Grok-3 daagt OpenAI uit + NYT omarmt AI + exclusief interview met Rick Lamers (Groq) | AI Report - AI Report

Spreker 1 Welkom bij ER Report de Nederlandse podcast over kunstmatige intelligentie waar we uitzoeken welke invloed AI heeft op ons werk, ons leven en de samenleving tegenover mijn wiet zagen en We gaan het hebben, Wietze over de New York Times. Die gaat ondanks hun rechtszaak tegen Open Air zelf AI tools inzetten op de redactie toch wel opvallend nieuws gaan we bespreken en Natuurlijk het grootste nieuws van deze week. Gok 3 van Elon Muskussen AI bedrijf XAI. Dat stormt nou ja, de chatbot lijsten binnen en het overtreft jeep het hier voor het overtreft claud dus dat staat nu op nummer één. Dat is toch wel een mooie record wat musk daar bereikt, maar tegelijkertijd reist Natuurlijk ook de vraag, kunnen we dat wel los zien? Van ja, zijn groeiende invloed? Op de wereld met AI, maar ook op andere manieren. Dat hoef ik vast allemaal niet helemaal uit te leggen. Kunnen we dat er wel los van zien en moeten we dan nou echt erg zorgen over maken? Volgens wietse wel, Als ik het zo inschat en het begint een beetje te lachen. Ja en Plus wietse die gaat Rick Lamers van gok met een q interviewen ja, dus Dat is die andere gok niet gok met een Kamer gok met eenq en dat gaat wel weer ook onder andere over gok. Met een. Spreker 2 K. Spreker 1 Yes, we dachten, we houden simpel. Ik ben Milou brand en deze aflevering even terug op het oude nest met de nieuwe naam AI Report. Veel plezier. Piet Alexander, die zit weet ik uit betrouwbare bron, want ik zag het op zijn insta in een ramen restaurant, op een piste op een Japans toilet met een verwarmde bril. Maar ik zit hier tegenover jou, dus ja, Ik weet niet wie er meer geluk heeft, Maar ik denk dat ik het ben. Spreker 3 Nou, Ik vind het vooral leuk dat. Spreker 1 Je er weer zit. Ik ben ook blij dat ik even even mag invallen. Het is Natuurlijk de Kindervakantie en Alexander schrijft schijnt kinderen te hebben, dus dan. Spreker 3 Zitten wij hier kinderloos op te? Spreker 1 Nemen. Ik ga voortaan al de kindervakanties blokken. Dan kan ik hier met jou zijn. Ik verheug me erop. Spreker 3 Heel Cute dat jij het kindervakanties noemt, is waar. Spreker 1 Ja, dat zijn het ook, Maar ik. Ik vertel me wel af te vragen, welke piste heeft nou een Japans ramen restaurant of zit die in Japan? Weet jij? Spreker 3 Dat nee, Ik heb geen idee. Ik ben nog niet aan het beschermen. Ik weet echt niet waar die zit. Spreker 1 God, wat zit hier onder de radar? Nou, jullie horen het vast allemaal later nog van hem. Laten we het nieuws gaan bespreken. Deze week en ja, aangezien ik hier toch slechts op bezoek ben. Even weer tussendoor voel ik als invaller de vrijheid wiens om jou te Laten openen en jij hebt iets leuks op YouTube gezien. Spreker 3 Ja, ik zag een video van verrotastium, zo hebben we het afgesproken, toch? Ja, kiraatasium. Spreker 1 Jij, jij doet nu zeiden, gaan we het Amerikaans doen of Nederlands en jij doet nu een soort merge daarvan. Dat mag van mij ook, Maar het is very tesium, denk ik. Of veritasium. Spreker 3 Die laatste, want dan weten Mensen met eens te moeten schrijven. Het is een YouTube kanaal wat ik al jaren volg en het voelt een beetje klik beet hij als in. Ik heb de video een tijdje overgeslagen in mijn YouTube tweet, want Ik heb Ik heb een feed met vooral abonnementen niet adviezen. Anders wordt de crack, dus ik krijg Alleen maar een lijst met Iedereen waarop geabonneerd ben en daar is realtime er één van. En, die heeft een video gemaakt eigenlijk waarin die een stukje geschiedenis soort mini documentaire doet over AI. En dat gaat over deepmind. Dennis assabis die nu bij Deepmind en Google zit en Het gaat in zijn voorbeeld eigenlijk over proteen folding, dus over het kunnen vouwen en voorspellen van de vorm van proteïne. En eigenlijk vind ik deze video wil ik even tippen aan de luisteraar Omdat. Het is Als je even door de klik beter dus heen kijkt, want je scrolt er zo voorbij, heeft hij eigenlijk niet handig gedaan. Maar Als je hem gaat kijken, Het is echt een gedegen minidocumentaire. Over eigenlijk de historie en opkomst van AI dus eigenlijk voorspelmachines waar GPD een woorden voorspeller is, gaat het hier om proteïne voorspelling. Spreker 1 We hebben het er wel eens over gehad, alfenot. Spreker 3 Waarom en eigenlijk? Alphavolt komt er dus ook in langs en wat ik heel prettig vind aan de video is één OK, hoe kan dit dan toegepast worden? Buiten Tsjechië PT Achtige toepassingen, dat wordt ineens heel Helder. Het is best wel halsem, want Het is om eigenlijk Mensen beter te maken. Het is om medicijnen te ontwikkelen. Het is om nieuwe behandelmethodieken te ontwikkelen. Ja, Het is best wel moeilijk om een soort tegen die implementatie te zijn en Dat is denk ik tussen alle Doeling Bloom die ook langskomt in AI Report wekelijks van wat er allemaal mis kan gaan. Ik werd er wel een beetje. Ik dacht wel aan het einde van die video. Ja, inderdaad, jetje, wat gaat het allemaal hard, want Het is ook allemaal grafiek in van dingen die dus jarenlang niet lukken en dan ineens zo een zie even. Laagdiagram voor je van 1987 tot en met 2016, waarin eigenlijk geen resultaten geboekt worden en dan ineens zo ontploft dat ineens en is het ineens opgelost, zeg maar opgelost. Als in is er een doorbraak en dat past heel erg bij al die andere groeigrafieken die er nu zijn in die AI wereld. Waar wij vooral over taalmodellen praten zijn Dit is protoning, folding, modellen en ik dat filmpje. Ik heb het naar heel veel Mensen doorgestuurd en het liet me achter met een soort van ja, jeetje, wat is het hart gegaan? Maar Laten we ook even opletten van dat er echt wel doorbraken zijn en gaan komen die die echt wel moeilijker als negatief te bestempelen. Spreker 1 Zijn dus Als we die taalmodellen als Tsj BT en zo niet hadden gehad die onze nou die tekst voorspellen, hadden we ook geen Alpha volt gehad. Andere modellen, die. Spreker 3 Eiwitten ik zou zeggen, nee, ik zou zeggen de de onderliggende uitvindingen die tjj PT Mogelijk hebben gemaakt, zijn dezelfde uitvindingen als die zijn gedaan In de wereld van Alphafold, zeg maar. En Waarom deepmind, wat nu onderdeel is van Google en de gamma model, maakt echt al een hele tijd meedraait en dat deze technologie gewoon veel breder inzetbaar is dan enkel op sinterklaasgedichtje schrijven co pilot of ander soort toepassingen. Spreker 1 Hierin zie je ook wel dat Er zijn in deze tijd. Mensen maken zich zorgen over van alles waarschijnlijk ook met recht, maar ook over de vooruitgang en hebben we dat nou allemaal wel nodig die die technologische ontwikkelingen en wat was er mis met gewoon zelf een mail schrijven, maar uiteindelijk, ja, de vooruitgang laat zich gelukkig niet stoppen, maar je ziet ook op dit soort manieren dat het ook wel echt Natuurlijk heel belangrijk is. Want ja, we worden hier gewoon. We kunnen hier weer langer mee leven. Kun je ook weer zorgen over maken uiteindelijk of we de. Langer moeten bevolken, maar. Spreker 3 Nee dat. Spreker 1 Was een nieuwe produceren. Spreker 3 Die gaat lekker. Milou u. Spreker 1 Begon zo goed. Spreker 3 Dit ging zo goed. Nee, ik zat te denken, Waarom raakt dat videootje nou zo wat? Wat wat gebeurt er nou? En dat heeft er dan mee te maken dat die dat het beeld wat daarin naar voren komt, heel erg gaat over. Het gaat allemaal heel erg hard. Het is super breed inzetbaar, deze fundamentele technologie en We kunnen hier medicijnen mee maken. We kunnen hier Mensen mee genezen. We kunnen hier meer begrijpen over. Cel biologie proteïne en noem het allemaal maar op. Dat dat binnen ja een wereld waarin en jij ook op hele spannende manieren ingezet kan worden. Prettig is om een beetje een soort contragewicht te doen. Spreker 1 Dus Het is eigenlijk een mooie toepassing van AI op dit moment. De video heet ook de most useful thing AI has everdoen We gaan het kijken van veritasium, dus op YouTube staat het ja, Het is een lichtpuntje In de In de duister wereld van nee, hij lijkt soms een beetje duister, maar er gebeuren Natuurlijk ook goede dingen en Het is goed dat hij even. Aandacht voor is andere toepassing van AI. Wie het nu breed in ieder geval gaat toepassen, Dat is de New York Times. Zij gaan AI inzetten. Op de redactie dus een hulpmiddel worden en dat kun je opvallend vinden. Want nou, we weten ook de New York Times is verwikkeld in rechtszaken met open AI over het gebruik van artikelen van de New York Times op hun modellen. Spreker 3 Tekst van de New York Times. Spreker 1 Ja, maar ondertussen ja moet de NYT Natuurlijk ook mee in In de vaart der volkeren dus ja, ook gebruik gaan maken van of in ieder geval. Ze zien daar nu opeens wel dan de meerwaarde van dat ze dat wel toch kunnen gebruiken om de redactie te ondersteunen. Waar moet je dan aan denken? Wat gaat er veranderen? De redactie krijgt eigenlijk een heel arsenaal aan AI tools tot de beschikking dus denk aan het. Het gaat helpen bij het schrijven van pakkende koppen. Het gaat helpen met het bedenken van interviewvragen. Volgens mij ook met het Research doen, dus je hebt soms wel pagina lange onderzoeken. Nou ja, Ik weet uit eigen ervaring dat notebook en m heel goed kan helpen bij het. Ja, het doorploegen van die grote dingen om het beter te begrijpen. Een belangrijke details eruit halen of in ieder geval ook de details. Waar ik naar zoek, daar gaat het bij helpen en ze rollen een eigen AI tool uit met de naam ECHO. Dus ja, ze hebben ook nog. Spreker 3 3 maar is dat een interne tool? Spreker 1 Ja een eigen AI tool? Ja. Spreker 3 Ja, Ik ben wel benieuwd, want ik zat te denken. Is het niet gek dat ze aan de ene kant die rechtszaak voeren en aan de andere kant die tools introduceren? Maar ik denk niet dat dat per se een rechtszaak is tegen AI of tekst voorspellende modellen als in dat moet weg maar meer. Wij moeten gecompenseerd worden voor het feit dat het gebouwd is op ons intellectueel eigendom. Spreker 1 En als dat ander? Spreker 3 Principe. Die deal er helemaal is, dan zien ze op zich geen probleem met het inzetten van die tool. Wij zijn uiteindelijk een soort Manifesto geschreven dan ofzo. Of is het nu Helder binnen de organisatie waarvoor je het wel moet gebruiken? En waar niet, want Dat is de belangrijke vraag. Spreker 1 Altijd denk ik, voor zover het op mij overkomt, is dat nu dus Helder gemaakt, want dat dat nieuwe systeem wat ze zelf hebben ontwikkeld, ECHO dat gaat helpen bij het samenvatten van artikelen en van nieuwsbrieven. Dat kan journalisten ook weer helpen. Maar Er zijn ook duidelijke grenzen aan wat er. Ja waarvoor de AI gebruikt mag worden, dus. Het mag niet gebruikt worden voor het helemaal schrijven of ingrijpend herzien van artikelen en ze gaan geen afbeeldingen of video's Natuurlijk genereren, want dat dat past Natuurlijk een een journalistieke krant niet. En ja, vertrouwelijke bronnen. Die mogen ook niet ingevoerd worden In de AI systemen om Natuurlijk ook weer die bronnen te beschermen. Je weet anders ook maar nooit wat er op straat kan belanden. En de. Spreker 3 Belofte die ze dan aan ons doen als lezers. Kan kan ik ook inzien wat hun AI belofte is, of is dit vooral een interne memo? Dit is hoe we het gaan gebruiken. Spreker 1 Daar moeten we denk ik even het oog ophouden. Spreker 3 Want. Spreker 1 Ja, want uiteindelijk ja, je, je wil wel dat journalisten nog altijd de verantwoordelijkheid dragen voor wat wat er de wereld in wordt geslingerd. New York Times zegt ook wel, van altijd zal onze journalistiek worden geschreven en geredigeerd door onze experts, dus de journalisten zelf. Die blijven ook aansprakelijk. Het staat In de In de richtlijnen. Dus ja, die moeten ook ja aansprakelijk is niet het goede woord, maar die moet wel de de verantwoording af gaan leggen. Spreker 3 Ja, want jij jij schrijft zelf voor het financieel Dagblad. Spreker 1 Dus Ik ben columnist, dus ik ik schrijf daar ja journalistiek kun je dat niet echt noemen. Het is wel mijn Achtergrond. Spreker 3 Maar heb jij daar een soort regels opgelet gekregen is daar al een echo waar je op, want Ik ben gewoon even nieuwsgierig. Spreker 1 Nee, nou, Ik heb er nog niks over gehoord, Maar ik zit daar dus ook niet elke dag op de redactie werk vanuit Huis en Ik heb ook geen regels in hoeverre ik wel of niet Claude mag gebruiken en Maar ik kan daar heel transparant over zijn. Ik gebruik clad bijna altijd. Gewoon te brainstormen en ook om te kijken Als ik iets geschreven heb van hoe loopt stel technisch goed is het logisch? Volgt de ene alinea op de ander en dan geeft hij dan soms tips voor. En dan nou ja, dan feedback het niet verwerkt dan. Spreker 3 En notebook en gebruik je ook. Spreker 1 Ja zeker, dat doe ik vooral recreatief Als ik ga kijken. Bijvoorbeeld naar naar laatst was er een een onderzoek. Dat was eind oktober, toen heb ik het gebruikt. Er was een onderzoek. Althans het achtuurjournaal de NOS die opende met een onderzoek. Jaarlijks overlijden 1300 Nederlanders eerder door koken op gas, blijkt uit een groot onderzoek van de Spaanse universiteit. Nou groot onderzoek stond erbij gelinkt, dus toen dacht ik nou, laat ik dat eens bekijken, want daar kun je dan uiteindelijk echt. Kijk, Het is goed dat ze daar naar linken, zodat je inderdaad zelf kan gaan kijken. Maar Als je vervolgens ziet dat onderzoeken Zonder pagina's lang ja, wie gaat dat doorwerken? En ik vond het nogal een stellige kop, gewoon zeggen jaarlijks overlijden 1300 Nederlanders eerder door koken op gas. Hoe kun je dat zo direct aan elkaar linken? Dat lijkt me toch heel veel. Spreker 3 In nood boeken, Ik ga eens even kijken. Spreker 1 Ja ga ik even kijken van kun je dit zeggen op basis van. Van wat van dit specifieke artikel, want ja, zo wordt het wel genoemd. Dus het kan ook een handige handel worden voor Mensen zelf? Nee, ik koop niet op gas meer. Nee, Ik heb tegenwoordig elektriciteit. Nou, Ik vind het gewoon. Ik dacht, hé, Ik kan dit heel makkelijk checken, want het lijkt mij iets waar heel veel dingen mee spelen. Wil je ook weten wat hetantwoord was, want Ik heb hem nog even terug gezocht. Notebook Alleen zegt, Het is belangrijk om de stelligheid van de uitspraak over 1300 sterfgevallen te nuanceren en de lezer te informeren over de onzekerheden en beperkingen die aan de schatting verbonden zijn. En met nog dan een lijstje met tekortkomingen van het artikel. Op zich, je kan wel zeggen van, oh, wat erg, ze hebben het niet helemaal goed gedaan, Maar dat zie je Natuurlijk altijd als er een wetenschappelijk artikel In de populaire media komt dan. Spreker 3 Ja dan pakken ze er een paar zinnen uit die blazen ze op. Spreker 1 Ja, want Je moet een titel hebben, een kop en je kan dan niet zeggen van heel Misschien. En ondanks Er zijn wat beperkingen en blablabla nuance nuance dus dat snap ik ook wel weer als journalist, maar