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.

38
00:06:05.020 --> 00:06:10.736
Daar vind je hem wel op.En, uh, dan lieten ze dus ook zien. Ze hebben allemaal kaarten geplot.

39
00:06:11.176 --> 00:06:19.716
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.

40
00:06:19.756 --> 00:06:29.036
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.

41
00:06:29.076 --> 00:06:35.796
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.

42
00:06:35.876 --> 00:06:47.856
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.

43
00:06:47.956 --> 00:06:58.136
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.

44
00:06:58.176 --> 00:07:07.336
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.

45
00:07:07.416 --> 00:07:15.356
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.

46
00:07:15.396 --> 00:07:39.566
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.

47
00:07:39.776 --> 00:07:48.036
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?

48
00:07:48.596 --> 00:07:55.816
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.

49
00:07:55.856 --> 00:08:07.936
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.

50
00:08:08.196 --> 00:08:18.216
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.

51
00:08:18.276 --> 00:08:26.456
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].

52
00:08:26.496 --> 00:08:37.436
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.

53
00:08:37.496 --> 00:08:50.916
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?

54
00:08:51.516 --> 00:09:04.996
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?

55
00:09:05.005 --> 00:09:13.945
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.

56
00:09:14.076 --> 00:09:18.776
Het is een test ontwikkeld eigenlijk, zodat taalmodellen door de mand vallen. Juist.

57
00:09:18.876 --> 00:09:29.436
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.

58
00:09:29.456 --> 00:09:40.056
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%.

59
00:09:40.076 --> 00:09:55.256
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.

60
00:09:55.636 --> 00:10:06.536
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.

61
00:10:06.596 --> 00:10:12.396
Dus waarbij mensen 70% halen, tussen de 70 en 80%, haalde O1 20%. Ja.

62
00:10:13.136 --> 00:10:25.855
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.

63
00:10:26.836 --> 00:10:49.916
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?

64
00:10:49.976 --> 00:11:01.716
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.

65
00:11:02.156 --> 00:11:18.176
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.

66
00:11:18.596 --> 00:11:29.296
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?

67
00:11:29.396 --> 00:11:35.636
Is AI nou slimmer aan het worden dan mensen volgens deze benchmark? Of is dit nu niet aan de hand?

68
00:11:35.976 --> 00:11:40.896
Ik vind het eigenlijk niet zo'n warrig verhaal, want het is, laat ik zo zeggen, het is een goede weerspiegeling van het debat.

69
00:11:41.296 --> 00:11:50.816
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.

70
00:11:50.836 --> 00:11:55.796
Het is gebeurd. Ja, ik had, ik was heel effe, omdat ik, ik, ik hou die ARC Challenge echt in de gaten.

71
00:11:55.816 --> 00:12:02.596
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.

72
00:12:02.636 --> 00:12:13.496
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.

73
00:12:13.716 --> 00:12:24.536
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.

74
00:12:24.596 --> 00:12:29.316
Ik dacht ik schrok, want ik had niet verwacht dat we door die arc challenge heen zouden blazen op die manier.

75
00:12:29.876 --> 00:12:40.496
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.

76
00:12:40.556 --> 00:12:51.216
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?

77
00:12:51.656 --> 00:13:05.236
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.

78
00:13:05.396 --> 00:13:11.116
Oftewel mensen kunnen vervangen in de digitale zin. Dus iemand logt in op een teams call, maar die bestaat helemaal niet.

79
00:13:11.296 --> 00:13:19.396
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.

80
00:13:19.516 --> 00:13:28.316
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?

81
00:13:28.515 --> 00:13:37.156
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.

82
00:13:37.516 --> 00:13:46.736
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

83
00:13:47.776 --> 00:13:56.276
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.

84
00:13:56.396 --> 00:14:03.156
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.

85
00:14:03.236 --> 00:14:04.936
Ja, dus dat is echt wel een statement.

86
00:14:05.476 --> 00:14:24.316
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.

87
00:14:24.356 --> 00:14:34.116
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.

88
00:14:34.416 --> 00:14:39.976
Joh, uh, er lopen niet ineens robots door de straat binnen twaalf maanden die met jou een goed gesprek kunnen voeren.

89
00:14:40.396 --> 00:14:51.236
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

90
00:14:52.356 --> 00:14:59.456
bovenmenselijke intelligentie. Ja, of gelijk menselijke. Oké, menselijke. Breed menselijke intelligentie. Breed menselijke intelligentie.

