Heb jij je klapmokkel in naast? - Jij is niet altijd. Jij hebt je de tee? Kvroerdeel willen we gaan bespreken. We hebben er zo veel. Hebben we ook al een afkorting bij bedacht? Hebben we een gast? Koning, keizer, admiral. Uit de klapmok drinken we allemaal. Ik ben de boeren en ik ben allemaal rij. Luister je mee? Na klapmokke met T. Heer de boeren. - Hee aan de rij. Nou, dit is wel een spannende aflevering. Een spannende aflevering? Ja, het is wel een best wel ingewikkeld onderwerp. Van iets wat helemaal nog. je de toekomst weer geeft. Ja, ja, ja. Ja, we doen eigenlijk als we met z'n allen weten waar het over gaat, maar stiekem. Ja. We hebben het eigenlijk over. - Ja, precies. Dan hebben we natuurlijk in de data over data signs en AI. Wat is het eigenlijk? Wat kunnen we er mee? Wat worden we door het gegooid? En je ziet ja, en in de krant, je ziet het in de hele dag zo conflicten. - Ja. concentreerd voor het. Wat maximaal gebruik van gemaakt? Ja, maar wat is het dan? En wat gebruiken we dan? En wat doen wij als lopmachter mee? En je hebt precies. Wat zijn we nu al dingen aan het doen? Willen we dingen in de elk gaan doen. Ik denk dat het tijd is om gewoon een team van experts erbij te halen. Nou, we hebben een heel team gevonden. - Ja. We gaan. we proberen altijd aan te gasten. toe limiteren op twee. Max twee. - Max twee. We hebben de nu drie. Ja, het lukt niet altijd. Waarvan eentje ook wel Nederlandse verstaat? Ja, zeker. - Maar niets prikt. Ja, ja, dit is. We hebben even overnage dacht, hè. Hoe gaan we hier mee om? Maar ik denk dat dat er uitgekomen zijn. Ja, precies. Dus als jullie zometeen in één zin in het Engelsorrup raten, dan is het al dus. Maar ze liest het niet aan de podcastprivheid. Nee, dat je oordjes in Nederland is in Nederland. Ja, en dat wij dan Nederland stuigpraten, dat is dus vooraf zo afgesproken. Ja, zeker. - Ja, zeker. Ja, ja, ja, ja. Ja, maar het was eigenlijk ook wel lastig, want dat is wat je normaal gaat doen, hè. Lekker babbel in Nederlandse luchtprima. Engels babbelen lukt ook, maar dan. Ik moet dan altijd effe wat langer in de bubbel zitten, in de Engelsorrup-belen. Ja, maar logisch, hè. Maar ik merk het toch dat het af en toe lastig is. Om dan toch Nederlandse luchtpraten, want we remen het. Ga je je brijnen gewoon over en in eens? - Nee. Ga je het meen in het verhaal, maar. Nee, dat was maar goed gedaan. - Ja, denk ik dat ook. Dus laat je er vooral niet door afleiden, dat is gewoon echt een goed verhaal. En ja, nou ja, goed. Ik denk dat zelfs, als je er nog niks van weet, of geen heel stuk wijzen wordt, wat is nu eigenlijk aan je? Ja, wat gaat het voor mij brengen? - Nou ja, ik. Ik word een stuk wijs, zoals om het te in. Dus dat is denk ik bewijs voor wat je het aangeeft. Voor deze hypothese, voor deze hypothese. Is dan nou wel een hypothese, Anne Maree. Als je wel je weet wat ik een gluzie is. Ja, maar dat vertel ik je net. - Al, ja, dat is waar. Ja, ja, goed. Gaal eens. Nou, we hebben een drukke aflevering, zo Anne Maree van Tach. Nou, wat iedereen natuurlijk al om weetje heeft kunnen zien in de aankondigingsdat we gaan hebben over data, science en AI. En we hebben wel dit keer wel drie gasten in ons midden. Ik kan natuurlijk even snelle kort aanhalen. Het zijn allemaal werkzaam bij Stavklassen. Dat maakt het lekker makkelijk. Als Tief Data-Overser nog wel. Carlo Wessling, hartstikke leuk dat je er vandaag bij bent. - Wat goed zijn. Ja, heel goed. We hebben Joe. En natuurlijk, dat heb ik mijn leroe visser. Die eigenlijk als liaison werkzaam is bij het land Data Science Center. Nou, dan mag je daarlijk alles over vertellen. Want alle eerst om alle onbregip uit de wereld te hebben, wij hebben het eigenlijk over als we praten over AI. Of data science en AI. Is dat hetzelfde? Wat is het? - Allit, Liori, is het een deur de differenz between data science en AI. Ik heb niet de data scientist, maar ik ga met de definiezen van AI. Ik denk dat het een van de eerste hurdels dat we feest als de landmacht te geten was onderstanding en het is alles om te weten om hetzelfde. Dus AI is een eindbreller term voor een heel veel technologie. En dus je ziet mensen die om AI te talken, maar om twee types van technologie te te talken. En we als het speciale is, zouden we ook opgeven dat het een gebouw is, omdat de critiques van technologie ervoor zijn. Je kunt het een exemplen, voor instance, je hebt de computer-vision in jezelfdrijving-kars. Je hebt een technologie die precies de computer in het land is. En dan je hebt voor instance een exemplen, een chat-bbt, die is een langwege basis. People call both of those AI, maar de way dat je er twee andere dingen probleemt. Dus voor ons is AI-specialists. Die zijn er twee technologie, maar iedereen refers them als een. En dat was de eerste ding om iedereen te onderstand te geten, het is een eindbreller term voor een heel veel andere dingen. Maar dan was het ook meer belangrijk voor de landmarkt te onderstand te onderstand, wat er een technologie is. Dus voor instance, als je de algorithm opgezet, de ability te zien is niet goed, als het niet de computer en de computer die het hard is om te gaan. En dus veel mensen hebben het gewoon de algorithmen opgeven, maar we niet konden de data krijgen. Dus dan hoe moet je een goed analogy voor dit gebruiken? Dat is als je een ammunition met een gunpatter hebt. Ok. Ja, je hebt het gel, maar het won't werken. Dus eigenlijk, we hebben het opgezet wat de AI-foundations hebben. Dat is 4 foundations, dat is de data, de algorithm van de model, die is de kleine model wat een chat-bbt opgezet. De data is de internet voor een chat-bbt. Dan je de hardweer, die de computer van de physical, die je moet eigenlijk hebben. En dan hebben we ook op dat de mensen in de organisatie hebben. Want je moet mensen die de tool afstand hebben, die weten hoe de data van het gaat, die de literacy in het in de oude voor het werken. Maar je hebt ook een gun met Nobody Knows How To Shoot It. En dan moet je ook een organisatie, dat is structuur in een way dat kan governeren, kan creëren policy, zoals Carlo doet van de chief data officer role. De correcte policy is in het gegeven moment, de correcte funding structures in het gegeven moment. De correcte job positions voor jouw mensen, educational opportunities en zo'n all four of those things need to be in place voor je te zeggen dat je een organisatie dat heeft AI. Ja, ja, het is wel heel interessant natuurlijk. Maar zijn wij wel zo ver? Kunnen we zeggen als bedrijf dat we AI hebben? Ja, vanaf het land mag kunnen we zeggen dat we de vier fundamentele pijlers waar we Joe het eerder over had. Die moeten we verder door ontwikkelen en die moeten we op alle vier blijven door ontwikkelen. Wil je die AI-adaptatie in organisatie goed krijgen? En we hebben daar grof gezegd voor ons zelf hebben aangeven, we staan nu nog in de eerste fase building strong van deze. In dat slaaden ze op die vier pijlers. Dus wel op de mens kant, de organisatie kant, de hardwerk kant, de algericht met de datacant hebben we best nog te stappen te zetten. Een voorbeeld te geven. Data eigenaarschap is in de organisatie van ouds her niet goed beleegd. We hebben daar weinigd aangemaast eten afgelopen de Sennium om een goede reden. Wat dan andere dingen te doen? We doen er daar bijvoorbeeld mee. Kijk, dat is natuurlijk alles wat er is, zeg maar. Dat we dat niet goed lebelen en daardoor dat het geen plekje kent. En dan hebben we dat we op slaanen, op de SU-Jer, op onze SharePoint, op op. Dan ga je al een dieplage in de organisatie, dat we dat ze op de datum management kan. Maar dat de eigenaarschap is eigenlijk dat we defineren. Wie is nou eigenlijk verantwoordelijk voor deze form van datum? Volg het als het geldt om haar data, wie is dat verantwoordelijk? Dat hebben we belechtende procesdomijnen. Dus vanuit de procesdomijnen is die eigenaarschap nu beleegd. Ook bij Stav Klas is daar iemand van aangewezen die binnen het logische ziekte man of binnen het haar de man of ook rationeel de man. Eigener is van die data. En doodat we eigenaarschap aanwijzen, kunnen we ook het gesprek aan over wat voor een kwaliteit verwacht we van de data. Hoe willen we die data delen? Wie mag die data eigenlijk delen en bewerken, maar dat moet we eerst de eigenaarschap hebben. Dat hebben we nu beleegd. Nu gaan we de discussie aan van wat willen we dan met de data, hoe kunnen we hem delen. En dan zit daar onder de laag die je aangeeft hoe organiseren we de data, hoe is de labeling voor elkaar. En ik sommige domijnen doen we er best goed. Daar hebben we dat vroeger al goed gedaan met naar mijn logistieke, hoe gebeurt dat best oké. Maar ik sommige domijnen is dit nieuw. En moeten we daar echt naar gaan kijken hoe we dat doen. En missen we ook de toeling en de kennis nog in de organisatie. En daar zijn we hard aan het weer, ik kom dat voor elkaar te gaan kijken. Ja. En om te kijken naar een beetje naar een vraag. Dus ik denk dat ik voor de eerste jaar ben ik gewoon naar de landmacht en waar we als een organisatie hebben. En wat is interessant is dat als het eerst, als we het eerst, het is zoals we niet hebben in het gegeven moment. We niet hebben data. Dat is een van de grote ritterings dat je hier uit kunt. De landmacht, oh, die niet hebben data of die niet hebben we. Ik denk dat we de plekken van de deelden in plaatsen in plaatsen, maar de mensen die niet hebben, niet weten dat ze hebben. Dus voor een instance, ik ben voor een data perspective. Is, als we het voor een data hebben, mensen hebben dat we een veel hebben. Maar ze hebben intelligente, of proces data. Dus ze hebben de proces geproest, maar we moeten de rauw data. Dus we niet de resulten van de imagers. We moeten de imagers van de battlezone, van de exercisers. Dus ik denk dat mensen het niet weten wat data is dat is voor AI. Een exemple, dus een veel mensen wil zeggen, we willen AI te analysen opordelen. Dan zijn ze niet het deel dat het werk in de civilian-welde is dat de gezicht de text based, de chatchapietjes of zo goed is, omdat ze de hele internet access hebben. Ja. Dat is veel data. We moeten de aquifelent van de milieveren van de militant.
