Claude Fable 5 is terug, AI lokaal op je laptop en Volt eist AI-beleid

Peter Slagter: Klein patroontje te zien. Dat is dat op iedere woensdagochtend onze voorbereiding om zeep geholpen wordt door bedrijven die met nieuwtjes naar buiten komen.

Bart Mol: Precies. We hebben ze toegevoegd en we gaan het er deze week over hebben. Waar we het ook even kort over gaan hebben, alle leuke berichten die we hebben gekregen van jullie. We hebben ze allemaal doorgenomen, allemaal geantwoord op Spotify, op YouTube, via de e-mail. Ja, leuk om te horen. Deze week nemen we ook een aantal vragen weer mee. We kregen bijvoorbeeld een vraag over agents, over Obsidian, over Hermes en over Openclaw. Hè, agents die 24/7 voor jou werken op de achtergrond. Daar hebben we een item over. Die gaan we meenemen. Ik kreeg ook nog een handige tip van iemand voor tools om te kunnen praten tegen je AI. Ik had het vorige week over de tool die ik gebruik, Voice Inc. Maar ik zag een aantal keer langskomen Handy.computer. Dat is de website. De tool die heet Handy. En dat is een open source tool. Die werkt ook met die modellen waar we het vorige week over hadden, met die lokale modellen. En daar kan je ook handig tegen praten en dan maakt hij er tekst van.

Bart Mol: Dus, nou ja, goed, leuk om te proberen. Probeer in ieder geval één van die tools. Of probeer gewoon de ingebouwde functionaliteit in ChatGPT of in Claude. Ja, en laat ons weten of jij kamp Bert en Peter bent of kamp Bart. Praat jij liever of schrijf jij liever? Of beide, hè? Wel, in welke situatie kies je welke van de twee? Ik ben wel heel erg benieuwd. Als laatste wil ik jullie nog even vragen, als je nou deze aflevering luistert en je bent klaar met luisteren en je denkt: nou, ik heb nu drie afleveringen geluisterd, ik vind het een leuke podcast. Stuur hem dan even door naar een vriend, naar een collega, naar een familielid, naar een groepschat, naar de werkslack met je collega's. Ik denk dat er andere mensen ook geïnteresseerd zijn in AI en misschien zijn die ook wel geïnteresseerd in een leuke Nederlandstalige podcast die je elke week helemaal bijpraat over alles wat je moet weten. Dus, ja, dat is onze vraag aan jullie. Wij maken deze podcast gratis en voor niks beschikbaar. Als we dan één ding terug mogen vragen, zou het dit zijn, denk ik toch, mannen?

Bart Mol: Denk ik dat dat wel het hoogste op het lijstje staat.

Peter Slagter: Zeker.

Bart Mol: Dat gezegd hebbende, gaan we snel beginnen met het eerste item van deze week. Ja, want Fable is terug. Ja, we hadden het vorige week al gezegd. We hebben het er uitgebreid over gehad, hè, de hele vorige geschiedenis met het nieuwe supermodel van Anthropic. Exportcontroles opgezet. Het was even beschikbaar, toen was het weg. Iedereen had een shot gekregen en toen werd de voorraad weggenomen door de Amerikaanse overheid. Ja, en nu was ie terug, hè. Precies na de podcast van vorige week werd toegang weer opengezet. Ja, hebben jullie het een beetje gebruikt deze week? En zo ja, wat is eruit gekomen? Wat zijn de vibes een beetje wat jullie betreft?

Peter Slagter: Ha, ik heb het zeker gebruikt. Verschillende projectjes lopen. Ik ben beetje aan het brainstormen over een, ja, weet je, een hobbyproject die weleens uit de hand kan gaan lopen. Een leuke website die ik in gedachten heb. Of webapplicatie. Misschien wel een app erbij. En dat moet natuurlijk uitgedacht worden, hè. En ik ben al gewend van mijn jaren toen ik nog echt in de IT werkte, dat je dan zelf gaat schrijven en denken en ontwerpen en met allerlei eisen komt en gedachten hebt over hoe dat technisch zou moeten werken, hoe je het zou willen testen, enzovoorts. En, ja, nu heb je daar dus een partner voor. Nou, eigenlijk heb je er dus niet één partner voor. Wat mij dus opviel, is dat ik, ja, ik hoef maar het minste of geringste aan hem te vragen en hij spant er zelf twintig partners bij, zeg maar. Er wordt gewoon een groep agents gespannen om dan na te gaan denken over de vragen die je hebt gesteld. En dat is wel, ja, het geeft wel een apart gevoel, zeg maar. Het gaat ineens heel snel. En de antwoorden die je krijgt, ja, die zijn zoals je van Fable gewend was, natuurlijk hartstikke mooi.

Bert Slagter: En jij werkt dus met Fable in Claude Code, hè? Want daar spint ie die subagents dan op. Dat doet hij niet als je gewoon via Claude.ai aan het chatten bent. Daar heb je gewoon, ja, een hele slimme gesprekspartner. Ik heb wel het idee, als ik het vergelijk met de eerste keer dat Fable losgelaten werd, dat er vaker op de achtergrond teruggeschakeld wordt naar een iets minder slim model. Want ik merk toch een soort van wisseling in hoe

Bart Mol: Doorwrocht de antwoorden zijn. En ja, ik merk nu dat anders dan toen, dat ik toch eigenlijk liever gewoon lekker terugga naar mijn ChatGPT 5.5, want daar, ja, op een of andere manier, ja, wij begrijpen elkaar gewoon heel goed.

Bert Slagter: Ja, dat is mooi. Iedereen heeft zijn voorkeuren.

Bart Mol: Dat kan ik wel heel goed begrijpen in de context van het gesprek. Dus als je niet per se iets aan het bouwen bent.

Bert Slagter: Ja.

Bart Mol: En je hebt al een hele historie opgebouwd natuurlijk in die context. Ja, dan begrijpt hij jou ook daadwerkelijk beter.

Bert Slagter: Ja, dat is ook wat dat betreft wel interessant als je, ik weet niet hoe lang het geleden is dat je je verdiept hebt in memory. Dat was in het begin, kon je gewoon in een chat vragen: stop dit in je geheugen en dan ging die even nadenken en dan stopte hij dat in je geheugen. Maar inmiddels, in de laatste negen maanden of zo zijn er een aantal verbeterslagen geweest. Inmiddels heet het geloof ik Dreaming. Wat hij nu gewoon doet, is bij elke chat een soort van essentie daarvan eruit halen en toevoegen aan het geheugen. En dat merk ik, steeds vaker worden de voorbeelden relevant of uit vorige chats gehaald. Ja, dat is gewoon wel wel gaaf.

Bart Mol: Ik moet daar wel van zeggen Bert, ik heb wel een paar dingen die op de een of andere manier, dat zijn echt core memories voor mijn agent. Dus ik heb een keer verteld dat ik dingen graag automatiseer met N8N. Dat is een tool, een open source API erachter.

Bert Slagter: Komt niet meer aan N8N.

Bart Mol: En als ik vraag van, ik heb tomaten in huis en ui en nog een prei. Wat kan ik vanavond maken? Zegt hij: "Nou, omdat je zo graag automatiseert met N8N, is dit een goed..." Het is een beetje overdreven, hè, maar op heel veel momenten komt hij dan weer terug van: jij houdt ervan om zelf te hosten. Dan is dit echt het gerecht wat je moet maken. Dan denk ik: ja, dit. Dus ik vind dat soms ook lastig. Dus ik pak soms ook wel eens gewoon zo'n incognito chat omdat ik even niet alle memories wil. Ik wil gewoon antwoord op de vraag: hoe hoog is de Eiffeltoren? Zonder dat daar een heel verhaal over mijn persoonlijke leven-

Bert Slagter: En automatisering voor gemaakt. En dan komt als het goed is het antwoord uit.

Bart Mol: Ja, precies. Maar goed, inderdaad, ik heb er ook veel mee gewerkt deze week. Laten we eerst even teruggaan. Nog eventjes kort wat het verhaal dan was, deze week tot en met 7 juli. Vandaag, gisteren ligt er een beetje aan welke tijdzone je pakt, zat Fable in de abonnementen voor 50% van je credits. En ik moet zeggen, ik heb best wel veel kunnen doen. Ik heb echt twee volle dagen met Fable zitten werken en als je het een beetje met een bepaalde voorzichtigheid gebruikt, hè, daar komen we zo nog wel even op terug, want dat haakt ook aan op Peter zijn verhaal met subagents. Ja, dan kwam je best wel een eind. Kon je hem veel gebruiken. Wat wel jammer was, ja, die zeven dagen, hè. 7 juli, 1 tot 7 juli. Dat was eigenlijk de helft van wat ze eerst beloofd hadden, want we hadden eigenlijk van 1 juni tot 23 juni of zo zouden we hem eigenlijk mogen gebruiken. Een hele maand lang, bijna voor 100% van je abonnement, dus dat ging door de helft. Maar goed, Anthropic zou Anthropic niet zijn.

Bart Mol: De concurrentiestrijd zou de concurrentiestrijd niet zijn als we gisteren niet het bericht kregen van: oké, jullie hebben toegang tot 12 juli. En, ja, voor mij kwam dat ook perfect uit, want mijn usage limit die ik vanochtend heb opgemaakt, die reset over een uurtje, dus ik kan nog even een weekendje keihard door. Ja, en dan? De vraag is: waar zou dat nou mee te maken hebben, hè? Doen ze dat nou uit de goedheid van hun hart? Nou, niet helemaal. Gisteren kwam namelijk bijvoorbeeld naar buiten dat OpenAI vandaag of morgen begint met de volledige publieke uitrol van GPT-5.6, met Sol, maar ook met Terra en Luna. Dus de hele 5.6 familie komt publiekelijk beschikbaar. En dat is natuurlijk de grote concurrent voor de Sonnet 5 en Fable 5, dus de 5 familie van Anthropic en daarbovenop, misschien heeft het daar wel mee te maken. Bert, kwam er nog wat anders naar buiten. Getweet door de rijkste man ter wereld.

Bart Mol: Die had ook nog een kleine mededeling over één van zijn side projects. Ja, SpaceX AI komt met Grok 4.5. Die is blijkbaar, ja, ik, dat is wel interessant, Bart. Jij hebt niks gehoord over dat Grok 4.5 ook via de overheid moest, hè?

Bert Slagter: Nee, heb ik niet langs zien komen, nee.

Bart Mol: Nee, dus die is minder goed, maar dat zegt hij er ook bij. Grok 4.5, die gaat, het is een Opus Class model, dus hij is te vergelijken met het Anthropic's Opus 4.8 denk ik.

Bert Slagter: Maar dan sneller een beetje. Ja.

Bart Mol: Ja, token efficiënter.

Bert Slagter: ChatGPT 5.5. Excuus.

Bart Mol: Precies. Na 5.4, 5.5. Ja, precies. Maar sneller, meer token efficiënter, dus minder tokens nodig bij een opdracht en met lagere kosten. Dus zij richten zich net even op iets anders. Maar wel ook, zeg maar, een nieuwe generatie van Grok. En even heel kort tussendoor nu we het daar toch over hebben. SpaceX AI zei ik. Ja, we hebben het al een keertje aangekondigd. SpaceX, het bedrijf SpaceX is dus hernoemd afgelopen week naar SpaceX AI. Zo heten ze nu, want in dat conglomeraat, daar zit dus SpaceX met de raketten en Starlink met de satellieten. Maar de, en X als social media, maar ook de Grok AI familie met de grote datacenters die ze hebben. Dus heet SpaceX AI.

Bert Slagter: Typisch hoe mannen een naam zouden verzinnen, hè?

Bart Mol: Ja, je plakt het gewoon achter elkaar.

Bert Slagter: Gooi erbij.

Bart Mol: Ik denk dat ze over een jaar SpaceX AI Tesla heten, dus dan kan je dat vast.

Bert Slagter: Ja.

Bart Mol: Goed. SpaceX is ook het aandeel gisteren in de Nasdaq 100 opgenomen, de technologie-index. Dat is een hele vroege opname in die index. Meestal duurt het veel langer, willen ze veel meer cijfers, veel meer zekerheid, veel meer stabiliteit hebben. Wat normaal gesproken positief is voor een aandeel omdat er ook passieve flows komen. Dus er wordt gewoon elke maand voor zoveel miljard in fondsen belegd die die index volgen en daarvan gaat gewoon een bepaald percentage automatisch naar SpaceX. Maar goed, dat, aan de koers is dat niet te merken, want die zette gisteren even het laagste punt neer sinds de beursgang, namelijk met een slot op 149 dollar. Dus je kunt hem nog kopen als je dat zou willen voor koersen onder de

Bert Slagter: IPO?

Bart Mol: Ja. Ja, zo zie je maar weer, hè, mensen. Met IPO's is het vaak de moeite zeker met dit soort gehypte IPO's om gewoon even de kat uit de boom te kijken. In ieder geval met een gedeelte van je geld. Hé, als we dan even kijken naar Fable 5. Ik heb een paar dingetjes, die zijn ook in de shownotes te vinden, ik zal sommige dingen niet al te lang doorlopen. Wat ik zelf wel interessant vond is dat Tariq, dat is een medewerker van Anthropic, die zich net als Boris Czerny met Claude Code bezighoudt en ook veel op Twitter schrijft. Die stond op een AI-conferentie en daar heeft hij een keynote gehouden over hoe je met Fable om moet gaan, hoe hij zelf met Fable werkt. Heeft hij ook een blogpost geschreven. Ja, dat is wel interessant. Het gaat heel erg over ook wel hoe hij zichzelf voelt eronder. Bijvoorbeeld, ja, hij was softwaredeveloper, hij was ondernemer. Hij kan meer doen dan ooit, maar de moeite van het maken, die mist hij ergens ook wel weer. Hij heeft ook een beetje, waarvoor ben ik nog nodig met zulke slimme modellen?