91
00:14:59.496 --> 00:15:13.356
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.

92
00:15:13.376 --> 00:15:19.436
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.

93
00:15:19.916 --> 00:15:26.096
Nou wat, wat je, wat je eigenlijk ziet is dat, uh, de benchmarks die tot nu toe gebruikt werden om taalmodellen.

94
00:15:26.156 --> 00:15:38.955
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.

95
00:15:39.256 --> 00:15:49.836
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?

96
00:15:49.896 --> 00:15:55.876
Die vind ik ook heel leuk, zonder dat ze weten waar ze mee praten. En die twee komen aardig overheen altijd, niet helemaal.

97
00:15:55.916 --> 00:16:04.936
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.

98
00:16:06.056 --> 00:16:14.076
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.

99
00:16:14.376 --> 00:16:22.836
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.

100
00:16:22.916 --> 00:16:33.756
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.

101
00:16:34.196 --> 00:16:39.936
Want dat is wel gebeurd, want je hebt de public challenge en je hebt de private challenge. Dat is ook een belangrijk, uh, verschil.

102
00:16:40.256 --> 00:16:49.776
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.

103
00:16:51.096 --> 00:17:02.056
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.

104
00:17:02.216 --> 00:17:04.396
Dus we halen even wat laagjes eraf van de hype.

105
00:17:04.856 --> 00:17:27.456
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.

106
00:17:27.496 --> 00:17:36.356
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.

107
00:17:36.396 --> 00:17:46.936
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.

108
00:17:46.996 --> 00:17:55.496
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.

109
00:17:55.836 --> 00:18:00.236
Maar deze, deze nieuwe manier van denken is dus zelf programmatjes schrijven.

110
00:18:00.316 --> 00:18:12.676
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.

111
00:18:12.976 --> 00:18:21.956
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.

112
00:18:22.176 --> 00:18:30.736
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.

113
00:18:30.856 --> 00:18:37.496
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.

114
00:18:37.636 --> 00:18:56.039
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.

115
00:18:56.320 --> 00:19:02.140
Wat verwacht je dat mensen nou gaan bespreken als dit ding, als dit ding uitkomt? Of het wordt in kleinere groepjes gereleased.

116
00:19:02.160 --> 00:19:10.240
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.

117
00:19:10.610 --> 00:19:18.440
[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.

118
00:19:18.480 --> 00:19:24.280
Misschien is dat niet eens zo heel relevant, maar wie, wie, waar gaat de schok het grootst zijn, zou jij verwachten aan verandering?

119
00:19:24.480 --> 00:19:34.080
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.

120
00:19:34.100 --> 00:19:44.800
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.

121
00:19:44.980 --> 00:19:53.640
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.

122
00:19:53.840 --> 00:20:09.860
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.

123
00:20:09.940 --> 00:20:13.320
En, dan, ma-- sorry, die, al die andere dingen maken mij niet zoveel uit.

124
00:20:13.360 --> 00:20:23.800
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.

125
00:20:24.340 --> 00:20:39.180
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.

126
00:20:39.240 --> 00:20:41.340
Ja, dit is een soort, uh, hockeystick.

127
00:20:41.540 --> 00:20:57.260
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.

128
00:20:58.040 --> 00:21:10.680
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,

129
00:21:11.800 --> 00:21:15.740
d-d-dat bereikt me op een of andere manier niet, de, de, het grote verschil.

130
00:21:16.200 --> 00:21:26.900
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?

131
00:21:27.260 --> 00:21:37.720
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.

132
00:21:37.760 --> 00:21:47.180
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.

133
00:21:47.830 --> 00:21:56.460
[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.

134
00:21:56.560 --> 00:22:06.680
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.

135
00:22:06.760 --> 00:22:15.440
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.

136
00:22:16.100 --> 00:22:23.480
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.

137
00:22:23.500 --> 00:22:34.200
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.

138
00:22:34.620 --> 00:22:43.380
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.

139
00:22:43.900 --> 00:22:53.720
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.

140
00:22:53.740 --> 00:23:03.180
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.

141
00:23:03.200 --> 00:23:10.400
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.

142
00:23:10.500 --> 00:23:13.660
Ja, en dat is waarschijnlijk dan, dus als jij zegt: hoe gaat dit ingezet worden?

143
00:23:13.680 --> 00:23:30.320
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.

144
00:23:30.720 --> 00:23:40.110
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,

145
00:23:41.220 --> 00:23:54.700
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.