So we need to collect as many historical up orders as we can to create our version of the internet so that our algorithms can work for our context. And people, as you start to educate them with these foundations, they start to say, "Oh, actually, we have some data." Or we have, because they're starting to understand what we mean. So at first it seems like we don't have AI or the AI pieces, but slowly it's starting to come out that we do have a lot more data. We have people building their own algorithms for fun. We do have a lot more puzzle pieces than what it would see at first. We have a lot more data in the house that can work for our technology, which can be developed for our own models. But if the other countries aren't on orders, if they don't have the land for which they are, we won't be able to reach the country with the operational units. So the only pillar is more than the other pillar. And we have to go to a combination of that, that we have really good buildings, so that we can integrate into the whole organization. Okay, and I don't want to be a technical engineer, because I'm not a technical engineer, because I have a lot of things to do. And I really have to process that. But what do we want to do? What is the ambitie we have on this area? Because we're going to, in the menu for the approach, to make sure that we are going to have a maximum of the components of the AI. For us, for the Netherlands, we think that we are going to generate some things, and we are going to generate a Kilt Chain and we are going to fix it. All the components. Yes, I think when we look back at the command message of C-LAS, we are in the name of the piece of the Slimar Vector. So through the introduction of this technology in our organization, we want to make Slimar Vector. The data we have, we want to use to make quick decisions, make effective decisions, and in that way we generate more power. So we are going to have a lot of fun. But if I really sit on the right track, we will see how we can make our decision for the process, how we can make effective decisions, and how we can make it forward in the process. Or if I think that's the only thing I can say. That's a good point for you to hear. There are a lot more. I have to say, the company's support also has a lot of work to do. I'm going to talk about our own business in the process domain. And I see that in the process domain, you can make a few links by passing from AEO and Data Science products to make it as a minimum capacity, as soon as you can get a good result, you can quickly get a good processor. So that's what you're saying. We can do that everywhere. We want to say that we are from the Data Science Center and also from the Myrolstief Data Officer, the main focus is on the operational domain. That's why we have to make a difference. Yes, exactly. And then we look at the application of AI for brigades or what is the idea? We have the four pillars in the right, then we start a house. I think it's a relationship. For instance, I'm looking at the brigade level and how to help them with how they want to fight. So I think that's also the way that we approach it is the brigades have to know how they want to fight so that we can know how we can best support them. And sometimes there's a mix of also they don't necessarily know that we can offer them a tool that may slightly change a process or something. That's very strange. Now in the Netherlands, it's a little unobstructed, but that's not true. That's often with technology, that we can do so much, and that's what we know a little bit about what it is. But to make it concrete, it's a very difficult thing to do. That's what we're going to do. But I want this. Maybe there's no idea what the war is actually. Because there are war if you have the AI or where the war is. But that helps you to help them. Yes, so that's what I do. But it's also a question of where the technology is for the military domain. I think this is an interesting difference between what's possible in the civilian world and what's possible in the military world. If you look at those four foundational areas in the civilian world, there's a lot available and there are a lot further ahead for civilian context. Whereas for a military context, we've still got some work to do. So the technology that we're trying to integrate isn't necessarily the agents that you see working in the civilian world. A good example of this is, for instance, from a data perspective. The internet came online in the 1990s and that's been generating and storing data for years. The type of data that we would need for war fighting, we haven't necessarily been collecting since the 1990s, or haven't been necessarily engaged in the type of combat that we would want to integrate AI into. So if you think about Hove Duck and Neopere adversary, as NATO, when is the last time we were in a fight with a Neopere adversary where we were having to, where we had the opportunity to collect data. So we're having to find solutions to how to generate that data for the military domain, which means this status of AI for the military is very different than it is for the civilian world. So that's why there are still some of those chancer for the military world. And I think we are focused on the war fighting part, but it's also, some of it would seem very basic to the civilian world on basic text-based analysis. That can save a couple of minutes for reading a document in a command post. And those are the kinds of things we're looking, but it really, it also comes down to the civilian military divide here, which I think is always, has always existed. But it also requires us really getting the data scientists to understand the brigades. And I think that's where we're laying the strong foundations that Leroy talked about right now. Yeah. Yeah. I have a recommendation in the form of a example to make something clear. What is now that difference between the civilian world and the military world? The civilian world has a lot of talks and knowledge models. So they set the audio to be in text and something we can read. That's all trained on data, on the internet. But if we use these models in a military context, for example, in a command post, so when you do a return compilation on your command, then you talk about defense in the year. Yeah. A model that is open-air trained is not enough because they have never seen that data. So we have to make it really stable to train the models on defense specific context, so that they are successful in doing what we do. Of course, you're going to be able to do that. Sometimes you think AI is very smart and you can do that all the time. But in the end, AI, I see a lot of things, I'm saying it's very obvious. But that doesn't make sense. This is what we're talking about. AI is very smart, but it's not as smart as you're feeling. You have to feel it. It's not that you're going to see all the data, and then in that for us is the preparation, in that it's very specific for us. And how many data do you get when you actually get the word? I only laugh because it's my favorite thing when somebody starts to realize that artificial intelligence isn't as intelligent as everybody thinks it is. I love watching people realize that. Because I think that's one of our aims always is to get people to understand it to that level. So that's the only reason I laughed. Oh, that's good. It's a quartier, a quartier, a podcast, and then we're all in the same place. That's very good. So, I have a point to add. Because AI is a new technology, where most people don't have a lot of knowledge about it. Maybe the younger ones who have a lot of experience. You see that the data is in the AI, and the knowledge of what it is, what it can, but what it can't be. And what Joe Agov, or what you yourself think is not always as smart as you think, or that it's perfect. In the past, they're friends. They're the ones who are so different from the other. That's something we really have to explain. And we're still able to see how we're going to get the level of knowledge in the organization at high level, with everyone in order to have a lot of experience for the academy. And what they can do, what they can do, what they can't do, so that people can understand themselves better. What they have to do, and also ask them how I can get this level of knowledge into my domain. And there's still some work. And certainly the people who are looking for research in the military context can't do that. Because there are some steps to make that. In my military background, I have modules. I can always do that. I can do an AI module, and we can do that.
