Project Panama: waarom Anthropic boeken scant en vernietigt

Bart Mol: En als klap op de vuurpijl zit onze eigen Bert in Noorwegen op een raketlanceeringsplatform. En daar gaat hij het, ja, over van alles en nog wat hebben. Dat is ook zeker de moeite waard om te luisteren. Veel te bespreken dus. Dus laten we snel beginnen. Veel plezier met aflevering zeven van Turing Station. Ja Pedro, goeiemorgen, daar zitten we weer.

Peter Slagter: Goedemorgen!

Bart Mol: Goedemorgen! Ja, ik denk dat we maar gewoon meteen lekker. Ja, inmiddels zijn we al bij aflevering zeven natuurlijk, dus de mensen weten wel wat er gaat komen. Laten we gewoon eens even beginnen met de mededelingen die we deze week hebben. Want ja, we zijn een AI-podcast. Dan moet je ook AI-dingen doen. AI-tools leveren, dat hoort er gewoon bij. En ik ben trots om te kunnen zeggen aan jullie, lieve luisteraars, dat wij een Turing Station MCP-server hebben. Ja, dat is, alle lof gaat naar onze whizzkid. Onze eigen large language model, Stijn, die heeft dit gemaakt.

Peter Slagter: Onze forward deployed engineer.

Bart Mol: Ja, precies, onze astronaut op de rand van wat er op dit moment menselijk mogelijk is, hè, op, in de symbiose tussen machine en mens. Daar zit Stijn en hij heeft de MCP-server gemaakt. Verschillende manieren. Waar komt het op neer? Wat kan je ermee? Laat ik dat gewoon zeggen. Alles doorzoeken wat wij bij Turing Station doen. Dus je kan alle transcripts van de podcast doorzoeken. Alle artikelen die we geschreven hebben. Dat zijn op dit moment natuurlijk vooral de gidsen en de samenvattingen van de podcast, die kan je allemaal doorzoeken. Dus je kan bijvoorbeeld vragen: joh, wanneer had Bert het ook alweer gehad over het trainen van modellen? Of hoe zat het ook alweer met de Turing Line van Peter? Of welke componenten had Bart gebruikt om Botje te bouwen? En dan kan jouw AI dat op gaan zoeken, dus dat is wel heel gaaf. Stijn heeft verschillende manieren gemaakt om hiermee aan de slag te gaan van beginner tot aan expert.

Bart Mol: Dus je kan via Claude, gewoon via de website kan je een connector toevoegen. Dat is de simpelste manier. Je kan een MCP-server toevoegen voor Claude Code. Dan kan je hem ook gebruiken met Codex of met Open Code of met Hermes. Er is een API geloof ik en er is ook nog een command line interface, dus voor ieder wat wils. Elk smaakje is mogelijk. Het is wel heel gaaf. Stijn heeft daar ook een video bij gemaakt, dus hij is voor het eerst ook voor de camera te zien. Nou joh, die is heerlijk.

Peter Slagter: We hebben gewoon een nieuwe presentator.

Bart Mol: Ja.

Peter Slagter: Heel goed trouwens. Echt leuk.

Bart Mol: Ja. Ja dus, linkje staat gewoon in de shownotes. Ga het proberen. Laat weten wat je ervan vindt of het goed werkt. Ik heb het zelf geprobeerd. Volgens mij werkt het goed, maar ja, we zijn benieuwd wat jullie daarvan vinden. Jullie hebben sowieso al feedback achtergelaten. Wij kregen te horen dat onze intro vorige week het volume ervan te hard stond. Dat klopt, dat was een foutje.

Peter Slagter: Vonden we zelf ook irritant.

Bart Mol: Vonden we zelf ook irritant, toen we terugluisterden. We hebben het wel gefixt op Spotify. Op YouTube kunnen we dat helaas niet terugdraaien, dus deze week is dat gewoon weer helemaal geregeld. Peter, wat hadden we nog meer binnengekregen?

Peter Slagter: Nou ja, Rudy zegt dat hij onze podcast geweldig vindt. Nou, dat is mooi Rudy, dat vinden wij ook.

Bart Mol: Ha!

Peter Slagter: De stijl en de inhoud zijn super. Begrijpelijk. Tikkeltje uitdagend qua niveau, maar dat je aandachtig luistert. Super! Bedankt voor de inspiratie! Nou top Rudy. En ja, dit inspireert ons weer, dus we kunnen elkaar de hand schudden. Michiel die zegt, ja, die reageert even op, we hadden het natuurlijk over Opus 5 gehad en over het gebruiken van en hoe mensen dat ervaren, en die zegt van: ik vind dat Opus 5 geweldig presteert dan in de context van co-work. Hij gebruikt het vooral voor financiële analyses, boekhouding. Hij heeft herinneringen aan Opus 4.6. Daar werd hij blijkbaar ook gelukkig van. Hij wordt er nostalgisch van. Dit is lekker.

Bart Mol: Ja.

Peter Slagter: En Ted, ja, die zegt, die komt even terug op Botje. Ja, Botje staat op het bureau. Als je op YouTube kijkt of op Spotify kijkt, tegenwoordig kan dat ook, dan staat Botje gewoon mee te kijken. Hij knippert met zijn ogen op het moment dat ik dit uitspreek.

Bart Mol: Ja.

Peter Slagter: Hij hoort ons niet, anders had hij teruggepraat. Was ook wel grappig geweest, als hij gewoon erdoorheen begint te leuteren.

Bart Mol: Ja.

Peter Slagter: Ja. En hij zegt: jij gaan hechten aan bijvoorbeeld Botje. Daar is een term voor: antropomorfisme. En dat betekent zoiets als het toekennen van menselijke emoties, intenties of eigenschappen aan levenloze voorwerpen of dieren. Nou, en zo is dat. Ja, ik kende die term ook vanuit het bouwen van software, en het ontwerpen van software. Daar kun je ook dat soort eigenschappen aan toekennen. Bewust, zodat mensen zich gaan hechten eraan. Dus goede toevoeging. Ja, HollandStar. Die zegt: misschien eens wat aandacht besteden aan de modellen en ontwikkelingen uit China. Ja, ja. Ja, ik weet eigenlijk niet of we vorige week, volgens mij hebben we het vorige week zelfs ook wel over modellen gehad met een Chinese oorsprong. Dus ja, ik weet niet precies waar het is misgegaan. HollandStar. Het kan aan ons liggen. Het kan ook aan jou liggen. Misschien een beetje van beide, maar ja.