146
00:23:54.780 --> 00:24:07.160
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.

147
00:24:07.180 --> 00:24:13.880
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.

148
00:24:13.920 --> 00:24:17.700
Die, die leveren ook niet binnen vijf seconden nadat je iets gevraagd hebt op wat jij hebt gevraagd.

149
00:24:17.760 --> 00:24:25.140
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.

150
00:24:25.520 --> 00:24:31.060
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.

151
00:24:31.120 --> 00:24:41.840
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.

152
00:24:41.860 --> 00:24:46.060
En je zei: de mensen die heel kritisch zijn, die zijn gewoon misschien bang voor wat voor wereld, uh, waarop we afgaan.

153
00:24:46.080 --> 00:24:56.396
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.

154
00:24:56.436 --> 00:25:00.496
Want dat maakt natuurlijk bij deze, dit hele OpenAI-saga, uh, uit.

155
00:25:00.556 --> 00:25:09.535
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.

156
00:25:09.656 --> 00:25:24.876
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.

157
00:25:24.936 --> 00:25:36.115
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.

158
00:25:36.536 --> 00:25:47.916
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?

159
00:25:48.476 --> 00:26:01.336
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?

160
00:26:01.436 --> 00:26:11.016
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?

161
00:26:11.216 --> 00:26:17.396
Ja, de echt, de Opus-opvolger. Ja. Of weer een heel andere naam. Ja, nou, wie weet, uh, uh, wa-wat zij gaan doen.

162
00:26:17.636 --> 00:26:30.306
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.

163
00:26:30.556 --> 00:26:38.596
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.

164
00:26:39.156 --> 00:26:46.336
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.

165
00:26:46.656 --> 00:27:02.296
[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.

166
00:27:02.436 --> 00:27:18.676
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.

167
00:27:18.716 --> 00:27:20.516
Met heel veel aankondigingen.

168
00:27:21.176 --> 00:27:35.776
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.

169
00:27:35.976 --> 00:27:49.896
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.

170
00:27:49.976 --> 00:27:59.976
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.

171
00:28:00.256 --> 00:28:04.056
Ik denk het robotica-verhaal, want dan kunnen we, de, want ik, ik, ik zit te denken dat,

172
00:28:05.396 --> 00:28:19.396
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.

173
00:28:19.596 --> 00:28:26.516
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.

174
00:28:27.176 --> 00:28:38.796
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.

175
00:28:38.956 --> 00:28:51.896
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.

176
00:28:52.176 --> 00:29:02.956
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.

177
00:29:02.976 --> 00:29:05.756
Dit is iets wat jij al heel vaak in de podcast hebt gezegd. En wat lijkt te gebeuren?

178
00:29:05.776 --> 00:29:14.576
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.

179
00:29:15.136 --> 00:29:24.996
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.

180
00:29:25.616 --> 00:29:35.276
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.

181
00:29:35.336 --> 00:29:54.036
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.

182
00:29:54.356 --> 00:29:58.616
Synthetische data bedoel je? Yes, en, uh, dat hebben we nu met tekst gedaan, hè.

183
00:29:58.696 --> 00:30:15.816
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.

184
00:30:15.876 --> 00:30:23.456
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.

185
00:30:23.756 --> 00:30:31.796
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.

186
00:30:32.056 --> 00:30:43.656
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.

187
00:30:43.686 --> 00:30:52.196
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.

188
00:30:52.476 --> 00:31:01.436
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.

189
00:31:01.696 --> 00:31:11.116
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.

190
00:31:11.136 --> 00:31:17.376
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.

191
00:31:17.436 --> 00:31:27.256
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.

192
00:31:27.656 --> 00:31:36.176
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.

193
00:31:36.836 --> 00:31:42.716
Dus het blijkt nu dat modellen modellen kunnen trainen met elkaars output en dat je daardoor een beter model kan maken.

194
00:31:43.236 --> 00:31:56.316
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.

195
00:31:56.456 --> 00:32:03.156
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.

196
00:32:03.536 --> 00:32:08.856
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.

197
00:32:09.396 --> 00:32:21.656
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.

198
00:32:21.696 --> 00:32:29.076
Een videomodel getraind op allerlei beelden die logisch zijn voor plekken waarop robots in de toekomst gaan opereren.

199
00:32:29.476 --> 00:32:40.356
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.

200
00:32:40.476 --> 00:32:52.396
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.

201
00:32:52.436 --> 00:32:57.856
Dus dit is het synthetische dataverhaal van twee minuten geleden toegepast op robots trainen. Ja.