Sijber aware, AE aware achter te maken. De zijn vanuit de IT Academy wordt er het eenandere aangeboden. De daar zit er al wat. Vanuit de land mag zijn we nu ook aan het kijken hoe we dat brede kunnen aanbieden. En daarnaast zijn wij met z'n drieën ook vaak op pad om in verschillende opleidingen, bij inkomsten van of sieren onder of sieren, ook het verhaal te vertellen en uit te leggen. Ja, goed. Ja, ik vind nog steeds heel lastig. Ja, ik blijf een beetje op twee dingen hangen, want jij gaf net als voorbeeld, Leroy, dat je de Sepultooncommanders Beckblief en dat je dat dan in tekst kan omzetten. Wat hebben we daar dan aan? Ja, dat is een hele goede vraag. Wat hebben we daar nou aan? Hoe zou kunnen we het proces daarmee versnellen? Ja. Wat we nu zien is dat staven vaak verdeeld zijn over verschillende commando posten. Dus waar in commando's Beckblief plaatsvindt, betekent niet dat de staf van de gene die de Beckblief doet dat hij ook aanwezig is. Dus die wil eigenlijk de informatie zo snel mogelijk en zo akurat mogelijk weer bij zijn staf krijgen, zodat er snel de besluitvoorming en een planningsiekelus op doorlopen kan worden. Juist door het gebruik van deze technologie kunnen we dat het gene wat besproken is, kunnen we heel snel naar tekst omzetten, dat kunnen we laten samenvatten, daar kunnen we conclusies aan laten binnen en de notullen van wat besproken is, die kunnen daarna meteen of zelf wel in de toekomst realtime verstuurd worden naar de staf. Zodat die staf sneller kan werken, wat zien we nu in de praktijk? Een commando heeft zijn Beckblief gehouden, die gaat stappen in zijn voertuig. Rijdt naar zijn staf, gaat daar vertellen wat hij heeft opgeschreven en stuur daar zijn staf bij. En juist sneller. -Ik kan een aantal uur tussen zitten. Precies, afhankelijk van de afstand tussen de commando posten en op die manier kun je een technologie toepassen om sneller dat planningsproces te doorlopen. Het is wel heel leuk dat je die vraag zelf van wat hebben we hier nu aan. Want dat is natuurlijk een vraag die we zelf ook vaak krijgen. Maar hij kan best wel polariseren zijn, ook voor ingensorganisatie sommige mensen hebben er niks mee of vinden hij niks of vinden hij ons in. En andere mensen vinden hij te vereld en misschien ook wel ontereggen dat het veel meer kan dan het kan. En wat we nu wel opgebeerd doen vanuit de landmacht is dat we zeggen dat we de ontwikkeling, en dat we die er ook al aan laten ontwikkelen, echt bij de eneheid doen. En daar vragen wel een probleem voor je oplossen en ze helpen ook met de juiste vraagstellen aan de ontwikkelaars om hun probleem in de praktijk op te lossen, om te voorkomen dat we graf a-ie-product ontwikkelen, ergens verwegen en dan zeggen kijken ze, we hebben een heel mooi toeltje voor je. Daar heb ik niks aan, dit loopt geen probleem op voor mij. En ja, het is soms ook wel ontluisterend om te horen wat van probleem mensen opgelost willen hebben. Soms kan het heel simpel zijn en dan denken wij veel te ingewikkeld. En juist door de engineers bij de warvijtjes te zetten en te laten meekijken, ik zeg wel, ik kan het wel je oplossen. Probeer er weer in kleine stapjes die technologie zo in te zetten, dat je echt het leven voor de warvijtermakkelijker maakt, dat hij in dat sneller besluiten kan vinden, sneller informatie kan opzoeken, sneller kan communiceren en uiteindelijk dus in sneller hoe dat loop kan doorlopen, dat we met z'n allen sneller tot actie komen, dan ons het tegenstander. Daar gaat het eigenlijk om. Ja, en bij dat gaat er zin er daarvooral nog over het proces, op die manier ver sneller met informatie welkaar krijgen, maar doelseleksi bijvoorbeeld. Is dat ook iets waar we naartoe gaan? Dus dat je de heel snel met beelden van een insetgebied kan bepaalden of waar gaat, waar wordt iets aangegrepen? Ja, veilig is dat ook informatieverzamelen en analyseren. Ja. Dat is absoluut iets waar we naar gaan kijken en al kijken, omdat we kunnen gaan doen en dat dat op verantwoord om hier te kunnen gaan doen. We zien natuurlijk dat we in de conflicten die we nu in de wereld zien. Zien we nou een enorm veel sensoren zien, heel veel drones, maar ook speesdata, de conste is meer informatie veel meer dan we 10 jaar geleden hadden. En al die sensorinformatie en al die inlichting informatie bij elkaar te krijgen, en daar juwvand te maken en daar te komen het op doelseleksiën targeting gecombineerd met aan dezelfde kant, waar wil je in het ingrijpen wat steeds complexer wordt? Dat is eigenlijk wel waar we nu zien dat we met de data in de e-producte nodig hebben, om die grote veelheid een sensordata en een grote verut aan gewenste effecten bij elkaar te brengen, en dan komen we tot beter en sneller ingezet van familie. Dat is voor de militaire domeen AI, maar om het te worden, wat is het actueel valief? Dit is al hyperthetagels. We zijn nu dit opgezet dat we zien, dat is potentieel wat we kunnen doen. En ik denk dat een van de challenges dat we als de landmaat hebben, is de woon in wat je experimentatie doet, waar we de aanhateren aan het vervoeren, en ik denk dat we er al de oportunities hebben, om te testen hoe de tools werken, hoe we denken, hoe we het wel kunnen, en hoe we het wel kunnen, en dat het niet meer voor de aanhater is, dan het helpt. En voor instance, dat is de idea om hoe we de experimentatie doen. In de civilian world, ik denk dat veel mensen vergeten, of verenigd, en vergegen, dat de company is actueel vergeten op de gebruik van de deel, die ze ergens een vergevening op een deel, als de mensen gebruiken de tools. Dus als je denk dat je de navigatie is, dat ze constanten konden waar het niet goed gaat, dat ze deel bij de mensen gebruiken, en de deel van de deel, we moeten dat de deel van de deel van de deel te vergeten, om het deel te vergeten, wat de valier is, en hoe we het wel impacten, onze vervoeringen. Dat is waar we het goed gaat, om het helpt te vergeten, om het exacte identiteit te vergeten, om het deel te texten, voor example dat Leora geeft. Er zijn zo veel opportunities waar je je de soljes, de ministerie en de deel, en we moeten het voor alle opportunities te testen, Als ze het conflictCOPLICTE Cynthiaiek었어 vivoide zien ook op mineover kunnen! waar spraven elementen ook nog van het Muziekven. In het Wellen leggen Korben,arianekkelijk want je z geldt bij al de transmitten, hier uppal voor een met rood lama, 5. Dat zouden us 365 jaar te zien om hetzelfde te gaan, als een technologie zoveel. Dat is waar we moeten starten, en dat is dat organisatie van de 4 deur, dat is dat organisatie, waar we moeten starten, in order te maken om het technologie te maken en met het technologie, om het te hebben en het correcte impact voor ons. Ik vind het wel super interessant, dat het een beetje de aanleiding waarom deze podcast begonnen zijn. We hebben een luisteraar en die heeft al onze afleveringen in een toel gezet. En albaas daarvan kun je dan vragen aan jezelf stellen, dan hoor je dus hoe jij dan zou regeren en dat doet die dus op basis van, nou, de meer dan 100 afleveringen die we hebben gemaakt. Je zou een hele aflevering kruiden van maken, gewoon uitgeschreven, zoals AI dat gaan genereren. Albasus, hoe we gesprek hebben gelopen dingen die je zijn gezegd, en dan wordt het ook ineens heel erg persoonlijk. Want AI is natuurlijk fantastisch en de mogelijkheden zijn oneindig of dat denken we maar dat zitten grens aan, maar dat wordt steeds beter. En toch toen we dat miltje kregen, 'menteel, dit heb ik voor jullie gedaan, toen dachten we allebei wat en dan zie je zelf terug en het meest vrapant, of vind ik dat het, ik dacht, nou dat is gewoon inderdaad de tekster in, tekster uit, maar er zit echt geraakte achter. En of het nou 100 procent klopt, dat wil ik van weg blijven, maar het zeker 90 procent klopt. Echt en dan zie je zelf terug, dan wil je je geconverterd door AI met jezelf. En dat is wel even spannend. Dat geeft toch echt een heel naar gevoel. Dus ik begrijp precies wat je zegt he. Eigenlijk moeten we alles, je zou het onze aflevering maar eigenlijk alle telefoon gesprekken, alles wat we doen in ons dagelijks leven, tegen ons gesprek is misschien niet goed voorbeeld, maar alles wat we doen, zou eigenlijk op de achtergrond gemoniëntoord moeten worden en niet om te kijken wat zegt je, maar waar z'n te behoefte, wat welke informatiestromen zijn er, wat dat vind je leuk, zolang dat bij jullie plaatsvindt. Dat is het eigenlijk. En ik geloof nooit dat ik de alleen niet ben, maar hoe ga je daarmee om vanuit een organisatie perspektief, zeg maar, want dat vraagt wat van de mens. Het vraag is van de mens en van organisatie, dat is wel mooi, dat is een beetje kniveel bij dit voorbeeld, als we met AI en data bezig zijn, mensen in de data, wat Joe zegt, heel veel kennis en kunde en data. Maar als je dan kijkt hoeveel data we er niet hebben, is het ook af en toe heel schrikbaar, want natuurlijk vanuit het simulatiecentrum landtop te reden, de zenial langen allerlei oefeningen en computer oefeningen en live-oefeningen gedaan en ook als op grote oefeningen gaan met één heede, dan slaan we één normaal voor de data op. En na het einde van deze oefening of van de eind van deze simulaties, dan wordt er ergens op een iratiek knop gedrukt.