Bart Mol: Het ligt niet aan ons, want.

Peter Slagter: Ze komen langs.

Bart Mol: We hebben het over GLM 5.2 gehad. We hebben het over Qwen gehad. We hebben het over, welke hadden we? DeepSeek hebben we het gehad, zeg maar. Ze komen zeker.

Peter Slagter: Ik heb altijd graag de optie open dat er bij ons verbeteringen liggen. Maar inderdaad.

Bart Mol: Misschien moeten we duidelijker maken dat dat toch allemaal ondanks de misschien Engelse namen, DeepSeek en Kimi, dat het toch echt Aziatische Chinese modellen van oorsprong zijn.

Peter Slagter: Maar hij heeft gelijk. De AI wereld is groter dan de VS. Dat klopt. Daar zijn we het, dat klopt.

Bart Mol: Kunnen we de hand schudden.

Peter Slagter: Hé, en Daniel had nog iets gemaakt, Bart.

Bart Mol: Ja, dat is wel leuk. Daniel is een vriend van de show, en die zegt: ik kijk altijd oude documentaires voor het slapen gaan, vooral Ken Burns. Nu komt een groot deel van zijn oeuvre uit de jaren negentig en zijn ondertitels daar nooit ingebakken en vaak moeilijk te vinden of niet helemaal aansluitend als ik ze al kan vinden. Dus nu heb ik een dashboardje gebouwd waarin ik die afleveringen kan mikken. Dus hij gooit ze daarin, de afleveringen die hij gedownload heeft en die worden dan getranscribeerd met Whisper en daarna worden ze nog even rechtgezet, even opgeschoond en dan heeft hij gewoon daarna echte kant en klare ondertitels, hè. Dus ook echt ondertitelbestanden, SRT-bestanden die perfect werken. Ja, dit vond ik wel echt een super originele use case. Gewoon heel simpel, super gepersonaliseerd.

Peter Slagter: Qualitative life upgrade.

Bart Mol: Ja, die. Het grappige hiervan vind ik dat, zeg maar, beide kanten van de medaille zijn mogelijk door AI. Dus ten eerste dat je dit nu een beetje zelf kan vibe coden. Dit zijn ook projecten die kunnen gevibe code worden, hè, omdat ze redelijk simpel zijn in scope. Alleen voor een niet programmeur zoals mijzelf bijvoorbeeld of Daniel was dit hiervoor niet mogelijk. En aan de andere kant, zeg maar, maakt AI het ook mogelijk, namelijk dat die transcriptie tools veel beter zijn geworden de afgelopen jaren met AI en dus ook lokaal kunnen draaien. Dus je kan het A: zelf bouwen en B: ook zelf draaien. Ik heb net nog even wat met wat transcription tools op mijn GPU op mijn videokaart getest. Ja, het is wel gaaf hoor. Je kan, ik had het stuk van Bert even getranscribeerd. Bert, cliffhanger, komt later in deze aflevering langs met een heel leuk verhaal, die had ik getranscribeerd. Dat heb ik niet via ElevenLabs gedaan, hè, die wij er normaal voor gebruiken. Dat is een cloudservice, maar op mijn eigen computer, ja, dat gaat hartstikke snel.

Bart Mol: Zeventien minuten kan met sommige modellen in een paar seconden. Ja, dat is wel maf. En als je het ietsjes beter wil doen dan is het gewoon twee minuutjes voor zeventien minuten. Ja, dat is echt haalbaar op consumenten hardware, dus heel tof Daniel! Ook aan anderen: laat het weten, hè, als je wat gemaakt hebt, ook al heb je al een keer iets eerder wat ingestuurd. Ja, wij willen gewoon weten wat jullie de hele week aan het maken zijn. Dan blijven wij dat ook vertellen.

Peter Slagter: Mooi.

Bart Mol: Allright. We hebben echt een paar leuke onderwerpen vandaag, maar eerst gaan we wat onderwerpen behandelen die het net niet gehaald hebben, maar die we wel belangrijk genoeg vonden om in het kort eventjes te noemen. Ja, het is een rage, Peet, in de AI wereld. We hebben natuurlijk het er een aantal weken over gehad dat de hyperintelligente agents op de nieuwste modellen van OpenAI, die waren rogue gegaan. Die waren uitgebroken uit hun sandbox. Die waren het internet opgegaan met als doel antwoorden op een proefwerk, antwoorden op een benchmark, vinden. En toen hebben ze Hugging Face gehackt. Nou ja, dat hebben we allemaal verteld, dat weten we. Ja, en toen ging het toch in de boardrooms van de concurrenten, hè, ging het een beetje.

Peter Slagter: Ging het pruttelen, zo van: ja, we kunnen niet achterblijven eigenlijk. We kunnen niet achterblijven. Ik heb ook Opus Break gezien. Ja, hier kunnen we wat mee.

Bart Mol: Ja, precies. Dus, ja, Anthropic kwam deze week naar buiten en die zeggen, de volgende kop kwam bijvoorbeeld in The New York Times te staan: Anthropic says its AI systems broke into computers at, niet één, Peet, niet twee.

Peter Slagter: Niet twee, nee.

Bart Mol: Maar three different organizations.

Peter Slagter: Overtroefd.