Bart Mol: En ook, ja, hoe slim is het model en hoe slim is het harnas eromheen? Hoe slim zijn de tools eromheen? En op dit moment zeggen veel mensen die ermee gewerkt hebben: ja, Claude Fable is eigenlijk te slim voor de harnassen die we hebben, zeg maar. We moeten nog dingen bedenken om dit model veel beter tot zijn recht te laten komen. Bijvoorbeeld door het model kan urenlang autonoom werken, maar is dat handig om dat in Claude Code te doen? Is Claude Code daar goed voor gemaakt? Ja, goed, dat is interessant, hè. Ik zag iemand die zei: understanding is the new bottleneck. Dat is wel een interessant draadje op Twitter. Die kan je lezen. Jeffrey Litt zegt dat, die is van Notion. En dat is ook iets wat ik zelf wel een beetje merkte deze week van: ja, soms is hij gewoon zoveel bezig en zo zelfstandig dat ik zit te wachten, dat ik denk: ja, ik open gewoon nog een nieuw tabblad met nog een Claude Code en ik ga een ander projectje doen. Ik heb nog wel een paar ideeën. En op een gegeven moment dat ik drie dingen tegelijkertijd naast elkaar lopen die allemaal ook, hè, wel goed geïmplementeerd worden, waar ik geen duidelijke errors zie zoals ik die nog wel eens met Sonnet of met Opus zag.

Bart Mol: Maar dan opeens ligt de bottleneck bij mij dat ik denk van: ja, oké, maar ik moet nog wel even checken of dit nu echt is wat ik wil. En ook een soort van eigen drang van: ja, maar ik wil wel weten wat er gebeurt in de software of de tools die ik gemaakt heb, of het script dat hij geschreven heeft voor een YouTube-video, of het onderzoek dat hij gedaan heeft voor de podcast. Ik moet het nog wel allemaal doornemen en daar zit een bepaalde bottleneck in. Zeker ook omdat Fable, wat ik gemerkt heb in ieder geval, minder explosief is, dus minder vertelt wat hij aan het doen is. Je ziet het veel minder, die train of thought die je bij Opus nog wel bij Claude Code best wel duidelijk in beeld zag komen van: oké, ik ben nu een tool aan het gebruiken. Ik ben nu een websearch aan het doen. Dit is wat ik gevonden heb. Dit is hoe ik het mee ga nemen. Ja, Fable, die vertrekt soms gewoon voor 10 minuten en komt gewoon terug met een antwoord. Weet je, dat zijn allemaal dingen. En dan, die train of thought, dat kwam natuurlijk ook nog naar buiten, is ook nog veel gecodeerder en minder goed leesbaar dan bij eerdere modellen.

Bart Mol: Dus hij heeft een soort van eigen mumbletaaltje.

Bert Slagter: Ja, ja, ja, ja.

Bart Mol: Dat is ook weer, dat is heel, heel, ja, het is moeilijk in de gaten te houden van: wat ben je nou aan het doen? En het antwoord komt er uiteindelijk.

Bert Slagter: Wat gebeurt er achter de schermen? Ja.

Bart Mol: Dus dat is natuurlijk wel lekker, maar de black box is ook wat groter geworden, lijkt het.

Bert Slagter: Ja, wat ik wel geinig vind hieraan is dat, kijk, in het begin, hè, bij de simpeler modellen, was het idee van: ga lekker vibe coden, hè, dus klets tegen je Claude Code of tegen je Codex en bouw een app en als het werkt, dan werkt het, een beetje zo, hè. Als je iets van de grond krijgt en het doet het ongeveer, dan is het al hartstikke vet. Alleen, we zijn nu zo ver dat zo'n Fable, en dat zal voor Codex 5.6 straks ook gaan gelden, die kan gewoon echt grote projecten echt goed maken. En dan ga je ineens vragen, dingen afvragen als: ja, hoe zit het eigenlijk in elkaar? Hoe goed is het eigenlijk? En dat, het aardige is dat vibe coding, wat bedoeld is als, ja, weet je toch een beetje in de categorie van proof of concept en demootjes. En als het werkt, dan werkt het hobbymatig. Daarnaast stond een hele andere discipline en dat heet agentic engineering. Dat is eigenlijk wat je als IT-bedrijf of als groep ontwikkelaars gaat doen als je AI-agents gaat inzetten. Dat, dat waren twee heel gescheiden disciplines bij vibe coding, ja, zeg maar de test is: als het werkt, werkt het.

Bert Slagter: En bij agentic engineering moet het passen in het raamwerk wat je als bedrijf al hebt met je deploymentstrategie. Ja, precies. Het moet, het moet getest zijn, het moet veilig zijn, het moet performant zijn en het moet privacyvriendelijk, alles moet kloppen. En die twee gaan nu wat naar elkaar toe groeien in de zin dat je bij, dat je bij vibe coder, de mensen, die gaan zich ineens ook afvragen: ja, wat ik nu gemaakt heb, dat is zo goed. Ja, maar hoe zit het dan in elkaar? Waaraan voldoet het eigenlijk?

Bart Mol: Ja, ja, goed en dat kon je natuurlijk, ik bedoel, ik zie mezelf als vibe coder, want ik ben geen opgeleide developer. Alleen ik vond altijd al wel dat je door gewoon kritisch na te denken, ook met de tools die we hadden, wel gewoon je gevipecodeprojectje beter kon maken. Gewoon door logische vragen te stellen van: joh, we hebben dit nu gemaakt. Wat zijn security frameworks waarop we dit kunnen auditen? Dat kon je ook al aan Sonnet 3 vragen of aan Opus 4.8 of zo. Die ging daar ook prima mee om. Alleen wat ik nu wel merk met Fable is de zelfstandigheid waarmee hij werkt in combinatie met bepaalde skills. Bijvoorbeeld de superpower skill. Dat is eigenlijk gewoon een compleet development framework onderverdeeld in skills die hij in kan laden. Ja, en dan zie je gewoon dat dat bij dit model heel goed uit de verf komt. Dat is er op bijvoorbeeld op gebaseerd dat je eerst samen met mij een plan gaat maken, specifications gaat schrijven. Wat wil ik maken? In welke modules gaan we dat implementeren? Daarna test driven development.

Bart Mol: Dus eerst de test schrijven, daarna pas de code en dan kijken of je tests slagen. Best wel deterministische gates. En met subagents werken, dus het werk afgeven aan subagents en die geven het werk weer terug aan de hoofdagent die daardoor context bespaart. Ja, dat was echt wel vet om te zien. Over die subagents gesproken, Pete die zei dat al. Ja, ik had op een gegeven moment, toen dacht ik: toen moest ik even ingrijpen. Toen had hij 100 subagents gespand, allemaal Fable 5. Ja, toen zag ik heel snel mijn-

Peter Slagter: Rook in de VS, ja.

Bart Mol: Ja. Ja, op twee manieren. De servers begonnen te roken en de bazen begonnen sigaren te roken, want die dachten: het geld-

Peter Slagter: Aan het stoken met dollarbiljetjes van ene B-mol uit. Ja, maar wat je kan zeggen hoeveel dollar je erdoorheen gejaagd hebt?

Bart Mol: Ik heb mijn hele budgetten erdoorheen gejaagd, dus de $200 die ik zeg maar betaal en daar heb ik ongeveer $1.200 aan API credits voor teruggekregen. Dus als ik dit zonder abonnement had gedaan, had ik €1.200 betaald. De vraag is natuurlijk: hoeveel marge zit er op die tokens? Nou, dat gaan we later nog wel eens een keer uitvogelen. Maar wat ik ook gedaan heb, ik heb tegen Fable gezegd van: luister, als je subagents gebruikt, dat wil ik. Ik wil dat voor de ontwikkeling, hè, voor het schrijven van de code en daar mag je Sonnet 5 voor gebruiken. Ja, dat ging top. En dan zie je opeens dat Fable echt een orchestrator wordt. Echt een projectmanager. Zij doet de review, hij checkt of dingen goed gaan, hij maakt het plan, hij kijkt naar errors die naar boven komen. Alleen het implementeren gaat door Sonnet en dat kost gewoon veel minder tokens. Dus dat was interessant. Toen zag ik een tweet van Ethan Mollick langskomen en die zegt: I can basically guarantee you you are not being ambitious enough to work with the work you are assigning Fable. Toen dacht ik: oké, ik ga nu mijn agenda leeg zetten.

Bart Mol: We gaan ervoor. Dus ik heb een paar dingen gedaan. Ik zal er een paar opnoemen. Ik wilde al een tijdje lang een eigen website hebben. Gewoon mijn hoekje op het internet met wat blogposten die ik soms schrijf en gewoon de dingen die ik gebruik, wat voor laptop ik heb en wat voor recepten ik lekker vind. Gewoon een leuk ouderwets blogpaginatje op internet.

Peter Slagter: Wat je al met N8N doet. Dat komt er ongetwijfeld terug.

Bart Mol: Ja, precies. Dus die heb ik gemaakt. Maar daar heb ik, toen dacht ik: ja, ik mis daar nog iets een eye catcher op. En toen heb ik A Million Times nagemaakt. Het is een kunstwerk van klokken die allemaal vormen kunnen laten zien, maar dat heeft ie op een manier nagemaakt, dat slaat helemaal nergens op. Daar kom ik nog wel ooit een keer op terug. Ik heb mijn mediaserver thuis geoptimaliseerd. Die kon ik namelijk niet via Tailscale bereiken. Nu wel. Heeft hij gewoon voor alles gedaan. Dat zijn een stuk of 10 apps die samenwerken. Hij heeft wat bugs daar weggehaald en gewoon eigenlijk, dat was gewoon een oneshot zoals dat heet. Maar het meest interessante vond ik de volgende twee dingen. Het script voor het crypto journaal maak ik met een skill op basis van mijn eigen tweets, mijn eigen bookmarks en het nieuws dat ik allemaal bijhoud. Dat deed ie in één keer en significant beter ook dan Opus 4.8. Dus als je het, ja, het crypto journaal is een concept dat ik maak voor onze andere podcast, een format voor Satoshi Radio. In een kwartier vertel ik dan eventjes het belangrijkste cryptonieuws. Nou ja, dat doe ik, het script maak ik samen met AI op basis van mijn eigen bronnen.

Bart Mol: Nou, dat was echt beter dan normaal. Het meest interessante, het meest knappe vond ik dat hij een complete pipeline op heeft gezet om 150 podcastafleveringen van onze andere podcast Satoshi Radio te downloaden, te transcriberen via ElevenLabs, daarna een verbeterslag te doen via OpenRouter en Sonnet 5, en dat daarna allemaal online te zetten en daarna een zoekmachine te maken die dus nu in die 150 afleveringen precies kan zoeken wat we daar gezegd hebben. Ja, ik moest naar een meeting. Ik heb daar gezegd van: ik ga nu weg. Ik ben away from keyboard, ga maar door en als ik thuis ben wil ik dat er 150 afleveringen geclassificeerd zijn. En ik kwam thuis en hij was gestopt. Dat was jammer, maar dat kwam omdat mijn credits op OpenRouter op waren. Niet omdat hij gestopt was. En hij is wel doorgegaan. Hij zegt: oké, ik kan nu niet meer de verbeterslag doen, maar op ElevenLabs heb je nog wel credits, dus die laten we doorlopen. Dus dat soort, in plaats van dat hij helemaal kapt, verzint hij een manier om door te gaan met de doelstelling die ik gegeven had.

Bart Mol: Dus dat vond ik heel interessant. Om af te sluiten, ik heb een paar observaties. Het belangrijkste is: het is geen magie. Je moet zelf met ideeën komen en zo nu en dan loopt hij nog steeds vast. Dat gebeurt nog steeds gewoon. Het blijft wel gewoon een LLM. Het blijft een model. Soms zitten er gekke fouten in en niet alles wat je vraagt heeft hij een geniaal antwoord op. Gebruik subagents slim, hè. Hij kan heel ruim subagents spawnen. Zeg gewoon dat hij dat alleen moet doen met bijvoorbeeld Sonnet of Opus of Haiku subagents. En wat ook belangrijk was voor mij, ik heb hem eigenlijk vrijwel de hele tijd op medium reasoning gezet en dat was meer dan genoeg. Ik heb een beetje lopen testen, ook met high en ultra high. Tuurlijk werd het dan wel wat beter, maar ik vond het niet nodig. En hij gaat echt veel meer tokens gebruiken als je die reasoning omhoog schroeft. Dus ik denk de hoofdvraag is, en dat merk ik zelf, hoe ga je om met het overweldigende gevoel dat jouw ideeën de bottleneck zijn? Hè, dus hoe ga je jezelf doordeweeks in een positie brengen dat je zoveel mogelijk ideeën genereert?