tegelijkertijd. Nou ja, Als je dus zelf denkt van dat vind ik wel heel stellig en. Laat ik zelf eens kijken of dat een beetje strookt met de inhoud van het onderzoek. Dat is notebook ellende wel een leuke tip. Spreker 3 Jazeker, en nu bij de New York Times gaan ze dit dit dus doen. Wat vind jij daar dan zelf van Als je dat hoort? Dat je denkt, ze geven zich over of daar gaat het einde van de New York Times of denken juist wat goed veel beter onderzoek nu. Spreker 1 Ik sta er een beetje ambivalent in, want het op een bepaalde manier hoort het journalistieke handwerk dat je echt zelf iets helemaal moet uitpluizen en doorgronden. Dat helpt wel echt bij het beter begrijpen. Van een ja van een hele. Situatie, weet je, je kan. Het is heel makkelijk om ook met zo'n notebook Alleen te gaan zitten. Cherry picken van wat hij er wel uit. Ja, dat Als je de opdracht geeft aan zijn notebook Alleen wat je wilt lezen dan dan lees je automatisch dus de andere dingen niet, dus de kans wordt wel groter dat je ook dingen gaat missen. Misschien Ik weet niet het heeft, er zit iets bij van. Uiteindelijk moet. Moet het er niet toe leiden dat we een soort van luie journalisten worden die te pas en te onpas denken. Van OAI laat ik het wel even doen, want ik, Ik weet niet zeker of gewoon of dat je dan de kwaliteit die je levert als journalist kan waarborgen. Dat is wel een beetje mijn zorg, Maar dat is op zich. Ja, dat ligt Misschien wel redelijk voor de hand ook wat denk jij? Spreker 3 Nou ja. Spreker 1 Als geen journalist, maar wij? Spreker 3 Zitten In de nu in een soort tussenfase en Ik weet niet hoelang die tussenfase gaat duren van. Als ik dan even het voorbeeld van een zelfreinde auto, neem dat nu, zou je Misschien nog zeggen, nou niet, Misschien nu zeg je nog joh, Als ik In de zelfrijdende auto ga zitten, vind ik best wel spannend en Misschien wil ik wel achter het stuur zitten. Zelfs dat ik toch nog kan ingrijpen. En in een zelfrijdende auto gaan zitten Zonder stuur vind ik al helemaal te spannend, hè? Maar er komt een dag. Ik weet niet hoe snel dat je zegt. Ik wil eigenlijk Alleen nog maar in een zelfrijdende auto zitten, want Ik vind het eigenlijk veel veiliger hè, want die hebben statistisch veel minder ongelukken en die kunnen niet moe worden of een slechte dag hebben en stiekem drinken. Noem maar op, dus je hebt de tussenfase van ik vertrouw het minder dan ik. Vertrouw het ongeveer evenveel en dan ik vertrouw het meer. Ik denk dat die vertrouw ik meer dan vrij snel volgt op die middelste. En, Dat is dan met journalistiek mogelijk ook dat je denkt, ja, ik lees liever een platform of uitgaven of medium dat AI augmented is. Dat hulp krijgt van AY tools, want dan gaat hij gaat dat onderzoek tenminste diep genoeg of breed genoeg, want één mens of een kleine groep Mensen helemaal niet kan. Dus Het is nog een beetje de vraag, nu is het Misschien een smetje op het geheel Als je aangeeft ik bewerken met EA en hou je het een beetje intern in een memootje naar het personeel, maar Misschien wordt het op een gegeven moment wel iets waar je trots op bent. En dat je zegt, Wij zijn een krant die hele geavanceerde EA inzet om te zorgen dat onze journalistieke waarheid onze kwaliteit nog hoger is, dus dat. Spreker 1 Ja, ik moet ik moet denken aan dat Little Britain. Die heeft zo'n sketch met computer says no, dus straks wordt het AIS no of ja, dat argument wordt van ja, Maar het is waar, want AI heeft het gezegd. Spreker 3 Precies want nou, ik merk dat nu merk je nu al wel bij studenten. Zeker jonge studenten die net beginnen aan een opleiding. Dat hij dan met voorbeelden komen Als het om programmeren gaat, maar ook om teksten, reflectieverslagen en dan tegen docenten zeggen, dit weet ik uit eerste hand van ja, maar en jij zegt het hè, als in alsof dat een soort gewicht heeft, zal ja goed, Ik weet een beetje hoe die systemen werken. Dat heeft voor mij niet per se zoveel gewicht nu, maar er komt voor mij ook wel een dag waar ik op ga zeggen, ja, dat dat heeft gewicht. Nu is het nog gevaarlijk. Nu voelt het nog een beetje als Wikipedia. Aanhouden als referentie, zeg maar. Maar ja, Als het op een gegeven moment wel diep Research is die dagelijks het document update ook, hè? Dus het onderzoek wordt ieder uur geupdate met de nieuwste bronnen en het nieuwste wetenschappelijk onderzoek. Ja, daar kan volgens mij een menselijke journalist of onderzoeker moeilijk tegenop. Spreker 1 Ja en in die zin kan dat Natuurlijk een goede aanvulling zijn. Ik denk dat we nu nog op tussen punt één en twee zitten van wat jij noemt van de argwaan tussen het kan evenveel tussen het kan meer. Spreker 3 Nou een terechte argwaan zou ik zeggen, want die systemen zijn nog niet zo gaaf. Spreker 1 Is ook de generationeelste argwaan verschilt een beetje. Spreker 3 Jonge Mensen hebben teveel vertrouwde ja, vertrouwen en de wat oudere Mensen te weinig. Spreker 1 Maar gemiddeld vinden we allemaal. Spreker 3 Hetzelfde? Let op. Spreker 1 Dat scheelt dan weer nou het belangrijkste nieuws dan van ja, deze week gok 3 van Elon Musk. Ik zei jij, dat komt binnen In de hitlijsten van. Spreker 3 Welke hitlijsten? Spreker 1 Chatbot hitlijsten. Spreker 3 Ela Marina is dat? Spreker 1 Waarschijnlijk ja ja ja klopt chatbot arena. Ja, het staat op nummer één, want ja, de prestaties van een model die zouden heel echt indrukwekkend zijn. Het overtreft jamiliteit twee pro Claude 3.5 sonnet en GPT Four o op belangrijke benchmarks. Dat is op zich best bijzonder voor een bedrijf wat pas twee jaar oud is en Wij hebben het er van tevoren even over gehad. Hoe kunnen we het hier nou op de beste manier over hebben? Dan mogen we de luisteraars gerust weten, want. Ja vooral jij vindt het een beetje ingewikkeld om het zo hier te doen. Spreker 3 Ja ik merk dat een soort jolig praten over grot 3 gezien de situatie In de wereld op dit moment waar Elon musk een enorme vinger In de pap heeft. Niet kloppen of zo Als we daar overheen springen. Ik vind ook niet kloppen om het dan maar niet over grot 3 te gaan hebben. Want Elon Musk is een onprettig persoon. Ik denk dat we dat juist over grok 3 moeten hebben gezien de wereldsituatie. Wat een aantal dingen die we nu in die we nu zien is. Die scaling hij past is dus het idee dat Als je er meer computerkracht tegenaan gooit, Zonder dat je nieuwe uitvindingen doet fundamenteel theoretisch over hoe jouw taalmodellen zouden moeten werken. Die scaling heeft pas Het is hij panthe CS die houdt tot nu toe als in Er is geschaald. Er is meer computerkracht tegenaan gegooid en dat heeft een model opgeleverd dat iets beter presteert dan de topmodellen. Spreker 1 Dat dat de vraag was ook Dat is op zich ligt dat het best voor de hand, toch? Spreker 3 Nou ja, zou je zeggen maar? Het kan, het kan echt wel zo zijn. Ik al dat soort paradigma's van hoe je kunstmatige intelligentie bouwt. Die liep op een gegeven moment tegen een plafond aan ergens waarin je er wel. Je hebt het bijvoorbeeld ook in in software ontwikkeling. Je kunt zeggen, ja, een project duurt Als ik er één software ontwikkelaar op zet, duurt het 10 maanden duurt het dan één maand Als ik er 10 softwareontwikkelaars op zet. Nou ja, intuïtief zou je voel je al nee. Sterker nog, soms duurt het bij 20 softwareontwikkelaars op dat project duurt het nog langer dan die 10 maanden, want ze moeten ook allemaal nog met elkaar overleggen. Spreker 1 En mailen. Spreker 3 Nou ja, hè? Dus er komt een stuk overhead bij en op die manier kan je je ook afvragen of steeds meer GP US tegen het probleem aangooien, hè? Dus schalen op Hardware niveau. Op een gegeven moment is data op. Dan moet je synthetische data gaan maken. Op een gegeven moment is Energy op nou, Er zijn allemaal redenen Waarom. Het echt niet zomaar, zo is dat die modellen maar door blijven schalen naarmate je ze meer rekenkracht geeft maar. Wat nu gok 3 in ieder geval laat zien is dat de rek er nog niet uit is. Ik moet ook zeggen Toen ik die benchmarks aan het bekijken was. Ze hebben best wel lopen. Cherry picken hoor bij XAY, want ze hebben wel de benchmarks ertussenuit getrokken waar ze het best waar ze het meest op winnen, zeg maar. Wiskunde als in logica. En, kijk, als jij denkt? En, Er zijn best wel wat Mensen die dat denken dat het universum een soort wiskundig iets is, hè, dus dat het hele universum waar wij in leven een uiting is van fundamentele wiskunde, want dat kan je noemen dat we In de matrix leven, of dat dat het universum een computer is, of dat kan je allemaal dingen. Spreker 1 Alles is een functie. Spreker 3 Ja alles heeft 1 is 1 causaal verband tussen nodes In de in het universum en uiteindelijk zou je in theorie het hele universum na moeten kunnen bouwen in een simulatie. Als je dat dan gelooft? Dan is op zich In de AI wereld. En in je taalmodellen of omni modellen wereld, want Het is meer dan Alleen maar taal veel zoveel mogelijk trainen op die wiskunde een logische, want alle andere dingen volgen daar dan vanzelf uit, hè? Als als Als het, Als het onder Als de onderste laag wiskunde is, dan moet je gaan trainen op de onderste laag. Dan volgen de lagen naar boven in die spekkoek die volgen dan vanzelf. Nou, Dat is, Dat is een flinke aanname, want als blijkt dat wiskunde ook maar een laagje op iets anders is, dan lukt dat dus niet. Dan heb je altijd een soort van. Ja, hoe zeg je dat? Matige representatie maar goed, al met al bij x en jij, want hun missie is ook volgens mij. Alle moeilijke vragen van het universum beantwoorden Ofzo, hè? Elon Musk heeft er een handje van om zijn bedrijven best wel grote missies te geven. We gaan Space X, We gaan op Mars wonen. Spreker 1 Maar goed, maar Dit is ook de missie van Mensen die sterrenkunde studeren of daarop promoveren. Of Het is een heel erg intrinsiek menselijke behoefte om de wereld om zich heen echt tot in een diepste. Spreker 3 Te begrijpen. Wetenschap kunnen zijn, hè? Dat je zegt, We willen de wereld beter begrijpen waardoor we de wereld beter kunnen vormen, waardoor we waardoor we In de wereld dingen kunnen maken die Misschien minder pijn doen voor Mensen of mooier zijn en noem maar op. Nou. De maar is is dat je uiteindelijk vanuit XEY nu een model gecreëerd wordt waar zij zeggen, Wij zijn succesvol met ons model, want er komt steeds mooiere snellere wiskunde uit steeds complexere wiskunde, want maar zijn al die al die verschillende laboratoria naar op zoek hoe ze hun missie ook op papier hebben gezet. Wij willen. Voorbij de mens. Wij willen uiteindelijk dat er nieuwe. Wiskundige modellen en ja, wetenschappelijke doorbraken komen. We willen dat de Nobel de volgende Nobelprijs en en enzovoort gewonnen wordt door één van onze modellen. En ja, dat Dat is nu. Een lang verhaal kort, want ik dwaal weer af wat ik interessant vond. Nu gok 3 uitkwam. Ik ga dan meteen naar die benchmarks toe Omdat Ik wil kijken. Nu hebben zij dus een datacenter vol met hardware die gooien ze er tegenaan. Wat gebeurt er dan nou? Wat blijkt? Het wordt nog steeds slimmer beter hoe je het wil noemen. Het scoort beter op benchmarks, Dat is eigenlijk het enige wat We kunnen zeggen en dat vind ik wel nieuws als in OK dat betekent dus dat openen jij. En Tropic Mistral, deep ziek. Die ook allemaal door aan het gaan zijn en met het doorschalen en met het uitvinden van nieuwe trucjes. We zijn er, We zijn er nog niet. En Misschien was dat voor luisteraars sowieso van ja, maar dit EID ging toch sowieso Alleen maar gaver en sneller worden dat dat weten we niet. Kan zomaar dat je toch tegen een plafond aanloopt ergens, Maar dat plafond lijkt nog niet in zicht. Spreker 1 Zolang we maar meer rekenkracht inzetten. Ik snap het. En wat betekent het nou praktisch voor mij? Behalve de geopolitieke praktijk, bedoel ik dan gewoon, hoe kan ik gok? Stel dat ik dat? Spreker 3 Gaan doen. Ik mag graag niks doen. Nee, dat mag echt. Spreker 1 Niet ga niks doen, maar kan kunnen Mensen het gebruiken. Spreker 3 Nou ja in de EU niet. Ik moet zeggen dat op de website van Groc met een k.com. Daar staat best wel een OK berichtje, want ik, Ik had zoiets. Oh ja, dit gaan ze Natuurlijk cynisch framen, hè? Van beste inwoner van de EU door jouw bureaucratische blabla die Alleen maar plastic dopjes kan verwijderen van colaflesjes, dat hadden ze. Ik was me niet, zou me niet verbaasd hebben. Als dit er stond. Spreker 1 Pieten brengen ze niet op ideeën dan? Spreker 3 Nee, er stond, er staat zoiets van joh, We zijn heel erg ons best aan het doen om te kunnen voldoen aan de voorwaarden wat betreft data opslag en privacy die voor jullie geldt in de EU. Toen dacht ik, Het is een prima bericht, daar ben ik het mee eens, dan duwt het maar wat langer. Maar ja, Er zijn uiteraard andere manieren hoe je alsnog met dit model kan praten. Maar de Mensen die dat willen die weten dat wel en zo niet, ja, kijk even naar een VPN of. Die arena waar jij het over had? Spreker 1 Ook in op in x ofzo of? Spreker 3 Zit het eigenlijk in X als XEY, zeg maar daarin dan daar zit grok in, Maar het wordt ook. Het wordt nu ook een op zichzelf staande iets, dus de grot app en de groc zijt zoals je die kent van Chatbt en cloud, zodat hij mee kan komen in dat rijtje. We hebben hem dus ook losgetrokken uit de X app, al zijn de abonnementen wel weer aan elkaar gekoppeld, maar goed. Spreker 1 OK, ik vond hem even iets heel iets anders, maar toch een vraag van mij. Hij geeft altijd zijn auto's. Dat moet uiteindelijk zeg het Model S en het model e, een Model X dat moet dan seks worden en. Hij geeft altijd best wel gewoon. Spreker 3 Ja die ECON niet door Fox trouwens dus Dat is 1 3 geweest, maar. Spreker 1 Ja oh ja precies. Dat moest andersom. Waar slaat groc op. Spreker 3 Ja grock is het een soort van fundamenteel begrijpen van iets van de Rocket, dus jij zeg maar. Ja ik ik ik op een op een. Het is een soort zwaardere manier van zeggen, ik begrijp het. Spreker 1 Nou weet ik dat ook weer. Ik begrijp het. Spreker 3 Ja jij gokt het. Spreker 1 Straks wiet heb jij een interview met Rick Lamers van een andere groc, namelijk groc met een. Q zij zijn dus niet gerckt met een k wat gok met eenq doet is. Ja, ze maken eigenlijk specifieke hardware, dus computerchips specifiek voor AI. Als ik het goed heb begrepen. Dat is een soort nvidia, maar dan net even anders. Jij gaat hem interviewen, waar ga je het over hebben, Wietze? Spreker 3 Uiteraard ook over grot met een k om dat lekker verwarrend te houden. Maar ook over nog veel meer dingen die die specifiek rick weten en ik niet. Spreker 1 OK dat straks eerst nog even een bericht van onze trotse hoofdsponsor dept en daarvoor hebben wij Marjan en Lucas ingeschakeld, die even komen vertellen over wat AI voor non profit kan betekenen. Dus ja, AI voor het goede doel. Spreker 4 Hai Ik ben Marian van marketing en techbureau Tept elke week praat ik met mijn collega Lucas over hoe wij