202
00:32:58.196 --> 00:33:09.516
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.

203
00:33:09.576 --> 00:33:18.436
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.

204
00:33:18.456 --> 00:33:26.916
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.

205
00:33:27.376 --> 00:33:37.156
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.

206
00:33:37.176 --> 00:33:45.996
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.

207
00:33:46.236 --> 00:33:53.196
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.

208
00:33:53.716 --> 00:34:10.696
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.

209
00:34:10.716 --> 00:34:12.676
Dus dan denken we aan zelfrijdende auto's bijvoorbeeld.

210
00:34:14.716 --> 00:34:26.256
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.

211
00:34:26.736 --> 00:34:34.536
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.

212
00:34:34.636 --> 00:34:45.936
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.

213
00:34:45.976 --> 00:34:50.676
Wat zou een robot zien als hij door een ruimte zou gaan die niet echt bestaat of wel echt bestaat,

214
00:34:51.756 --> 00:35:01.876
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?

215
00:35:01.936 --> 00:35:15.036
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.

216
00:35:15.396 --> 00:35:22.885
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.

217
00:35:23.356 --> 00:35:32.186
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.

218
00:35:32.836 --> 00:35:37.136
Als jij een taalmodel traint op het hele internet, plus alle boeken in de publieke domein.

219
00:35:37.256 --> 00:35:44.676
Plus je betaalt allemaal uitgevers om daar, uh, uh, content uit te halen en je traint daarop een General Predictive Transformer, oftewel een GPT.

220
00:35:45.316 --> 00:35:55.836
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.

221
00:35:56.416 --> 00:36:04.916
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.

222
00:36:05.456 --> 00:36:12.556
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.

223
00:36:12.736 --> 00:36:23.886
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.

224
00:36:23.916 --> 00:36:26.376
Van buiten. Terwijl ze binnen blijven. Ja, oké.

225
00:36:26.416 --> 00:36:40.936
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.

226
00:36:41.496 --> 00:36:53.856
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?

227
00:36:54.156 --> 00:37:02.896
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.

228
00:37:03.016 --> 00:37:20.732
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.

229
00:37:20.792 --> 00:37:30.812
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.

230
00:37:31.172 --> 00:37:41.872
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.

231
00:37:41.892 --> 00:37:49.812
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.

232
00:37:50.352 --> 00:37:57.332
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.

233
00:37:57.932 --> 00:38:06.282
Uhm, want de stoplichten op vrachtwagens, het stoplichten op vrachtwagens scenario is nooit gezien. Nee. Niet eerder. Zat, zat niet in de trainingsdata. Nee.

234
00:38:06.292 --> 00:38:18.152
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.

235
00:38:18.212 --> 00:38:28.152
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?

236
00:38:28.252 --> 00:38:38.702
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!

237
00:38:38.772 --> 00:38:50.332
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.

238
00:38:50.392 --> 00:39:00.152
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.

239
00:39:00.192 --> 00:39:12.032
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.

240
00:39:12.292 --> 00:39:21.792
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.

241
00:39:21.832 --> 00:39:26.752
Dus gewoon de, de, de, de tekeningen van de, van hoe, hoe groot is de fabrieksvloer?

242
00:39:27.272 --> 00:39:38.812
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.

243
00:39:39.392 --> 00:39:47.012
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?

244
00:39:48.032 --> 00:39:54.492
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.

245
00:39:55.052 --> 00:40:05.012
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.

246
00:40:05.632 --> 00:40:15.662
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.

247
00:40:15.692 --> 00:40:22.272
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.

248
00:40:22.292 --> 00:40:37.752
[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.

249
00:40:37.852 --> 00:40:40.292
Uh, daar zat ik dus een beetje naast. Want wat blijkt?

250
00:40:40.772 --> 00:40:49.852
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?

251
00:40:49.892 --> 00:41:02.192
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.

252
00:41:02.952 --> 00:41:12.392
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.

253
00:41:12.572 --> 00:41:22.132
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.

254
00:41:22.172 --> 00:41:28.632
Dit is een mooi bruggetje naar digits straks trouwens. Uhm, al met al, de belofte is als volgt:

255
00:41:29.652 --> 00:41:43.352
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.

256
00:41:43.392 --> 00:41:50.732
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,

257
00:41:51.892 --> 00:41:59.712
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?

258
00:42:00.052 --> 00:42:08.892
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.