En dan is alles weer een zur-rise. En dan is het hele simulatieswerk of alles uit de oefening is weg of heel titan wordt weer opgeschoond en geriezet. En dat al die data is dan weg. Dat is natuurlijk een stap die we nu moeten gaan zetten. Of die data is heel waarde vooral, want er zitten voor zoveel mogelijk producten, zitten daar relevante data in, eigenlijk die 100 podcast van jullie, zeg maar, die kan je daar uitveeltigen voor bepaalde zaken. Maar tegelijkertijd zitten natuurlijk ook beperking aan wat je mag en kan op slaan. Je mag niet alles op slaan, die zit ook met de wet en regelgeving. En daar moeten we heel kritisch naar kijken. Van wat kunnen we wel op slaan, we kunnen we niet op slaan. Wat kunnen we anonymiseren als het gaat om mensen, menselijke verheleidbaarheid. Dus ja, dat is een complexe puzzle. Maar het goede nieuws is omdat we nu de eigenaarschap hebben aangeduit. En ook de bredere discussie in organisatie hebben over hoe data en in i-product ontwikkeld moeten worden. En het niveau en kennis en omhoog gaat in organisatie is dat we steeds vaak benaderd worden door de hele organisatie, zeg ik zit mogelijk op heel veel data, kunnen we dat opgaan slaan. Mag ik dat op slaan kunnen we daarmee helpen? Dus die verzien de terrestats meer kennis en kunnen in organisatie komt om dat op te pakken. Bevord voertegd data. En dan de discussie aan te gaan, wat kan er, wat mag er en hoe kunnen we het dan gebruiken. En dan is het aan ons als datersuiz Community and Experts om te zeggen. Dit is een relevant, dit is niet relevant en dit kunnen we gebruiken. Samen met de juristen te gaan kijken wat er mag. Ja, nou precies daar dat stond natuurlijk weer van paan. Dat het ons AI-mordel doet dat ook, ze draaien er iets, je riebis haatjes, dat ik die dan pak. Waarom? Nee, maar dan zit er natuurlijk in het daad wel wat van die haken ogen of wat verwaarde aan. Maar ik denk niet alleen juridisch, maar ook wel ethisch. En ik hoor die in i-net al zeggen dat je als je iets automatisch gaat genereren. Bijvoorbeeld, die commandantentugekoppling, zodat die staf van een slag kan als die commandant nog terug gaan het rijden, die onderkomendant nog terug gaan het rijden is, dat daar dan conclusies uit worden getrokken. In hoef en. Ik noem het word "dolselecciën" uit "okal" en dat wordt nog gevoeliger. Dus dat houd een man in de loop houden, dus het blijf je controleren van wat er eigenlijk voordat gegeenerde wordt. Daar zit. Nou, dat is ook een ethisch vraagstuk, maar ook misschien jezelf wil controleren. Ik weet niet waar je dat onderzoos gaaren, maar ook kijken jullie daarna. Wert daar ook aangewerkt? Van hoe gaan we dat dan doen? Hoe gaan we dan die checks en belletsen erop houden? Het is een heel belangrijk punt wat je aanhaald. We hebben op dit moment nog geen. We zitten nog hier in een conflict, en dat geeft ons de tijd en ruimte om hier juist goed over na te denken. We zien dat er een aantal andere conflicten die op dit moment in de wereldplaats vinden, best wel discussie over ons staan over of die doelselecciën al waar hem een goed plaats vindt, en of daar niet fouten gemaakt worden die voorkomenal kunnen worden door. op een andere manier naar je data te kijken of andere checks en belletsen in je proces te hebben. Omdat een gebouw bijvoorbeeld een andere functie heeft gekregen. Dat is dat je dat een kwaliteit is niet erbouw, want het gebouw is vooral het van functie, of misschien er was een check in bellens van iemand niet goed uitgevoerd, omdat er niet goed ingereeld was. Dat zijn natuurlijk fouten die wij niet willen maken, en die kunnen we nu inregelen. Dat zit deels in de processe, dus hoe ontwikkelen je een AI-product? In dat proces kan je altijd checks en belletsen inbouwen. Dus kan je al de terugkoppeling met die ris te doen. Ik kan al gezoorgen dat je al geripme voldoet aan alle eisen in het ontwikkeld proces. Verkomen we dat het ontwikkelaar daar te veel over na moet denken. Want het proces, als je de stap in het proces vocht, zijn ze sowieso blijf je binnen de kaars van wat er kan en mag en wat we willen. Dat is een kant van het verhaal, de ander kant zit natuurlijk in. hoe controler ik kwaliteit van je data en welk procesrichtje in. En dan is het doelseleksi in het hele interessante, dat die natuurlijk ook veel in de media is. Dat is er echt een keer waar wij heel kritisch naar kijken van. hoe kom je het op doelseleksi, hoeveel bronnen heb je nodig, hoe waarde voor moet die bonen zijn. En dan kom je weer bij waar we echt mee begonnen. Dat AI een heleboel technologie beschrijft. En de technologie waar we het meest overpraten, zijn die large language modellen, die grote modellen zoals JetGPT, of multi-modellen zijn ze tegenwoordig. Kijk ik ook naar beeld. Maar dat zijn hele complexe modellen die heel veel onzekerheid in zich hebben. We kennen nog allemaal wel in het begin van JetGPT, alle hallucinaties die modellen hadden. Dat wordt nu wel beter. Maar in een niet technisch te maken. Dit zijn modellen die zijn niet deterministisch. Het zijn statistische modellen. Het is altijd een kansberekening. En soms wil je misschien niet een kansberekening, maar een deterministisch ja of nee in je proces. En dan is een large language modell misschien helemaal niet. die juiste tool om te komen tot een jaar nee, omdat hij altijd een ja mids dan zij regeeft. Dus hier is het antwoord? Ja, dus om te komen tot goede modellen, een goede ondersteuning is het aan ons, om ook te zorgen dat we de juiste tools erbij pakken. Dan gaan wij de discussieing van hoe zeugenaar dat het tool ook tot het jaarste antwoord komt om te voorkomen dat je misschien met een onzekerheid, een doelseleksie doet die je niet wil hebben. internationaal mixkerlijk bij mensel worden, om met een diegemiddels indikt die er in een ouder commented photo in soften op het Keyway zonder deื่ste spłem verdwen en meerd Courtney onderverbied en Gentries, verkl firm het profSTEP Creat searched ontspłyking voor heelisen of alsCola te v bottles gagner gangen, het was laat maar heel' Firstly inz之前 nog uitvoeren en het ook Merkartt op фoon trap wow, er hoort vastuchtig met veel mensen in de heerlijkSager deze een heel goed te doen en dan niet deel van het of je findt deel van deel van het die niet zouden worden gebruiken, omdat ze niet in het ontwikkelen en je zou er niet hebben te zeggen hebben, dus dat je kan vooral gegeven. Ik denk dat het een conversatie is omdat het een een in de military-domain is, er is de assumption dat het altijd gaat doen met een kinetekseid en lethal decision making, maar er zijn veel in mijn observations van hoe de gemeente werkt. Er zijn een heel'n proest, de decision making process is dat niet precies zo veel van een ethical wacht is, ik ga voor instance een weerder effect met het matrix dat als ze een build hebben. Dat is een goed tool te geten, mensen familie met AI, hoe het kan werken en snel, en dan ook weer. Ja, en je kan groter in het en dus de idea voor het eerst voor de most ethically challenge, niet het me bestel ik, ik ben nog steeds dat we de tijd om te denken om dat en we moeten hebben, we moeten hebben heel veel discussie om de ethically te doen, maar we nog steeds een basis te doen en niet zo ethically te doen, dat is nog steeds de tijd om de tijd te maken, de beter weerderheid, de mensen helpen met hun kognitive lopen door weerderheid, en we moeten nu ons dat discussie en niet laten de one hinder de other. Ja, en zij neemt ook nog een paar de veiligheidswaarborgen, ja, de waarborgen moet je zo hebben, maar risico's waar je die dan ook mee bezig zijn, want ik kan me voorstellen als je dus, ik ga gewoon weer terug naar die Komnantertrugkopeling en je wil daar dus iets mee doen, maar daar moeten dus iets mee