Bart Mol: Ja, overtroefd inderdaad. Nou ja, goed, uiteindelijk is dit wel een minder kleurrijk verhaal dan bij OpenAI, omdat er hier bijvoorbeeld überhaupt niet echt een afgesloten testomgeving was, hè. Dus, eigenlijk door een configuratiefout was er eigenlijk direct wel gewoon internet beschikbaar voor dit soort agents. Dus het is allemaal wat minder cowboyachtig. Maar, aan de cynische manier waarop ik dit item introduceer, ja, dat is de discussie die er natuurlijk speelt. Hebben we nou aan de ene kant te maken met hyperintelligente agents die uitbreken en die echt een gevaar zijn? Of zitten hier stiekem toch ook marketingmanagers en salesafdelingen verhalen mooier te maken en gevaarlijker te maken dan dat ze eigenlijk waren? En natuurlijk, vooral bij Anthropic is dat iets wat ze al langer achtervolgt, hè. Met Mythos hebben ze natuurlijk maandenlang gezegd dat het het gevaarlijkste model ooit was en dat we op moeten letten. En Dario Amodei schrijft ellenlange blogs over, ja, de ondergang van de mensheid door AI.

Bart Mol: Goed, ik, de waarheid zal ergens in het midden liggen, maar, grappig genoeg om het even.

Peter Slagter: Dat zeg je goed. Het is allebei waar, denk ik.

Bart Mol: Ja.

Peter Slagter: Oké, ik geef je het volgende itempje. Gaat over OpenAI, die heeft het over Astra gehad en dat is de volgende grote AI familie. Ik weet niet precies wanneer die eraan komt, maar dan weet je in ieder geval hoe die gaat heten. En een interne versie van Astra die heeft wiskundige problemen opgelost waar menselijke experts al decennia op vastzaten. Niet één, niet twee. Dan ga je helemaal optellen, maar tien wiskundige problemen. Eentje ervan om even een beeld bij te geven. Nou, stel je voor dat je informatie wil opsturen of opslaan. Een WhatsApp bericht of een Netflix-stream. Of een banktransactie. Dan moet die informatie omgezet worden in een soort signalen. En om die signalen uit elkaar te kunnen houden, zeker als er dan ruis of fouten bij komen, dan moeten ze ver genoeg uit elkaar liggen om ze van elkaar te kunnen onderscheiden. En hoe dichter je die signalen op elkaar kunt inpakken zonder dat ze met elkaar botsen, des te meer informatie je kwijt kunt in dezelfde ruimte of bandbreedte.

Peter Slagter: Nou, en dat is een wiskundig probleem. Hoe dicht kunnen ze dan op elkaar liggen? En Astra vond daar een scherpere bovengrens voor. En de oplossing voor dat probleem is dan ook direct gepubliceerd. En op een manier ook dat een computer die automatisch kan controleren. Nou Astra, die, ja, van wat we er nu van weten is vooral gemaakt voor langere complexe taken, waarbij ook meerdere AI's met elkaar samenwerken. De tien doorbraken samen, die kosten samen. Maar het is een reëel bedrag, $2.000 aan rekenkracht. Maar op zichzelf denk ik dat het een overzichtelijk bedrag is voor natuurlijk. Ja, je zou kunnen zeggen serieus wetenschappelijk onderzoek.

Bart Mol: Zouden wij bij elkaar kunnen harken, Peet.

Peter Slagter: Ja, dat zouden we bij elkaar kunnen harken. Maar goed, ja, Astra is nog niet publiek. We kunnen er nog niet van gebruik maken. Sam Altman, dat is de OpenAI topman. Die demonstreerde het wel aan Amerikaanse beleidsmakers.

Bart Mol: Schijnt dat die Astra Bert zijn brein getraind is. Wist je dat?

Peter Slagter: Ja, dat vind ik tien oplossingen eerlijk gezegd nog aan de kleine kant.

Bart Mol: Viel mij ook een beetje tegen. Waarschijnlijk te ver doorgedestilleerd.

Peter Slagter: Ja, net even te veel guard rails denk ik.

Bart Mol: Te veel gekwantiseerd. Ja, anders zit je ook met biljoenen aan parameters natuurlijk. Bert zijn brein.

Peter Slagter: Het is ook wat om in één keer alle problemen op te lossen in één theefilter.

Bart Mol: Over robotbreinen gesproken. Google kwam naar buiten met Gemini Robotics Two. Ze zeggen Brings whole body intelligence to robots. Ja, waar gaat het om? Het is eigenlijk één AI-brein waarmee ze het hele robotlichaam kunnen aansturen. Van hersenen tot aan vingers, tot aan voeten, tot aan staan, bukken, bewegen, noem het maar op. Het zijn eigenlijk drie modellen, dus eentje voor beweging, eentje als brein voor het plannen en redeneren en nog een kleiner lokaal model erbij. Ook een visiemodel natuurlijk. Hij moet natuurlijk alles kunnen zien. Ja, wij hebben deze er even in staan omdat we eigenlijk een keer hier een wat langer item over willen maken. Maar voor nu in ieder geval even leuk om te noemen dat naast die robothond van vorige week die we van die berg af zagen sjezen, ja, dat ook Google hiermee bezig is. En natuurlijk ook Elon Musk met zijn Tesla-robots bezig is. Dus ja. En Neuralink natuurlijk ook nog. Die brain machine interface eigenlijk. Ja, dus dat is weer een hele andere tak die samen met deze AI-wave ook gewoon meegaat.

Bart Mol: Dus daar komen we later nog een keer op terug.

Peter Slagter: Ja, ik zag nog iets langskomen vanuit Europa. Dat vind ik altijd leuk om dan even toe te voegen. Want ja, de AI-wereld is groter dan de VS en ook groter dan China. De EU begint ook een klein beetje mee te doen. De Europese Commissie opende vorige week een aanbesteding voor de bouw van zeven zogeheten AI Gigafabrieken. Vertaling van de Gigafactories. En dat zijn hele grote datacenters, gevuld met geavanceerde AI-chips en natuurlijk met de apparatuur die nodig is om die chips mee te draaien. Serieuze koeling, hele dikke stroomkabels, misschien is stroom nog wel de beperkende factor. En zulke fabrieken zijn bedoeld om Europa minder afhankelijk te maken van, nou ja, de Amerikanen en de Chinezen en hun rekenkracht. Het totaalbedrag dat ervoor apart is gezet en dat gemoeid is met de plannen ligt rond de € 30 miljard. Het gaat om een mix van overheidsgeld en private investeringen. En de eerste fabrieken die moeten in 2028 operationeel zijn.