259
00:42:08.902 --> 00:42:15.792
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,

260
00:42:16.952 --> 00:42:30.512
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.

261
00:42:30.652 --> 00:42:40.792
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.

262
00:42:41.412 --> 00:42:49.852
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.

263
00:42:49.912 --> 00:43:00.032
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.

264
00:43:00.252 --> 00:43:03.752
Dan lig je te slapen in die centrifuge. Oké, maar dit blijft nog wat abstract.

265
00:43:03.812 --> 00:43:16.632
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.

266
00:43:17.032 --> 00:43:26.400
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.

267
00:43:26.669 --> 00:43:36.320
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.

268
00:43:36.380 --> 00:43:44.780
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?

269
00:43:45.220 --> 00:43:49.460
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.

270
00:43:50.580 --> 00:44:03.340
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.

271
00:44:03.460 --> 00:44:10.620
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.

272
00:44:10.780 --> 00:44:20.080
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.

273
00:44:20.740 --> 00:44:31.920
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.

274
00:44:31.950 --> 00:44:44.580
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.

275
00:44:44.980 --> 00:44:53.860
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.

276
00:44:54.600 --> 00:45:02.260
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?

277
00:45:02.760 --> 00:45:07.680
Maar ik, ik geloof die Unitree video, want het, zo ver zijn we ook nog niet in videogeneratie.

278
00:45:08.300 --> 00:45:19.720
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.

279
00:45:20.260 --> 00:45:25.420
Zie het even als een, als een soort van, uhm, technologie die probeert door een glazen plaat heen te duwen.

280
00:45:25.540 --> 00:45:33.170
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.

281
00:45:34.080 --> 00:45:41.180
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.

282
00:45:41.220 --> 00:45:51.280
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.

283
00:45:51.620 --> 00:46:00.380
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.

284
00:46:00.420 --> 00:46:09.440
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.

285
00:46:09.480 --> 00:46:24.700
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.

286
00:46:24.820 --> 00:46:34.300
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.

287
00:46:34.400 --> 00:46:43.480
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.

288
00:46:43.500 --> 00:46:52.520
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.

289
00:46:52.560 --> 00:46:55.320
Ik heb het over societal disruption. Ja.

290
00:46:55.340 --> 00:47:04.140
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.

291
00:47:04.440 --> 00:47:15.000
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.

292
00:47:15.040 --> 00:47:26.600
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?

293
00:47:27.000 --> 00:47:37.980
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?

294
00:47:38.040 --> 00:47:48.980
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.

295
00:47:49.000 --> 00:47:57.700
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.

296
00:47:57.760 --> 00:48:09.840
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.

297
00:48:10.180 --> 00:48:20.060
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.

298
00:48:20.100 --> 00:48:30.139
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.

299
00:48:30.160 --> 00:48:38.760
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.

300
00:48:39.200 --> 00:48:47.320
Dan de lamp voor de camera, zodat de vorm van het glas de cameralens verdraait en het licht, alles werkt, alles werkt!

301
00:48:47.740 --> 00:48:54.680
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.

302
00:48:55.180 --> 00:49:08.240
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.

303
00:49:08.360 --> 00:49:12.480
Dit zou niet kunnen. Dit is creatief, deze Go-speler. Ik krijg er rillingen van.

304
00:49:13.020 --> 00:49:28.808
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.

305
00:49:29.688 --> 00:49:33.568
En die waarheid is zo substantieel dat je het echt serieus moet nemen.

306
00:49:35.128 --> 00:49:47.648
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.

307
00:49:48.168 --> 00:49:57.997
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.

308
00:49:59.028 --> 00:50:15.588
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.

309
00:50:15.748 --> 00:50:32.228
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.

310
00:50:32.648 --> 00:50:40.168
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.

311
00:50:40.228 --> 00:50:52.428
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.

312
00:50:52.928 --> 00:51:05.448
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.

313
00:51:05.488 --> 00:51:17.988
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.

314
00:51:18.908 --> 00:51:36.088
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.

315
00:51:36.708 --> 00:51:40.718
Nvidia maakt chips, dat is eigenlijk wat ze zijn. Een chipmaker.

316
00:51:40.828 --> 00:52:00.788
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.

317
00:52:02.008 --> 00:52:10.667
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.

318
00:52:10.708 --> 00:52:16.988
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.

319
00:52:17.348 --> 00:52:25.008
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.

320
00:52:25.048 --> 00:52:35.348
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.