luisteren, dat lijkt me al bijzvallig risico vol, ik weet, ja, misjes zijn met de telefoonen, maar gewoon niet mee in heel veel ruimtes en dan moeten de te knelen kleine voeprint houden met ons wat we uitstralen, zeg maar al een verbindingstien is 80 dingen, ja, precies, verprensje management en dan noem het allemaal maar op, ja, dat mooie onderwerpen, maar dit lijkt me dan ook bijzvallig, want ja, je wil dat, ja, ik heb onder langs wel eens een meeting meegemaakt met het kribisch gebied en daar willen we toch in een beperkte groep, zijn we bij al de dingen aan het uitspreken met elkaar en er liet in eens iemand een otoleerfunctie van teams mee lopen, nou daar werden we toch een beetje zene wachtig van, dus, maar wat jullie en het doen zijn is natuurlijk ook dit onderwerp, is natuurlijk ook iets wat dan risico vol kan zijn toch? Ja, zeker, daar pak je een heel kritiek punt ook weer beten en dat maakt het ook weer moeilijk tussen de civila wereld en de militairen wereld, als wij op een commando post werken, dan werken we binnen een afgeschermde omgeving, we gaan we om met gerubriceerde data, dus de data heeft een bepaalde rubriceering, het model wat gebruikt wordt, moet dus binnen die afgeschermde omgeving kunnen werken en dat betekent dat het model ook geen internetverbinding heeft bijvoorbeeld. Dus dat wij locale hardware nodig hebben met voldoende rekenkracht om zo'n model veilig te laten werken. En dan moeten dus ook allemaal weer voldoen aan alle hardware recruiturements die de fancier heeft. En daar zit een hele grote uitdaging en dan komen we dus weer op die vier pijlers. Dus dan hebben we het stukje hardware gehad, we hebben de data gehad, want die is gerubriceerd, we hebben het model gehad in dit geval speech to text en dan hebben we nog te mensen die ook moeten begrijpen dat het schraks veilig kan de toel die ze inzetten. Ja, maar ik wil heel even op de hardware. Ik heb namelijk een ingesonder vraag van een luisteraar die vragen in onze, ik vind dat die onze redactie zit in die wilde en eervolle andernieme vermelding. Die heeft me allemaal vragen meegegeven voor vandaag en ja, verassen dit. Geweerd spaker, maar we hebben wel een hele erg warm voorlopt. Je hebt data centers nodig voor AI en die gaan allemaal rekenkracht en zo, en dat zijn. Dat hebben natuurlijk wel eens over, dat is ook dat neemt ook heel volstrom en dat is allemaal het zijn best wel de kwartuursamheid, is het al iets. Maar ook hoe zit dat dan met militairen AI? Want hoe doen we dat dan niet het veld? Moet we daar de zilverplek voor hebben en wat daar als je moet springen met je CP en bestroomartval als we dan geen stromen hebben, hoe gaan we dat dan doen? Dus hoe gaan we dit dan werkpaar maken?
om ze overpangen, dan weer heel graag de wien gevoven. Ik pak een heel levertussen door vanuit even een stukje context, dat klopt wat je zegt. Wat je op wat jullie ijresonder vraagt zegt. Je hebt datacenters nodig voor i. Maar je hebt het voor twee dingen nodig. Die hebben datacenters nodig om een i-model te maken. Dus de chatgipet die wordt echt geschepd treint op al die data, dat is de hele internet. En dat kost heel veel rekenkraten, moet heel veel aaken rekenen. Dat zijn die groot datacenters initial voor gebouwd. En nu zien we eigenlijk dat om het modell te draaien. En zonder altijd tekjes te worden, maar we zegt dat je steeds meer agentiek modellen. Dus modellen die ook echt iets gaan doen voor jou, die je computer kunnen aansturen, dingen voor je kunnen we samen. Die taak je kunnen uitvoeren en producten kunnen opleveren. En om dat te doen, hebben ze een soort van reachback capaciteit nodig. En dat zijn die datacenters nu de nieuwe inference computers. We moeten ze tussendoor kunnen rekenen. En daar moeten we onderscheid die maken. Dus wij hebben niet daar hele grote datacenters nodig om modellen te bouwen, maar we moeten wel denken wat moet er waar berekend worden en wel ik toetje moet waar zijn. En dan geef ik een meevallig aan leroe. Want dat is precies denk ik waar de vraag stellen naar vlaast. Ja, dus binnen de landmaakt hebben we het heel vaak over so moed, statisch, ontploid, mobiel uitgestegen te voet. Statisch omgeving moet je denken aan de harde infraadie we hebben, moet je denken aan de datacenters dat soort zaken ontploid, beboeergens een basis met een tentekamp, mobiel, onze gevechtsvoertuigen, misschien wel vanuit een 790 bijvoorbeeld of iets anders en uitgestegen te voet gewoon met de rugzak en de spullen die we bij hebben. We willen natuurlijk deze nieuwe technologie overal kunnen gebruiken, ook als er geen internetverbinding is. Dat is met name het belangrijkste, want we willen niet zichtbaar zijn in dat elektromagnetic spectrum. Dus we moeten op al die versetten gaan nadenken over wat van hardwerk kunnen we dan mee geven aan de gebruikers zodat die technologie nog steeds gebruik kan worden. En we moeten dus ook gaan bepalen welke technologie geven we wel mee en welke technologie geven we niet mee aan de hand van de middelen die we hebben. Maar we weten ook allemaal dat strom voorbruik en dus warmtebeeld, een gooi probleem mee is. Geen reet dat niet in veel warmte en daarom makkelijk te weten. Maar ook dat onze militairen misschien de hardware die ze mee krijgen af en toe als schepwelle gebruiken en niet als hardware voor data zijn ze na i want op het moment is het misschien wel handiger dat ze zich snel moeten ingaven. Dus ze zetten allemaal requirements aan die hardware. En wij moeten dus vooral nadenken hoe krijgen we onze modellen zo klein mogelijk en zodat we de juiste modellen bij de juiste mensen krijgen. En daar moeten we vooral op dit moment nog heel veel wind maken. Ja en ik kon je ook al zeggen misschien ook wel dus niet op internet dus dat je eigenlijk nog steeds oude wets kan vechten eigenlijk toch. Ja het hele idee is dus dat we zonder verbinding ook onze taakken moeten kunnen uitvoeren. Ja dat je eigenlijk een hele nieuwe technologie gebruikt maar eigenlijk op een manier zoals je het heel lang geleden al deed dat je hoeft in dat niet verbonden te zijn maar dat je die afhankelijkheid dan niet hebt je kan iets mee geven maar je creëert niet in extra afhankelijkheid van iets wat door cyberachtig iets kan worden uitgeschakeld ofzo. Zeg ik dat goed? Ja dus maar het gaat opgeven met de combinatie worden want je kunt je ook voorstellen op een moment dat we die verbinding wel instand hebben dan willen we ook eigenlijk zorgen dat onze data weer terug naar Nederland gaat zodat dat geanalyseerd kan worden zodat onze modellijken erbij treeden. Ja maar dat doen natuurlijk via die met satellieten en zo en hoe heet dat ook weer dat die hele zonbrek communicatie waar je dan heel weinig speesaflevering hebben de koop besproken. Nee de borer kijk meegdaam waar heb je het over. Weet je dat nog? Nee ik ga even niet wat je bedoelt. Ja zoek het even terug. Boek je wat erbij geparkt we heeft teruggebladet ja dat doen we dan natuurlijk met leesar communicatie. Dat kan zeker een optie zijn maar daar ben ik in ieder geval niet bij me eens. Nee nee. Ik ben nog in ontwikkeling maar wel allemaal mooie in de toekomst komt het mooie allemaal samen. Ja het is wel leuk wat wat je nu aanhalen is wel een hele belangrijke en dat zijn eigenlijk ontwikkelingen die die ook bij de staff klasplaats vind als het gaat om hoe ziet straks het samen spel van verbindingen die we hebben dus dat er niet verbindingen kom met net een radio telefoonverbindingen 4 5 g en en ligt verbindingen of laserverbindingen. Er zijn al die vormen en varianten van. Hoe ziet de mix er daarvan uit in een relatie tot de data die je ergens wil hebben en wanneer en dan kun je na het voorstellen dat als je voor vooruit fron zit dat je niet zich bij wel zijn in