Peter Slagter: Er zijn een aantal landen die meedoen: Duitsland, Spanje, Italië. Nederland stond er niet tussen. Die haakte af. Nou en waarom? Nou, volgens staatssecretaris Willemijn Aarts is er gewoon in de huidige begroting geen ruimte voor de financiële verplichtingen die erbij horen. En ja, het kabinet zelf wentelt het eigenlijk af op het bedrijfsleven. Die zegt van joh, grootschalige AI-infrastructuur, dat is een taak van de markt.

Bart Mol: Ja.

Peter Slagter: Ja, pak even door met iets wat ik hoorde langskomen op Radio 1. En dat gaat over AI die helpt met het ontcijferen van taal van mensen met een spraakgebrek. Nou, en dan moet je niet denken aan spraakgebrek van mij. Dat je een keertje struikelt over een komma of een woord verkeerd uitspreekt. Het gaat over spraakgebrek als gevolg van aandoeningen als Parkinson, ALS of hersenletsel. En daar hebben best veel mensen last van. Vierhonderdduizend Nederlanders die weten vaak wel wat ze willen zeggen, maar worden vaak niet begrepen. Ze spreken vaak langzamer, zachter, vlakker. Spieren die helpen bij het articuleren, die niet of minder goed werken. En dan, ja, dan gewone spraakherkenning werkt eigenlijk niet goed genoeg. Die helpt daar niet bij. Nou, ik heb even een fragmentje uitgeknipt waarop patiënt Michael te horen is.

Peter Slagter: Was op Radio 1. En dan luisteren we even naar hoe dat klinkt.

Gast: We hebben ook een stukje van Michael. Dat is dus iemand die heeft ook hetzelfde, hè?

Bart Mol: Ja, precies.

Gast: Dysarthrie. Ja.

Bart Mol: En hallo, ik ben Michael. Ik ben 49.

Peter Slagter: Inderdaad moeilijk verstaanbaar.

Gast: Nou, niemand kon niemand. Michael haal je er misschien nog uit, maar dat is het dan ook, toch? Ja, dat is. Ik heb het fragment nu zelf meerdere keren gehoord, dus ik kan nu bijna alle woorden verstaan. Wat zei hij? Ik ben Michael. Ik woon hier zelfstandig. Ja, laten we nog eens één keer luisteren.

Peter Slagter: Hallo, ik ben Michael. Ik ben hier in mijn woning waar ik zelfstandig woon.

Gast: Hoi, ik ben Michael. Ik ben hier in mijn woning waar ik zelfstandig woon. Oh, dat zegt hij.

Peter Slagter: Ja, ik. Ik herhaal nog even, want wat wel aardig is van je hersenen, als je weet wat hij gaat zeggen, dat je dan best wel goed kunt horen dat hij dat zegt. En de eerste keer dat de presentator dat vroeg aan de gast had ze eigenlijk die zin niet paraat. Je hoort ook even dat de bladeren knisperen. Shit, wat zegt hij ook alweer? Hallo, ik ben Michael. Ik ben hier in mijn woning waar ik zelfstandig woon en nu hoor je het waarschijnlijk wel. Hallo, ik ben Michael. Ik ben hier in mijn woning waar ik zelfstandig woon. Dus je merkt, ja, je moet zelf ook een beetje getraind worden eigenlijk op het kunnen horen en beoordelen van wat iemand zegt. Het is heel atypische spraak. Nou en de TU Delft die heeft een AI-app ontwikkeld die precies op dit soort spraak getraind is en dat kan omzetten in duidelijke tekst of ondertiteling.

Peter Slagter: En daar is een werkend prototype van gemaakt en dat vond ik wel een mooie ontwikkeling.

Bart Mol: Ja, dat is supervet! Zeker wat ik ook net aangaf met die lokale modellen. Ik had dus net Bert, hè? Nou ja, Bert valt niet in de categorie spraakgebrek, maar wel in de categorie zeventien minuten praten. Dat kan dus binnen twee, drie seconden getranscribeerd worden. Dus er is wat mogelijk gewoon on-device, het zal niet real time zijn, maar wel korter dan dat het mij zou duren om dit te begrijpen, zeg maar. Want dat zou toch telkens zijn van kan je het nog een keer zeggen? Kan je het nog een keer zeggen? Dat is ook voor Michael in dit geval ook vervelend zeker. Dus als hij dat in kan spreken in een machine die direct tekst of misschien gewoon verbeterde speech uitgeeft binnen 5 seconden, dan is het alsnog sneller dan hoe het nu gaat. En lokaal kan dat op je telefoon zelfs. Dat is wel heel erg cool natuurlijk.

Bart Mol: Leuk! Leuk fragment. Alright. Ja Peet, wij gaan het over boeken hebben. En dan vooral boeken die in stukken gesneden worden, ingescand worden en daarna verhaspeld worden. Waarom doen AI bedrijven dat?

Peter Slagter: Ja, dat is een hele goede introductie en ik denk eigenlijk niet dat ik daar nog meer woorden vuil wil maken. Voordat we gewoon eens even naar een clipje gaan kijken. Ja, van een laten we even zeggen influencer die het heeft over Project Panama en onder die naam vallen eigenlijk de praktijken waar Bart het net over had. Dus de inkoop van boeken, het inscannen van boeken en naderhand als dat gebeurd is, als het gedigitaliseerd is, die boeken vernietigen. Luister maar eens even.

Spreker 3: Right now there is a machine sitting in a warehouse where a worker is placing a book into it and the blade comes down, the spine is cut away, the pages race through a scanner and then the book is not discarded. It's shredded, not recycled, not damaged in a flood, not lost in a fire. It's destroyed on purpose, because now the digital copy is now considered enough. Now imagine this is happening again and again and again. Not a hundred times. Not a thousand times. Millions of times. They want every book on planet Earth to be ingested into the machine. Now that on in and of itself is fine, that's a fine goal. Okay, not shredded. Now on through. Anthropic is one of the largest artificial intelligence companies in the world, and they have launched a project called Project Panama, and its goal is simple and ruthless acquire every book in the world that you can scan it and destroy the original.