merken helpen In de wondere wereld van Ayi deze week AI for koods, want filmoprofits hebben beperkte middelen genoeg mogelijkheden voor AI dus om hun impact te vergroten. Dat zagen we ook deze week bij de lancering van Science, wat we Samen met nvidia An Emerican Society for Theft Chillen ontwikkelden. Lucas, Waarom is het zo'n belangrijk project? Spreker 5 Ja wereldwijd en in meer dan miljoen Mensen die doof of slechthorend zijn en voor hen is gebarentaal essentieel om te kunnen communiceren met de wereld om hun heen. Helaas heeft niet Iedereen toegang tot onderwijs die nodig is om zichzelf de taal eigen te maken. Spreker 4 Hoe werkt het precies? Spreker 5 Voor een gebruiker heel eenvoudig. Je gaat naar de website van Science, start je camera op en kan meteen aan de slag met het model. Het model doet een gebaar voor en vervolgens als gebruiker doe je dat na het model laat je dan meteen weten of je het wel of niet goed hebt gedaan. Het is een zelflerend model, dus een model leert ook weer van iedere interactie die die heeft met een gebruiker wat ook betekent als jij een taal al spreekt die ook het model kan trainen die taal te gaan spreken, want Het is goed om te weten dat gebarentaal niet universeel is. Er zijn verschillen tussen verschillende markten en culturen. Het model werkt echt als een leraar, dus het past zich aan aan het niveau van de gebruiker, dus op die manier leer je Samen die taal steeds beter spreken. Spreker 4 Quote Dat is best wel impressive. Spreker 5 Ja, Ik denk dat we met echt een groot verschil kunnen maken, hè? Veel voorbeelden die we nu zien zijn heel erg marketing of aan de Digital. Links kant, maar Science laat zien dat je echt hele grote fundamentele veranderingen kan maken Als je goed eet in te zetten. Spreker 4 Nou dank Lucas niet afwachten, maar doen dus, want wie vandaag begint, loopt straks voorop. Ga naar dept AC dot Com Slash AI Report. Als je meer wil weten tot volgende week. Spreker 1 En dan nog even dit op donderdag 13 maart begrijp ik wietsen, ga jij en Alexander wat leuks doen tijdens lunchtijd van 12 tot één? Is het eerste webinar van AI Report. Jullie gaan vragen van luisteraars beantwoorden, hè? Begrijp. Spreker 3 Ik van leden van de nieuwsbrief die daarvoor betalen. Ja, voor de nieuwsbrief. Het blijft belangrijk om te te. Spreker 1 Zeggen en waar mogen die vragen eigenlijk over gaan? Spreker 3 Wat mij betreft alles wat relateert aan deze show en aan de nieuwsbrief zelf. Spreker 1 Een praktisch tot geopolitiek alles. Spreker 3 Ja, ja geopolitiek heb Ik heb ik eigenlijk te weinig verstand van. Ik denk dat de de luisteraars en de lezers van de nieuwsbrief. Redelijk kunnen inschatten waar Alexander en waar ikantwoord op zouden kunnen geven. Ja, Als je ons complexe vraag gaat stellen over kernfusie of de situatie van China, dan dan hebben wij het waarschijnlijk wel even moeilijk. Spreker 1 Ja, Ik denk dat luisteraars en betalers van de nieuwsbrief wel snappen waar jouw kracht zit en dat zit hem toch ook heel erg in het technische vlak, maar ook in het filosofische vind ik toch wiets. Maar goed, in ieder geval kun je al je prangende vragen aan Wiets en Alexander stellen over AI en die kun je van tevoren ook al. Insturen daarover vind je meer op AI Report punt, e mail, slash webinar en ik begrijp ook wel dat er flink wat vragen zijn ingestuurd. Ja, heb je al een paar gelezen of er nog goede vragen bij OKOK, want ik las iemand eens benieuwd naar een serie prompt waarbij de ene prompt de output van een andere. Spreker 3 Ja, daar heb ik het ooit over gehad, dus Waarom willen Mensen weten hoe? Spreker 1 Oppakt en dat weer beter maakt en hoe dat zelf in elkaar gezet kan worden. Dus Dat is best wel een praktische vraag en Er is ook iemand benieuwd naar hoe Deep Research Nou echt in elkaar steekt? Hoe het te werk gaat in onderzoek? Ja, handig om te weten lijkt me wel voordat je er € 200 per maand aan uitgeeft. Dus Het is ook nog goed voor je eigen portemonnee om daar het webinar even even aan te sluiten. Goed, donderdag 13 maart is om 12 tot één dat en veel meer. Spreker 3 Milou zei het al Ik ben met reclamers gaan zitten van gogh met een Q om met hem te praten over grot met een k en daarnaast over nog 20 andere onderwerpen gerelateerd aan AI. Het is best wel een lang interview geworden. Het gaat best wel wat kanten op, maar er zit echt heel veel interessants in. Ik denk dat je het Misschien een beetje heftig vindt. Soms dat je me even pauze en Misschien vindt je het een beetje lang, zet je hem gewoon uit. Maar al met al een heel interessant gesprek met reclamers van Groc. Heel veel plezier. Rick, voordat we beginnen heel even grock 3 wat is jouw take op dit nieuwe model? Spreker 2 Ja 3 is de laatste hydratatie van XAY is. Ook ja zou kunnen zeggen nu wel echt een bonafide frontierlab is gewoon een een. Een een serieuze poging om de beste. Het beste AI model te ter wereld te maken, zeg maar, zo spreken ze ook die ambitie uit. En gok 3 is net uitgekomen. Ik heb begrepen dat het pre trainen van het model dat ze gedemonstreerd hebben in hun in hun soort van release aankondiging dat die klaar was met trainen op 31 januari dit jaar, dus die is echt vers van de pers zou je kunnen zeggen. En wat ze daarmee Laten zien, is eigenlijk dat ze hetzelfde niveau hebben bereikt Als de beste modellen van open AI. Niet helemaal Omdat open I heeft. Als ik naar het open AI dat? Spreker 3 Ik dacht eigenlijk rick, wat nou ja, ja, nummer is. Spreker 2 Nederlands, ik vraag dus. Ze Laten daarmee zien dat ze concurrerend zijn met open AI is beste modellen die ze publiekelijk hebben Laten zien, dus open I heeft het ook over het o 3 model dat ze hebben. Dat gebruiken ze Alleen intern voor voor hun benchmarks. Fun fact o 3 wordt blijkbaar gebruikt voor een feature in chat die petty dat heet Deep Research. Daarmee kan je een kan je chatboty heel lang Laten onderzoeken. Voor een bepaalde onderzoeksvraag en die komt dan uiteindelijk terug met een soort geschreven rapport. Blijkbaar is dat de volledige o 3. Maar die kun je dus niet direct nog gebruiken en croc 3 is dus een model dat lijkt even goed te zijn Als de allerbeste modellen die dus beschikbaar zijn. En dan vergelijken ze het bijvoorbeeld met o one. Het volledige o one model van Open Air en met o 3 mini. En en dat ja, Dat is op zich wel interessant, Omdat het een hele korte tijd is gedaan en kort. Dan heb je het dus over iets van 1,5 jaar dat dat team zeg maar echt begonnen is. Met actief proberen het best model te bouwen en dan nu bij is met de leider In de markt Open Air I. En in zekere zin zijn ze best wel standaard hetzelfde, want ze hebben ook gewoon twee versies eigenlijk 4. Ze hebben een redening and the non reasinning variant en dan 1 grote en een kleine en het grote reasing model. Dat is dus het beste model en het kleine niet resing model is het het slechtste model in termen van kwaliteit vanantwoorden op allerlei verschillende benchmarks? En Ik denk dat vooral die snelheid was een soort van nieuwswaardig. Mensen wisten niet vergazen nou het echt voor elkaar krijgen om een model. Snel af te hebben dat repliceert Als het ware wat de beste speler In de markt doet. En dat hebben ze gedemonstreerd en daar is ook best wel unanieme consensus over dat. Het is nu gewoon ex CI en Open Air I zijn gewoon soort van adparity zijn gewoon even goed en Dat is Natuurlijk ook wel interessant gegeven de context. Want Elon Musk was betrokken bij openaar. Eerder is uiteindelijk weggegaan en openaar is meer separaat gegaan en daar zijn dan ook later rechtszaken en zeker etcetera overgekomen. Maar je ziet dus nu dat er dus twee losse bedrijven zijn. XAI heeft heel veel Mensen aangenomen, is heel erg snel gegroeid, heeft allemaal goed Research en a italent aangetrokken en is dus nu een volwaardige concurrent van Open Air I op het gebied van ja. Dit soort taalmodellen en zo. Spreker 3 Een snelheid kunnen bijkomen dat ze deze snelheid een soort van gaan houden. Nu, hè, dus Dat was. Spreker 2 Het is Natuurlijk interessant, want je zou het kunnen hebben over die sloop, hè? Dat is interessant. Ze hebben veel, veel steile sloop dan openen jij. En en aan de ene kant zou je kunnen zeggen. Dat is indicatief voor dat zij ook sneller zullen blijven en dat ze die sloop gaan gebruiken om openheid te overtreffen. Aan de andere kant is Natuurlijk ook wel makkelijk om te repliceren wat men al heeft uitgevonden, want ze kunnen wel gewoon afkijken wat ze hebben gerepliceerd. Ze hebben niet per se heel iets anders gedaan. Ze hebben eigenlijk gewoon gekopieerd wat Open Air al deed en daarvoor hebben we Natuurlijk een eigen pre training data moeten samenstellen en hebben ze bepaalde trainingtechnieken moeten oplossen wat wat interessant was. Dus dat ze het in die aankondiging hebben gehad over dat ze heel veel moeite hebben gehad om een training run stabiel te krijgen op de schaal van 100.000 gp US, dus ze hadden eerst net voor elkaar gekregen om 8000 GP u's tegelijk te gebruiken voor een training run en heel veel van de werkzaamheden en vertraging om bij te te komen had te maken met. Hoe maak je nou een training run stabiel en en werkend op 100.000 GP US? Omdat er Als je op zulk grote getallen zit. Krijg je allemaal uitval problemen allemaal hardware defecten die heel zelden voorkomen, maar op die schaal wel wel vaak genoeg dat ze lastig worden. En dat moesten ze oplossen. Daar hadden ze het zoveel over, vond ik interessant in die in die livestream, Omdat dat dus blijkbaar echt een van de grootste uitdagingen is. En dan zie je dus ook van, wat is nou eigenlijk de de de de mussel die die organisaties moeten ontwikkelen? Dat gaat dus niet zozeer om de architectuur, want weet Iedereen Dat is transformer, Het gaat ook niet over. Posttraining Dat is reasining. Dan zet je een reasing functie op en dan doe je reinforced learning. En en Het gaat dus eigenlijk meer om. Hoe zorg je daar eigenlijk voor dat je de system engineering van die schaal een datacenter op die schaal die gekoeld moet worden? Ze hadden het over de Energy Spikes die geproduceerd worden als als een soort concert in één keer al de jeeps tegelijk hard gaan en dan weer niet en dan weer aan hoe vang je die stroomklappen op in een net vers aangelegde datacenter in een oude fabriek en en dus gaat het eigenlijk veel meer over die die die die problemen. En juist Als je dat perspectief benadrukt. Is het interessant om de vraag te stellen, wat is nou eigenlijk de bottleneck naar het kunnen inhalen van Open Air? Hoe kan bijvoorbeeld XCY beter en modellen nog bouwen dan Open Air? En dan denk ik dat je dat Je kunt zeggen, Nou Elon heeft wel trackrecord Als het gaat om dat soort echte soort van physics problemen, stroom, installatie, koeling dat mobiliseren. Spreker 3 Als je autofabrieken kan bouwen, kan je ook daar. Spreker 2 Als jij een kikker Factory kan neerzetten op die schaal en snelheid in in China, in in Amerika en daar daar met met, zeg maar. Die zegt, Oh, We gaan twee keer zo groot en het dan ook echt doen. Een jaar later. Dan zie je dat als dat de skill is die nodig is en belangrijk is voor het opschalen van AI en nog betere modellen maken dan ja, heb je wel geduchte concurrent te pakken, dus Dat is wel iets waarvan Ik denk dat dat daar zou je op moeten focussen Als je wil begrijpen van wie gaat er nou wennen in die race? Spreker 3 En dan, We zijn nu heel snel er even ingesprongen. Ik kondigde het net al aan gok met eenq met een k kan je ons nog heel even helpen. Wat het verschil is tussen die twee. Spreker 2 Ja, dus die twee namen lijken heel erg op elkaar. Het refereert allebei naar het concept van growking to groog en het bedrijf grog met een Q. Dat is een bedrijf waar ik dan voor werk en dat dat maakt eigen processoren om AI modellen te draaien. En Er is ook gok met een k en dus ja, Dat is verwacht. Wij hadden de naam eerst. Zij kwamen daarna en Elon die die die wil zelf kiezen hoe die dingen noemt. Dus maar voor de luisteraars, dus ik werk bij Grocmed Croque. Met eenq maakt processoren croc met een k is een AI model. Spreker 3 En zijn jullie dan direct de concurrent van Nvidia? Spreker 2 In een zekere zin? Ja. En in een andere manier niet een video doet veel meer, dus Wij zijn eigenlijk heel specifiek bezig met één soort AI workload, zoals ze dat noemen in computerwereld. En Dat is inference, dus Dat is Als je een model gaat gebruiken in een praktijk. Je bent niet meer het model aan het bouwen, je bent model niet meer aan het trainen, maar je bent een model aan het gebruiken dat noemen ze dan infund, want dan draaien. Allemaal verschillende verzoekjes van Mensen die 1 1, 1 vraag willen stellen aan een AI model. Dat dat doen wij specifiek en en video doet veel meer los van dat ze In de AI dus zeg maar zowel het trainen Als het infrins gedeelte, dus het draaien van modellen regelen heeft nvidia Natuurlijk nog een veel bredere markt, dus ze bedienen ook gamers. Ze hebben ook andere edge devices voor embedded AI voor imped acceleration, dus nvidia doet veel meer, maar Als je het hebt over AI dan is een video. Zeg maar beter in trainen. Dan in infrent en wij specialiseren zich ons op influence en dus. Ja concurreren we op dat gebied wel met een video? Spreker 3 Ja dus modellen getraind op nvidia hardware. Die kunnen ook draaien op Hardware van grock. Spreker 2 Klopt, want die modellen als ze eenmaal klaar zijn, zijn het eigenlijk niet veel meer dan hele grote rekensommen en die rekensom die wordt uitgedrukt in in operaties. Dus je pakt een getal, je doet het keer zoveel en je doet er een getal bij en je deelt het door iets dat zijn eigenlijk gewoon allemaal. Rekenstappen die je in zijn geheel een groot als ingrote rekensom kan zien. En, Ik denk dat het Misschien ook voor de luisteraars wel logisch is dat een rekensom als dat een computerprobleem is dan zeg maar een een rekensom op een computer draaien. Dat is niet per se gebonden aan specifieke hardware. Elke elke processor kan een rekensom uitrekenen. Spreker 3 Ja, en dit geval is het zo dat deze meer parallelle berekeningen die gedaan kunnen worden eigenlijk beter op een GPU een grafische processor kunnen gebeuren, zoals nvidia die maakt voor games, maar ook met hun kuda layer hè? Dat er AI applicaties op hun grafische processoren kunnen draaien, heeft groc een processor ontwikkeld die heel goed toegespitst zijn op het maken van de berekeningen nodig voor de transformer achtige modellen, zoals een lama, bijvoorbeeld van meta, waarmee je tekst kan voorspellen. Spreker 2 Nou, Je moet eigenlijk nog iets breder trekken. Dus gok heeft processoren ontwikkeld niet specifiek voor de transformer architectuur. Als je een beetje het AI nieuws volgt over chat TPT en wat die modellen waar dat vandaan komen dat Dat is allemaal gebaseerd op de Transformer Architecture. Maar grog heeft sinds 2016 al chips ontwikkeld. 