Bart Mol: Ga je extra wandelingen maken of zo om gewoon maar met ideeën te komen die je kan uit gaan voeren? Hoe ga je bijhouden dat die ideeën goed in code uitgevoerd worden door deze Fable 5? Ja, en wat wil je maken? Dat is de vraag, zeg maar. Wat wil je gaan doen? Hoe wil je waarde toe gaan voegen? Wat zijn dingen die de moeite waard zijn om te maken? Ik denk dat dat de grootste vraag is, want dat je het kan maken is niet meer de bottleneck met dit soort modellen. Dus ook een oproepje aan de luisteraars: wat gaan jullie maken? Neem eens een abonnementje. Ik zeg eens een €100 abonnementje. Sluit hem direct, hè, zeg hem meteen weer af en gebruik het aankomende weekend eens om gewoon eens echt een zondag de hele dag dingen te gaan maken met deze modellen of met de ChatGPT 5.6 modellen. En laat ons weten hoe het gaat. Laat ons weten in de comments op YouTube hoe het gaat en ik ben heel benieuwd wat jullie gaan maken en ik ga jullie op de hoogte houden wat wij gaan maken.

Bart Mol: Bert, sluit hem af zou ik zeggen.

Bert Slagter: Ja, en kijk ook in de comments wat andere mensen gaan doen, want dat kan ook een tip voor jou zijn. Want kijk, en leg de lat ook niet te hoog. Het is belangrijker dat je iets maakt dan dat het per se meteen de allernieuwste, perfecte, briljante idee is. De waarde zit hem erin dat je nu meemaakt wat dit is en wat het doet en hoe het werkt en dat je er even door verrast bent en even door, ja, een soort van onder de indruk bent. Want dat gaat heel erg helpen in de komende tien jaar om deze ervaring, om te begrijpen hoe deze technologie zich ontwikkelt.

Bart Mol: Ja, zeker, zo is het. Dus ga ermee aan de slag. Probeer het eens uit, hè, een van die nieuwe modellen. Ik bedoel, het is echt, de snoepwinkel staat wagenwijd open, de aankomende zeven dagen in ieder geval. En laat ons weten wat jullie gaan doen. En laat ons ook weten wat je wil dat wij misschien gaan doen, hè, dat is leuk. Lijkt me leuk om daar samen mee aan de slag te gaan en eens te kijken wat deze modellen nou echt kunnen. Gaan wij door met het volgende topic.

Bert Slagter: Ja, die pak ik gelijk even op, Bart, want we gaan naar een onderwerp dat, ja, eigenlijk, want ik, hij kwam langs en ik had een idee van: ja, dat moeten we eigenlijk in een podcast even bespreken, maar eigenlijk is het te groot voor één item. Maar dat is niet erg, want het zou best wel eens een doorlopend thema kunnen worden in Turing Station. Want AI is, nou, kijk, wij zijn er denk ik wel van overtuigd dat dat in zekere mate ontwrichtend is voor onze maatschappij. Een ontwrichtende technologie. En dan krijg je onherroepelijk de vraag: wat moet de politiek daarmee? En dan, niet over vijf jaar of over tien jaar of over twintig jaar, als alle gevolgen al gebeurd zijn. Die staan al in de rapporten beschreven. Maar nu, want, ja, nu is die technologie nog in ontwikkeling. We zijn nog bezig met het uitvinden van de toepassingen. Nou, dat is een mooi bruggetje terug naar waar we het net over hebben gehad. Wat kan je er allemaal mee? We zijn aan het uitvinden en de verwachtingen die schieten natuurlijk nog alle kanten op. Niemand weet precies waar dit naartoe gaat en waar dit eindigt.

Bert Slagter: En, ja, ik kwam op dit onderwerp omdat ik wat tegenkwam van Volt-leider Laurens Dassen, fractieleider. En die heeft, ik weet niet of hij het persoonlijk geschreven heeft, maar Volt heeft een initiatiefnota gepubliceerd over AI. Met als, als je hem helemaal platslaat, als boodschap, als oproep: de politiek die zou meer richting moeten geven aan kunstmatige intelligentie en de opkomst van AI. En, nou ja, ik zag twee fragmentjes van Dassen recent op sociale media langskomen. En de eerste die we aanzetten, ja, daar hoor je eigenlijk iets wat relatief banaal is, hè. Iedereen die gebruikt ChatGPT wel ergens voor. En er wordt even naar gevraagd. Luister maar eens.

Gast: Wat is het laatste wat u aan ChatGPT heeft gevraagd? Hoeveel calorieën ik verbrand op een fatbike. Volgens mij een recept en dat ik even dacht van: wil je dat even voor zoveel personen omrekenen?

Peter Slagter: Eventjes om een kleine speech voor te bereiden.

Bart Mol: To help me with my science project.

Peter Slagter: Opstelling van Koeman tegen Marokko.

Gast: En maakt u zich ook wel zorgen over de ontwikkelingen die AI met zich meebrengen?

Bert Slagter: Ja, natuurlijk. Ik vind AI is een zegen en misschien is het ook wel een vloek. Ja. Ja, ik vind het gewoon mooi. Ik vind dat soort voxpops eigenlijk altijd wel leuk, die antwoorden die je dan terugkrijgt, hè, toch altijd wel weer spraakmakend. En dit zit dus allemaal in de categorie, ja, je hebt ChatGPT open, je vraagt iets vrij, ja, iets vrij plats, iets vrij rechttoe rechtaan. Maar goed, don't we all, weet je, zo gebruiken we ChatGPT ook. En dat is natuurlijk a-

Bart Mol: Wat is het laatst, wat, als je eens even door je lijstje heen scrolt, Peter? Wat zijn nou de meest banale dingen die er bij jou langskomen? Ik doe daar gerust aan mee, hoor. Ik kan best wel wat dingetjes opnoemen.

Bert Slagter: Oeh, het meest banale? Ja, nee, het eerste wat mij te binnen schiet is een ander soort gebruik en dat is, dat ik ChatGPT ook aan het inrichten ben voor mijn zoon, die best wel wat ondersteuning kan gebruiken bij het indelen bijvoorbeeld van zijn dagprogramma.

Bart Mol: Ja, ja, ja.

Bert Slagter: Ja, en daar is ChatGPT zo ongelooflijk goed mee. Ook met het leren kennen van wat hij prettig vindt bijvoorbeeld. Maar ja, dat is wat minder banaal. Dat heeft daadwerkelijk wel een functie. Zo, wel een leuk onderwerp om een keer te behandelen, denk ik.

Bart Mol: Ik heb hier: plank boven bed hangen. Hoe hoog moet een plank boven bed? Hoe lang moet ik wachten voordat een matras volledig uitgezet is? Schrijf ik schud met DT?

Bert Slagter: O, ja.

Bart Mol: Ja, er zit ook wat serieuzere, hoe-

Bert Slagter: O, ja

Bart Mol: ...ga ik om arts te worden? Wat is de uitleg van de penaltyreeksen? Er zit van alles tussen. Roadtrip Canada met een camper. Wat kost dat? Moet ik wel of niet een luieremmer kopen? Ja, er zit van alles in, hoor, bij mij. Ja, mooi is dat.

Bert Slagter: Ja, ik moet zeggen, nee.

Bart Mol: Suikerkristallisatie oplossen in honing.

Bert Slagter: Het meest domme dat ik recent gedaan heb met ChatGPT is samen tellen van één naar 20.

Bart Mol: Ja. Die was grappig. Ja, ja, ja, ja.

Bert Slagter: En dan om en om een cijfer. Nou, als je dat zelf doet met je ChatGPT, dan gaat het aardig. Maar als je daar een tweede ChatGPT in voicemode aan toevoegt, dan ontspoort het echt compleet. Nou, dat moet je maar eens doen voor de grap. Als je samen met je partner op de bank zit en je geeft de opdracht: joh, we gaan met z'n drieën tellen naar 20 om de beurt. Nou ja, goed dan, de vraag is even of het goed is voor je relatie, maar ja. Het is, ik zou zeggen: act carefully, tread carefully. Van het fragment van die voxpop, als je goed luistert, de laatste spreker die eindigde met: misschien is AI ook wel een vloek. Nou, en dat was denk ik waar Dassen naar op zoek was in zijn zoektocht naar uitspraken. Want hij was daar natuurlijk met een missie, namelijk het vragen van aandacht voor zijn AI-standpunten. Nou, en dat wordt in het tweede fragment, dat ik klaargezet heb, wat concreter gemaakt. Hij schetst

Peter Slagter: Het scenario waarin bedrijven mensen ontslaan omdat AI agents hun werk overnemen. En hij draagt ook een oplossing aan. Luister maar.

Spreker 3: Stel je wordt ontslagen. Niet omdat je je werk niet goed doet, maar omdat AI het gewoon een stuk goedkoper kan. Dus je bent nu aan het studeren en je wilt eigenlijk die startersfunctie, maar in één keer staat die baan niet meer. Ja, voor sommige mensen voelt het misschien als de verre toekomst, maar dat is hier en nu. Dat klinkt misschien beangstigend, maar we hebben een oplossing: een AI-belasting die bedrijven betalen op het moment dat ze mensen vervangen door AI. En met dat geld kunnen we investeren in omscholing zodat mensen weer snel aan het werk kunnen.

Peter Slagter: Nou en? Ik denk dat dit het punt is eigenlijk waar het gesprek pas start. We gaan hier niet een fragment maken over Dassen of over Volt of over een specifieke uitspraak. De nota van Dassen, die gaat verder dan alleen iets over AI, belastingen of iets dergelijks. Dat is meer een soort AI-manifest dat heel erg sterk leunt op hele specifieke interventies. Het is een nota waarin allerlei intenties staan en die zijn vaak heel sympathiek en die zijn dan ook best wel goed uitgewerkt. Beter uitgewerkt dan de consequenties of de effectiviteit van de maatregelen die dan voorgesteld worden. Ja, en de vraag die ik jullie wil voorleggen, die gaat dus niet over Volt of over Dassen. Die heeft eigenlijk een stapje terug. Want ik denk dat AI niet één probleem is, maar eerder een verzameling van allerlei thema's die leiden tot mogelijke toekomsten. En dat leidt tot: wat zou nou eigenlijk serieus AI-beleid moeten zijn?

Peter Slagter: En waar moet de politiek nu mee beginnen? Omdat je niet kunt wachten? En waar moet je juist niet mee beginnen omdat je nog niet weet hoe de toekomst eruit ziet? Hoe moeten we nou omgaan met dat dilemma? Ik dacht, nou, ik zit met twee scherpe geesten, ik leg dat gewoon eens even bij jullie voor. En misschien gewoon eens even bij Bart beginnen. Want ja, hoe reflecteer jij hierop?

Bart Mol: Ja, ik zou hem toch even bij Bert neer willen leggen als dat mag.

Peter Slagter: Oké, nou, dat mag ook, ja.

Bart Mol: Want nee. Maar we hebben natuurlijk ook dingen voorbesproken en we hebben hier best wel, we hebben hier denk ik al weer wel drie podcasts mee kunnen vullen. Ik vond dat Bert wel wat dingen goed uit elkaar zette. Ik heb nog wat vragen om mee af te sluiten die mogelijk ook werken als haakjes naar de toekomst toe.

Bert Slagter: Ja, ik denk als je hier over nadenkt dat je niet alles op één hoop mag of kunt gooien wat AI betreft. En ik denk dat het begint bij de notie dat we allemaal, uit elk land, of je dat nou wil of niet, onderdeel zijn geworden van een geopolitiek en geo-economisch schaakspel. Je zit nu eenmaal in dat spel. Ook al besluit je niet aan tafel te gaan zitten of niks te vinden of geen zet te doen, de tegenstander doet wel een zet. Het startpunt daarvan is dat AI de wereld grootschalig gaat ontwrichten. Dat dat scenario plausibel is geworden, niet verwaarloosbaar meer is. Dat was het tien jaar geleden wel toen. Toen, of sterker nog veertig, vijftig jaar geleden werd hier al over geschreven van: nou ja, er komt een tijd dat machines intelligenter zijn dan mensen en misschien wel de wereld overnemen. Hebben we films over gemaakt, boeken over geschreven, maar ook hele serieuze wetenschap. Maar op dat moment was het niet een plausibel scenario.

Bert Slagter: Sterker nog, Alan Turing die maakte de Turingtest met als doel om te kunnen signaleren wanneer we op dat punt aankomen dat machines misschien wel intelligenter worden dan mensen. Dat was jaren, decennia lang een fictief vraagstuk en dat is nu een reëel vraagstuk geworden. En daar moeten we ons toe verhouden. Betekent niet dat het gegarandeerd gaat gebeuren, maar wel dat we erover na moeten denken dat zo'n ontwrichting kan op twee manieren plaatsvinden, namelijk heel positief. Overvloed op de wereld, voorspoed, voorspoed voor iedereen en dat ook nog eens netjes verdeeld over alle mensen op de wereld. Met bloemetjes en bijtjes en vlindertjes erbij. Of heel negatief. Grote ongelijkheid, machtsconcentratie, tirannie, een losgeslagen AI. En dat zijn dan zeg maar een beetje de twee archetypische positieve en negatieve scenario's. Er zit natuurlijk een hele waaier tussen. En je kunt ook nog bepleiten dat het misschien wel zo loopt dat er helemaal geen ontwrichting plaatsvindt. Dat het gewoon een technologie is, net als alle anderen, die tegen obstakels aanloopt, frictie ondervindt en de verspreiding eigenlijk heel traag gaat.