Spreker 3: Why not give them to libraries? Now, this was not an accident. This is not a warehouse mistake. That's the process.

Peter Slagter: Je hoort al aan deze meneer hij is not amused.

Bart Mol: Nee.

Peter Slagter: En ik dacht weet je wat? We gaan eerst eens even.

Bart Mol: Een beetje de standaard modus operandi van influencers over het algemeen.

Peter Slagter: Maar zeker. En op zich logisch, hier wordt iets uitvergroot wat losgemaakt wordt met het beeld van boeken die vernietigd worden. Gaan we het zo nog even over hebben? Eerst maar eens even de factcheck. Klopt dit? Dus de claim is AI-bedrijven zoals Anthropic, die kopen obscure zeldzame boeken fysiek in bulk grote aantallen tegelijkertijd, scheuren ze uit elkaar, snijden de kaft eraf en de rug eraf, scannen de pagina's in voor trainingsdata en doeleinden. En dan in het geheim vernietigen ze die boeken ook nog. En allemaal om Claude te bouwen. Of ChatGPT, of noem een model. En dat project, dat heet Panama. Nou, ik denk dat je kunt zeggen die claim klopt. En dat weten we vanwege een rechtszaak die tegen Anthropic gevoerd is. Dat ging over intellectueel eigendom en daarin staat dit?

Peter Slagter: Er zijn ook allerlei documenten, interne documenten van Anthropic, die dan in die rechtszaak zijn ingebracht en die zijn nu publiek. En daarin staat ook dat Anthropic boeken heeft gekocht in grote aantallen. Ook prioriteit heeft gegeven aan boeken die wat minder gebruikelijk zijn. Die zijn ingescand en ze zijn vernietigd. En inderdaad, dat project heet Panama. In een memo uit de rechtszaak blijkt ook nog dat ze wel aan zijn gekomen dat dit misschien wel eens een gevoelig project zou kunnen zijn. Dat het optisch niet een heel lekkere activiteit is. Ik citeer even: "We use a soft codename for it because we don't want it to be known that we are working on this. This document is visible to all Anthropic employees, but you should avoid talking about it in public areas. And the fact that we are working on this should not be shared with anyone outside Anthropic." Nou, dat is niet gelukt, want er was een rechtszaak. Het moest worden ingebracht of opgevraagd. Dus ja, het klopt, dit gebeurt.

Peter Slagter: Nou en dan is de vraag waarom gaat dit dan viral? En dat gebeurde-

Bart Mol: Ook vooral.

Peter Slagter: Afgelopen week. Nu inderdaad. Is een beetje gek, want ja, weet je, dit is, die rechtszaak is al van maanden terug. Dit was al veel eerder bekend. Dus wat is nou precies de reden? Ja, dat is toch, ja, gewoon hoe sociale media werkt. Er is iemand die plaatst iets. Het raakt een gevoelige snaar, dat wordt uitvergroot en iedereen springt erop. Want ja, dan ontstaat momentum. Ontstaat een kans om kijkers te krijgen. Ja, en ik vind dit heel gek. Want het beeld dat boeken worden vernietigd, dat triggert bij veel mensen denk ik een soort van idee van cultuurverwoesting. Wat zijn dit voor barbaren? Het frustreert. Bij sommige mensen maakt zelfs woede los ook, hè. En het idee dat het nou ook gaat om boeken waar er niet zoveel meer van zijn. Die meneer van net die heeft het ook over waar er nog maar één van is. Nou, weet je wat?

Bart Mol: Ja.

Peter Slagter: Laten we zeggen nog maar vijf. Weet je, geef ik Anthropic.

Bart Mol: Het schijnt ook dat ze die originele Constitutie van Amerika hebben opgekocht en versnipperd.

Peter Slagter: Dat idee, ja, dat versterkt natuurlijk dat beeld. Dat versterkt die emoties. En waarom ging het dan allemaal echt een vlucht? En er kwamen ook nog wat complottheorieën overheen. Ik heb even twee voorbeeldjes van dingen die dan gezegd worden. In het Engels. Ik citeer: "Every dictator," dit is hoe de meneer die je net aan het begin hoorde dit connoteerde. "Every dictator in history who has tried to control the will of the people has known that. This just makes it way easier than gathering up all the books and burning them." Het gaat erover, ja, als je iets digitaliseert kun je het aanpassen. En alle dictators in de wereld weten dat. Als je het fysieke wegneemt, kun je het digitale aanpassen en mensen misleiden. En het tweede voorbeeld: "Destroy every hard copy of not only books, but of everything. Then you become the single source for everyone to come to you to rent or buy it." En dit zou dan de prikkel zijn voor die AI-bedrijven om dit te doen. Want uiteindelijk kunnen we alleen nog maar bij hen terecht voor de kennis die we nodig hebben.

Peter Slagter: En dit zijn theorieën, die hebben ze natuurlijk niet zelf bedacht, hè. Dit leidt eigenlijk allemaal terug naar deze, dit was een briljante geest, naar George Orwell, die een heel dystopisch toekomstbeeld vastlegt in zijn heel bekende roman Nineteen Eighty-Four. Uh, letterlijk-

Bart Mol: Heb je dat gelezen trouwens, of niet?

Peter Slagter: Ik heb hem niet gelezen, nee, maar ik heb wel samenvattingen.

Bart Mol: Ik heb inmiddels zoveel quotes gezien.

Peter Slagter: Documentaires gelezen, de quotes gezien. Ja, dus ik heb mij niet echt meer gemotiveerd om hem van kaft tot kaft te lezen eerlijk gezegd.

Bart Mol: Ik vond hem ook niet zo-- ja, kijk, het is natuurlijk geen leuk onderwerp, maar hij leest ook niet zo lekker weg. Het is best wel, pff.

Peter Slagter: Ja.

Bart Mol: Ik weet niet. Ik vond het moeilijk doorheen te komen.

Peter Slagter: Kijk, ik zou het eigenlijk wel moeten doen. Maar ja, het komt omdat ik niet meer denk dat ik er heel veel extra nieuwe dingen uit ga halen. Gewoon vanwege de frequentie waarmee het al langs is gekomen en de concepten die zijn uitgelicht.