het spectrum dat je daar weinig of niet uitzend en dat je dus jouw brekeningen allemaal op je telefoon je doet of op je edge device en dat man dat je verbinding hebt dat dat eventjes gezinkt wordt dat je bijblijft terwijl in het meer mobiele of misschien wel in het statische door mij veel meer mogelijkheden zijn omdat je daar gewoon een dikke glasfeizoek aan wil hebben en alles er tussen en die mix van verbindingsmiddelen dat was al complex verbindingsdienst dat was een gewikkelde puzzel wat wanneer in te zetten dat wordt complexer genomaten we kwetsbaar de woorden ingeet en het legde van een spectrum en het wordt nog ingewikkelder als we dan ook nog moeten gaan denken wanneer we wel of niet bepaalde data pakette willen versturen en dat is de puzzel die we nu proberen te leggen hier zodat we daarna toe kunnen gaan werken in de toekomst dat we ieder geval zorgen dat we op verschillende niveau in organisatie de data blijven synchroniseren waar die relevant is dus ik zorg dat de juiste data juist tijdens de persoon of dat de juiste wapen komt ja dat is een hele ingewikkelde puzzel maar dat is natuurlijk een breed vraag stuk dat het überhaupt het vraag stuken als je dan en ik ga er eigenlijk heel simpel van uit dat het het ae of de toel die je dan wil gebruiken waar hij dan in zit of wat ook die ik doe mee in deze discussie want dit is natuurlijk gewoon de brede discussie wanneer wil je zichbaar zijn en wanneer kan het absoluut niet en dus kun je wel of niet gebruik maken van en dan nog even naar de vraag stellen of je dan wil zo ook iets zeggen oh just to make het een beetje een beetje complex aan de leer en dan was er niet heel erg just just to add the the role of say for instance how we're thinking about the commander en en weather soldiers then have to be able to do the same process with the a i in without it's not also then just whether the tool is available or not but we've we've been discussing a lot about the role of the commander in choosing whether they want to take the an AI tool with them or not based of their understanding of the capabilities of the unit that they're commanding so there is also the possibility that a commander can say although a tool exists in this context i'm not comfortable using the tool i actually want to go back to to the previous way of doing it without the tool and so you have that complexity built in and what that means for how we train our soldiers in order to be able to do the same thing AI supported and not is is I know that the conversations always we can reduce the cognitive load of the soldiers sometimes I wonder whether that in all circumstances we will be reducing the cognitive load or we're asking soldiers to truly be flexible and adapt and be able to adapt how they do the process even further than they have to do it now because we know that they adapt processes now we're adding an extra extent of adaptability that we require from them and these are the things that again we need experimentation a lot of experimentation to see how the interaction with the humans is and that adds on top of just the technical challenges of the tool yeah i think it's very important because it is just what you're going to see in the in the in the groe or in the overhang to the use of such a tool when you want to trust yourself when you want to trust yourself but of course you're going to see that our tools will always be better and will always be slim and will always be the right conclusion and at first it will be more trust because it itself does what I myself thought of and at first it will maybe be a little bit more because it goes through and you stop with thoughts because that is not more fun how long it takes to keep the distance so far what you have been told that also a discussion where the solution is not yet available but it is that through the use of AI your own competition is going to be done that is best of the research done there is last last but much less fun thing done that it is in the bottom line the case I want to say this is that is a example there are also research done about an electric house so by looking around to let me look at AI all the visitors on the tracks and that there actually the round holes are getting worse because they do not have the experience to do that themselves I think there are too many trust 20% drop in their skills rate so just so you can imagine what the implications of that number is and that is very important when our tools are so well-designed that they are prepared to take over what means that our own skills and what means that the tool is still working because it can not even be in the situation where we are you just have that because if you are better than I just need other skills then I don't know how I don't have this skills anymore I have to have myself school on other skills but the name in the data if it is not possible but I have schooled on other skills what is that that is the big one so in Bans we still have to be trained to be able to take out of it without all the IT members who are there we have to keep the notebook writing just that you can take over that but if it doesn't work then you still have the IT people who can write, write in the notebook that you have to write why do you have to write? that is actually what I want if all the tools have done that for you because the tool is still not the biggest
Dat zien we overal met alle IT en ook specifiek voor data stationa-ie-middelen. De rekenkracht, de hardweer, dat kost gewoon heel veel stroom. En stroom hebben we niet overal oneindig. En dat is gewoon een groot vraagstuk. Ja, dus dan blijft het misschien toch een beetje futuristisch. We hebben het ook op de HLEV, de refereren me vaak naar. Omdat je ooit de kans krijgt, is toch erg leuk opleiding. Hebben we het over de Hyper Warfare? Dat zegt jullie dat wat? De Hyper Warfare? Nee, dan is alles dus overgenomen door AI en technologie. En dan echt onende. Ja, het is heel koor. Om bij te veel chaufferen hoe dat het dan uit moet gaan zien. Maar dat is eigenlijk toch wel een enorme verf van je bed. Ik denk ik zo op dit moment zeker nog. Mag ik? Ja. En ik heb nog een hele mooie ingesvonden vraag. De laatst hoor. Wat als je een wap systeem of een manier van als de fancier, manier van familie te aoptreden, we hebben het gezien met de drones. De drones zijn ineens helemaal opkomst. En natuurlijk de tegeneraagstiet die je krijgt is counter drones. Als u het u hebt over AI, zijn we ook bezig met counter AI. We kunnen we iets doen. Komt de slijding of onbouweren? Ja, die vragen. Ja, ik denk dat we in de persistie van de feit dat het counter AI is. Maar ik denk dat dit ook een part van de standende educatie, of dat we de presentatie hebben als we het laten zien, als we het laten zien, als we het aiën om te zien. We willen het zien dat dat race niet alleen bij de strategie, bij de middelen, maar het is een race bij de middelen, bij de middelen in de field. Ik denk dat dit een goed example van voor instance, je kunt een speelge computer-vision gebruiken, dat is om te verwerken, de aeroplanes, dus ze moeten de aeroplanes tekenen. Dus dat het, als de drone over komt, het niet zien een aeroplane, omdat de aeroplanes niet die de aeroplanes die het leidt over zijn. En dat is zo, dus je moet niet tekenen. En dan moet je de uitschappen opgeven door collecting data, wat aeroplanes met tires op de deel van de deel van de deel van de deel van deel en dat het leren om te te tekenen. Maar een stuk verder was dat de white aeroplane, in de exacte auto-telling als de realeval was opgelaten, was het de deel van de tire van de deel van deel van deel. En dus je zorg dat er, en dan ze zouden er iets op dat white aeroplane, en het zou de