2016 voor de luisteraars Dat is. Het jaar voordat de attentionist all je need, dus voordat de transformmer paper uitkwam. Dus op dat moment was er nog geen sprake van een transformmer. Die was nog niet uitgevonden. Hadden zij dus al de chip ontworpen en ideeën over hoe je zo'n chip moet ontwerpen. En dat gaat dus niet specifiek over die transfer, maar architectuur maar meer over. Wat is het karakter van die rekensom Als het ware dus wat? Wat maakt het nou zo moeilijk of duur om dat uit te rekenen en waar je in machine learning In de breedste zin dus attention modellen, transformer modellen, Dat is echt een subzet van alle machine learning modellen die bestaan. Wat wel een gemene deler is over alle machine learning, is dat ze heel erg data heavy zijn, dus dat in die berekening heel veel Als het ware constant te zitten. Dat daar komt ook dat miljarden parameters verhaal vandaan Als je het hebt over grote modellen, wat is dan groot? Wat zijn die miljarden parameters? Dat gaat dus over dat er heel veel data zeg maar die kennis bevat die in dat model is getraind en dat deel maakt dat die berekening op in zijn geheel data flow heavy is. Dus er moet heel veel data bewogen worden. Van, zeg Maar de opslagplek harde schijf. Naar het echt In de chip zelf zitten, zodat er een berekening mee gedaan kan worden en dus de chips van groc zijn niet voor Transformers geoptimaliseerd, maar voor machine learning In de brede zin waarbij je dus heel veel data gebruikt bij de berekening berekening Als het ware leunt op op miljarden cijfertjes en die moeten allemaal aanwezig zijn om de berekening te kunnen doen. En dat. Specifieke kern eigenschap. Maakt dat je zowel veel memory veel geheugen nodig hebt om al die cijfers in op te slaan Als je de berekening aan het doen bent. Maar ook dat parallelliseren dus Dat is weer dat zeg je goed. Dat is een belangrijk onderdeel, want Als je al die berekeningen allemaal stap voor stap gaat doen als dat over heel veel datapunten moet, dan kan je voorstellen dat het heel lang duurt. Maar we willen allemaal snelle AI modellen en de kern is dus dat je zowel om moet kunnen gaan met heel veel grote data dus. Grote hoeveelheden data in die berekening en dat je dat allemaal parallel zoveel als kan. Moet uitvoeren, zodat het ook nog een beetje snel gaat. Kunt je voorstellen Als je in je hoofd bedenkt. Ik heb 10 miljoen cijfers en ik moet nu al die cijfers keer twee doen. Nou, dat zijn allemaal 10 miljoen verschillende cijfers. Als ik dat één voor één ga doen, dan beginnen we met het eerste getal tweede getal, derde getal duurt heel lang, maar Als je zegt Nou weet je wat Ik kan er 5000 tegelijk, dan gaan we gewoon per 5005 1000 pand klaar 5005 1005 1000 en dat dat parallellisme, zeg maar. Dat zit Samen met dus die hele overheid. Hele grote hoeveelheid data die in het geheugen moet laden. Die twee dingen dat Dat is eigenlijk het karakter van machine learning workload en dan specifiek machine learning workload In de hoek van deep learning dus buiten, zeg maar Als je een beetje zo'n ventiger voor je ziet. Machine learning is de grote ronde cirkel, daar binnen heb je deep learning en Dat is eigenlijk altijd zoals ik het beschrijf met dat karakter dat je parallel nodig hebt en grote hoeveelheden data. Wens voor een prettig zit hem helemaal weer in. Die gaat dus in deep learning weer nog een kleiner eilandje. Bestrijken, want Er is ook deep learning, wat weer geen transformer is en. Spreker 3 Als ik dan zo'n transformer thuis wil draaien, hè? Dan zeg ik bijvoorbeeld, ik maak probeer hem even concreter te maken, hè? Heb ik een Mac mini. 16 gigabyte Ram zit erin. Dat is dan in het geval bij Apple ook nog 4 Ram hè? Dus die die grafische processor heeft wat meer toegang nog tot dat Ram, dus dan heb je die snelheid die je nodig hebt. Unified Memory maar toch Als ik dan zo een Mac mini koop voor € 600, dan wil ik daar eigenlijk deep seak o one op draaien. Maar dat kan dan niet, want Ik heb niet genoeg geheugen en dat Maar dat hebben jullie dus wel mijn groot of moet ik me daarbij voorstellen? Spreker 2 Bij vorm factor dus wat je al zegt, de Mac Mini kan je in je hand houden. De servers van grock, die beslaan hele datacentra. Dus het begint al met dat we letterlijk gewoon meer fysieke ruimte hebben om al die chips aan elkaar te ketenen. En dan Samen hebben ze genoeg geheugen om die modellen te draaien, dus Dat is ook gewoon een kwestie van. Wij hebben gewoon meer ruimte en we schakelen meer van die apparaten aan elkaar om tot het geheugen te komen dat nodig is om die modellen te draaien. Spreker 3 Maar het is dan niet zo als, want Als we nog nog een stapje terug doen. Wanneer jij thuis dit soort modellen zou willen draaien, je gaat wel kaarten kopen bij nvidia. Je hebt een hele diepe portemonnee. Dan ga je daar over een hele dikke portemonnee eigenlijk diepe zakken. Dan ga je daar kaarten kopen met zoveel mogelijk geheugen, want er moet met heel veel geheugen heel veel data moet er verwerkt worden, zeg Maar het liefst real time, zodat je tenminsteantwoorden krijgt die je kan meelezen aan zo'n Mensen. Een aantal tokens per seconde die passen bij hoe snel een mens kan lezen dat het een beetje bruikbaar blijft. Maar Als ik jouw verhaal zo hoor, dan is het bij groc zo dat. Dat geheugen verdeeld is over al die verschillende processoren, is dat een heel ander. Een heel ander ecosysteem of lijkt het wel op hoe andere partijen ook ja dit soort berekeningen doen inderdaad wel zijn? Spreker 2 Opsplitsen dat opknippen van een model over verschillende chips Als het ware die dan op een manier met elkaar in verbinding staan. Dat gebeurt ook op die kleinste schaal, dus Er is bijvoorbeeld een project. Ik geloof dat dat exo nog iets exologisch extra die werken ook aan software die het mogelijk maakt om weer meerdere Mac minis in serie te zetten. Zodat die grotere modellen dan op één Mac mini past kan draaien en dat gebeurt dus op die kleinste schaal al van, zeg maar, Mac Minis thuis hobby's die modellen lokaal willen draaien tot In de grootste datacenters centus, want ook met GP is die modellen passen ook niet op één GPU, dus die moeten ook geschakeld worden. Spreker 3 Aankomen is dit dan waar ze Ik ga even sprongetje maken hoor. Is dit dan waar ze bij deep ziek het voor elkaar kregen? Dat terwijl ze geen interlinking hadden tussen die verschillende kaarten van in dit geval en. Ja ze toch interlinking mogelijk hebben gemaakt op een andere manier, dus dat ze eigenlijk een beetje gehandicapt gemaakt waren tussen al die links tussen al die onderdelen. Spreker 2 Dus waar we het nu over hebben, gaat met name over dat stuk infrents, dus waar je Als je model klaar hebt en je wilt het model gebruiken, dan ga je model inzetten om allemaalqueries te beantwoorden. Dus dat daar schakel je waar je nog meer afhankelijk bent van schakelen is bij trainen en het verhaal van TYPE ziek dat ze slim om de beperkingen van die gelimiteerde chips die age Aid one hundred. Die ze wel tot hun beschikking hadden. Hoe ze om die limieten heen hebben gewerkt. Dat was een verhaal van. Hoe kan je onder de de de verbinding tussen die kaarten de interconnect zoals ze dat noemen? Hoe kan je daar slimmer en efficiënter mee omgaan? En daarvoor heeft die diep ziek heel slim door nog lower level te gaan Als het ware een manier gevonden om dat te te verbeteren, zodat ze uiteindelijk betere train. Prestaties kregen. Spreker 3 Ja, Laten we die inderdaad dan nog even parkeren, Omdat het dus meer over trainen gaat dan influence. Want ik begrijp het jouw verhaal dat groc zich minder richt of helemaal niet richt op trainen. Spreker 2 Nee, helemaal niet. Nee, klopt, Dat is een. Spreker 3 Dat zijn geen planten die nu trainen op jullie. Spreker 2 Hardware correct? Correct Dat is gewoon, Dat is niet iets fundamenteels aan de aan de de computers, want in die zin lijkt trainen een influence. Wel op elkaar zit van het zijn allebei zeg maar metmo's met matrix multipions, Maar het is. Het is wel een ander, een andere workload die weer eigenlijk vereist dat je op een andere manier die computer architectuur maakt. En groc heeft gewoon gezegd, Kijk, uiteindelijk zit de grootste markt in het draaien van die modellen. Want Als je eenmaal een extreem goed model hebt, ook Omdat je die modellen dus heel veel actuele en relevante informatie kunt voeden via de context window in het geval van Transformers. Kan het zomaar zijn dat we tot een punt komen dat we modellen hebben die gewoon goed genoeg zijn die niet nieuwe kennis nodig hebben, maar die gewoon altijd. Voor jouw vraag gevoed worden met de meest relevante informatie. Spreker 3 Is wel grappig dat het naartoe gaat qua Dit is een beetje. Ik hoor een beetje alsof je dit eigenlijk al gelooft. Spreker 2 Ja, nou ja, wat wel leuk was, is dus in Silicon Valley zijn er vaak coole meet UPS en hackathon en één daarvan is die heet voorheen Kudamote en die heet nu GP mode en daar was ik. Als participant ging daar een beetje hack een beetje. Ideetjes testen dan lees je een Research paper en dan implementeer je. Een een idee uit van peper, Dat is een beetje de opzet van dat event. Daar waren ook Mensen zoals André Carpatie gewoon aanwezig. Die liepen daar gewoon rond, waren een beetje aan het hacken en aan het presenteren en aan het praten met de rest en ook Mensen van bijvoorbeeld die bij metta werken. Die bijta heeft dan lama ontwikkeld en wie daar ook langs kwam was de de godfather van het boek. Perlell computing ik moet even de titel opzoeken, Maar het is in ieder geval Het is zeg Maar het referentiewerk voor Als je kernels wilt programmeren. Kernels zijn kleine programmaatjes die je schrijft Als je een GPU. Wilt programmeren en wat hij zei, Dat was een soort van zijn inzicht. Wat hij wilde delen is dat hij dus denkt dat we veel meer toegang naar modellen die niet zozeer ook een ook een bibliotheek zijn, dus die ook al die feitenkennis. Al die gedetailleerde bijvoorbeeld in die in die laatste modellen. Er zitten vaak dus heel, heel raar eigenlijk. Dan zit er bijvoorbeeld de de hash, dus Als je een Als je een bestandje hebt, bijvoorbeeld een PDF bestand. En je en je berekent Als het ware. Een soort, een soort code die samenvat wat In de informatie van die PDF zit. Dan krijg je een soort onleesbare lange string. Spreker 3 Van controleer of iets anders binnen? Spreker 2 Gehad en en heel veel van dat soort hash trings die gewoon zeg maar eigenlijk niet niet direct informatie bevatten, maar Alleen gebruikt kunnen worden om bijvoorbeeld te checken of dingen gelijk zijn, zit allemaal in het geheugen van die modellen. Dus er zit Als het ware heel veel waste in in wat er in die modellen zoals een. Lama 3 3.1 of Vlama 3.3 seventy B wat er in die modellen, zeg maar in die waite zit en dus het punt wat wat die man maakt op die op dat event was. Dus Ik denk dat we toegaan naar dat we het voor elkaar krijgen om modellen te trainen die dus niet zo extreem veel informatie moeten bevatten, Maar dat veel meer opvragen Als het ware veel meer. Spreker 3 Live ik vergelijk dat zelfstand vaak met dat je een pianist hebben die allerlei muziekstukken uit zijn of haar hoofd kent en dat dan kan spelen ter plekke. Onder bladmuziek of Je kunt een pianist hebben die gewoon ontzettend goed die bladmuziek kan lezen, hè? Maar niet niets uit zijn hoofd weet en die geef je dan een stuk van Beethoven en die gaat die spelen. Ik noem het intuïtie versus feitenkennis en ik verbaas me eigenlijk over hoe. Want Het is ook voor de eindgebruiker nu verwarrend, hè? Ik praat, ik geef veel lezingen. Ik praat veel met Mensen over taalmodellen over ch PT en die zeggen dan, ja, Ik heb het vanochtend nog getest, kwam weer allemaal gebla uit, terwijl ik zeg ja, Maar het is geen kennisbank, Het is geen database, Het is iets veel gavers eigenlijk wacht maar tot je dat toegang. Heeft tot 1 daadwerkelijke kennisbank, maar hoe verklaar jij dat het in eerste instantie wel hele grote modellen zijn geworden die toch gewoon complete hersjes erin hebben zitten als een soort bij rommel, zoals in onze eigen genetische code, hè? Een soort van garbage die draag ik gewoon uit kan. Spreker 2 Ja nou, kijk het, het komt neer op het punt dat we niet weten hoe we eigenlijk een een puurder model moeten maken. Een model dat Als het ware wel al die redeneervaardigheden heeft, dus dus bladmuziek kan lezen Als het ware om even de de. Omdat die door te zetten? En Omdat we dat niet weten, zijn we nu aangekomen bij soort van onze beste poging om om intelligentie te creëren in een computersysteem. Kunstmatige intelligentie. Zitten we zeg maar met deze realiteit opgescheept Als het ware en waar Ik denk dat ze wel naartoe willen is om te kijken. Hoe kan je daar een soort van? Dit is ook weer ook iets wat André Curpati later heeft herhaalt ook op Twitter. Waar die dus zegt Van, We moeten eigenlijk naar een soort Common core reassening model, wat zeg maar al die basiskennis heeft. En Het is bijna ook een filosofische vraag, want kun je kun je intelligentie echt loskoppelen van kennis over de wereld? En Ik denk dus. Spreker 3 Dat zegt, Ik ben heel wijs, Maar ik weet niks. Spreker 2 Ja, Ik denk dat er allemaal gedachtes al wel over bestaan en die allemaal veel genuanceerder zijn dan ik zou kunnen uitleggen of zo, Maar het is. Het is wel interessant. Die vraag van kun je hoe? Hoe ver kun je hem uitkleden Als het ware? Want je zou kunnen zeggen, Als je helemaal geen kennis hebt van zeg maar feitenkennis hebt van geopolitiek en niet weet over de historie van hoe landen, zeg maar ooit georganiseerd waren en en nu georganiseerd zijn. Hoe kan je dan iets zinnigs zeggen als iemand iets vraagt over wat is waarschijnlijk wat er gaat gebeuren met de Oekraïne situatie? Daar zou je toch ook heel veel feitenkennis bij moeten gebruiken? Spreker 3 Ik ben een goede vriend van mij. Die zit in het onderwijs. Die zegt altijd tegen mij vooral, zegt hij. Van je mist een stukje bildung en Dat is eigenlijk het opbouwen van een soort intellectuele kapstok om dit allemaal aan op te hangen, wat er dus ook een stuk wereldgeschiedenis is, waar liggen de landen hè? Ik bedoel, Ik weet wel wat hoor, maar er zitten best wel wat gaten bij mij, Omdat ik ik voel me in dat opzicht best wel. Ik heb best wel veel empathie voor dunne taalmodellen. Omdat ik. Ik ben veel meer van patronen herkennen, intuïtie en en ja, dingen zien in het nu. Dan per se dat ik jaartallen kan opdreunen of MD 5 hesjes. Spreker 2 Ja precies, en dus jij bent Misschien de all the Common core wat meer en. Spreker 3 Dankjewel reasing models. Spreker 2 Jouw woorden, Maar ik ik, Ik denk dus dat. Kijk de de op wis oplossing zou dus zijn dat die dat allemaal dynamisch kan ophalen. Dus als hij bezig is met nadenken dat hij zegt, nou, Ik weet eigenlijk niet hoe dat hij sorry zit. Maar