321
00:52:35.428 --> 00:52:51.528
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.

322
00:52:52.208 --> 00:53:01.768
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.

323
00:53:01.808 --> 00:53:14.148
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.

324
00:53:14.888 --> 00:53:24.928
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.

325
00:53:24.968 --> 00:53:33.268
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?

326
00:53:33.348 --> 00:53:41.668
Nou, je hebt dus eigenlijk daarin de, uh, enthusiasts zoals ik, die het oprecht interessant vinden omdat het kan.

327
00:53:41.908 --> 00:53:49.448
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.

328
00:53:50.148 --> 00:54:01.728
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.

329
00:54:01.848 --> 00:54:08.748
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,

330
00:54:10.048 --> 00:54:18.368
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.

331
00:54:18.888 --> 00:54:28.808
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.

332
00:54:28.828 --> 00:54:36.848
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.

333
00:54:36.888 --> 00:54:43.508
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.

334
00:54:43.588 --> 00:55:01.168
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

335
00:55:02.068 --> 00:55:12.768
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.

336
00:55:12.808 --> 00:55:24.208
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.

337
00:55:24.768 --> 00:55:33.428
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.

338
00:55:33.768 --> 00:55:43.900
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.

339
00:55:43.910 --> 00:55:57.960
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

340
00:55:58.940 --> 00:56:10.400
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.

341
00:56:11.940 --> 00:56:18.200
Zorgt ervoor dat hij beschikbaar wordt voor individuen. Ja, wat ze dus noemen onderzoekers, data scientists of individuele studenten.

342
00:56:18.580 --> 00:56:28.340
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.

343
00:56:28.360 --> 00:56:31.480
Waarom vind je dit hele verhaal zo waardevol? Omdat ik.

344
00:56:33.480 --> 00:56:45.720
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.

345
00:56:46.000 --> 00:56:54.000
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.

346
00:56:54.040 --> 00:57:00.280
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.

347
00:57:00.620 --> 00:57:09.340
Hoe chill vind je dat, dat allemaal geüpload wordt naar Sam Altman? Niet, vind ik niet chill. En ik denk dat daarin het.

348
00:57:09.960 --> 00:57:17.940
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.

349
00:57:17.960 --> 00:57:26.380
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.

350
00:57:26.600 --> 00:57:35.200
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.

351
00:57:35.260 --> 00:57:44.080
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.

352
00:57:44.180 --> 00:57:52.040
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.

353
00:57:52.060 --> 00:57:58.400
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.

354
00:57:58.800 --> 00:58:04.680
Dus in Excel dan een grafiek maken die een overzicht maakt van weet ik veel wat ik dan aan cijfers heb ingevoerd.

355
00:58:05.280 --> 00:58:09.780
En de grap is dan dus je hoeft dat ding niet te vertellen welk programma je aan het gebruiken bent, want dat herkent hij.

356
00:58:10.200 --> 00:58:21.820
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.

357
00:58:22.100 --> 00:58:30.860
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.

358
00:58:31.720 --> 00:58:40.440
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.

359
00:58:40.740 --> 00:58:50.260
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.

360
00:58:50.300 --> 00:58:58.200
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.

361
00:58:58.660 --> 00:59:09.200
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.

362
00:59:09.260 --> 00:59:16.140
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.

363
00:59:16.480 --> 00:59:24.020
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.

364
00:59:24.160 --> 00:59:33.900
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.

365
00:59:33.920 --> 00:59:44.680
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.

366
00:59:44.720 --> 00:59:51.620
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.

367
00:59:51.960 --> 01:00:00.810
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.

368
01:00:00.910 --> 01:00:07.120
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.

369
01:00:07.560 --> 01:00:21.770
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.

370
01:00:21.800 --> 01:00:25.700
Ik zou het daarom heel vet vinden als er een Nederlands AI datacenter is.

371
01:00:26.020 --> 01:00:35.540
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.

372
01:00:35.900 --> 01:00:38.640
Ik bedoel super vet als er iemand aan de gang gaat met eigen Nvidia achtige chips.

373
01:00:38.680 --> 01:00:48.980
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.

374
01:00:49.360 --> 01:00:53.000
Nou, we zetten hier een punt. De Arc Challenge is verslagen.

375
01:00:53.660 --> 01:01:12.020
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.

376
01:01:12.560 --> 01:01:21.940
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.

377
01:01:22.120 --> 01:01:28.840
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.

378
01:01:31.940 --> 01:01:45.770
[muziek]