register als een succesieve gebleven op een aeroplane. Dus als je een volledig automatie is doorgaan, dan weet je dat je niet echt succeslijk gebleven hebt, omdat je het nu op een gebleven gebleven hebt, als je een andere AI-system, een bedrijf dan de bal, het kan ook een succesje gebleven, omdat er een kreegd is, dat is een damaging dat white aeroplane. En dus je hebt die kinder in de counter AI, en de scarierste daar is dat je niet voor instance, als je niet bijna je patriek geeft, je kunt niet weten dat je een opgelaten heeft geleven, als je een AI-system, als je dat aeroplane opgeeft, dat iemand het geeft, we had een succesje geleven op dat aeroplane drie dagen aangekomen. Er is geen wens, ze repeten dat er snel mogelijk is, en dan je starten dat ze er volgen. Dus dat is dat being explored en we zien het. Dat is de kinderde dat je een gebleven gebleven is. Dat bevoudt dat het gebleven gebleven om de gegeven te vergeven, en de gegeven te vergeven om de gegeven te vergeven te vergeven, dus ik denk dat nu een idea dat het 3-5 dagen is, maar dit gegeven kan gebleven als een gegeven gegeven gegeven, als een gegeven gegeven gegeven gegeven, maar het is een gegeven gegeven gegeven. Organisator is wat dat dus naar gekeken, waar we deze kapiciteit in organisatie willen inbeden. Dat is een mini-waarbe medelope, ook te kunnen gaan oefenen, de kennis op de gaan bouwen, voor het geval van de moois echt nodig. Ja, slim. Ik vind het echt zo fantastisch. Mijn berein niet draad echt overtoeren, nu of over uren draaien, maar dit is natuurlijk gewoon counteraai, is dus eigenlijk gewoon misleding. Misleding onenende. En dit is misleding. Snapen hoe het systempje van het tegenstander werkt en proberen dat voor de gek te houden te foppen. Ja, met misinformatie, dat is een mooismedleding. Ja. Maar ook in de trainingstets, want dat is een van de redenen, Joe Gafel aan, om een model te trainen. Heb je data nodig? Daarvoor het vaak, nou, grote modellen, het trainen op het internet. Ons modellen, het trainen of specific data sets. Ja. Specific data sets van midiële materiaal of van boot. Nou, dat kan je allemaal deels kopen, deels is het beschikbaar op het internet, maar we weten nu ook al dat er poging gedaan worden door sommige landen, om die data sets die open beschikbaar zijn te vervuilen. Ja, precies. Dus dat je je model op de verkeerde data gaat trainen. Dus ook daar moeten we nu steeds voorzichtig gereing zijn van welke data sets kopen we of gebruiken, om een paar modellen te trainen voor bepaalde toepassingen en zijn die wel betrouwbaar die data sets. Ja. Dat is een waarde met loop ontstaan in ontwikkeld kan. Ja, precies. En kom ik toch weer bij die kansberekening, want je moet dus altijd rekening houden dat er een deel, misschien wel verveld is, of het de harde jaar in de neer waar we het eerder over hadden, wordt de eigenlijk steeds lastiger op deze manier, omdat het model zo gemaakt moet worden, dat die er vanuit moet gaan, dat ergens zo verpercenten misinformatie is of niet. Dit is toch een beetje de menselijk gereageerdheid, hè? Ja, dus wel leuk. De lopen ook een aantal onderzoeksprogrammers op wat lager, voor wassen, hij is niet vorm, en met onder andere TNO, waarin we gaan kijken naar hoe kunnen we toetsen of een model op dat moment, hoe zeker dat model dat het van zichzelf is, en hoe betrouwbaar de uitkomst is, op basis van al ongevingsfaktoren. Dus niet alleen de technische kan te data kan, toch voetel dat is beschikbaar, maar ook maar dat is in de wereldstandigheden. Is het personeel goed opgeleid om op met dat model te werken, dat het allemaal in een oogslag wordt genomen en dat daar ook een soort van stoplichten uitkomt, van ja, dit model is nu niet of minder bruikbaar. Ja. En dat kan dus ook hier op basis hiervan, dus dat zouden ze hermaken te kijken, hoe kan je nou constant ook voor de komendant hier, wat mij moet beslissen, een waarde oordeel geven aan de betrouwbaarheid van je model, niet alleen op basis van de accurate data van dat moment, maar ook op de achtergrond van de model, de kennis van de mensen. Ja. Ja. Ja. Ik voel dat ik op deze weer afgekomen heb, maar, again, het is een beetje beter de experimentatie met de A&A te geven de tools, omdat ook wat we nodig hebben is dat de instinkt dat ze voor andere aspects van de wereldstukken om te hebben dezelfde instinkt om te zien dat ze iets een beetje afgekomen zijn om te zeggen, 'O, wat is het gebeurd hier?' En ik denk dat het een navigatie is, maar als je het gaat, dan gaan ze hier te lopen, en je denkt, 'Mu, het is heel afgekomen.' En je weet niet hoe. En dan, ofzo, 'Oh, er moet een trap voor de jam erin zijn, maar je moet een beetje instinkt om te hebben, omdat het een dag van het dag niet doet, maar misschien is er een serieus afgekomen, en je hebt een soort familieariteit met een tool en instinkt voor het. En als we niet de experimentatie met de A&A te hebben, dan wonen ze niet dat instinkt om te hebben. Hoe deze tools zijn goed, en hoe ik weet dat het is goed is. En especially als je ziet dat de armraise is gebeurd bij de low level op de speed, het gaat er een instinkt om te overgekomen om te zeggen, 'Oh, ik denk dat het een razier niet is niet succesvol in deze actie is, omdat de AI-elger themvreidbaar bij de opon is, dus we moeten er snel over op de non-AI-based. En dat we niet doen, omdat we het een beetje beter experimentatie en vergelijker met de A&A in de field en doen counter AI on ourselves. Je triekt het maar, ik weet het wel een vraag. Maar je triekt het maar maar één ding, Jo, en dat is experimenteren. En de beweging die we nu ingetgangen zijn om eigenlijk juist niet te experimenteren, maar gewoon dingen in te voeren. Dus één van de dingen waar we afgelopen tijd waar achter zijn gekomen is dat we de manieren van capaciteit opbouwen in organisatie, zoveel hardweer software, dat zijn vrij langdradige processen of niemand uit te leggen die bij de fancy werkt. Waarbij de programma's van Eisen worden vastgesteld, dan gaan we dan en dan een programma manager naar counter een product uit, hopelijk op tijd en hopelijk die juist capaciteit vaak niet op tijd, vaak net een andere capaciteit dat je had verwacht. Dus dat was die tijd, hebben we niet meer om op die manier dit soort ontwikkelingen door te gaan. En we moeten door een transitie heen, waarbij we naar die data gedreven kunnen werken, moeten we die vier pijlen supporten hebben, dat is er een van. We betekent dat we best voor wat dingen moeten gaan aanpassen in onze IT-arstictuur en onze netwerken, wat ik net zei. En we hebben niet de tijd om dat in dat soort grote programma's daar gaan wegmanage, omdat de conflict op de loer ligt. En we zien dus dat we nu programma's opzetten zijn, alle de ventieonderelen doen dat om sneller en anders en van andere manier van werken deze capaciteit te ontwikkelen, bij de ene de inksbrins met marktpartijen, dat we gaan doen. We doen nu ook weer de landma's, maar dat dat opstarten. Maar dat is ook een van de kern gippen daarbij is. Dat wat we bij de ene ene ene ontwikkelen moeten bij de eneheid blijven. Dus als vandaag iets met een marktpartij bij de 3,4 te biegaden kunnen gaan ontwikkelen, moet het morgen kunnen gebruiken. Dat moeten insteek zijn om dit soort dingen te ontwikkelen en dan leren ze ook gelijk te meer werken. Ja, dan krijg je dat vertrouwen. En dan groe je ook het model, op wat dat ook steeds beter. Natuurlijk krijg je die input die nodig is. Ja, supergoed. Ja, ik wil nog heel veel dingen vragen, maar we zitten een beetje aan het einde van de tijd die we normaal gesproken klemen voor een botkast. Dus zijn er nog dingen. Waarvan jullie zeggen, dat is wel even belangrijk om dat nog te benoemen, waar we het nog niet over hebben had.