ik denk dat het wel relevant is, want Hij heeft Misschien wel het concept van historische context. Als als primitief en en en dan gaat hij dus kijken naar nou, dan ga ik eerst even heel specifiek gewoon de volledige geschiedenis door van hoe die landen en verhoudingen zijn ontwikkeld. En dan heeft hij in één keer Misschien wel in 90 milliseconde een context opgebouwd van alle 700 jaar geschiedenis en kennis die gedocumenteerd is daarover en dus. Spreker 3 Ik vind het wel boeiend hoor, want Het is eigenlijk een onderwijsvraagstuk in een andere verpakking en want dan het ging bij mij altijd over dat zei. Waarom zei je Grieks en Latijn leren en dode talen? Maar ja, die Griekse Latijn zit onder alle andere talen, dus Misschien is het wel veel efficiënter om Griekse Latijn te leren en Duits en Franse Laten liggen. Ik snap wat ik bedoel, Omdat je daarmee een soort van intuïtievere, veel efficiëntere manier van een mens trainen. Ik wil ons niet teveel gelijkstellen aan, maar ook wij worden op een bepaalde manier in onderwijs getraind en dat je zegt Van moeten we niet fundamentele zaken gaan proberen aan te leren en dan die specifieke zaken er vlug bij zoeken. Justin time. Spreker 2 En dat Dat is dat zijn gewoon echt mega grote open vragen ook voor alle grote Frontier Labs dus al die al die. Bedrijven die zijn Natuurlijk een heftige strijd met elkaar, Omdat het doen van dit soort werk kost heel veel kapitaal. Je moet al die training infrastructuur aanschaffen. Je moet Mensen in dienst hebben. Er wordt heel erg geconcurreerd om talent, dus dat drijft, dan kun je de kosten van talent en er wordt daardoor dus heel veel geëxperimenteerd. Met welke ideeën werken nou? En voorheen had je dat heel veel van die Mensen. Dat werk ook deden In de context van academische instellingen en die konden dan ook vrijuit publiceren over wat ze vinden. Maar Er is Natuurlijk ook een soort braindrain geweest, waarbij al die beste fronteerlaps van opening tot een topic tot deepmind etcetera dat die allemaal gaan rondsnoepen bij al die conferentie. Spreker 3 Die hebben grote grote. Spreker 2 Scellairs en dat een deel van die Mensen zegt, hé, Ik wil wel bij een bij een lab gaan werken, want dat vind ik vet. Ik vind het gaaf wat ze aan het doen zijn, Maar de consequenties dan dat ze niet meer mogen publiceren. Maar Dit is dus actief waar heel veel onderzoek naar wordt gedaan. Hoe kunnen we intelligentie best modelleren? Wanneer krijg je dan de meeste kostenefficiënte intelligentie dus een klein model zou ik goedkoper kunnen zijn om te draaien. Dat is goed voor energieverbruik. Spreker 3 Maar lokaal kunnen drijven. Spreker 2 Telefonisch bijvoorbeeld gewoon allemaal op hun eigen hardware kan draaien, net zoals dat gamers veelal nog steeds thuis gewoon op hun eigen pc hardware game. In plaats van dat Iedereen cloud gaming gebruikt. Spreker 3 Energierekening Natuurlijk als Sony zijnde. Spreker 2 En ook Misschien dat je ja, de vereisten die je stelt als gamer aan jouw hardware quaqua betrouwbaarheid Misschien wel anders dan wat je in een datacenter moet garanderen. Dus het idee als dat Mensen hun abonnement op hebben, dus al die al die dingen. Ja, die die spelen allemaal een rol. Maar het komt erop neer dat we het niet goed begrijpen. Hoe intelligentie. Kunnen kunnen emuleren met een computer kunnen kunnen kunnen bouwen met een computer en dat dus al die ideeën geprobeerd worden, Maar dat een dat er dus op het gebied van Als je te weer terug bent naar dat computer architectuur hackathon, verhaal van wat zij die die die die die heel heel erg ervaren professor die dat boek had geschreven over hoe je dat soort computer architecturen moet programmeren was dat zijn gevoel was dat we nu nog teveel dus alle alle bibliotheekkennis Als het ware alle feitenkennis volledig proppen in dat model en dat daardoor. Draaien van die modellen zo extreem kostbaar is. Dat je dus alles in memmory moet hebben. Heel veel loze ruimte gebruikt Omdat je Misschien voor de de miljoen vragen die je daarna beantwoord heel veel van die kennis helemaal niet aanraakt. Spreker 3 Dit is ook waar synptic groening vandaan komt toch als een van de onderzoekers dat je zegt, ik draai een benchmark en daarna schiet ik erop met een hagel geweer draai ik hem nog een keer en dan ga ik er achter komen is even heel ongeceerd, maar. Spreker 2 Ik bedoel, het wordt niet gebruikt voor Als je Als je het model aan het gebruiken bent. En dan kan je zeg Maar dat deadwaet Als het ware eruit halen, dus er wordt op een heel veel manieren wel gepoogd om dat eff. Te maken en Dat is ook het onderzoeksgebied wat zou kunnen leiden tot dat we modellen hebben, waarbij al die niet niet noodzakelijke feitenkennis, feitenkennis die Als het ware allemaal Justin time zeg maar opgehaald kan worden. Dat ja hoe hoe je zo'n model bouwt en Misschien is dat hè een stukje dat je gaat introspectie gaat doen, dus als dat model bezig is dat je kijkt welk deel raakt die nou eigenlijk effectief aan? Dat kan je allemaal soort van met een x Raider erop zetten en dan kan je zien wat er gebeurt. Spreker 3 Ja, zo een hoedje wat mij wat je bij Mensen op kan zetten met sensoren, zet je dan op je model. Spreker 2 Zet je op het model en Dat is Natuurlijk bij model stuk makkelijker dan bij Mensen. Omdat het gewoon uiteindelijk rekensommen zijn en dat gewoon delen van Van die matrix multificaties niks bijdragen aan het eindantwoord. Spreker 3 Die ligt er niet opgeleiden? Spreker 2 Die ligt er niet op, dus dat dat dat speelt allemaal. Maar dat zijn ook op zich wel relevante thema's weer voor groot, want die is verantwoordelijk in hun bestaansrecht gaat om wij willen die modellen draaien zo kostenefficiënt mogelijk, maar ook met zo goed mogelijke prestaties, zodat Mensen. Er vernuftige toepassingen mee kunnen bouwen en Als je een snelheidsbudget hebt, hebben wij staan bekend Omdat we de snelst infrance provider zijn In de markt en dat je dan extra budget hebt om vette dingen te bouwen Omdat je die snelheid krijgt. Dus dat sneller maken de economischer maken. Dat is waar wij heel erg geïnteresseerd in zijn en waar ik dus ook actief. Spreker 3 Onderzoek precies want is is grot kan Natuurlijk wachten. Hè tot er weer efficiëntere modellen komen om die dan op jullie hardware te draaien, maar je kan Natuurlijk ook. Onderzoek en bijdragen aan dat gebeurt dus ook. Spreker 2 Ja zeker zeker weten, dus Wij hebben echt hele teams die gewoon bezig zijn met bijvoorbeeld het onderwerp Kwantization. Dus Als je het even plat slaat Als je dat nog nooit nooit hebt gehoord. Quantization is het idee dat je de precisie van de informatie verminderd, dus waar je Misschien normaal kon je één twee tot en met 10 uitdrukken, zeg je nou, nu mag je Alleen maar 1, 3, 7 en 10 resolutie JPA lagere resolutie J pech, Dat is een goeie vergelijking. Of of soms heb je Misschien wel eens van die plaatjes gezien? Die bestaan uit veel. Dat je gewend bent dat je denkt van nou die kleuren, die zijn een soort van platgeslagen op de dichtstbijzijnde kleur, maar die lijkt er niet helemaal op en dat dat dat soort onderwerpen ideeën er wordt actief onderzoek naar gedaan. Quantasation is maar één ding, en zo hebben heel veel ideeën waar we aan werken om die modellen efficiënter te draaien. Spreker 3 En, dat zijn dan Alleen maar open Wade modellen, dus modellen die vrijgegeven zijn In de markt. Spreker 2 Niet Alleen, Maar dat is wel waar we tot nu toe op gefocust hebben, Maar we zijn ook bezig met. Bedrijven die zelf een model ontwikkelen dat niet. Om, wat voor reden dan ook Misschien economisch vrijwillig geven Omdat ze een concurrentievoordeel willen behouden. En wij kunnen dan een partner zijn die dan die modellen voor die bedrijven kunnen draaien. Als ze dus wel die economische en snelheidsvoordelen willen die We kunnen bieden door onze chips. Spreker 3 Ja dus niet alle endpoints van Van grot zijn publiek. En ik bedoel ik, Ik kan er account aanmaken bij jullie. Dan kan ik een API lijkt nog eens op die van open en jij ook dus die plak ik er gewoon in en daar kan ik er mee praten. Gaat het in 1 keer 10 keer zo snel, Maar het is niet dat jullie hele infrastructuur Alleen. Wet gehouden wordt door publieke endpoints. Spreker 2 Correct, zeker, We hebben ook gewoon deployments die voor klanten specifiek zijn. Spreker 3 Ja, want de chips worden ook verkocht aan andere datacentra. Begrijp ik dan of dat niet? Spreker 2 Dat was vroeger wel zo, dus groke heeft Natuurlijk als scale up en en daarvoor start up wel ook een soort ontdekkingsproces van. Wat gaan we nou doen precies? Met het business model gaan we de chips direct verkopen of gaan We gaan we meer zelf die chips ontwikkelen en beheren en dan uiteindelijk Alleen maar een Appie verkopen zoals jij die net beschrijft. Want je kan Natuurlijk dan opener i inruilen voor het groc endpoint en dan krijg je dus de. De modellen van groc the open source zijn, maar je hoeft eigenlijk niets veel aan te passen en dat dat die go to market Als het ware dus zo verkopen In de markt. Dat is wel een recente ontwikkeling voor crock, dus daarvoor verkochten we meer zoals een video dat deed hardware aan partijen die dan zelf moest uitvogelen. Hoe kan ik hier nou efficiënt AI modellen opdraaien? Want nogmaals, we waren niet gefocust op Transformers. Dat waren ook computervision, modellen en draft nul Network. Ze waren allemaal andere dingen. En ja als waar het dan nu, zeg maar op neerkomt dat ze een gotemmarkt gekozen hebben voor. Wij beheren die chips zelf, we verkopen niet direct die chips. Maar wat we wel doen is deployments van chips in datacenters die dan in principe eigendom zijn van een ander. Maar wij beheren dat nog wel allemaal, zodat als ze onze compider beter wordt en we modellen beter kunnen draaien dat dat automatisch allemaal over gaat naar die datacentra die dan eigendom zijn van andere klanten. Spreker 3 En, hoeveel procent van Van de workload is nu transformer influence? Kan je dat zeggen bijna? Spreker 2 Alles het vlammende pan moment geweest voorcrock is dat op een gegeven moment zijn die taalmodellen uitgekomen en het begon eigenlijk met met lama als eerste echt super goede model uit meta. En. Toen dat gebeurde, was het in één keer duidelijk dat er een heel waardevol op een source model is wat je zou kunnen draaien. En toen hebben heeft rocke al heel vroeg, was ook voordat ik erbij ben gekomen is. Croq vroeg echt begonnen met met met gewoon kijken van OK, hoe kunnen we die dat soort modellen het beste draaien? Het is ook grappig, want In de code based zie je ook, zeg maar al die andere modellen die er gedraaid zijn en gekoppeld zijn voor crock. Maar dan op een gegeven moment kwam daar in dat lijstje gewoon lama bij en en Dat is nu bijna alles. Spreker 3 De rest is history. Spreker 2 Ja en en toen ja de vraag en daar is gewoon enorm, want Je kunt er heel veel nuttige dingen mee bouwen, zoals heel veel Mensen die experimenteren met wat Je kunt bouwen met het soort taalmodellen wel kunnen bevestigen. Je kunt er gewoon heel veel mee. En de modellen worden ook steeds beter en dat hebben we deels te danken aan bedrijven als meta. Die hebben dat echt in werking gezet en daar heb je daarna andere bedrijven groot, zoals uit Europa mistraal, die ook heel veel. Spreker 3 Goede hoes jou kijk nu op op die open waits modellen, dus modellen die gedraaid mogen worden op andermans infrastructuur Zonder dat je licentiekosten hoeft af te dragen. Spreker 2 Ja, Ik vind het persoonlijk geweldig. Spreker 3 Nee, dat begrijp ik, Maar ik bedoel is het, is het zo dat zie jij mijn vraag is, denk ik eigenlijk. Er is nog een, Er is nog een vraagteken. OK, je hebt de gesloten modellen hè? En dan de front hier laps als opener jij grot met een k die hun één in een laatste model Alleen open sourced meta die hun frontiermodel open source. Voor zover Ik weet, Iedereen heeft daar zijn eigen strategieën in. Maar denk jij dat het één van de ideeën is die die een beetje rond gaat In de communities van open source zal uiteindelijk winnen, want Het is een soort van. Dat, dat gaat nou eenmaal gebeuren, want ook een source wint altijd of zo. Wat op heel veel gebieden trouwens niet gebeurd is, dus dan zeg ik altijd al maar. Met, hoe zit jij in die in die? Wat als jij zou moeten werden? Ik bedoel, ik snap dat je bij grot met een q werk, dus dat jij je bepaalde belangen hebt. Spreker 2 Maar nogmaals groc is ook gewoon beschikbaar voor modellen die niet open source zijn, dus Het is niet dat groc Alleen kun kan winnen als open source modellen uiteindelijk dominant zijn. Ik denk dat het heel makkelijk om kijk, dus sowieso is hetantwoord. Allebei gaan blijven bestaan en net als In de database wereld of als In de operating system je hebt Linux is heel populair, maar je hebt ook Windows heel populair Mac WS en die die twee zijn niet open source. Je hebt ook bij database heb je postcs, Dat is hele goede database, maar je hebt ook Oracle DB en orcal DB is super volwassen. Er wordt heel veel bedrijven gebruikt en zitten heel bedrijf achter en en Dat is betaald dus. Ik denk dat Als je kijkt naar de geschiedenis, dan zul je zien dat daar in beide heel erg 1 grote rol spelen. Ik denk dat dat ook zo blijft en generatieve AI. Wat wel interessant is Natuurlijk is om iets te kunnen zeggen of een idee te hebben bij in welke mate verschillen die dus dus hoeveel verder vooruit gaat die die die propratery, hoe gaat die? Gaat hij echt heel veel beter zijn dan open source? Daar zal het heel veel discussie over geweest en dan zie je eigenlijk altijd een soort bijna maand tot maand een soort van verschuiving van OK, de gap is nu heel groot en de gap is nu heel klein en. Om om één of andere reden denk ik ook dat het probleem heel erg fascineert. Je hebt Natuurlijk In de markt. Werd veel gesproken over ATI Artificial General Intelligence en je hebt ook over ASISI artificial super Human intelligence. En heel veel Mensen, dus Als je kijkt naar diepziek, bijvoorbeeld dat Chinese bedrijf, Dat is het project van een hedgefund. Dat heet high flyer en Je kunt je afvragen Waarom, Waarom doen zij dat? Nou? Zeg maar, Waarom investeren ineens, want ze zeggen dat ze dat diep ziek model hebben getraind voor 5,5 miljoen dollar, equivalente huurkosten van dat soort gp US om het te trainen. Maar Iedereen weet ook wel en heeft het ook over dat. De echte kosten om tot zo'n model te komen. Vele malen hoger zijn, want Je moet ook rekenen met alle experimenten die Je moet hebben. Spreker 3 Tot arbitrage lijn getrokken in het kostenplaatje. Spreker 2 Ja, ze hebben gewoon gezegd, Dit is de. Ik denk dat het wel een ver getal is, want Het is gewoon het getal wat het zeg, Maar het zijn echt de cost of good zeg maar zeg maar, Als je een bedrijf bent en je en je produceert 100 fietsen, dan ga je. Dan kan je wat zeggen over hoeveel het