Bart Mol: Nou ja, het enige wat interessant is, als we het heel kort zeggen, is dat heel veel van die concepten zijn eigenlijk onderdeel van één groot verhaal en ze worden vaak los daaruit gecherrypickt. En dat is niet helemaal zoals het is hier. Het gaat bijvoorbeeld niet over een bedrijf in Nineteen Eighty-Four. Het gaat over de overheid.

Peter Slagter: Ja, het gaat over de staat. Ja, ja.

Bart Mol: Precies. Dus dat zijn wel allemaal.

Peter Slagter: Deze quote, waar het allemaal een beetje naar terug convergeert, komt uit zijn boek: "Every record has been destroyed or falsified, every book rewritten, every picture has been repainted, every statue and street building has been renamed, every date has been altered, and the process is continuing day by day and minute by minute. History has stopped. Nothing exists except an endless present in which the party is always right."

Bart Mol: Ja.

Peter Slagter: En dat is een beetje het doembeeld. De doembeelden die ook op, ja, op deze gebeurtenis, op dat werkelijke project, dat, hè, de Panama, dat vindt echt plaats. Er wordt helemaal doorgeredeneerd naar dit doembeeld en dat, ja, het vuurtje dat dan was aangewakkerd, daar wordt dan even wat brandstof overheen gekieperd in de vorm van complottheorieën. Die parkeren we even, hè, want de kern waar ze omheen zijn gevouwen, die klopt. En er zijn inderdaad honderdduizenden boeken ingescand en vernietigd. Nou, waarom dan? Nou, reden één: die AI-labs, die hebben originele content nodig om hun modellen op te trainen. Zo simpel is het. En boeken in het bijzonder, zeker de wat oudere boeken, die leveren, ja, wat zij noemen high quality data. Data van hoge kwaliteit. En die helpen om model collapse tegen te gaan. Wat is dat dan? Dat zou je een beetje kunnen zien als een soort van digitale inteelt. Dus een model collapse, dat is het proces waarbij een AI-model geleidelijk slechter presteert en uiteindelijk onbruikbaar wordt, omdat het steeds vaker getraind wordt op de data die door andere AI-modellen is gegenereerd.

Bart Mol: Ja, zijn eigen hallucinaties eigenlijk.

Peter Slagter: Ja, en je verliest daarmee zeldzame data. Want, omdat het zeldzaam is, wordt dat minder vaak ook geproduceerd door AI-modellen en dan verlies je dat en je krijgt te maken met, ja, iets dat foutenstapeling genoemd wordt. En dat zijn onnauwkeurigheden die door latere generaties modellen gewoon voor waar zijn aangenomen. Kijk, en als je dus boeken wil gebruiken om dat te voorkomen in een digitaal product en ze zijn er niet in digitale vorm, ja, dan zit er weinig anders op dan ze moeten digitaliseren.

Bart Mol: Ja.

Peter Slagter: Ik kan je alvast vertellen: dat gaat heel langzaam als je dat bladzij voor bladzij met je telefoon een fotootje van maakt of zo en dan gaat OCR'en. Dus daar hebben ze iets op bedacht. Er zijn ook bedrijven die dat nu faciliteren. Inscannen, rug eraf, bladen één voor één. Gaat hartstikke snel en dan kan je dus op schaal boeken inscannen. De derde reden dat ze het op deze manier doen, dat gaat dan met name over het vernietigen, is dat dat eigenlijk in de VS de enige legale route is. Ja, daar zijn ze natuurlijk ook achter gekomen via eigen juristen en, nou ja, dus ook via de rechtbank. Kijk, het punt is als je een boek koopt, dan ben je de eigenaar van het object. En de rechter zegt eigenlijk van: nou, daar mag je mee doen wat je wilt. Het is van jou. Je mag hem ook opensnijden. Kijk, als je er vervolgens een digitaal exemplaar van maakt, zegt de rechter: ook dat mag, maar dan moet je het origineel wel weggooien. Mag altijd maar één object overhouden. En dat is eigenlijk de uitspraak waar deze bedrijven zich op baseren. Ja, we gooien het boek weg, want anders kunnen we worden aangeklaagd, want dan zijn we namelijk fout bezig.

Bart Mol: Ja, maar het mag wel. Alleen dan moeten ze dokken. Dat is volgens mij het.

Peter Slagter: Niet dat ik weet, nee. Dus het reproduceren van dat werk, ja, misschien dat ze dat via een andere route kunnen. Uiteindelijk als je ergens miljoenen of miljarden tegenaan smijt, zou het mogen waarschijnlijk. Maar er is een verbod op de reproductie van iets dat je niet zelf hebt gemaakt. En je reproduceert natuurlijk door te digitaliseren. Als je er dan twee overhoudt, dan ben je illegaal bezig als je het origineel wegnikt.

Bart Mol: Ja, precies. Maar zij hebben hun eigen miljardenbedrijf onder een soort van fair use policy proberen te hangen. Het is wel een redelijke loophole, zou je kunnen zeggen. Ik vind het een beetje, ik snap wel dat er-

Peter Slagter: Het is niet een loophole in de zin van: het is wel een geteste loophole. Het is wel hoe de rechter dit ook interpreteert. Eigenlijk heeft de rechter gezegd tegen die bedrijven: ja, dit is hoe het moet, dit is hoe het kan, dit is hoe het is.

Bart Mol: Ja, aan de andere kant schikken ze wel voor anderhalf miljard, zeg maar. Dus echt, echt aandurven om het naar de rechter te laten komen durfden ze ook niet helemaal.

Peter Slagter: Nee, maar ik snap wel dat je dit op deze manier dan uitvoert.

Bart Mol: Ja, ja.

Peter Slagter: Weet je, kijk, als je als bedrijf-- kijk, ik ga er ook even van uit dat als er daadwerkelijk een boek wordt ingekocht waarvan er maar één exemplaar is, dat ze die niet worden versnipperen aan mikken, weet je wel. Kijk, dat is het verschil tussen onze perceptie op de zaak en hoe de filmpjes die heel erg viraal gingen dit belichten.