Bert Slagter: En dat je ruimschoots de tijd hebt om je aan te passen. Of dat het misschien überhaupt allemaal de beloftes niet waarmaakt. En het punt waarom ik hier zoveel tijd aan besteed: niemand weet welk scenario uiteindelijk uitkomt. Er is er ook niet eentje met 95% waarschijnlijkheid. Je kunt zeggen leuk, al die andere scenario's, maar die zijn er voor de sier. Dit gaat hem worden. Nee, we weten het gewoon niet. Alleen een deel van die scenario's heeft extreem grote impact. Dus je kunt ook niet zeggen ach, we wachten het wel tien jaar af, we moeten ons ertoe verhouden. Nou en dan denk ik dat je vier sporen kunt maken, namelijk één is diplomatiek en je kunt samen met andere landen hierover nadenken en nadenken over de ontwikkeling van AI. Misschien wel afstemming zoeken en misschien wel grenzen bepalen. Zeg, laten we het allemaal wat langzamer doen. En zoals in de Koude Oorlog ook afstemming is gezocht over kernwapens tussen machten die daadwerkelijk met elkaar in oorlog, in een koude oorlog weliswaar, maar wel met elkaar in strijd waren, is wel afstemming gevonden over hoe.

Bert Slagter: Hoe kunnen we nou voorkomen dat we de wereld opblazen? Weet je, dat idee, dat zou je ook met AI-ontwikkeling kunnen doen. Dus diplomatiek. Twee: geopolitiek. Dat gaat over machtsblokken. Zorg dat je onderdeel bent van een machtsblok. Je had het vorige week even over Bart. Die stelt toen voor: zorg dat je onderdeel. Wat kan Europa doen is een coalitie vormen met andere middelmatigen bijvoorbeeld. En dat is het geopolitieke vlak. Derde: autonomie. Zorg dat je je eigen infrastructuur hebt, je eigen energievoorziening, je eigen productieketens, je eigen kennisontwikkeling. Dat je daarvan niet afhankelijk bent van machtsblokken die jou misschien in de toekomst niet gunstig gezind zijn. En dan vier: maatschappelijk en economisch. Ja, hoe vang je als land de eventuele gevolgen op? Waar liggen de kosten en de baten? Waar slaan die neer? Wie draagt de kosten? Wie draagt de pijn? En waar komt de winst, waar komen de baten terecht? Is dat netjes verdeeld of ongelijk? En als het ongelijk is, hoe dan?

Bert Slagter: Over verschillende sectoren of over verschillende regio's? Moet je iets mee, hè, bijvoorbeeld de industriële revolutie had grote verschillen tussen regio's. Bepaalde regio's werden harder getroffen dan andere beroepsgroepen. Daar moet je eens even over na gaan denken. En ik zeg per land. Dus je kan ook zeggen: ja, dat moet je als Europa doen. En dat geldt voor die eerste drie zeker. Maar maatschappelijk en economisch gaan de effecten ook denk ik behoorlijk verschillen per land. Maar ook het instrumentarium wat je hebt zal verschillen per land. Dingen als arbeidsmarkt, sociale zekerheid, belastingen, die zijn landelijk geregeld. Dat kun je heel moeilijk Europees regelen. Niet alleen omdat het geen Europese wetgeving is, maar ook omdat per land er andere instrumenten beschikbaar zijn. Wij hebben bijvoorbeeld een bepaald soort sociale zekerheid waar je dingen mee kunt en die er in andere landen niet is. Noem maar wat, hè. Of overgangsregelingen als je werkloos wordt. Of misschien bijscholingsregelingen. Die verschillen per land. Goed, dan even naar de oproep van Dassen. Wat mooi is, hè, ik vind het echt goed, hij neemt het vraagstuk serieus.

Bert Slagter: Hij erkent de urgentie, hij signaleert mogelijke gevolgen en hij stelt oplossingen voor. Dat is top. Dat hoor je lang niet overal, laat ik het zo zeggen. Het punt is, denk ik, die drie eerste dingen die ik noemde: de diplomatie, geopolitiek en autonomie. Dat kun je nu starten met elkaar in Europa. En het vierde, dat maatschappelijke en economische, en daar ligt ook het punt van Dassen, hè, die werkloosheid en die belasting. Daarvoor geldt dat je eigenlijk nog niet precies weet of die problemen zich voordoen, hoe ze zich manifesteren en wat op dat moment de beste oplossing is. Neem even heel concreet het voorbeeld van werkloosheid. We weten nog helemaal niet of AI daadwerkelijk voor minder werkgelegenheid zorgt. Misschien wel voor meer werkgelegenheid. En als het voor minder werkgelegenheid zorgt, weten we ook niet of mensen worden ontslagen, dat was zijn punt, of dat er gewoon minder mensen worden aangenomen.

Bert Slagter: We weten ook niet wat voor soort mensen er getroffen worden. Mensen die makkelijk of moeilijk een nieuwe baan vinden en weten ook niet wat voor budget er nodig is om eventueel voor die omscholing te zorgen. Misschien past het bijvoorbeeld prima in bestaande programma's die we hebben. En wat ik denk, wat je zou moeten doen voor die maatschappelijke en economische thema's, is veel meer met een als-dan-programma werken. Je zegt van: als dit gebeurt, dan zouden we daar op deze manieren op kunnen reageren. En dat zijn allemaal politieke discussies, want hier verschillen de meningen over van hoe je dat zou moeten doen. En je hebt dan instrumenten als regulering en belasting en herverdeling en ondersteuning en stimulering. Ja, daar verschillen de verschillende politieke windrichtingen over van mening van wat dan de beste manier is om dat aan te pakken. Dat debat moet ook gevoerd worden en het is hartstikke goed dat we dat nu voeren en niet op het moment dat het gebeurt. Want dan zit je toch een beetje, ja, al met de gebakken peren. Maar ik zou dat wel altijd vormgeven in een soort van instrumentarium wat je met elkaar opbouwt.

Bert Slagter: Dat je zegt van: als dit gebeurt, dan zouden we op deze manier daarop willen reageren. En dat is anders dan die andere drie dingen. Daarvan ben ik van mening dat je dat stellig van mening dat je dat nu al soort van preventief zou moeten doen. Je moet nu al die diplomatie opstarten, je moet nu al die autonomie gaan versterken en je moet nu al-

Bart Mol: Vindt dat al plaats? Weet je dat?

Bert Slagter: Geopolitiek aan de slag. Ja, en dat is het leuke. Nou, dat wist ik toen ik dit overdacht, had ik dat nog niet op mijn netvlies. Maar vanmorgen kwam Peter met een document van het ministerie van Buitenlandse Zaken aan. Is ook van 3 juli, is pas van eind vorige week. De Nederlandse internationale AI-strategie. Een document, pdf van twaalf pagina's en ik ben positief verrast. Het is echt uitstekend. Dat wil zeggen de diagnose vind ik goed. Wat is het vraagstuk wat voor ons ligt? Er worden goede vragen gesteld. Hoe positioneren we Nederland in Europa, zodanig dat AI onze welvaart en concurrentiekracht versterkt? Hoe vergroten we onze strategische autonomie en weerbaarheid? Hoe waarborgen we dat AI zich ontwikkelt in lijn met onze waarden? Nou, allemaal goede vragen. En daarna een aantal doelen die ze formuleren waarvan ik ook denk: dat zijn prima doelen. En dan wordt het daarna verder uitgewerkt. Ja, daar wordt het op sommige plekken iets minder robuust, vind ik, hè. Er wordt bijvoorbeeld wel gesteld: we hebben als Europa een geweldige interne markt en dus een geweldige regelmacht.

Bert Slagter: En Nederland heeft een onmisbare plek in de halfgeleiderwaardeketen. En dat zijn wel twee op zich, denk ik, observaties die in algemene zin kloppen, maar die ook fragiel zijn. Want ja, ASML, sure, hè, heel belangrijke plek. Maar ja, tot de Chinezen een alternatief bouwen en dan is het ook klaar of zo. Dus als je daar puur je strategie op baseert is het te dun, denk ik.

Bart Mol: Ik zag een ander staatje langskomen. Er werd ook gezegd, het ging over zeg maar die van die Europese markt, zeg maar. Ja, ASML levert vrijwel niets aan Europa. Het gaat allemaal naar Azië en Amerika, dus daar is natuurlijk wel-

Bert Slagter: Ook macht mee natuurlijk, hè. Dat is die-

Bart Mol: Dat levert macht op. Maar het levert ook een afhankelijkheid op. Want je volledige vraagzijde zit buiten het gebied waarin je opereert. Dus dat is niet, mijn punt is: het is niet zo simpel als soms geschetst.

Bert Slagter: Ja, dus heel veel elementen daarvan vind ik echt heel goed en hoe, kunnen we ook nog een keertje los hiervan uitgebreider bespreken. Of je leest het zelf een keer door. En ik denk, ik ben ook wat dat betreft best optimistisch over Europa. Ik denk er wordt eigenlijk over het algemeen veel te pessimistisch over gedaan. We hebben het hier eigenlijk echt heel erg goed. We hebben eigenlijk best een hele sterke economie. De ongelijkheid is veel kleiner dan bijvoorbeeld in Amerika. Daar is het gemiddelde inkomen misschien hoger, maar het mediane helemaal niet en zo. Dus, hè, maar wat ik hier wel toch weer mis in dit rapport is daadwerkelijke actie. Het is vooral er wordt gepraat over stimuleren, over informeren, over diplomatie en, ik bedoel, dus een aantal dingen prima, maar er wordt niks gebouwd, er wordt niks opgezet, er wordt niet geïnvesteerd of er wordt niks gedaan, hè. Dus daar zit echt nog wel een zwakke plek. Maar het gaat bijvoorbeeld wel het punt van: ja, laten we ons geopolitiek aansluiten bij andere middle powers. Dat staat er gewoon netjes in. Dus er zijn een aantal vlakken die ze echt goed hebben, maar het is wel weer, ja, zeg maar de olifant in de kamer.

Bert Slagter: Laten we nou ook echt gewoon zelf die labs gaan bouwen. Laten we gewoon zelf frontier modellen in Europa hebben. Laten we zelf die datacenters en die energie-infrastructuur hebben.

Bart Mol: Waar is dat Koreaanse fonds van Europa?

Bert Slagter: Ja. Ja. Ja. Ja.

Bart Mol: Ja, want er zijn een paar vragen en observaties die ik eraan toe wil voegen. Kijk, ik denk dat de grootste tegenwerping op het argument wat jij net maakt, Bert, is dat Volt, die ziet dat als nu, zeg maar, zij zien argumenten dat AI zo'n impact heeft op de arbeidsmarkt, hè. Ze halen een paar dingen aan, dat er bijvoorbeeld in Engeland al banen verloren gaan aan AI en dat bepaalde bedrijven in de financiële sector dat aangrijpen. Zij zeggen: die als, dat is nu en we gaan niet wachten op arbeidsmarktcijfers die zes maanden achterlopen, want die trigger is te laat en dan lopen we achter de muziek aan, hè. En even voor duidelijkheid: dat is dus niet, er is geen van de twee goed of fout. Alleen dat is de discussie, denk ik. Dat zij in het stuk betogen dat die als er is. Een andere als die zij zien waar wij ons eerder, of in ieder geval waar wij ons meer bij aansluiten, is dat Volt zegt van: ja, we moeten die datacenters gaan bouwen.

Bart Mol: En het is stom dat het kabinet daar niet aan meegedaan heeft toen de kans er lag. Want er zijn Europese initiatieven, maar het kabinet had daar geen budget voor over. Kijk, want het lastige is, denk ik, aan het Volt-stuk, dat is wat bij mij bleef hangen, is dat eigenlijk elke paragraaf, elk hoofdstukje, best wel goed in elkaar zit. Alleen als je het dan helemaal doorleest, vind ik dat er aan het einde eigenlijk het hoofdstuk had moeten zitten waarbij ze gewoon de complexiteit en de tegenstrijdigheid onder ogen zien en daar over doorgaan werken, want dat gebeurt eigenlijk niet. Een voorbeeld wat ze geven is: datacenters gebruiken veel energie, veel water, hè, dus de negatieve dingen voor het milieu halen ze aan. Wat eigenlijk een argument is van: oké, we moeten het niet doen, hè, dit is een negatief punt aan AI. Om een paar hoofdstukken verder, als het gaat om soevereiniteit en minder afhankelijkheid van de Amerikanen en de Chinezen, zeggen ze eigenlijk: ja, maar we moeten investeren in AI en in datacenters.

Bart Mol: Ja, de tough pill to swallow is dan: we hebben aan de ene kant elektriciteitsverbruik, wat inderdaad heel erg hoog ligt voor zo'n datacenter, hè, en aan de andere kant de vraag van: ja, maar soevereiniteit van Europa, dat is de balans en dat is de moeilijke vraag die je moet beantwoorden. Waar je dus moet gaan schipperen. En hetzelfde geldt inderdaad voor die banenmarkt. Want ik vind het best wel een goede vraag. Want ja, stel dat het inderdaad zo is dat mensen ontslagen gaan worden en dat er meer mensen geen baan hebben, hè, dat dat stijgt. Ja, daar zullen we ons naar moeten verhouden. Ik bedoel, je kan die mensen ook moeilijk laten verpieteren. Maar hoe gaan we dat dan betalen, hè? Zeker als het aantal mensen dat werkt en meebetaalt aan de AOW en meebetaalt aan de WW en dat soort sociale vangnetten minder wordt. Gaan bedrijven dat dan doen? Kunnen we die belasten? Ik vind het op zich een goeie vraag om te vragen.