gekost heeft om die fietsen te produceren en Dat is het bedrag om in plaats van 100, zeg maar nog de volgende 100 te produceren, dus Het is meer de marginale kosten waar ze het over. Spreker 3 Hebben maar niet wat je of wat je moest doen om te komen tot het kunnen produceren van die 100. Spreker 2 Misschien heb je als bedrijf wel eerst gewoon jarenlang miljoenen verlies geleden. Geleiden om Omdat fietsontwerp goed in gedield te krijgen, dus zo ook met die met die met de modellen is dat Natuurlijk bij diepziek en high flyer ook gaande, Maar dat nog steeds is het interessant om te zien dat de de marginale kosten dus maar 5,5 miljoen zijn. Want wat wat is nou de de situatie en daar Waarom is dat bedrag ook wel echt relevant is dat zij hebben wel ook het recept gepubliceerd. Ze hebben ook gezegd, en Dit is hoe we het precies gedaan hebben. En wat je niet krijgt van ze is de pre training data waarop ze trainen. Dat zijn volgens mij 14. Biljoen tokens voor teamchillions het ultieme open-source is dat ook nog toch? Dat is nog het enige stukje dat mist, zeg maar kunnen repareren is iets open source voper Als je een model krijgt dat getraind, is dat dat Ik vind het best. Een vergelijking is dat je een een downloadable binor je op je computer is. Softwareprogramma als jij een programmaatje download en je installeert het en je kan het gebruiken, dan heb je nog niet de broncode achter dat programma en in in een zekere zin zijn die open rates modellen steeds. Zijn meer vergelijkbaar met een binary dan met de de broncode. Dus diep ziek heeft niet die traindata gepubliceerd, waarschijnlijk ook Omdat net als bij alle andere frontileaps daar waarschijnlijk allemaal data tussen zit, waarvan het juridisch niet duidelijk is of je erüberhaupt op mag trainen. Dan laat je zien, er zitten allemaal boeken in en dan heb je al die boek boeken publiceerders bij aan de deur, dus Dat is Waarom ze dat niet doen aan de ene kant en aan de andere kant is Natuurlijk ook gewoon nog steeds een stukje voordeel wat ze willen behouden, want ze zijn wel ook in concurrentie en ze willen ook wel graag winnen. Want ze zijn niet Alleen aan het concurreren met het Westen, ze concurreren ook binnen China met andere Chinese bedrijven, zoals met het team van Alibaba of nog andere teams, het team van biteance etcetera. Dus terug naar dat gat van open source dus hoe groot is dat gat geweest? Nou, je zag dus dat dat fluctuerende op een gegeven moment lag. Open source echt achter vooral in het begin, toen begon het wat dichterbij te komen. Toen kwam er in één keer weer een wave. Nieuwe modellen ook met reasoning modellen, toen was het weer echt van wow open source heeft echt geenantwoord hierop, Het is helemaal geen reasing model. En toen kwam depsi weer. En wat je wat je toch terugziet, is dat Als je ook kijkt naar als zo een diep ziektes vertelt Van hoe ze het gedaan hebben dat de hoeveelheid innovatie die er gedaan is, dus hoe hoe anders is nou eigenlijk dat die piek r one model ten opzichte van lama 3 dat we al heel lang kennen en weten en dan zie je dat het toch wel grosso modo aanvoelt als incrementele innovatie. Dus ze hebben kleine tweetje hier, het twekje daar trainingsproces net even anders hier net even ander soort data net even iets ander algoritme, maar niet radicaal anders. En daardoor zolang dat verschil tussen Als het ware de de versie één en versie twee marginaal lijkt incrementeel lijkt, dan is het dan is het gat wat dan een open source tussen open source en proprory bestaat ook niet zo groot. Er is ook een hele hypermobiele talentmarkt in in deze markt, dus Als je kijkt naar die grote labs je hebt XAI. Je hebt een tropic, je hebt Open Air, je hebt deepmind en je hebt nog mistraal en nog een paar anderen. En daar beweegt wel ook veel talent tussen en Je kunt gewoon moeilijk ideeën die opgedaan worden. Zeg maar echt patenteren op een manier dat als een werknemer weggaat en bij een ander bedrijf in dienst gaat dat dat die die techniek niet toegepast kan worden, want Er zijn veel van die dingen zijn best wel kle. Weet je wat Het is? Zo van, ja, kan je nou echt patenteren dat je beter in die volgorde kan kan trainen dat. Spreker 3 Heen en weer inhuren is is is niet Alleen maar om de Mensen, maar ook wat er in hun hoofden zit, zodat je dus een soort zink, een kennis synchronisatie krijgt via Human veerkels tussen al die labs. Spreker 2 Ja ja een voorbeeld van een bekende onderzoeker die naar Open Air is gegaan, die o one heeft gedaan. Dat is no one Brown die zat bij metta. En die had ook voor metta een heel goed reservering model kunnen bouwen, maar die is naar open en ei gegaan. En ik ken hem niet en ik ken zijn beweegredenen niet, maar Open Air is alvast een goed verhaal hebben gehouden tegen hem om te zeggen, kom maar bij ons aan reasding, modellen werken. En ja, Dat is wel gewoon hoe die markt momenteel werkt en die dynamiek, die talentdynamiek. Die heeft heel veel invloed op het verschil tussen gepriator en, open source capaciteit en en kwaliteit. En dus is Het is, kom je echt met een radicale nieuwe verbetering, een hele nieuwe architectuur. Je hebt naast de transformatormodellen hebben Mensen het veel lang over mama, dat zijn steeds base modellen, dat zijn ander soort modellen dan Transformers. Spreker 3 Als ze die ook altijd kunnen draaien op op jullie hardware. Spreker 2 Ja, We hebben ze alle draaien op onze hardware prettig voor jullie ber geworden, zoals ik al zei, We hebben geoptimaliseerd voor machine learning, breed data, flow workload en niet niet zozeer transformd. Spreker 3 Ik ben nog even nieuwsgierig hè, want je. Ik zat te denken, is het dan niet zo, want jij gebruikt net het het close source open source oor call versus Postgress, Microsoft Windows cronal versus Linux. Dat is jouw vergelijking en ik daar kan ik goed in mee, maar in dit geval is Het is het wel zo dat stel. Je bent een frontere lab. Je nadert welke definitie dan ook van ADI en op dat moment zou je bijvoorbeeld. Jouw modellen kunnen gebruiken om jouw modellen nou je modellen gebruiken om je modellen te trainen. Dat gebeurt al. Door het creëren van synthetische data en destilling, maar Je kunt ook zeggen, wij gaan die modellen Laten meedenken over hoe je modellen maakt en We gaan die modellen Laten mee programmeren aan onze modellen en dan kan je op een gegeven moment een cirkel krijgen. Een soort take off scenario, zoals het dan rond gaat In de I Community, waarin degene die daar als eerst komt. De groep die daar als eerst komt en zijn eigen modellen zijn eigen modellen kan Laten verbeteren, eigenlijk wegvliegt van de rest als een soort. De eerste raket die van de grond komt, zeg maar, terwijl al die andere raketten nog op de grond staan. Dat maakt het wel wat mij betreft de belangen die er spelen in die open source versus close source of open source Force premier wel groter dan tussen twee operating system conals of database engines. Spreker 2 Uiteindelijk, en dat vind ik wel een interessante opmerking an sich is dat Je kunt. Je kunt denk ik technologieën een beetje categorie categoriseren of clusteren naar hoe bounded zijn ze In de zin van? Een heel goede operating systeem, een hele goede auto. Kan gewoon, zeg maar heel nauwkeurig en veilig van A naar B, maar je kan niet nog sneller en nog sneller, want Dat is gewoon ongemakkelijk voor die persoon In de auto. Dus je kan niet op snelheid zitten. Soort van limiet dus Als je gewoon met de nog comfortabele snelheid met extreme veiligheid en met heel veel precisie van A naar B gaat, heb je een soort van de perfecte auto gemaakt die dan ook nog eens nul Energy verbruikt of wat dan ook negatief zelfs whatever. Maar het is niet. Je kan niet een auto op een gegeven moment heel veel beter maken. En hetzelfde geldt denk ik voor operating Systems en Database zoals je zegt, Maar de categorie kunstmatige intelligentie heeft heeft weinig last van dat probleem. 1 1 1 nog betere nog intelligente systeem is gewoon weer weer waardevoller en en Het is vrij makkelijk om Als je dat systeem pakt om te zeggen. Maar hoe ziet een nog veel slimmer systeem eruit en wat kan dat dan nog weer betekenen, waarbij eigenlijk de fantasie en de ideeën zeg maar eindeloos zijn. Weet je, als Als het systeem zeg maar definitie die over HDI of agi wordt wordt gegeven die ik wel grappig vind is Als het 100 miljard. Dollar en waarde zou kunnen produceren, een soort economische definitie van hoe nuttig of hoe goed is een model. En dan kun je makkelijk zeggen van nou, OK als als een AI model intelligent genoeg is om dat te bereiken, ja, vind ik niet indrukwekkend. Ik wil eigenlijk dat alle dominante ziekte die nog actief zijn dat die opgelost worden. Weet je wel cure Cancer cure dit enzo en en als een model 100 miljard waardevol. Of onder het waarde kan creëren. Dat is Dat is een soort lagere lat dan dat weet je wel. Dus Ik denk dat dat moeilijker is meer dan 100 kost en en dus daar. Daar heb je wel Natuurlijk een soort van dat waar stopt dit? Weet je wel, want je kan altijd nog intelligenter willen bouwen en Het is niet duidelijk dat we geen ideeën meer hebben en dan kan je weer naar dat takeoff verhaal van is er nou sprake of kan het mogelijk een soort takeoff zijn, dus een soort loop die oneindig blijft verbeteren? Ik denk van niet. Ik denk om een vrij simpele reden en Dat is dat er gewoon altijd bottlenecks ontstaan die tijd nodig hebben om opgelost te worden en heel veel ook bottle X, die gebaseerd zijn In de natuurkunde of In de In de natuurwetten. Dus als jij een systeem hebt dat heel goed zelfstandig onderzoek kan doen, daar heeft Open Air het ook over. We hebben onderzoekers die volledig gebaseerd zijn op AI. Dat zijn een soort AIA agents die onderzoeker zijn en dus Misschien zouden kunnen bijdragen aan. Betere ideeën voor betere. Systemen dan moet je op bijvoorbeeld stel nou dat hij iets vindt echt iets briljants waardoor het maar 1/3 van de tijd en Energy kost om het nog nog beter model te trainen dan ze zojuist gedaan hebben. Dat model kostte wel gewoon 3 maanden om te trainen. Nu heb je een maand nodig, dus ook om dat voorstel te testen van zo'n AI onderzoeker. Ook al Als het allemaal helemaal klopt en helemaal waterdicht is, heb je nog wel weer een maand nodig om te wachten. En als er dan andere modellen ook getraind worden. Van andere Mensen? Ja, die nemen dan Misschien voorrang, Omdat er toch ja menselijke test gaan voor op die AI test en. En zo denk ik dat er allemaal bottlext zijn. Dus Misschien dat die iets briljants heeft bedacht. Maar dan moet je eerst een nieuwe interconnect implementeren, heeft hij ook. Spreker 3 Vers uitgezocht dus. Spreker 2 Al die bottlenecks die gaan uiteindelijk zorgen dat een t golf niet een soort viral take off is die. Spreker 3 Discussie is de is voor mij hoeveel graden die lijn is, is dat een rechte lijn omhoog in een soort hele. Spreker 2 Ja en dat denk. Spreker 3 Ik wel een echte gok? Nee dus jij bent antihockeystick, zeg maar prima ik volgens mij is dat ook. Nou ik bedoel anti. Spreker 2 Hockey, echt heel lijnen die allemaal hockeystick zijn. Hoor, nee. Spreker 3 Fantastisch over wat voor stick hebben we het welk merk, maar niet een soort van ongelimiteerde, ongeremde super lijn omhoog hè? Die gaat iedere keer gaan daar dempende factoren op duwen, natuurkunde naar Energy bureaucratie, hè? Dus ik ik, Ik kan jouw lijn helemaal volgen, maar. Ik denk dat mijn vraag vooral is, kijk, ik zie dan een beetje 10 raketten naast elkaar staan hè? 5 close source raketten en 5 of 5 closed waits of close waitraketten en 5 team open waite raketten nog even los of het open source is. En op een gegeven moment begint er één een beetje zo te te hoveren hè, zoals je dat van Space X gewend bent. Nou ik voor mij zijn ze al een beetje aan het hoveren voor mijn gevoel soms die raketten, hè? Dat je denkt en dan gaan ze weer naar beneden en dan denk je oeh, dat zag er wel spannend uit en dan gaat Iedereen die bij die labs werk vlug naar buiten rennen en op Twitter roepen. Jongens, Het gaat wel heel hard, weet je wel, Mensen worden ook een beetje zenuwachtig als ze dat zien. Maar op een gegeven moment gaat er Natuurlijk een langer over hoger en hoger en hoger. En Ik denk dat mijn aanname daarin is, merk ik nu nu ik het met jou over heb dat. De andere teams dan blijkbaar geen kans meer maken ofzo er kan maar één winnaar zijn. Ik weet eigenlijk niet zo goed hoe ik dat kan verdedigen, Maar dat gevoel heb ik dan. Dan het lijkt wel of die degene er dan met de prijs vandoor gaat of zo in een soort zero sum game. Dat is denk ik sowieso. Spreker 2 Niet, zo ook Omdat die modellen voordat dat model er was, die zijn al steeds nuttiger en nuttiger en capabeler dus Als je nu kijkt naar één van de allerbeste modellen die je gewoon kunt krijgen die beschikbaar is op de markt, dat bijvoorbeeld o 3 mini o 3 mini is al echt insanely good, zeg maar in het schrijven van software. Dus als jij een programmeur bent. Dan weet ik vrij zeker dat er subgebieden zijn waar een o 3 mini jou helemaal. Omver blaast dus als jij bijvoorbeeld hele goede webdeveloper bent, dan gaat dat ding rust en C plus plus code schrijven waar je waar je mee hoofd niet bij kan. Als jij hele goede C PLUS plus development bent, dan kan dat ding react component schrijven of wanneer die jij niet kunt. Dus dat o 3 mini model. Dat is al extreem goed en we zien dus dat zeg maar. O 3 mini lijkt weer op r one diep ziek en Dat is open source. Die twee zitten nu dus zich bij elkaar en zelfs als als iemand dus weer echt weer nog een flinke stap maakt bijvoorbeeld, we wachten allemaal wat een tropic gaat doen, want die heeft al een tijdje niks uitgebracht. Spreker 3 Paar weken nog begrijp ik. Spreker 2 Ja dus nou dat duurt even en dan komen ze waarschijnlijk weer met iets met iets heel bijzonders. En op het moment dat dat Er is, dan gaan er ook wel weer. Wordt ook weer vol opgedoken van. Hoe werkt het dan en en en hoe welke vorm verwerk heeft dus dan wordt er extern geleerd wat er geleerd kan worden. Ik bedoel, bij een rezening model weet je over de rest van oh, hij neemt heel veel tijd om te reasen, Misschien moet het een beetje in die hoek zoeken, weet je, zelfs Zonder dat ze iets open sourcen. Lekte wel weer informatie naar al die researchers die ook open source werk doen om dat weer te repliceren en te kopiëren. En dan ben je weer een soort ketchup bewegen en in werking aan het zetten dus. Ik denk dat en nogmaals soms zijn die hele goede modellen ook weer duurder om te draaien, Omdat ze gigantisch groot zijn. En dan is het weer de vraag, van waar gaan we dit voor inzetten? Bijvoorbeeld Owen promoot, Dat is een hele dure versie van Influent Sam Altman. Nee, het publiek gezegd. We hebben het prijs op twee prijs op $ 200 gezet, maar zelfs Dat was niet genoeg om de kosten te dekken van hoe duur