Bart Mol: Ik moet mezelf even meteen verbeteren, Peet. Die schikking ging over het feit dat Anthropic tegelijkertijd ook gewoon allemaal online.

Peter Slagter: Ja, dat ging over pirated content.

Bart Mol: Ja, precies.

Peter Slagter: Ja.

Bart Mol: Klopt.

Peter Slagter: Ja, wat ik ervan begreep, ik heb die uitspraak een beetje doorgenomen en erover gelezen, is dat hier een harde grens ligt van: je moet het origineel vernietigen, anders loop je gewoon tegen een muur aan. Waarvan ik inderdaad wel denk: vind het wel een goed punt. Hoogstwaarschijnlijk kan je ook die muur wel omkopen als je echt wil. Maar dat zijn natuurlijk kosten die ze liever op een andere, het geld dat ze ergens anders aan uitgeven. Doen die labs dit nog steeds? Ja, ik denk het wel. Er zijn nog steeds gewoon tussenpersonen die hier actief in zijn. Die doen dat anoniem voor de bedrijven, want het is natuurlijk nog steeds impopulair. Nou ja, bij Anthropic is dat proces dus heel goed gedocumenteerd vanwege een rechtszaak, waar bij OpenAI er slechts een vermoeden is op basis van getuigenissen. Daarin worden Meta en Google ook genoemd. Ik vond het wel grappig. Elon Musk, dat was vorige week, 27 juli, die zei van: joh, ik werk hier nooit aan mee. Hij zet een post op X: "I've asked the SpaceX AI team to preserve any rare books in a library and scan them the hard way versus just cutting off the spine and scanning." Ja, dit is dus gewoon een vorm van virtue signaling, want deze versie van reproduceren is dus illegaal.

Peter Slagter: Ja, misschien dat Elon Musk daar dan ook schijt aan heeft, dat weet ik niet. Maar ja. Nou ja, goed. Project Panama dus. En de reden waarom boeken aan gort worden gesneden. En, nou, er is dus geen bewijs van dat er daadwerkelijk boeken waarvan maar één, twee of drie exemplaren nog zijn, dat die worden opgekocht in bulk. Dat kan ook, dat is ingewikkeld denk ik ook, en worden vernietigd. Ik vermoed ook, ik denk dat die bedrijven dat ook niet zouden doen. Maar deze praktijk bestaat wel. En best logisch ook, denk ik.

Bart Mol: Ja. Ja, het is interessant om nog een paar tijdslijnen er even bij te noemen. Dit speelt dus ergens rondom 2024. Waar zaten we toen ook alweer? GPT-4, Claude Opus 3 hebben we op een gegeven moment gezien. GPT-4o. Weet je, die o1 hadden we op een gegeven moment, hè, dat eerste echte reasoning model die alles soort van tegelijk kon. De eerste stappen in echte reasoning modellen die langdurig konden werken. Een beetje dat agentic verhaal. Die tijd zaten we. Dus het was natuurlijk ook nog wel een andere tijd, hè, in de zin van dat dit ook was om de initiële modellen te trainen. En dat was in eerste instantie natuurlijk ook vooral op van: hoe kunnen we hier nou een normaal gesprek mee voeren? Dat ze überhaupt gewoon terugpraten in iets wat wij snappen. We hebben nog een linkje toegevoegd naar het originele artikel dat stamt uit januari 2026 van de Washington Post. Die hebben dit aan het licht gebracht.

Bart Mol: Of in ieder geval rondom die rechtszaak waar Peet het over had. Interessant om dat even terug te lezen. Daarom was het ook verrassend dat het opeens deze week weer helemaal, zonder extra nieuws, opeens weer helemaal naar boven kwam. Ja, en wat ik wel heel interessant vind hieraan is dat het laat zien hoe ruthless, hoe noem je dat? Niet eens zozeer dit boekenstuk van zo'n Anthropic, maar ook dat stuk ervoor. Dat ze dus, waar die schikking dus voor was, dat ze dus gewoon massaal illegaal boeken downloaden en gewoon echt, plat gezegd, schijt hebben aan de auteurs. Van: wij moeten nu een soort van hypersnel opschalen en we zien het later wel. Dat is wel echt een beetje die Silicon Valley-mentaliteit die met de mantel der liefde een beetje wordt bedekt en een beetje iedereen weet wel dat hij er is, maar het komt nooit echt naar boven. En als hij naar boven komt, dan zien we het wel en dan betalen we wel tegen die tijd, want dan hebben we toch tegen die tijd, zijn we zo hard geschaald, of we zijn failliet. Dus ja, dat is mooi.

Bart Mol: Dus we kunnen het of betalen of, ja, we bestaan niet meer. Dat is ook prima. En we nemen dat China altijd een beetje kwalijk, op die manier met andermans werk, denkkracht, data omgaan. Het is toch ook wel schering en inslag in Silicon Valley. Leuk boek daarover is How to Rule the World, van Theo Baker. Dat is een student op Stanford. En Stanford is de Silicon Valley universiteit waar al deze startups eigenlijk, min of meer linksom of rechtsom, hun oorsprong vinden. Die beschrijft een beetje wat de sfeer daar is en dat dit ook wel op die manier erin ingeslagen wordt van: wij verzinnen hier de wereld en de rest moet zich daar maar naar schikken, zeg maar, door onze genialiteit. Interessant boek. Oké.

Peter Slagter: Next.

Bart Mol: Next. We gaan naar de slippery vibe coding slope. En wat dat dan is, dames en heren, dat ga ik jullie eens even haarfijn vertellen. Ja, om dat te gaan vertellen, Peet, wat de slippery vibe coding slope is, moeten we het eerst even hebben over wat nieuws van deze week. Want het leek mij een leuk idee om dit item in te leiden met, ja, toch alweer, weer.

Peter Slagter: Met het modelnieuws van de week.