Bart Mol: Alleen ook daar denk ik dat je misschien ook nog wel een tandje dieper moet gaan. Aan de ene kant hebben we namelijk in het westen, in Europa, maar ook heel erg in Azië, Duitsland ook heel erg, we zien de vergrijzing aankomen. We weten dat we eigenlijk best wel een flinke impuls nodig hebben van hoeveel we produceren, hè, hoeveel we verdienen om ons sociale vangnet überhaupt in stand te houden. Dus is dan misschien niet de vraag: is het eigenlijk dan wel zo erg dat er minder mensen gaan werken? Want die kunnen we misschien wel omscholen naar iets waar we ze echt nodig hebben op dit moment, hè. Of is het misschien-

Bert Slagter: Elektriciens, verplegers, dat soort, ja.

Bart Mol: Ja, of is het misschien eigenlijk wel handig dat oma voor een gedeelte van de tijd door een robot verzorgd kan worden omdat ze anders niet verzorgd wordt? Zeg maar, dat zijn misschien ook de vragen die we moeten stellen. Dus ik moet zeggen, ik vind het heel goed inderdaad. Sluit me helemaal aan met wat Bert en Peter zeggen. Wat Volt doet is heel goed. Alleen dit is een beginpunt en nu komen er moeilijke vragen, de tegenstellingen, de wrijving tussen verschillende hele belangrijke doelstellingen: soevereiniteit en milieu of investeringen en besparingen aan andere kanten. Geld lenen om dit te bekostigen of prudentieel goed monetair beleid voeren. Dat zijn allemaal dingen die naar boven gaan komen en die discussie moet gevoerd worden. En ik denk dat het goed is dat Volt dat aanstort. Alleen ik denk dat ze tekortschieten in de oplossingen die ze erop plakken, die elkaar ook tegenspreken als je ze allemaal leest. Dus ja, dat is een beetje de vragen en overdenkingen die ik hier nog bij had.

Bart Mol: Gaat wel een topic worden, hè jongens, de komende jaren. Dit gaat hem wel worden, denk ik.

Bert Slagter: En makkelijk is het niet, hè, dat moeten we jullie ook nageven.

Bart Mol: Hier zouden de verkiezingen eigenlijk over moeten gaan, hè?

Bert Slagter: We hebben nu twaalf pagina's vanuit de rijksoverheid gezien en, nou, dat was, nou, dat is een mooi begin. Moet je even voorstellen dat dat door alle EU-landen gedaan wordt en dat het allemaal samengevoegd moet worden en dat het dan ook nog één samenhangend en krachtig beeld oplevert, goed doordacht is. Ja, dat is zo'n ongelooflijke klus. Ja, maar daarom is het, denk ik, goed dat we dit item toch even op de agenda hebben gezet. Want ja, deze lijn, de politieke lijn, die gaat gewoon lopen, die is al aan het lopen. En het is leuk om het over te hebben zonder dat we daar heel polariserend over worden. En dat is goed gelukt deze keer, denk ik.

Bart Mol: Ja, daar ben ik erg trots op. En om onszelf te belonen en om de luisteraar te belonen gaan we gewoon eens even, effe door van bureaucratisch beleid naar een praktische tip. Hoppakee, gaan we eens eventjes, gewoon even, we switchen even. Ja, Bert, dat is een praktische tip voor jou, jongen, volgens mij. Althans, zo heb ik hem staan. AI op je laptop en telefoon. Ja, jij bent erin gedoken. Ik ben wel benieuwd wat je bevindingen zijn.

Bert Slagter: Ja, het is een combinatie van praktisch, maar ook even wat dingen uitleggen, want ik kwam ook een heel vet onderzoek tegen. Maar laten we even beginnen met dit: in de meeste gevallen als je nu met AI werkt, dan typ je iets in op ChatGPT of op Claude.ai en dan gaat jouw vraag naar een groot datacentrum en draait daar op een gigantisch model op knetterdure Nvidia pods. En die geeft dan-

Bart Mol: Misschien wel de jalapeño chips binnenkort.

Bert Slagter: Nog niet, maar misschien binnenkort. Ja, en dan binnenkort krijg je heel snel een antwoord. Echt, ja, binnen een paar seconden heb je alinea's op je scherm staan. Dat is eigenlijk wat we gewend zijn. Maar steeds vaker kan een kleiner model op je laptop of je telefoon ook een prima antwoord geven. En daar gaan we het nu even over hebben. Ik kwam een tweet tegen, namelijk een tweet van Clem Delangue, Clement Delang. Hij is de CEO, co-founder en CEO van Hugging Face. Hugging Face is een, ja, wordt vaak in berichten een open source AI company genoemd. Ze hebben het op hun website over de AI-community en over het democratiseren van AI. Ga maar eens kijken op Huggingface.co. Wordt ook wel de GitHub voor AI-modellen genoemd. Ja, ze richten zich eigenlijk op alles wat met open source en AI te maken heeft. Je vindt dat ook, bovenin heb je een kopje modellen. Daar vind je 2,9 miljoen modellen die je gewoon kunt downloaden met open source, open weights en daar zit een licentie bij.

Bert Slagter: Staat precies in wat je ermee mag. Er staan datasets op, bijna een miljoen datasets die je zou kunnen gebruiken als je zelf modellen wilt trainen of iets dergelijks of classifiers wil schrijven of zo. En spaces, dat is iets wat recent is toegevoegd. Het zijn een soort demo-apps die gebruik maken weer van de modellen op Hugging Face. Ook open source. Je kunt die, als je denkt van: hé, dit is vet, dan kan je er zo zelf mee verder, zelf mee aan de slag. Je kunt de broncode bekijken, je kunt downloaden, lokaal mee aan de slag. Hartstikke grappig. Nou, ik las een tweet dus van Clem Delang, de CEO van Hugging Face, en die begon in zijn tweet met een verwijzing naar een studie van Stanford. En die studie toont aan dat 71.3% van de vragen aan ChatGPT ook accuraat beantwoord kunnen worden door een lokaal model. Een model dat op je laptop of je telefoon draait. Ik heb die studie opgezocht. Die heet Intelligence per Watt: A Local Study of Local Intelligence Efficiency. Linkje staat in de shownotes. Leuk om eens te bekijken.

Bert Slagter: Er is een blog die wat samenvatting geeft en de daadwerkelijke paper, gepubliceerde paper. En wat ze gedaan hebben in het onderzoek is een representatieve selectie maken uit verkeer naar LLM's, ChatGPT, Claude, die, en dat bestaat uit 1 miljoen vragen en opdrachten aan een AI-model, inclusief vragen waar ook over geredeneerd moet worden. En dat is dus echt een steekproef uit, zeg maar, echt verkeer en van alles en nog wat door elkaar zullen we maar zeggen. En ze hebben dan gekeken naar lokale modellen. Dat hebben ze gedefinieerd als maximaal 20 miljard actieve parameters. En het moet kunnen draaien op een local accelerator. En dan hebben ze dan ook in het paper onderscheid gemaakt tussen local accelerators en cloud accelerators. Local accelerator is bijvoorbeeld een Apple M4-processor die in je MacBook zit, of een AMD Ryzen, zo'n Nvidia grafische kaart, zo'n GTX en cloud accelerators zijn dan bijvoorbeeld Nvidia H200 die in datacenters draaien.

Bert Slagter: Of die grote chips. En van die miljoen vragen kwamen ze erachter dat de beste lokale setup 71.3% van die opdrachten, van die vragen goed antwoord kan geven. En als je een combinatie zou gebruiken van lokale setups, dus je probeert het op alle setups en als minimaal één van die setups hem goed heeft, dan reken je het ook goed. Dan kom je zelfs op 88,7%. Dus dat is even van: waar staan we nu? Nou goed, wat was nou in 2025 de beste setup? Dat was een Apple M4 Max met GPT-OSS 120B. En zeg je: 120B? Dat is gek. Je zei toch 20 miljard actieve parameters? Ja, actieve parameters. Dus GPT-OSS heeft 120 miljard parameters, maar het is een mixture of experts model en er zijn er altijd maar 20 miljard van actief. Dus vandaar dat hij kon. Dus dit is een, grappig genoeg een open source model van OpenAI.

Bert Slagter: Die heeft dus één van zijn modellen open source gemaakt en die combinatie was in 2025 het beste. In 2024 was de winnaar Llama 3.1 op een Nvidia RTX 6000. Die had toen 48% goed. Ha, dus nu 71%. In 2024, 48%. 2023 was het winnende model, eentje van Mistral op, ook op een Nvidia RTX en dat, toen was het percentage wat goed beantwoord werd 23%. We zijn van 23% in 2023 naar 48% in 2024 naar 71% in 2025 gegaan. Dus dat is het procent van de vragen die door mensen gesteld wordt aan ChatGPT. Wat ook een lokaal model op normale hardware kan beantwoorden. Dat is interessant. Waar de studie eigenlijk over ging is intelligence per watt. Dus het ging eigenlijk over efficiëntie en IPW, intelligence per watt, dat gaat over de vraag hoeveel watt heb ik nodig, hoeveel vermogen om een bepaalde accuratesse te halen?

Bert Slagter: En toen ik dat las dacht ik: dat is wat een gekke metric. Je wilt toch gewoon 100% accuratesse? Boeien hoeveel watt het nodig heeft. En maar als je er dieper over nadenkt, dat leggen ze ook uit, is het wel logisch. Want dat is namelijk nuttig om te bepalen op welke apparaten je wat voor taken kunt doen. Want apparaten hebben namelijk een maximaal vermogen dat ze voor langere tijd kunnen leveren. Bijvoorbeeld vanwege batterijverbruik of warmte. Bijvoorbeeld tien watt op je telefoon of vijftig watt op je laptop. Dus de vraag is: als jouw vermogensbudget vijftig watt is, want dat mag je laptop leveren, hoeveel procent van de taken kan je dan accuraat uitvoeren op dat apparaat? Dat is eigenlijk wat ze daarmee willen meten. Ze hebben het ook even over IPJ, dus intelligence per joule en dat gaat over hoeveel energie kost nou één accuraat uitgevoerde taak? En dat is wel grappig. En die twee, die zijn natuurlijk uitwisselbaar. Als je zegt van: tien watt, tien seconden is hetzelfde als honderd watt, één seconde.

Bert Slagter: Het is allebei honderd joule en dus het heeft te maken met hoe lang dingen duren. Die IPW is in twee jaar tijd vijf keer zo hoog geworden, 5,3 keer, en de IPJ is in twee jaar tijd achttien keer zo hoog geworden. Dat betekent dat je dezelfde accuratesse kunt krijgen in 2025 ten opzichte van 2023, maar dan achttien keer zo snel. Dat is wel grappig. Het gaat achttien keer zo snel in twee jaar tijd. En hoe komt dat dan? Nou, nieuwere hardware is efficiënter per watt, dus je krijgt meer rekenkracht voor dezelfde energieverbruik. En nieuwere modellen geven met minder rekenwerk hetzelfde antwoord. Dus dat zijn twee factoren die met elkaar vermenigvuldigd eigenlijk voor die verbetering zorgen. Goed, in het najaar van 2026 gaan ze weer meten, want ze doen het, de data kwam vorig jaar tussen augustus en oktober 2025 en ik denk dat we dan weer zo'n soort sprong zullen gaan zien. De verwachtingen zijn dat nu Qwen op een M5 Max van Apple gaat winnen. Maar goed, we gaan zien wat nu de beste setup gaat worden in 2026.

Bert Slagter: Maar goed, dat is oké, dus dat is even dit onderzoek. Wat wel interessant is: dat het on-device kan betekent niet dat het ook het beste is om alles maar on-device te gaan doen. Want voor veel dingen geldt dat als je het op schaal doet, dat het eigenlijk efficiënter is. En dat blijkt ook te gelden voor datacenters. Dat hebben ze ook nog ergens onderzocht in het rapport. Ze vergeleken de Apple M4 Max met de Nvidia B200 in de cloud en voor de cloudprocessor geldt: die gebruikt 2,3 keer minder energie voor het beantwoorden van één vraag. En als je vragen gaat batchen, dus je doet een batch van 64 vragen tegelijk, dan gebruikt de cloud 10 tot 20 keer minder energie voor dezelfde batch aan vragen dan lokaal. Dus je zou kunnen zeggen: goed bezette cloudinfrastructuur is per taak extreem efficiënt.

Bart Mol: Ja, dat is-

Bert Slagter: Maar.

Bart Mol: Ja, ja.

Bert Slagter: Ik denk dat ik ga zeggen wat jij nu ook wilde zeggen.

Bart Mol: Ga verder. Ik hang aan je lippen.

Bert Slagter: Ik maak dit stukje even af en dan mag jij reageren.

Bart Mol: Ga verder.

Bert Slagter: Toch kan het helpen om dingen lokaal te gaan doen. Als we met elkaar lokaal vragen gaan beantwoorden, kan dat toch nog ervoor zorgen dat alles bij elkaar opgeteld, het energieverbruik minder wordt van het geheel. Omdat we nu namelijk simpele vragen stellen aan reusachtige modellen.

Bart Mol: Ja, ja, ja.