overgruns want we hebben echt wel heel veel kanten hebben al wel benoemd, maar je weet natuurlijk nooit. Als je niet weet, kun je vanaf? Ja, op als het hebben over stukje uitvoering, dan zijn wij van het land Data Science Center nu de centrale hub voor de landmacht als aansprek. Als het gaat om data science in AI ontwikkeling. Dus diverse ene heden die zijn al goed in contact met ons, maar die kunnen ook contact leggen met ons en dan proberen wij hun hoopvraag te toetsen aan onze technologie en om te kijken of we iets kunnen bouwen wat ze meteen kunnen graag gebruiken. Daarbij dat gezegd aan hebben de, zijn we ook nog op zoek naar militairen in de rang van Mallor, die ons willen helpen bij de brug slaan tussen de militairenorganisatie en of de militairen eenheden en de ontwikkelaars. Want daar zien we dat nog heel veel ruimte voor verbeteringszit. Ja, ik ga dat dan om Mallor die heel veel afnietijfte heeft met de vakgebied. Voor moet het dan ook Data Science zijn, Leverij? Nee, het is met name iemand die de organisatiekennis heeft. Het liefst ook het optreden van de brigades snapt, dus echt snapt hoe het militairen optreden gaat. En het stukje IT-afnietijt is wenselijk, maar alles op het gebied van Data Science in AI dat is gewoon aan te leren en dat kunnen we bij helpen. Nou, dat is een mooie uitnodiging. Dus zijn vast mensen die nu luisteren? Nou, twijf via wat je doet, dan weten Leroy te vinden en zo niet dan stuur ons een meeldje zetten we jullie door. Zo gaat dat. Ja, maar iedereen zit op een gegeven toch weer te wachten op een nieuwe functie. Dus ik denk dat dit zou toch iedereen binnen een G3 van de brigades moeten aan spreken. Er zit allemaal van die jonge luid. Ja, ik kan wel niet voorstellen dat je dan denkt van nou, nee, de laak aan me voorbij gaan is toch super interessant. Ja, denk ik ook, is het hele mooie kans. Ik zou het wel weten. Ik ben niet meer zo jong en gemior, maar anders had ik zeker in deze nieuwe wereld gestapt. Absoluut. Ja, wat ik me een meegeven slaat heel erg aan bij wat Leroy zegt. Dat is ook een keer een boodschap die wij als we ergens presentaties doen ook meegeven is. We weten dat we best wel wat experts in organisatie hebben die hier al mee bezig zijn en dat we ook capaciteit hebben om producten te ontwikkelen voor je. En als je dus hoop waar je weet dat landdeter science zijn, dat te vinden of het chief dathe officer of het led-warferscent of nou, er zijn best wel wat plekken waar capaciteit er kennen zit. Schrooom niet om daar een reach out te doen. Als je bij een bepaalde vraagstukken zit of je hebt ideeën over hoe jouw proces of jouw de mijn of jouw eenheid kan zou kunnen profiteren. Dat is één kant. Dus vertrouw een beetje op de experts en help ons ook om jullie te vinden. En het anders welkom meegeven wat ik zei. We zijn vanuit de landmacht in een geval nu want kijken naar hoe kunnen we de ontwikkelingen versnellen en op een andere manier bij de eenheid krijgen. Dat heet programma Morgan, dat wordt nu opgestart. En die ideeën is dat we daar wel alle lopen de initiatieven die er zijn om het gemied van dat zijn, zijn in je en ook verbindingen bij elkaar gaan brengen om in hele sneller sprins bij de eenheden capaciteit te echte gaan bouwen van morgen in plaats van voor over drie jaar. Dat programma dat staat in de kindersgroeien, maar als je het gevoel hebt dat je in een deel van de organisatie werkt wat daar in zou moeten zitten, wat versneld moeten worden, wat verbreed moet worden, stuur dan een meeldje naar jullie of naar mij, Karlo Westseling en dan kan ik jullie helpen om te kijken of er dat kunnen in te geven. Nou, heel goed. Nu snap ik ook wel om het morgen heet. Het is voor morgen. Het is voor morgen. Ja, heel mooi. Ik denk genoeg voor nu, misschien dat we in de toekomst nog een keer voor het programma Morgan terugkomen, allemaal rij. Of voor welke ontwikkelingen dan ook. Een stukje ervaring, wanneer we weer een stukje rijken zijn. We maken gewoon een podcast de baas van na i over dit onderwerp. Dus het is natuurlijk ook heel erg leuk, we daaruit komt. We gaan het zien. Maar ja, ontzettend bedankt het jullie met ons deze podcast hebben we willen maken. Dank je wel. Dank je wel. Ja, bedankt. Ik vind het toch wel mooi. Ja. Dat we eigenlijk omdat we van een trouwe luisteren haar complimenten. Ja, een milkregen over. Nou, ik heb iets gedaan met John Lille afleverier. Ja. Wat toch een ees in heel spannend iets werd. Dat we dan eigenlijk dan deze aflevering uitrood. Nou, ik denk niet aan je genereert. Dat er ook nog even bij zet. Dus ik kreeg me niet aan je genereert. Wij zijn het zelf. Wij zijn het zelf. Ik heb nog geen enkel gezegd mijn heem. Dat is het beweist. Dat is het beweist. Nee, alle gekheid op een stockje. Maar ja, was wel even complimenterend toen het moet je milkregen. Ja. Dacht ik. Ja. Het was eigenlijk beroeiant want hoe we regeren en hoe we doen dat was al verspeeld. Ja. Dus ik vond het heel een beetje eng. En wel heel bijzonder. Ik wist dat ik niet wat moed ik hierna mee. Ja. En toen vrouw dus nog het bericht aan het eind. Wat we kregen, wat we een beetje in de weergemeeld. En het eindelijk, nou dit is wat het systeem dan heeft verspeeld hoe jullie zouden reageren op de e-mail. Ja. En dat klopt ze gewoon voor een heel groot deel. Ja, dat was echt 90 procent. Was vergoed. Ja. Ja. Ja. Ja. En dan houdt hij dus dat is dan gewoon een hele uitgesreven aflevering waar die eigenlijk alles uithoudt wat wij wel een keer bespoken hebben. Ja. Ja, het is echt beroeiant. Ja. Het is echt heel bijzonder. Ja. Maar als we daar de slim en goed mee omwezen te gaan en ik denk dat daar in de daadstukje training en opleiding en ervaring als dat erbij komt kijken, dat is wel nodig. Maar als we daar slim mee omwezen te gaan dan is het echt. Nou, ik heb nog geen idee waar dit mij in gaat beperken, want alles is mogelijk. Alles is mogelijk. Maar goed. Wat natuurlijk ook als hij daar na een kwartiertje kom in de rachter dat hij natuurlijk eigenlijk niet zo slim is als dat je er maakt. Dus dat heeft tijd nodig, dat moet goede. Maar ik vond het echt super interessant en ik denk wel dat we hier nog wel een paar keer op terugkomen. Ja. Dan wel, in andere pottenhuis, dan dat we er nog een keer bij steel staan. Ja. Dit is een ontwikkeling, die gaat ons heel veel bieden, maar ook nog staat ook nog een beetje in de kinderschone in in in in de volgende tezen ongehoorigd. Dus ja, dat is nog genoeg om te vertellen en te doen. Nou, ik hoop dat jullie blijven hangen. Ja. Als je dat mooie lang aflevering hebt. Nee, maar ik complimenten ook. Komplimenten ook naar onze vaste vragen steller. Ja. Om me zo te zeggen, wat is dat? Goed het goede vragen. Ja, gezonde indruk, goede vragen. Mocht jij nou ook denken, he, maar ik heb ook een goede vragen en die heb je weer maar niet stelde, zei je lievergeten. Nou, dat willen we natuurlijk voorkomen. Dus stel je vragen en als je bij een pad onderwerp een pad vragen hebt of wat een ook, stel hem gerust, weet ons te vinden op
[email protected]. Dan wel laten brug je achter op vier Instagram ook allemaal prima en anders via allemaal rijdenlingten in natuurlijk. Daar kun je ons ook benaderen. Ik lieft gewoon een beetje mee op allemaal rijdenlingten in de koot. Ideaal. Ja, voor nu zou ik jullie zeggen, bedankt voor het luisteren en tot de volgende keer. Tot de volgende keer.
PodcastTranscript AI