Het is, Omdat Omdat om die feature te draaien. En, en dat zegt ook weer dat. Je moet ook een soort van een probleem matchen met de hoeveelheid intelligentie die je er tegenaan gooit en vooral de kunstmatige intelligentie. Omdat kunstmatige intelligentie is uiteindelijk gewoon stroom. En, dat moet je wel een beetje matchen, want anders ga je te dure soort van, want Ik heb ook begrepen dat bezoek. Spreker 3 Aan gebruik P 5 GP 5 zou een soort router moeten worden, toch hè? Dat als in wat een van de innovaties van GPT 5 wat ik nu heb begrepen, dan is dat die aan de hand van jouw vraag gaat kijken wat die als een soort Mac mixure of experts, maar dan nog breder. Ga ik rezening doen ga ik after kaft meteen reageren Zonder rezening of heb ik dat verkeerd begrepen? Spreker 2 Nou, kijk, Als je kijkt naar one, Dat is het model van Open Air dat all dynamischheid. Ik noem het soort van Dynamic range, dus het kan zeg maar heel snel een antwoord geven Als ik denk, nou, Dit is een vrij recht en vraag hoef ik echt lang over na te denken. Hier is hetantwoord, houdt t als The Empire State Building, dan moet hij niet een minuut gaan nadenken en dat dat had Oh one previewed model voor o one. Had daar last van, dat zeg maar hele simpele vraag, how are you? Twee minuten later later I'M Great Thanks. Spreker 3 Soort filosoof, Ik denk ook dat ik veel te lang noem. Spreker 2 En dan ga je ook kijken. Kijk, wij kunnen de reasoning traces niet zien van Open Air. Natuurlijk. Dat is iets wat zij verbergen om concurrentie redenen. Maar Als je dat ziet bij deep ziek our one, dan zie je als een soort hele introvete soort persoon die zenuwachtig is. Op die reactie gaat reageren. Dat is wat je niet wil, want Dat is niet logisch dat je daar heel veel tijd en en en dus ook Energy voor gaat gebruiken. Als het een hele makkelijke vraag is, dus o one is al heel dynamisch In de zin, de laatste versie van een simpele vraag krijg ik snel eenantwoord, kost minder com. En een langer, moeilijkere vraag die gaat meer tijd kosten en Dat is denk ik waar ze op hinten met JPT Fourpoint Five. Dus dat ze het hebben over een systeem, dus dat dat heel goed doet dat dynamisch schakelen, maar dan noemen ze het meer unified. Dus met een router kan je al meer denken aan een systeem dat echt losse systemen zijn waarbij iemand gaat beoordelen. Is het een moeilijke vraag, is het een moeilijke vraag, dan gaat hij naar het grote model of naar het reasing model. Met Misschien een tijdbudget van 9 minuten, want dus 1 9 minuten probleem en dat Dat is niet zeg maar wat ze gaan doen. Waarschijnlijk niet dat discreet soort van. Echt meerdere verschillende modellen die echt los staan van elkaar. Ze gaan het wel. Spreker 3 Weer in. Spreker 2 Één geheel en dan krijg je Misschien een nieuw soort architectuur wat wel heel erg lijkt op een transformer, want ook bijvoorbeeld diep ziek r one is gewoon een transformer model, maar maakt dus gebruik van die variant. Dat heet mix of experts en dat betekent dat het model eigenlijk getraind is als allemaal losse kleine modellen die wel allemaal geschakeld zijn in één en het model is uitgevogeld tijdens het trainen. Voor elke vraag, hoe moet ik het verdelen over mijn sub model? Zeg maar, die architectuur is een heel groot deel, maar er zit allemaal een soort discrete blok in en hij pakt dan de de blokken die relevant zijn voor de vraag en dan heb je Alleen die nodig. Spreker 3 Tjatty 5 gaan praten, dan kan ik dus sporadisch heel snelantwoord krijgen, zoals vroeger, prersening en sporadisch hele langeantwoorden krijgen of trageantwoorden krijgen, want er moet eerst nagedacht worden en Dat is niet een soort vraagtje ervoor, Maar het zit er gewoon in. Spreker 2 Het intuïtief ook Natuurlijk hoe je nadenkt over de over hoe hoe de hoe, de hoe de echte wereld de natuurlijke wereld Misschien een beter wordt gestructureerd is dus in computer Science onderzoeken we dat heel specifiek, dus bijvoorbeeld in Delft. Daar heb ik gestudeerd. Daar hebben ze het altijd, bijvoorbeeld over complexity classes, dus dan kan je zeggen, OK, dit probleem is zo moeilijk en bijvoorbeeld het sorteren van de lijst cijfers is makkelijker dan het sorteren van een lijst van floating Point cijfers, dus niet natuurlijke getallen en daar kan je iets over zeggen. Analytisch. En als jij iemand een simpele vraag stelt, dan begrijp je dat er minder moeite is dan Als je zegt Van Ik wil. 19 winkels in Nederland plaatsen, maar ze moeten zo geplaatst worden dat. Minimaal binnen zoveel dekking van alle grote. Spreker 3 Travelling heel zorgen. Spreker 2 Ja precies. Dus als jij een heel moeilijk probleem beschrijft, dan is het redelijk om te verwachten dat er meer moeite gedaan moet worden om dat probleem op te lossen. Of dat nou door Mensen of door een computersysteem gedaan wordt. En Ik denk dat die ja dat dat dynamische is eigenlijk heel gek dat het in het begin niet zo was, dus dat elke vraag. Spreker 3 Dat heb ik heel de tijd nu bij dat ding dat Ik denk nu. Ik begin te zien hoe die gaat werken van context moet er eigenlijk niet in zitten, maar op tijd toegevoegd worden. Hij moet eigenlijk nadenken over hoe. Denkt, maar Je moet niet te lang. Spreker 2 Eigenlijk een heel raar ding. Het was zeg maar gewoon. Hij bevatte alle feitenkennis en hij deed over ieder probleem even lang van Hallo doet hij evenveel letterlijk op de op de flop doet hij evenveel berekeningen als dat je zegt, van ja, maak een vereenvoudigde theorie van. Kwantummechanica en relativiteitstheorie. Ik ben Natuurlijk en Dat is I bord is waarschijnlijk, maar zeg Maar dat dat idee dat je daar evenveel moeite en tijd aan besteed. Dat is Natuurlijk niet heel intuïtief. En daar proberen probeert men ook nu een beetje in te leunen als als onderzoekswetenschappers van. Wat, wat kun je dan? Doen om die mismatch op te lossen en krijg je daar dan uiteindelijk betere modellen door? Spreker 3 Want hoe zit jij nu? Want We hebben het nu best wel casual over ADIASI dat het allemaal beter aan het worden is. Raketten die opstijgen of niet? Maar hoe zit jij er zelf als mens in Als je het allemaal ziet, ben je hier hartstikke enthousiast over en vind je het eigenlijk allemaal wel mooi of zijn er ook zorgen over? Banen en je eigen baan en ben jij straks nog wel nodig? Zijn er dingen waar je? Ook bij stilstaat. Spreker 2 Ja, Ik denk ik ik. Ik denk daar niet extreem veel over na, Omdat ik daar Misschien een redelijk simpele take over heb is dat Ik denk dat met zeg Maar dat dat dat narratief heb waarschijnlijk ook al voorbij horen komen dat met elke technologie, zeg maar, heb je dat het bepaalde banen automatiseert en dan ook weer nieuwe kansen creëert? En die nieuwe kansen dat laatste all in podcast ging trouwens over dit onderwerp over een soort van dit soort van graad AI dingen automatiseren tot het punt dat er heel veel banenverlies is, of gaat er allemaal opportunity door? Aan de allemaal nieuwe kansen waar Mensen iets mee kunnen en ik ik. Ik denk dat je ziet het al Als je als programmeur bijvoorbeeld niet bij blijft met wat er kan met de laatste modellen, dan word je heel snel buitenspel gezet. Zeg maar dan bij economisch echt in één keer stuk minder waardevol, stuk minder aantrekkelijk. Om in te zetten om het om software te maken, dus 1 1 1 programmeur die echt vaardig is met het gebruik van de laatste modellen van een tropic en open die i voor het ontwikkelen van software. Die die die die loopt echt rondjes om iemand die dat die dat niet gebruik niet aanraakt en dat dat effect wordt steeds groter en het kan zelfs zo zijn dat heel veel van de werkzaamheden waar programmeurs hun hun brood mee verdienden gewoon letterlijk allemaal niet gedaan hoeven te worden. Dus Als je bijvoorbeeld kijkt naar een tech bedrijfsstructuur, dan heb je vaak een tech lead. Daaronder werken. Mensen noemen ze vaak dan ICS en de Visual Contributors. Dat zijn zeg maar heel oneerbiedig gezegd, De code monkies die echt implementeren en bouwen wat er gebouwd moet worden. En, het lijkt er steeds meer op dat die dat die tech lead positie die bepaalt wat er gebouwd moet worden, vaak in samenspraak met nog een stakeholders daarboven dat die steeds belangrijker worden Omdat het echt daadwerkelijke bouwen van Van de van de functionaliteit. Als ze eenmaal een beetje bedacht en geschetst zijn van moet dit kunnen doen. En het moet ongeveer zo werken dat dat dus allemaal gedelegeerd kan worden aan AI systemen. En Dat is programmeren, dus daar zie je al hele grote veranderingen dat als Als je niet oppast als programmeur kan je in één keer buitenspel staan, waarbij je letterlijk gewoon je baan verliest. En niet meer nodig bent Als je puur en Alleen dat naar de tafel brengt en Ik denk dat met AI op het gebied van zelfrijdende auto's bijvoorbeeld. Je ziet waymo helemaal doorbreken in San Francisco. Nou, dan zie je dat Als je daar driver bent dat je echt een probleem hebt dat je echt moet nadenken van OK over één tot twee jaar is waarschijnlijk deze baan helemaal weg. Gewoon compleet maar. Spreker 3 Laten we dat, Laten we dat die Mensen fleetmanagers noemen, hè? Dus er zitten één niveau hoger in die stapel, die zeggen dan. Ik ga niet die auto rijden, Maar ik ga een vloot van auto's beheren, net als dat de mens zegt, Ik ga niet bij geen oneerbiedige coatbank, Maar ik ben iemand die spek schrijft en en dan laat ik het implementeren door kookmonkie agents. Maar wat Als je die sprong niet kan maken? Spreker 2 Ja en daar daar is denk ik uiteindelijk, heb je een democratie, hopelijk In de meeste landen en heb je een progressief belastingsysteem en heb je vormen van minimum bestaan en zorg je er in ieder geval voor dat als die technologische ontwikkelingen. Dit is de Europeanen die zeg maar dit dit dit geloof ik hoor je. Die er dan voor zorgt dat? Als dat taart heel erg gegroeid wordt, hè? Want het idee is Natuurlijk dat Prosperity en ubiquity en. Soort van oneindige creatie van diensten en goederen mogelijk wordt gemaakt door alles automatiseren met computers en robots. Dat is een beetje de Silicon Valley Utopia, waar ik op zich wel in geloof dat dat tot op zekere hoogte gerealiseerd kan worden. Exact dat je die dan wel moet verdelen op een manier waarbij je Niemand echt achterlaat en er wordt waar ik dan een discussie gevoerd over hoeveel ongelijkheid laat je dan toe? En daar zie je dan dat er weer cultureel en en maatschappelijk verschillen bestaan en je ziet gewoon ongelijkheid groot in de VS dan Het is in Nederland. Of in andere Europese landen en daar moet een deel van de discussie over gaan. Maar ik denk niet dat we zeg maar op pudding. The Horse buffer voor The Carriage, We zijn er nog niet echt. Ik bedoel, Het is geweldig wat die systemen kunnen, Maar we hebben nog niet echt goede robots en We hebben ook nog best wel domme AI systemen die doen we echt nog wel heel erg fout. Spreker 3 Doen, jij staat in het jij staat In de modder hè? Daar bedoel ik dus positief. Ik bedoel, ik kom nu met mijn helikoptertje wel een trapje af. Ga ik even met jou daar jij staat of ik, Misschien kan ik het mooie beschrijven. Jij zit diep in een datacenter complexe dingen te doen, klinkt beter. Modder, ja je zit toch op je zit best wel ja. Spreker 2 Tussen die hummende machine. Spreker 3 Dat zij, dat vind ik jou achter je laptop op de grond die ik nog even de laatste patch aan het pushen is naar jullie compiler top hoe hoe snel gaat dit dan? Wanneer moet ik dat belletje gaan rinkelen? Ergens dan bij die geld verdeeld wordt? Spreker 2 Ik denk niet dat het heel snel gaat om eerlijk te zijn, Ik denk dat er gewoon. Heel veel, zeg maar, het verandert ook voor Iedereen tegelijk, weet je wel? Het is soort van Als het is niet zo van een deel van de bevolking kan niet meer programmeren, zeg maar, alle programmeurs worden evenredig beïnvloed door deze systemen. En, en dat zie je ook met. Het gaat ook over onderhandeld dus zeg maar als nou het heel excessief, Alleen maar voor bepaalde programmeurs toegankelijk was en niet voor anderen. Dan was echt een soort super unfair shift, maar je ziet gewoon dat. Alle programmeurs worden even snel en evenveel, zeg maar beïnvloed. Ik denk dat Ik denk dat er allemaal redenen zijn, waardoor het niet heel snel gaat en Ik denk dat er altijd aan de rem kunnen trekken Als het wel heel snel gaat, zeg maar, Het is niet zo dat Als het heel snel gaat dat dan in één keer er geen democratie meer is of geen mogelijkheid is om wetten te maken. En ik spreek nu al zeker buiten mijn termijn van expertise. Ik ben geen. Spreker 3 Ik kan geen wetten bedenken. Spreker 2 En Ik ben ook niet dus, maar mijn mijn perfect meer van. Ik denk dat het niet heel snel gaat om dat een soort van boots van The ground wat ik zie is dat het toch nog wel. Zeg maar telkens weer nieuwe hurdels zijn en dat we telkens wel iets verder komen en Dat is echt gaaf wat er allemaal mogelijk is, Maar dat er ook nog wel weer allemaal beperkingen en limieten zijn, waardoor uiteindelijk dingen allemaal niet zo dat de soep niet zo heet gegeten wordt als die opgediend wordt en dat dat daardoor er tijd is om te reageren. En wat ik wel waar ik me aan irriteer of aan stoor is dat in Europa er heel erg de tendens is om wel op de zaken vooruit te lopen. En heel druk en bezig te maken om te discussiëren en te praten over. Maar wat nou Als we straks een mega grote ongelijkheid ontstaat Omdat dan alle kapitaalhouders Alleen nog maar. De voordelen plukken van al deze innovatie die Er is geweest op het gebied van AI en en dus allemaal slachtoffers. Er zijn die allemaal door automatisering hun baan kwijt zijn, Zonder dat er wezenlijk heel veel interesse en poging is om hetüberhaupt mogelijk te maken. Want We zijn er gewoon nog lang niet. En dat dat vind ik. Spreker 3 Debat nee, ik bedoel, wat in dat opzicht heb je de juiste tegenover je, want Ik ben wel. Ik ben een hele anticiperende jongen. Ja, We kunnen niet vroeg genoeg beginnen, rick, maar, en volgens mij is dat juist een hele leuke spanning tussen ons en tussen mij en wel meer Mensen. Maar, want wat is dan? Lang hebben we ja, ik bedoel, Ik weet dat Dat is een soort koffiedik kijken, Maar ik heb wel het idee dat jij iets meer intuïtie hebt op dit gebied dan ik. Dus dat durf ik wel aan je te vragen Als ik het dan heb. Over de Mensen die nu vooral op het niveau van ik schrijf iedere dag regels code en eind van de dag sluit ik mijn tekste editor haak naar huis, zeg maar. En dus die Mensen die implementeren van andermans plannen, hè, ik bedoel, hè? Zijn, hebben die over 5 jaar allemaal geen baan meer? Spreker 2 Ik denk dat die over twee jaar echt al geen werk meer hebben als dat. Spreker 3 Substantieel gast Dit is toch wel een dingetje en dan mag ik nog geen planner voor maken, zeg jij, Ik vind het wel belangrijk. Spreker 2 Kijk, ik zeg niet dat ze nu niet over nagedacht moet worden, want