Bert Slagter: Wat we nu doen eigenlijk is aan Einstein vragen: wat is één plus één? Of een vraag aan Shakespeare: schrijf een boodschappenlijstje.

Bart Mol: Ja, inderdaad.

Bert Slagter: Of een vraag aan Da Vinci. We vragen Da Vinci: zet een IKEA-kastje in elkaar. Of vraag aan Picasso om onze muur te witten en we vragen aan Charles Babbage om een vogelhuisje timmeren.

Bart Mol: Picasso de stukadoor.

Bert Slagter: Ja, precies. En je zou, wat je eigenlijk zou willen, is dat je simpele vragen lokaal beantwoordt en complexe vragen naar de cloud doorverwijst. Die mix, die is het beste. En dan denk je van: nou Bert, dat heb je slim bedacht. Nee, dat staat gewoon ook in dit paper.

Bart Mol: Ja.

Bert Slagter: Daar hebben ze namelijk onderzoek gedaan. Ze hebben een hybride systeem gebouwd met vier kleine modellen op die Apple M4 en een fallback naar een groot model op die H200 en in een simulatie waarbij een router bepaalt: deze gaan lokaal, die gaan naar cloud. Bespaart dat 80% energie. Die combinatie.

Bart Mol: Ja, maar dit ga je natuurlijk sowieso krijgen, ook in de cloudmodellen, of vanuit Anthropic en OpenAI zelf. Die hebben er natuurlijk op zich wel baat bij om iedereen met bazooka's vliegen kapot te laten schieten. Maar vroeg of laat gaan andere bedrijven dat zelf maken. Weet je, dan bouw je dat zelf wel op de een of andere manier in Claude Code of in GitHub Copilot of in, in whatever tool jij gebruikt. Want je betaalt je helemaal blauw aan allemaal medewerkers die inderdaad de simpelste vragen aan Fable 5 gaan stellen. Of Fable 5 die uit zichzelf doodleuk 100 Fable 5 subagents voor een klein onderzoekje spant. Ja, dat wil je natuurlijk gewoon niet.

Bert Slagter: Precies. Ik denk dat uiteindelijk 90% van de inference van het beantwoorden van vragen naar on-device zou verschuiven. Ook vanwege privacy. Ook vanwege het niet afhankelijk zijn van je internetverbinding. Ook vanwege dus de energiezuinigheid. En denk dan aan een jaar of drie tot vijf voor nieuwste devices en een jaar of tien voor alle devices. En bij devices moet je heel breed denken. Laptops, telefoons, tablets, maar ook je auto, je drone, je robot, je smart-tv, je smart home-achtige dingen, die krijgen allemaal een lokaal model straks waar ze de simpele vragen aan kunnen stellen. Wordt het ingewikkeld, dan gaat het naar de cloud en dan kun je denken: nou, dan zijn er helemaal niet zoveel datacenters nodig. Maar goed dat we ze niet gebouwd hebben. Maar ik denk dat hiervoor ook de Jevons-paradox geldt, namelijk dat als ergens minder bronnen voor nodig zijn, dat er heel veel meer gebruik van gemaakt gaat. Ik denk dat er nog wel duizend tot een miljoen keer meer vragen gesteld gaan worden per persoon dan nu. En ja, dan kan het wel leuk zijn dat er 90% naar je device gaat, maar dan is er ook nog vreselijk veel cloud rekenkracht nodig. Goed, oké, dit is even een theoretischer verhaal dan nu praktisch.

Bert Slagter: Hoe ga ik dit doen? Stel je wil aan de slag met AI lokaal. Laat ik even beginnen met dit: ik denk dat over een aantal jaar de bouwers van jouw apparaat dit voor jou gaan regelen, hè, dus dit gaat Windows gewoon voor je regelen. Of macOS of iOS of Google Android of Tesla in zijn auto's. Die gaan gewoon voor jou regelen dat jij lokaal modellen hebt en dat dat gewoon keurig geroute gaat worden. Ik denk ook dat OpenAI en Anthropic dit gewoon zelf gaan doen. Die gaan ook denk ik een soort hybride systeem bouwen als je daar een abonnement hebt.

Bart Mol: Wat Apple laatst ook een beetje aangekondigd heeft in die,

Bert Slagter: Klopt.

Bart Mol: In die aankondigingsdag van ze.

Bert Slagter: Apple Intelligence. Ja, zij gebruiken dacht ik een Gemini-model wat ze.

Bart Mol: Er wordt wel, nee, maar het punt is, er wordt wel één en ander on-device gedraaid zonder dat jij dat verder weet of hoeft te installeren.

Bert Slagter: Klopt, dat model wordt gewoon gedownload straks met je nieuwe macOS versie. Behalve in Europa, want het voldoet niet aan de Europese wetgeving.

Bart Mol: Hou die can of worms even dicht.

Bert Slagter: Ja, maar goed, zo gaat het wel werken. Nee, maar goed, dus ik denk dat even over een paar jaar dan gebeurt dit gewoon. Maar stel dat je er nu mee zou willen werken. Ja, dan. We zitten nu in de knutselfase. Nu ga je lekker knutselen. Dat is leuk, het knutselen. En het is nuttig, want ik denk dat je daardoor voor de rest van je leven beter gaat begrijpen hoe AI eigenlijk werkt. Dan denk ik even terug aan de jaren negentig toen ik zelf mijn computer in elkaar sleutelde. Ja, dat doen de meeste mensen nu ook niet, hè. Toen was het veel goedkoper en veel beter resultaat. Maar ik heb er nog steeds profijt van dat ik weet hoe zo'n ding in elkaar zit. Dus dat is denk ik leuk. Goed, hoe kan je dat gaan doen? Ik denk dat er twee routes zijn voor serieus gebruik. Eentje is LM Studio en die andere is Ollama. En Ollama, dat ga je vooral nodig hebben als je tegen lokale modellen aan gaat programmeren, hè. Dus als jij in Claude Code of in Codex zegt: joh, ik wil een model lokaal, bijvoorbeeld om een podcast te transcriberen of om een vraag aan te stellen, dan zal die waarschijnlijk Ollama voor je installeren. LM Studio is een app voor op je laptop of een app voor op je telefoon.

Bert Slagter: En daar kun je, ja, in die app kun je gewoon openen en dan kun je gewoon zeggen: ik wil dat model en dat model, zet maar lokaal neer. Er zit een chat interface in. Ja, het lijkt een beetje op de ChatGPT-app. Alleen dan gebruikt hij lokale modellen. Op je telefoon heb je ook nog een app die heet Edge Gallery. Die is van Google, Bart, hè. Het is ook wel geinig, dat is wat meer als speeltuin bedoeld.

Bart Mol: Ja, dat is gewoon een speeltuin app, maar je kan eigenlijk, je downloadt hem, je downloadt een model, en je kan daarna meteen in die app dingetjes proberen, een spelletje maken of spelen, chatten, met tools erbij, internet search, maar ook bijvoorbeeld foto's analyseren.

Bert Slagter: Afbeeldingen, ja.

Bart Mol: En dat is gewoon heel grappig. Je kan gewoon je wifi uitzetten en dan werkt het nog steeds. Behalve die internet search dan natuurlijk. En dat gaf mij in één keer: oh, wacht even. Ja, dit is grappig, dat het met zo'n simpel modelletje op mijn telefoon binnen 10 seconden had ie een afbeelding geanalyseerd. Dat vond ik echt wel impressive.

Bert Slagter: Ja. Ja, dat is leuk. Dus sowieso, download even Edge Gallery en ga daarmee stoeien. Edge Gallery. Zullen we de link in de shownotes zetten? Kunnen we doen, denk ik.

Bart Mol: Ik zal hem er even bij zetten, ja.

Bert Slagter: Wel handig.

Bart Mol: Ja.

Bert Slagter: En als je iets meer tijd hebt, doe dan ook LM Studio. Dat is echt wel grappig. Het is een app voor Mac, Windows, Linux. Je downloadt daar een model. Ik heb het zelf geprobeerd. Ik heb Gemma 4 gedownload, een Mistral-model, een Llama-model, een Qwen en daar gewoon eens wat mee gaan spelen. Ook GPT OSS, die 20 miljard parameters model heb ik gedownload op mijn MacBook uit 2021 met een M1 Pro en 32 GB geheugen. Is helemaal niet een supernieuwe, super dure laptop, want deze kun je nu, zeg maar, refurbished voor 800 piek krijgen of zo, dus maar daar ging dat dus prima op. En dat is wel grappig. Ja, hartstikke leuk. Het ging, nou, ik moet eigenlijk zeggen, sommige modellen gingen geweldig.

Bart Mol: Ja.

Bert Slagter: Het ging snel en goeie antwoorden en soms ging het ook totaal mis. En dat is wel weer interessant, zeker bij reasoning modellen. Dus je hebt instruct modellen, die zijn zo gepost-trained om jou een antwoord op je vraag te geven. Je hebt ook reasoning modellen. Die zijn zo afgericht dat ze eerst eventjes diep na gaan denken over jouw vraag. En zeker reasoning modellen, die kunnen wel eens de neiging krijgen om eindeloos in rondjes te blijven lopen. Ik heb me echt helemaal doodgelachen. Ik was bezig met, ik wilde graag suggesties hebben voor een volgend boek om te lezen. Ik heb pas The Martian en Project Hail Mary gelezen van Andy Weir en de Bobbyverse. Die gaf ik als dingen mee en zei: ga maar eens even wat doen. En toen kwam, ja, welk model was het ook alweer? Oh ja, Qwen 3.6. Die bleef, nou ja, gewoon echt letterlijk een half uur tot ik hem afbrak. Een half uur in rondjes lopen met, The Martian. Oh nee, die heeft hij al gelezen. Project Hail Mary heeft hij ook al gelezen. Sorry, ik loop in cirkels.

Bert Slagter: Hier zijn vijf feitelijke aanbevelingen. The Martian. Oh, al gelezen. Project Hail Mary. Al gelezen. Oké, ik snap het nu. Hier zijn vijf nieuwe boeken. The Martian. Al gelezen. Project Hail Mary. Al gelezen. Hm, ik kan niet stoppen met het noemen van boeken die je al gelezen hebt. Hier zijn vijf nieuwe boeken. The Martian. Al gelezen. En het ging maar door. Oké, ik geef het op. Hier zijn vijf nieuwe boeken. Ik ben vastgelopen. Hier zijn vijf nieuwe boeken. Ja, geweldig. Ja, je lacht je dood, joh. Maar het punt is dit, dit kan gebeuren bij een model die bedoeld is om, via redeneren tot een, hè, met een hele duidelijke slot, hoe zeg je dat? Stand? Hè, tot een einde te komen. En als je een hele open vraag stelt, dan kan zo'n model daar eigenlijk niet zo goed mee omgaan. En dit is wel interessant. Hier zie je dat de waarde van ChatGPT of Claude niet alleen maar is dat ze voor jou een model hosten, maar zij doen veel meer en dat is wat de orchestrator doet.

Bert Slagter: Dat is eigenlijk een stukje software voor het model. Die bouwt de context op die het model ingaat. Op basis natuurlijk van jouw vraag, maar ook andere dingen worden daar ingestopt. Bijvoorbeeld systeem prompts, informatie over jou, maar ook extra aanwijzingen. En die signaleert: hmm, deze vraag is niet handig om daar dertig minuten over te gaan redeneren, want dan gaat hij in rondjes lopen. Ik moet even wat extra dingen meegeven en die kan ook ingrijpen als hij ziet dat het niet goed gaat komen. Ja, dat is als, bij lokaal moet je dat allemaal zelf organiseren en dan kan het dus wezen dat je een vraag stelt waar een model niet uit gaat komen. En dat terwijl bij ChatGPT of Claude dat je dat merkt eigenlijk nooit. En dat is ook, ook waarde die zo'n chatdienst dan levert voor je. Goed, even samengevat mijn conclusie was: lokaal is eigenlijk prima geschikt voor een deel van de taken, zoals samenvatten en vertalen. Eenvoudige uitleg als privacy belangrijk is. Maar cloud is sterker als je echt, hè, dus clouddiensten in de cloud.

Bert Slagter: Niet Claude, maar cloud. Als je lange contexten hebt, complex onderzoek, veel redeneerwerk en ook als je multimodale taken hebt met beeld en geluid, dan is dat toch weer beter.

Bart Mol: Ja.

Bert Slagter: Goed. Even terug te komen om het cirkeltje rond te maken bij de tweet van Clem DeLange. De vraag is nu natuurlijk: welk van de 2,8 miljoen modellen op Hugging Face draait er op jouw hardware? En dat is waar de tweet van Clem uiteindelijk over ging, namelijk ze hebben bij Hugging Face een nieuwe feature geïntroduceerd, namelijk dat je kunt filteren op jouw hardware. Dan vul je in, in mijn geval, ik heb een MacBook Pro en met een M1 Pro-processor en 32 GB geheugen en dan filtert ie automatisch alleen maar dat je alleen maar modellen ziet die ook daadwerkelijk werken op mijn hardware. En dat is wel grappig. Dat is dus met dit in het achterhoofd eigenlijk.

Bart Mol: Nee, maar dat is super nice, want ik heb dit ook het afgelopen jaar her en der wat geprobeerd. Als er weer een nieuw lokaal model uitkwam waar iedereen op Twitter helemaal van over de, in de wolken was. Ja, dan moet je elke keer zelf opzoeken past dit, werkt dit, hoe draai ik dit nou? En dat is steeds makkelijker geworden. En dit helpt enorm omdat je dan gewoon kan zeggen: ik heb deze laptop en dan weet je, dit gaat sowieso niet werken, dit wel. Wat mij ook veel heeft geholpen is, je moet even vergeten wat je normaal gesproken in Claude Code doet, want dat kan gewoon niet. Je kan niet even zeggen: laad deze codebase in, trap een paar subagents af, dat gaat gewoon niet, dan loopt hij gewoon helemaal vast. Je context window is veel kleiner op je lokale machine. Je hebt gewoon minder geheugen. Je geheugensnelheid is langzamer, hè, dus het duurt langer voordat je antwoord krijgt en het model is gewoon minder goed. Dus je moet daar rekening mee houden met welke vraag je stelt. Een complete refactor van je app, dat kan je gewoon beter niet in een lokaal model doen. Wat wel leuk is met bijvoorbeeld agents die op de achtergrond werken, dan maakt het niet zoveel uit of een taakje 10 seconden of 2 minuten duurt, hè, dus ja, daar wil ik dit eigenlijk wel voor gaan proberen.

Bart Mol: En ik ben door je verhaal ook alweer dat ik, ja, ik zat met een lach op mijn gezicht. Ik denk: dit is ook wel weer vet, hè, dit is ook wel waar het om draait. Het enige wat misschien nog wel even goed is om erbij te melden, Bert, je hebt een aantal tools genoemd die je kan gebruiken. Wat ook nog wel handig is om even te zeggen van: joh, wat voor hardware gebruiken mensen hier nou voor? Je kan eigenlijk twee richtingen op daar. Of je koopt een mooie tweedehands Nvidia-videokaart, bijvoorbeeld een RTX 4090, want die heeft toevallig 24 gigabyte aan RAM, of een 5090. Dat is de duurste consumer hardware die je nu kan kopen. Die zit volgens mij op 32 of 34. Dat is supersnel. Sneller dan een MacBook, maar je hebt minder geheugen om je model in te laden. Of je gaat voor een MacBook. Dan kan je op dit moment in een laptop of in een Mac mini gewoon tot 128 gigabyte aan ram erin doen, wat ook nog behoorlijk snel is, dus daar kan je grotere modellen in doen. Maar het geheugen is wel minder snel dan bij een videokaart. Ja, dat zijn eigenlijk de twee keuzes die je op dit moment een beetje hebt.

Bart Mol: Dus laten we daar eens mee aan de slag gaan de komende tijd.

Bert Slagter: Ja, wat ik verder ook heel aardig vind, is wat ik dus nu heb gedaan is een momentopname en ik weet dus nu op basis van dit onderzoek dat het maar zo kan zijn dat over twee jaar het weer achttien keer zo snel is en dat het weer weet ik veel keer hoeveel ik meer kan. En dat is natuurlijk heel interessant.

Bart Mol: Ja.

Bert Slagter: Om dat door te trekken.

Bart Mol: Jongens, ik hoor daar wat in de achtergrond aan komen zoeven.

Bert Slagter: Het is een trein.

Bart Mol: We staan op het perron. We hebben zitten wachten. We staan al 1 uur en 12 minuten te wachten. Maar hij komt eraan. Hij komt er eindelijk aan, dames en heren.

Bert Slagter: Jazeker. En ja, het zou wel leuk zijn om even wat van die metrogeluidjes op de achtergrond in te, even een ander soort bumpertje. Ja, vorige week stapten we in op Puppet Station. Ja, toen ging het over puppets. Vrij primitieve machines, schaakautomaten, mechanische eend, schrijvende pop. Primitief in onze termen, want destijds was het natuurlijk briljant wat er gemaakt werd. En sterker nog, 40 jaar geleden probeerden ze het na te maken en daar deden ze er ook gewoon een decennium over. Dus we noemen ze primitief, maar het waren echt wel serieuze projecten en er zat soms een beetje bedrog in. Vaak ook gewoon heel veel techniek en altijd show. En het draaide om de buitenkant. En zo'n machine deed iets dat vragen opriep, namelijk: is dit nou intelligent? Zit die intelligentie achter? En we stappen nu in bij Babbage Station en dat woord, ja, dat is de referentie naar een naam. Daar gaan we het zometeen even over hebben. En dan gaat het minder over die vraag van: nou, kunnen we iets intelligent laten lijken? Het werd wat praktischer. Eigenlijk werd de vraag: kunnen we machines maken die betrouwbaar het werk kunnen doen dat tot dan toe echt alleen door mensen kon worden gedaan, aan mensen was voorbehouden?

Peter Slagter: En we gaan het hebben over een briljante geest. Toen ik dit aan het voorbereiden was, jongens, ja, ik werd gewoon fanboy van het eerste uur van Babbage. Ja, echt ongekend wat die man gedaan heeft. Ik zou echt wel zeggen met recht een van de reuzen met hele grote schouders waarop de huidige AI-systemen staan. Nou, we duiken even de negentiende eeuw in. Ja, bij het eerste stationnetje hadden we het ook nog over schepen. Doen we het gewoon nog een keertje. We gaan de zee op en de kapitein die wil weten waar hij is, dus die pakt zijn iPad. Oh nee, dat kan niet, het is de negentiende eeuw, dus hij heeft geen Google Maps. Hij heeft geen iPad, hij heeft geen radar. Hij heeft ook geen digitale zeekaarten. Hij moet het op een andere manier doen, dus hij kijkt naar de zon of naar de maan, de sterren. Wil zijn locatie bepalen en hij heeft waarnemingen. Maar die waarnemingen worden pas iets als die waarnemingen naast data gelegd kan worden. En nou dat, dat was er ook wel data boeken vol met tabellen. En daar stond dan in waar had een bepaald hemellichaam moeten staan op een bepaald moment en welke berekening hoort daarbij en waar ben ik dan?

Peter Slagter: Daar komt dat uit. Maar wat nou als er een fout in die tabel staat? Dat is niet handig natuurlijk, te midden op zee. En dat soort datatabellen, die waren in die tijd eigenlijk overal. Zo, ja, de wereld draaide op tabellen die op papier werden gedrukt of geschreven. En ja, astronomen bijvoorbeeld om voorspellingen te maken over hemelstanden en verzekeraars, om risico's en premies te berekenen. En ingenieurs en landmeters die hadden dat nodig voor hoeken, afstanden en maten en zo. Nou ja, het was overal. Een dingetje is die tabellen en al die getallen, ja, die werden door mensen gemaakt. Ik bedoel, ja, er was nog niet een robot, er was ook niet een laptop of een AI of zo die dat allemaal bedacht. Nee, dat-

Bart Mol: Geen Mechanical Turk.

Peter Slagter: Nee, ook niet. Die mensen moesten rekenen en die moesten die uitkomsten overschrijven. En andere mensen die controleerden dat weer. En weer andere mensen die gingen dat op papier drukken. Maar het probleem is: mensen maken natuurlijk fouten. En er was dus iemand op aarde die daar heel slecht tegen kon. En dat was Bert Slag- nee, dat was Charles Babbage en dat was een Engelse wiskundige, geboren in 1791. Ja, wat ik zeg, een hele slimme gast. Ook, ja, rijk genoeg om grote ideeën te kunnen najagen. Ik bedoel, je kunt wel grote ideeën hebben, maar je moet er ook nog wat mee kunnen doen.

Bart Mol: Ja, precies. Als ze helemaal op de boerderij moeten staan heb je er ook weinig aan.

Peter Slagter: Dan is dat lastig natuurlijk. En hij bleek ook wel berucht lastig om mee samen te werken. Dit was niet per se de analogie die ik wilde trekken tussen Bert en Babbage trouwens, maar goed. Babbage, die stond met één been in de wereld van stoommachines. Dat was het toen, hè, stoommachines, fabrieken, makers van precisie-instrumenten en met een ander been in een wereld die helemaal nog niet bestond. En dat was die van programmeerbare machines. En zijn eerste grote antwoord op dat foutenprobleem, hè, die fouten die gemaakt worden met die datatabellen, noemde hij de Difference Engine, in het Nederlands de Verschilmotor. Als je daar naar gaat zoeken, dan vind je ook daadwerkelijk encyclopedieën en Wikipedia-pagina's over de Verschilmotor. Is een ding. En dan moet je niet denken aan, ja, een modern apparaat zoals wij die kennen, maar gewoon weer een heel groot mechanisch ding. Staal, messing kolommen met cijferwielen, raderen die in elkaar grijpen, hendels, assen, bewegende delen.

Peter Slagter: Een machine die door eraan te draaien, je hebt een menselijke operator nodig, stap voor stap getallen produceert. Rekent, niet alleen rekent, maar ook het resultaat foutloos afdrukt in de vorm van een tabel. Ja, want het idee was, ja, je kunt wel het juiste uitrekenen, maar als het dan weer verkeerd wordt overgenomen ben je alsnog verloren. Dus dat erbij, dat was het idee dat hij had en dat had hij helemaal uitgewerkt. Tabellen berekenen en menselijk rekenwerk verplaatsen naar een machine. Nou, het vervelende is dat project dat liep vast, want die machine, ja, dit was iemand die had mega plannen uitgewerkt, op papier getekend, gedetailleerd. Alleen dat werd daardoor ook duur en groot. En het bleek ook wel moeilijk te bouwen. En Babbage die kreeg ruzie met degene die die precisie-instrumenten moest maken, Joseph Clement. En de overheid die ook, als geldschieter betrokken was, die werd een beetje, ja, die raakte hun geduld kwijt. En het vervelende is Babbage heeft z'n machine nooit aan het werk gezien, maar dat betekent niet dat hij niet werkte.

Peter Slagter: Hij had het zo precies omschreven en uitgewerkt en getekend op papier gezet, dat later mensen van een team van wetenschappers en ingenieurs van het Londense Science Museum een werkende Difference Engine hebben gebouwd op basis van zijn tekeningen. En moet je je voorstellen, die startten daarmee in 1985 en pas in 2002 waren ze daarmee klaar. Ja, en ze zijn serieus lang zo bezig geweest met het uitwerken van die tekeningen.

Bart Mol: Weet je ook, Peter, of alles, of die tekeningen ook kloppend bleken of dat ze nog onderweg aanpassingen moesten doen?

Peter Slagter: Het was, wat hij op, ja, dat vind ik zo ziek als je dat bedenkt. Hij heeft het dus allemaal in zijn hoofd gehad en uitgewerkt en dat werkte dus gewoon zoals hij het ontworpen had.

Bart Mol: Ja, en ze hebben volgens mij ook nog, wat je hier nog aan toe kan voegen is dat ze bij het nabouwen ook de technieken hebben gebruikt die toentertijd voorhanden waren.

Peter Slagter: Zeker.

Bart Mol: Dus zeg maar dat ze daarmee ook aantonen van als de hele wereld hier achter was gaan staan, net als bijvoorbeeld bij de piramides of zo, dan had dit gekund ook toentertijd. Het is niet dat-

Peter Slagter: Dat was, ja.

Bart Mol: Ja, ja. Ik zie echt zo'n middeleeuwse smidse voor me waar van die orks staan te meppen op zwaarden en zo.

Peter Slagter: Ja, kijk, in 1985 was het waarschijnlijk makkelijker om die precisie te hebben, weet je wel, bij het produceren van alles wat nodig was, maar toch. En het mooie is als je die machine dan ziet draaien, want dat kan dus in dat museum, ja, dan is gelijk duidelijk waarom deze man op onze metrokaart thuishoort. Ik dacht: ik wil jullie gewoon een beetje een gevoel geven van hoe dat ding klinkt. Ik heb een kort fragment gevonden waarin dit ding wordt gedemonstreerd. Heb ik een klein stukje uitgeknipt.

Bart Mol: Ja, ik zet hem aan.

Spreker 4: After all with the intact drawings it seemed feasible and within financial reach. It took seventeen years and drama to rival Babbage's so long ago. And it works just as Babbage designed it. Every turn of the engine's driving handle is carried through gears, cams, rods, levers, and springs to release and arrest precisely aligned number wheels. A helical arrangement of steel fingers continually pulls the register towers to find and perform the carrying of tens. In its continuing sweep upward. It is mesmerizing.

Peter Slagter: Ah, it is mesmerizing. Ja, dat is het ook. En dit filmpje. Als je dit een beetje interessant vindt, moet je dat filmpje echt even kijken. Die staat in de shownotes. Ja, en dan kan mijn hersenpan er niet bij dat je dat verzint. Dat je op die manier dus, ja, eigenlijk een van de eerste rekenmachines hebt gemaakt. Maar dan, ja, op een niet voor te stellen wijze. Uhm, ja, goed, we gaan even terug naar Babbage, want die heeft het dus zelf nooit gezien natuurlijk. Maar hij had een vastgelopen project. Maar Babbage zou Babbage niet zijn als hij, ja, toch dacht van: ja leuk. Nou, niet leuk dit. Dit loopt niet, maar in zijn hoofd werkte dit. Hij had het geparkeerd. Dit hield hem niet tegen om verder te denken, want hij had zoiets van: die Difference Engine, dat kan eigenlijk maar één ding, één soort rekenwerk. En hij dacht: ik wil eigenlijk iets algemeners. En hij noemde dat, dat heeft hij ook allemaal op papier gezet, de Analytical Engine. Daar is hij decennia mee bezig geweest, en dat was een apparaat waarvan het gedrag daadwerkelijk kon veranderen door de instructies die je hem gaf.