Ik denk dat het best wel een urgente kwestie is voor die beroepsgroep bijvoorbeeld, hè? Dus voor voor taxichauffeurs en voor. Zeg maar, Als je programmeur bent dat dat daar heel veel geautomatiseerd kan gaan worden en ook weer andere beroepsgroepen je customer support agents is ook een logische soort groep die die heel veel. Beïnvloed wordt door de ontwikkeling en Y. Maar doe het gewoon beide dus en heb die discussie en kijk naar wie wordt er straks slachtoffer van? Hoe gaan we daarmee om? En investeer en en bouwactief mee aan die AI technologie om daar te komen, want We kunnen wel eens zijn dat denk ik in ieder geval wij maar waarschijnlijk ook wel meer Mensen dat het wel netto Als het goed ingezet wordt, heel waardevol kan zijn, Omdat uiteindelijk ook heel veel mega goede voordelen eruit kunnen komen. Neem bijvoorbeeld een zelfstandig onderzoeksteam dat uitgebreid onderzoek kan doen naar nies ziektes, dus je hebt zeg maar, ziektes die. Hele kleine groepen van de populatie betreft. Maar ja, daardoor is het moeilijk mogelijk om daar echt onderzoek stappen in te zetten. Als je de kosten fundamenteel kan verlagen van het doen van wetenschappelijk onderzoek en medisch implementatieonderzoek om te kijken van welke medische. Technieken werken zijn effectief. Spreker 3 Allemaal Zonder Mensen. Er komt een hele grote groep Mensen naar een datacenter met molotos, want die zijn boos op PI en dan rijdt er iemand achteraan die zegt, stop dan zeggen ze. Hoezo stop ALS is genezen Als het is genezen, hoe dan? Ja, protoning Folding deep deep Fold ben al te volt, we did it it weet je en dat Dat is begrijp, begrijp me niet verkeerd mijn meta angst. Zit hem meer op dat Als je dit. Iets te cowboyig doet dat je juist kans hebt dat die versnelling die We willen of ieder geval Laten we zo zeggen, het ondersteunen van deze innovatie dat die tegen gewerkt gaat worden door die bijeffecten, hè? Dus er gaat op gegeven moment wel iets mis. Dan worden Mensen allemaal panisch en dan mag mag jij in één keer kan hem ook even omdraaien. Snap je dus en weinig. Het risico bezig zijn is ook. Spreker 2 Welkom op het wereldtoneel, dan kunnen we dat in Europa allemaal moord en brand doen. Maar dan zegt China, We gaan toch lekker door en Amerika nou, We gaan toch lekker door. Dus Ik denk dat. Dat die realiteit dat dat je zeg, maar Mensen hebt die vragen om ga op de rem en dat dat lukt dat dat weinig kans van slagen heeft mondiaal gezien en dan word je dus slachtoffer dat dat zie je ook In de wapenwedloop om AI dus de grootmachten is dat je dan Natuurlijk gewoon dat dat cirkeltje krijgt van OK als wij nu op de rem gaan Omdat dat verstandiger is, Omdat daar onze onze populatie onze maatschappij vraagt. Daarom dus dan gaan we daar op reageren, want democratie. Dat je daarmee jezelf buitenspel zet en dat je. Spreker 3 Niet om de dader een groot mag. Wat mij betreft is het niet remmen, Maar de tijd steken in anticiperend voorbereiden op. En wat jouw klacht net was eigenlijk dat je zei, Ik vind het wel moeilijk dat er nu al zoveel nagedacht wordt over dingen, terwijl we nog niet eens iets hebben gemaakt. Maar het. Spreker 2 Gaat allemaal over gradaties en verhouding dus. Ik denk dat er heel veel aandacht en heel veel interesse. En heel veel tijd en Energy is in Europa, grosso modo in het deel. Beperken begrijpen voorkomen opvangen van de de de Mensen die er slachtoffer door zijn. En heel weinig echte bijdrage op de schaal die nodig is dus de miljarden kostende datacenters. De onderzoekers die hieraan willen werken In de gelegenheid stellen om dat te doen door daar heel actief in te investeren. En Dat is ook de private sector dus. Dus dat betekent ook dat die kapitaal moet gaan naar bedrijven zoals minstraal en. En Dat is allemaal heel weinig ten opzichte van wat er op deel te. Spreker 3 Nemen je zegt eigenlijk, Als we nou eens de tijd. En het geld en de Energy die we stoppen in het uitzoeken hoe het ons kan gaan vermoorden. Op zijn minst ook zouden stoppen in het ontwikkelen ervan. Hoe ironisch dat ook klinkt, want ik bedoel niet, Dit is gewoon zo dat jij zegt. Volgens mij is één van die risico's vermijden is er in investeren wat er Misschien een beetje paradoxaal voelt, Maar ik. Spreker 2 Begrijp ook wel dat je dan ook een stoel hebt op het wereldtoneel van de partijen die die technologie beheren. Dus we weten niet of de de innovatieve ideeën die uit die labs komen die het niet open-source uiteindelijk tot een groot gat leiden. Net een soort speculatieve discussie over gaat dat heel erg open. Soort primer voor de dat weten we niet, maar Als je dus wil garanderen dat je die technologie kunt controleren kunt beheren, dan moet je in ieder geval zelf die technologie ook ontwikkelt. Spreker 3 Je laboratorium In de buurt zijn? Spreker 2 Ja en en in ieder geval Als je kijkt naar chips, zeg maar je hebt. Dit is Natuurlijk eigenlijk een een soort tweede golf van de chiprevolutie of de chip industrie. Dus je hebt Natuurlijk Nederland heeft daar een wezenlijk. Wezenlijke pionnen met ASML, die wordt ook gebruikt in die hele geopolitieke discussies over. Mag HSML wel of niet leveren aan China? En Ik denk dat dit dezelfde zeg, maar je had het op de telecommunicatie dus 5G 4G al die mobiele communicatietechnologieën chip productietechnologieën van onder andere lithografie machines van ASML en en de sappen die daarna in het proces komen. Dus chip design, Als je nu met kunstmatige intelligentie daar dat niet doet actief, dan kom je gewoon een situatie dat je afhankelijk bent net zodat nu die discussie is, vind ik een hele goede BERT Hubert. Die die die die zegt dat vaak dat de Nederlandse overheid zichzelf afhankelijk heeft gemaakt van Amerikaanse technologie, zoals. Office twee sectie 5 en daardoor je je soevereiniteit aantast. Spreker 3 SEDN in Amerika. Spreker 2 Ja bijvoorbeeld en en Dat is zeg, denk ik, Als je Als je Als je belangrijk vindt deze thema's. Dus Het is eigenlijk helemaal niet zo paradoxaal dat Als je dus al die al die bezwaren hebt en al die implicaties wil onderzoeken en dan zo zo zo goed mogelijk wil Laten landen dat je ook heel agressief erin moet investeren. Dat voor mij is dat heel logisch om dat te combineren. Maar ja, dat dat ja Dat is wel 1 1 1. Een heftig spel om dat te combineren, want Het is heel duur en Het is het vereist heel veel inspanningen Je moet. Je moet dan echt veel risico nemen en dat dat echt de extreme lef hebben en risico nemen en kapitaal in investeren Zonder dat je echt zeker weet of het allemaal gaat lukken dat te vinden ze in Europa over gemiddeld genomen toch lastiger dan. Spreker 3 Risico. Maar goed, tegelijkertijd deze krijg ik ook heel vaak naar mij toegegooid, hè? Als ik dan even de embody munt of risk converst person ben die probeert dit allemaal in juiste dingen te leiden. Dat ik dat ze zeggen? Ja, volgens mij probeer jij met jouw voorzichtigheid en onderzoek en Laten we even goed kijken wat er allemaal gebeurt en hoe we het kunnen kaderen op een manier dat er zo min mogelijk slachtoffers vallen door deze technologie. Dat er ook Mensen zijn die zeggen, ja, die dat remmende effect daarvan hè, ook al wil ik dus niet op een rem drukken. Heeft al dat soort van voorzichtig doen. Een remmende remmend effect dat zeggen. Daardoor worden technologieën die mogelijk lijden kunnen voorkomen ook minder snel uitgevonden. Dus als jouw doel was om leider te voorkomen, ben je eigenlijk leiden aan het creëren doordat je het wil voorkomen. Dat is Natuurlijk een hele. Spreker 2 Je moet het holistisch zien. En Als je dus als als natie continent achter gaat lopen bij andere partijen, dat dat heeft Natuurlijk een prijskaartje. Dus Als je dan bijvoorbeeld ook een militair achterstand krijgt, want deze technologie Omdat zo algemeen is, raakt niet Alleen maar transport als taxi's of werkgelegenheid In de zakelijke dienstverlening en de White Color banen, zeg maar maar ook. Defensie. Dan heeft dat een prijskaartje, maar ook bijvoorbeeld het niet uitvinden van een veel, bijvoorbeeld zelfs klimaatverandering. Er wordt bijvoorbeeld onderzoek gedaan naar soort van Terra terravorming, hè? Dus dat je iets doet om dat klimaatprobleem op te lossen doordat je ingrijpt Als het ware op op bijna ja, dus op planeet niveau om te zorgen dat die klimaatverandering beperkt wordt of in ieder geval de effecten ervan. En Als de uitvindingen die daarvoor gedaan worden. Kunnen komen van de wisselwerking tussen briljante geesten en heel capabele AI systemen. Dan ben je Als het ware door niet agressief die AI systemen na te jagen. Ben je eigenlijk zoals je al zei zelf bij aan het bijdragen aan het leed aan de consequenties Omdat je niet hard genoeg zoekt naar de oplossing. En Ik vind Rutger Bregman wel een leuk bruggetje. Eigenlijk zijn boek van morele ambitie heb ik gelezen. Ik vind het een goed boek en hij zegt dus ook van, ja, Je kunt dus wel heel principieel zijn op je strepen staan. Maar in morele ambitie is het punt eigenlijk dat je zegt. Je moet. Ambitieus een een probleem wat je aangaat najagen om een oplossing ervoor te vinden. Want uiteindelijk moet je niet denk ik, zegt hij. Dus parafraseer dan je heel erg bekommeren om of jij op individueel niveau ietsje meer of iets minder bijdraagt. Je moet kijken naar de totaalsom van het probleem waar je om geeft en dat probleem oplossen, zeg maar op een kwantificeerbaar manier dus bijvoorbeeld dat ziektes geëradiceerd worden of dat je klimaatverandering. Kan kan reduceren. Dat is toch uiteindelijk je doel, weet je wel, je wilt toch niet je gelijk halen? Je wilt zorgen dat de wereld er er beter uit gaat zien volgens de morele waarde die je zelf hebt. En dan denk ik, ga dan naar Ayoub houden, want dan kan je daar dichterbij komen bij al die bij al die dingen. Dus meer gelijkheid, veiligere woningen, meer woningen, meer minder klimaatproblematiek, zeg maar uiteindelijk, ik bedoel nu, nu heb je echt de technocraten, de utopist, Ik ben wel. Spreker 3 Believend, laat jij even lekker praten hoor. Ik weet wel mooi. Nee, ik bedoel. Ik wil Alleen Maar ik. Ik bedoel de de, het komt wat het een wicked problem maakt. Dit hele ding is Natuurlijk dat op het moment dat jij ibouwt dat dan ook de CO twee uitstoot weer omhoog gaat, waardoor je eerder nog met ja I moet komen die het weer gaat oplossen, waardoor je jij nog meer zou je van op een gegeven moment ga je een soort van op zichzelf voedende systemen krijgen ook qua geopolitiek waar je noemt het je noemde het wapenwedloop al hè ik bedoel, als jij zegt, ja, je buurman bouwt een hogere schutting, dan moet jij ook een hogere schutting bouwen en op een gegeven moment heb je schuttingen van 80 m hoog In de straat en heb je. Spreker 2 Ergens die die is wel dat die nucleaire bommen was dat de oorspronkelijke Koude Oorlog. Koude Oorlog wapenwedloop daar was Natuurlijk het het voordeel van meer bommen hebben het niet aanwezig, Maar het voordeel van meer intelligentie en en systemen die meer kunnen dat dat daar zit niet zo'n beperking op. Dus Ik denk dat die wapenwedloop goed is. Ik denk wel Omdat ik dus denk dat AI systemen mee ontwikkeld worden die er voor heel veel positieve dingen ingezet kunnen worden, net als dat computertechnologie. Heel veel delen van de wereld mogelijk maakt ziekenhuizen Zonder computers bedenkers wat voor chaos en inefficient. Dat noemen zij. Spreker 3 Veel minder Mensen geholpen. Spreker 2 Ja elektriciteit dus dus technologie dat dat zeg maar dingen beter maakt denk ik geen discussiepunt, maar je bent. Je bent ook wel met je eens dat het een wikke probleem is Omdat je wel moet kijken naar. De risico's van wat je doet, wat ik al zei, Je moet risicotun, maar er zitten dus ook risico's aan het kapitaal vernietiging is ook weer dat je kapitaal alloceert aan iets anders, dus je neemt dan Misschien kapitaal wat je alloceert aan AI van iets anders weg, dus Je moet wel gewoon bij de les blijven en blijven kijken van is dit nog zinnig? Is dit nog logisch is? Is het zinnig om Als we nu een datacenter hebben van 100.000 GP US waar XCI mee begonnen nu heeft opgeschaald naar 200.000 J pus. Moeten we dan de stap zetten naar 400.000 c Pus en op deze manier blijven doorschalen? Of moeten we even een passende plaats nadenken van, kunnen we de technologie niet anders doen zodat we met deze 200.000 GP US gewoon iets nuttigs kunnen doen in plaats van maar gewoon blijven verdubbelen? Spreker 3 Gast, volgens mij zitten we al best wel lang te praten nu en Dat is niet erg, Maar we zitten zwaar over de tijd van een gemiddelde aflevering, dus ik hoor Alexander een beetje in mijn nek van gast. Houd het nou even binnen een uur, dat gaat allang niet meer lukken, maar 3 uur is ook zo gek. Ik ja, wat wat mij betreft praten we op een ander moment verder niet binnen een paar weken, maar over een tijdje Als je dat leuk vindt, want Er is nog genoeg te bespreken. Ik ben wel. Nieuwsgierig van als er Mensen zijn die zeggen van OK, dit klonk echt vet. Waar kan ik rick verder volgen? Wat kunnen ze dan doen? Spreker 2 Ja, ik, Ik ben dus vooral gewoon druk aan het werk. Ik ben niet altijd publieke dingen aan het schrijven, Maar ik heb wel een nieuwsbrief. Die heet Coding withintelligence.com en Dat is daar, schrijf ik gewoon eigenlijk over. Beetje op technisch niveau van. Wat wordt er allemaal uitgebracht? Dus Papers get up code projecten grote nieuwsaankondigingen. Beetje die die categorie zoals Mensen dat Point vinden, kunnen ze dat checken en ik zit op x formilionous, Twitter of Twitter om Mensen te noemen. Maar daar is mijn voor achternaam. Reclamers met CK dus daar zit ik ook op. Spreker 3 Vet man dankjewel voor al je tijd. En ja, ik moet het ook nog even processen allemaal. Ja, We gaan elkaar nog spreken dat dat denk ik wel. Spreker 1 En dan zit deze aflevering van ER Report erop. Ik ben er bijna een beetje verdrietig van. Ik sluit hem wel even netjes af. Natuurlijk nog dank aan Sam Heenveld voor de Edit. Dank aan pankra voor de vormgeving. Dank aan dept. Ook voor het mogelijk maken van deze podcast. Als je vandaag nog wil beginnen met AI binnen jouw bedrijf, ga dan zeker even naar deptagency.com Slash AI Report. En Als je nou een lezing wil over AI van WITS of Alexander, dat kan nog steeds mail ze op lezing at AI Report punt e mail. En nou ja, nog één ding, hè? Dat hoort er ook nog bij, want Als je nou op de hoogte wil blijven van het laatste AI nieuws en twee keer per week tips en tools wil ontvangen om hoe je het meeste uit AI kan halen. Ja, abonneer je dan op de nieuwsbrief via ER Report punt e mail dan kun je dus ook meedoen aan de webinar de of het webinar. Ik zou zeggen het jij weet het niet hè? Nee, ik zie jou schudden. De link is in ieder geval naar alles wat ik net heb opgenoemd zijn ook te vinden In de shownotes. Jullie komen erbij uit. Dank voor het luisteren. Spreker 3 Doeg.