Peter Slagter: En hij was daardoor geïnspireerd door een heel andere industrie, de textielwereld. Daar werkten ze met ponskaarten. Nou ja, misschien dat je een opa hebt die nog wel weet wat ponskaarten zijn. Die werden destijds in weefgetouwen gebruikt. Dat zijn van die hele grote raamwerken waar draden onder en over elkaar worden geleid om stof te maken. En, ja, bij ingewikkelde patronen moet steeds bepaald worden welke draad gaat er wanneer omhoog en welke omlaag en zo. En die ponskaarten konden dat proces sturen. En die gaatjes in zo'n ponskaart, die bepaalden eigenlijk de manier waarop zo'n machine in beweging kwam. En Babbage die dacht: dit principe kan ik misschien ook toepassen op berekeningen. Kaart erin, instructies erin, ander gedrag eruit. En zijn Analytical Engine, die kreeg dus ook op papier een plek om getallen te bewaren. Geheugen. Een plek waar bewerkingen op wat er in het geheugen stond plaatsvonden. Nou, de invoer van die kaarten, maar ook weer de uitvoer naar papier, drukwerk of een nieuwe kaart.

Peter Slagter: Kijk, de machine bleef gewoon mechanisch, bleef gewoon zo'n groot apparaat. Maar het plan, die choreografie waar we het vorige keer over hadden, vorige week, die kwam dus losser te staan van het apparaat. En denk dat dat even de, ik bedoel dat apparaat waar we net naar geluisterd hebben is al indrukwekkend, maar deze stap is denk ik de stap waarom dit stationnetje zo relevant is. En dus bij die automaten van Turing Station zat het gedrag heel erg vast eigenlijk in het apparaat. Kon gewoon één ding. En nu ontstaat het idee van een machine die verschillende taken kan uitvoeren, afhankelijk van de invoer en de instructies. En daar ligt denk ik de verbinding met AI van nu. Want die moderne computers die wij gebruiken, ja, die worden pas denkbaar, die worden pas concreet als ze niet voor elke taak opnieuw gebouwd hoeven te worden. Weet je wel, dat je een laptop hebt voor Google Docs en je hebt een laptop om te gamen en je hebt voor elke taak een ander apparaat. Ja, gamen is dan nog precies het enige voorbeeld waar we dat wel bij hebben. Maar inderdaad ja. Je hebt iets algemeners nodig.

Peter Slagter: Je hebt een laag nodig voor invoer, voor verwerking, voor geheugen, voor uitvoer, voor instructies. Iets wat niet één truc uitvoert, maar op schaal, dat is belangrijk, verschillende procedures kan uitvoeren. En dat heeft Babbage dus bedacht. Die is daar, die is de grondlegger eigenlijk van dat idee. Ik werd enthousiast, dus hij, Bert, ja, ik ken Babbage nog wel van mijn studie. Wordt wel gezien als grondlegger van de IT. Nou, ik kan me dat heel goed voorstellen. Ik ken Babbage ook van mijn studie op de middelbare school. Mijn informatiekunde boek was vernoemd naar Babbage. Misschien dat er nog andere mensen zijn. Ja, je hebt, ja, dat vak zeg maar alles, alle boeken die we moesten hebben, die heetten Babbage. En nog even geinig om het verbindinkje met Turing te leggen. De Analytical Machine van Babbage, dat was de allereerste mechanische computer. Dus niet elektronisch, maar wel de allereerste computer die in theorie toen, hè, Turing complete was. En dat betekent dat je alle soorten berekeningen die je kunt bedenken ook kunt uitdrukken in de instructieset die die computer heeft, dus geprogrammeerd op die ponskaarten.

Peter Slagter: Dat is wel grappig. Ja, Turing die, uh, die was toen nog, ik weet niet, hij leefde denk ik nog niet eens. Nee, zeker niet. Moest nog geboren worden. Dit is ver voor zijn tijd nog. En, ja, we gaan de volgende keer pakken we hier ook de draad op, want deze machine, ook deze machine is nooit gebouwd, hè. Dus Babbage heeft het nooit— ja, dit is allemaal op papier, papieren werk. Maar er was iemand anders, Ada Lovelace, en die zag dat ontwerp en die is daar verder gegaan. En het grappige is, die zag niet alleen maar iets dat kon rekenen, die zag ook iets dat andere dingen daarvan kon maken, andere dingen kon interpreteren. Letters, muzieknoten, patronen. En dan kom je dus, ja, weer op een heel ander gebied. Hè, dus dat, dat computers ook het terrein worden van taal en van muziek en van verbeelding. En nou ja, dat noemen we dan Lovelace Station. Daar gaan we een volgende keer instappen. Ja, vet hoor, ik word hier wel warm van. Dit is toch lachen joh. Moet je je voorstellen dat we net een wat andere timeline hadden gehad en dat onze laptops nog ook nog op stoom hadden gedraaid. Net als die Analytical Engine van Babbage. Dat jij wat kolen in je laptop moest scheppen. Gooi eens compleet anders.

Peter Slagter: Ja prachtig joh. Ja mooi. Ja. Ja, echt heel cool. Het is wel echt vet. Het is wel grappig dat het zo ver teruggaat eigenlijk. En we moeten als we wat stationnetjes verder zijn eens even kijken wanneer echt die

Bart Mol: Die versnelling erop is gekomen. Wanneer, want, ja, dit is een computer uit-- wanneer was het? 1800 of zo.

Bert Slagter: Dit beslaat heel het leven van Babbage. Dit is gewoon een periode, decennia waarin hij bezig is met denken en schrijven. Hier zie je nog niet, zeg maar, wat je de afgelopen vijf jaar mee hebt gemaakt met AI.

Bart Mol: Dat is ook wel, zeg maar, Babbage die heeft de grondlegger eigenlijk en die heeft nooit gezien waar het toe leidt. En wij leven in een tijd waar we gewoon alles voor onze neus zien gebeuren. Dat is ongekend eigenlijk.

Bert Slagter: Maar dat zie je heel vaak in de wetenschap, hè, dat een idee wordt bedacht en dan pas decennia of soms eeuwen later pas de techniek zover is dat je ook daadwerkelijk dat kunt bouwen en kunt testen en hypotheses kunt testen. Dus die Analytical Engine is uit 1837. Ja, weet je, en dan duurt het nog een tijd voordat je buizencomputers en later transistors hebt waarmee je dit daadwerkelijk kunt bouwen. Maar dat geldt ook voor AI. Dus alles wat wij nu doen met die LLM's, ja, dat is niet dat ze dat in 2022, hè, toen kwam ChatGPT, dat in 2021 dit bedacht hebben. Nee, hier wordt gewoon al 70 jaar over nagedacht en over geredeneerd. En de Turingtest komt uit 1950. In 1950 in de paper gezet.

Bart Mol: Dat is zo. Alleen ik heb toch het idee dat wij precies in het stuk, en dat kan helemaal fout zijn, misschien dacht Babbage dat ook wel, dat wij precies in het stukje leven waar die versnelling echt gaat, en niet alleen met AI, maar op verschillende gebieden. Als je de laatste tijd kijkt, ik zie op het Nederlandse tv ook bij Nieuwsuur ging het heel veel over peptides en allemaal ander soorten medicijnen. Ook daar weer opeens gewoon revolutionaire dingen. Soort van de opeenstapeling van jarenlang onderzoek die zich dan opeens op allemaal verschillende punten manifesteert. En dan heb je AI er nog eens bij en misschien quantumcomputers die we mee gaan maken in de komende 10, 20 jaar. Dat zijn natuurlijk wel allemaal dingen die ik kan me haast niet voorstellen dat er in ons leven soort van dat wij nu als een soort Babbage moeten gaan zitten wachten en dan maar moeten hopen of we nog een ChatGPT 6 mee gaan maken. Dat gaan we toch meemaken? Dat is toch-

Bert Slagter: Nee, één van de denkrichtingen van AI is dat als je op een gegeven moment AGI en ASI hebt, dus een intelligentie die intelligenter is dan mens of de mensheid in zijn totaliteit, dat je daardoor die versnelling ook veroorzaakt. Omdat je niet alleen dingen kunt bedenken, maar je kunt ook de dingen bedenken die datgene wat je bedacht hebt kunnen uitvoeren of kunnen manifesteren. En dat is-

Bart Mol: Verschillende tijdlijnen simuleren. Je kan alle kanten op natuurlijk. Als we dat doen vind ik wel dat Elon Musk even een stuk of 100.000 mensen gewoon de ruimte in moet schieten. Gewoon dat, in ieder geval de mensheid zoals die nu bestaat, mocht het fout gaan op aarde, nog z'n weg ergens gaat vinden. Ja, precies, dat is, als ik één ding heb geleerd van sciencefiction is het heel goed om mensen verschillende kanten gewoon de ruimte in te knallen. Dan kan je nooit de gehele mensheid uitroeien. Dus dat zou in ieder geval nog-

Peter Slagter: Maar eventjes nog heel kort over, kijk, voor de periode waarin zo'n Babbage dan geleefd heeft. Kijk, daar hebben natuurlijk ook allerlei ontwikkelingen elkaar opgevolgd. Stoommachines überhaupt precieze instrumenten kunnen maken, het gebruik van de metalen. Ik denk dat daar ook een soort van, ja, toch ook wel allerlei nieuwe dingen waren die bij hen dan weer de fantasie, hè, aanjoeg om überhaupt hierover te kunnen nadenken.

Bart Mol: Nee, zeker.

Peter Slagter: Het voelt natuurlijk zo anders dan in de tijd waarin wij leven.

Bart Mol: Het ging toen ook al veel sneller dan bijvoorbeeld weer 500 jaar daarvoor. Maar ik denk dat je de tijd van Babbage had je dus nog iets zoals een levenswerk, hè, waar hij dus zijn leven aan besteed heeft. En heb je dat tegenwoordig nog? Nou ja, dat kunnen we over 50 jaar vertellen. Dat kunnen we-

Peter Slagter: Ja, van figuren als Elon Musk denk ik wel.

Bart Mol: Ja, maar dat zijn dan wel vijf verschillende levenswerken tegelijk. Dus het is, nou ja, goed, daar moeten we nog eens een keer over na-

Peter Slagter: Is wat overweldigender. Ja.

Bart Mol: Voor vandaag gaan we stoppen met de aflevering. De oplettende kijker zal zeggen: hey, maar jullie zouden toch nog even over Hermes en Obsidian gaan hebben? Dat klopt. Dat ga ik op een iets andere manier doen. Ik heb daar een leuk idee voor, want ik wil het daar heel graag over hebben. Ik heb daar heel veel leuke dingen mee gedaan deze week. Ik heb een second brain gebouwd de afgelopen maand in Hermes. Ik gebruik Hermes via Telegram en ik heb het zelf draaien op mijn eigen hardware hier thuis. Ik ga daar een artikeltje over schrijven. Dat artikeltje, als je dat wil hebben, dat kan. Dan moet je naar turingstation.nl gaan. Daar zie je een inschrijflink. Je kan daar je e-mailadres achterlaten en als je dat doet dan krijg je dat artikel gewoon in je inbox van de week. En dan gaan we dat volgende week in de podcast gewoon behandelen als praktische tip. Maar dan hebben we ook gewoon de uitgebreide versie met instructies gewoon als blog. Die kan je in je e-mail lezen, kan je op onze website lezen en dan kan je gewoon je second brain met Hermes en Obsidian inrichten zoals ik dat zelf ook gedaan heb.

Bart Mol: Ik denk dat dat eigenlijk wel leuk is, dus ga naar turingstation.nl, laat daar je e-mailadres achter en dan krijg je hem gewoon deze week voor de volgende uitzending in je inbox afgeleverd. En dan het bespreken doen we dan volgende week en op die manier blijven we deze week ook gewoon netjes binnen de tijd. Dan rest mij verder niet zoveel anders dan jullie nogmaals te vragen: stuur deze aflevering door aan iemand. Laat een leuke reactie achter. Kan op Spotify, kan op YouTube. Ja, een reactie over hoe, ben jij met AI bezig? Heb jij Fable-5 gebruikt? Hoe gebruik jij lokale agents? Gebruik jij lokale modellen? Op welke hardware gebruik je dat dan? Of heb je-

Bert Slagter: Wat heb jij voor het laatst gevraagd aan ChatGPT?

Bart Mol: Wat heb jij voor het laatst gevraagd aan ChatGPT? Of heb je nog leuke vragen voor ons? Laat dat achter mensen, dat maakt de podcast echt veel leuker. We gaan vroeg of laat natuurlijk ook wel weer iets van een community oprichten, maar op dit moment is dit even de manier om met elkaar te interacteren, dus doe dat ook. We reageren sowieso op alle vragen die we binnenkrijgen. Ja, dus doe dat vooral. Bert, thanks! Peter, jij ook bedankt. Ik heb echt genoten van jullie bijdrage, dus dat was heel erg leuk. Ik denk dat het een leuke aflevering was en dan wil ik ook als laatste de luisteraar natuurlijk eventjes bedanken. Bedankt voor het luisteren. Abonneer je, laat een reactie achter en als je dat allemaal niet doet, zorg dan in ieder geval dat je volgende week woensdag weer klaarzit voor aflevering vier van Turing Station. Thanks voor het luisteren en tot volgende week. Doei!

Bert Slagter: Laterrrrs.