Bart Mol: Ja, toch weer een nieuwe golf, hè. We hebben nou al een paar weken achter elkaar dat er gewoon elke week. We hebben de Amerikaanse frontier modellen gehad, hè. Fable, GPT 5.6. Die hele reeks kwam op een gegeven moment achter elkaar uit. Grok zat erbij. Grok 4.5. Toen kregen we de Chinese frontier modellen. GLM 5.2. Kimi hebben we gehad. En deze week is daar weer wat overheen gekomen, maar de vibe is weer net iets anders. Het overkoepelende thema. Het overkoepelende thema is snel, goedkoop, maar toch wel verdomde goed. En ook weer van alle kanten. Het begon op 30 juli. Tweetje van Sam Altman. Komt ook van Stanford trouwens. Is wel gestopt voordat hij geslaagd is, omdat hij, volgens mij, OpenAI al aan het oprichten was. Anyway, die zegt: Major price cuts today. GPT-5.6 Luna, 80% goedkoper. GPT-5.6 Terra, 20% goedkoper.

Bart Mol: Luna is het kleinste model uit de 5.6 familie. Terra is het middenmodel en dan heb je Sol. Dat is het frontier model. Het dure model. 80% goedkoper, hè. En het was al een redelijk goedkoop model. €0,20 per miljoen input tokens. $1,20 per miljoen output tokens. Ja, waar zaten we met Fable? Ergens op 25/50 of zo. Of iets in die richting. Gewoon echt, dan heb je het echt over 10, 20, 30 keer zo duur of zo, iets in die richting. En het is ook omdat de modellen kleiner zijn, zijn ze ook veel sneller. Maar kom ik zo even op terug. DeepSeek, 31 juli. DeepSeek V4 Flash. DeepSeek tweet daarover. Ligt ongeveer, ze vergelijken het hier ook met Opus 4.8, hè, een van de eerdere, vrij goede coding modellen van Anthropic. Ook GLM 5.2. Het zit in de buurt. Het is niet overal even goed, maar het zit in de buurt. Vergelijkbaar zou je kunnen zeggen met Opus 4.8, wat twee maanden geleden gewoon het beste was wat je kon krijgen.

Bart Mol: En DeepSeek V4 Flash, Peet, is 60% goedkoper dan GPT-5.6 Luna. Dus we hadden net al iets waarvan ik zeg: dit is mega goedkoop. En dan heb je DeepSeek, dit kan je gewoon via de API. Dus dat je geen abonnementje neemt, maar dat je gewoon per token zelf afrekent. Dat doe je over het algemeen niet voor je lol, want dat is gewoon vrij duur.

Peter Slagter: Dan word je al snel de weg weggeslurpt.

Bart Mol: Ja, ik had bijvoorbeeld Kimi K3 uitgeprobeerd. Eventjes als test op mijn app die ik aan het maken ben. Mijn iPhone appje. Ja, die was 10 minuutjes bezig. Ben je $10 verder. Ja, dat zijn geen geintjes. Dat is niet leuk. Ik heb Fable, toen mijn tokens op waren, had ik nog 100 gratis dollar aan credits. Dus alsof ik $100 gestort had, laat ik het zo zeggen. Ja, daar brand je in één of twee uur doorheen. Terwijl met mijn abonnementje, als ik een beetje rustig aan doe, dan kan ik daar gewoon een weekje mee doen. Hetzelfde gebruik op credits is gewoon uren werk. Dus die frontier modellen Sol 5.6, Kimi K3, Fable 5. Ja, dat is op de API eigenlijk niet te doen. Sterker nog, eigenlijk zijn Opus, Sonnet 5, Opus 5, GPT-5.6, wat hadden we? Sol en Terra. Eigenlijk ook nog net een beetje te veel van het goede.

Bart Mol: Daar betaal, als je die gewoon gebruikt voor je coding, voor je agentic work, dan is het eigenlijk ook nog wel duur. Omdat je natuurlijk, de hele tijd is ie aan het reasonen. Hij is met zichzelf aan het praten, dat model. Dat zijn allemaal tokens die de hele tijd heen en weer gaan. Die moeten elke keer weer door dat model heen. Dat kost gewoon een hoop geld. In tegenstelling tot dat je zegt: hoe maak ik een kippenpootje klaar? Ja, dan krijg je gewoon in één keer vaak wel een antwoord terug en dat kan je zelfs met Fable nog wel zelf betalen. Goed, DeepSeek dus supersnel. Zo snel en zo goedkoop en zo goed ook dat OpenCode, dat is een open source harnas te vergelijken met Claude Code of met Codex. Leuk om te proberen trouwens, want daar kan je heel veel modellen aan koppelen. Eigenlijk alles wat open source is of open weight eigenlijk. Die zeggen: we hebben DeepSeek Flash beschikbaar gemaakt. We hebben acht miljard tokens gedaan op één dag, 1 augustus. En ze zeggen vijf miljard van die tokens waren het gratis gebruik.

Bart Mol: Ze bieden dit model is zo goedkoop dat ze dit als lokkertje gewoon gratis aan kunnen bieden. En dan hebben we het over OpenCode, hè, dus dan hebben we het niet over een van die miljardenbedrijven die vol zitten met-

Peter Slagter: Komt van het marketingbudget.

Bart Mol: Exact. 3 augustus, Peet. Qwen 3.8 Max en Qwen 3.8 27B worden aangekondigd. Dat is tof, want Qwen is eigenlijk het model wat je gebruikt als je zoals ik een MacBookje hebt of een videokaart waar je thuis AI op kan draaien. Want zo'n 27B model, dat past eigenlijk precies op het geheugen van die videokaarten, want dat is ongeveer-

Peter Slagter: Die 27B staat voor 27 miljard, hè?

Bart Mol: Parameters inderdaad.

Peter Slagter: Precies.

Bart Mol: Dus, waar hadden we het vorige week over? Ze hebben Qwen 3.8 Max. Die zit in de twee, ja, 2T. Wat is het dan?

Peter Slagter: Twee biljoen.

Bart Mol: Biljoen. 2.8 biljoen parameters. En dat hadden we natuurlijk ook met Kimi, met die andere frontier modellen. Dat kan niet in jouw videokaartje. Dat kan eigenlijk ook niet in je MacBook, maar 27 kan prima. Wat overigens ook grappig is, dat DeepSeek Flash is zo klein dat het mogelijk wordt om dit op een flinke Mac Mini, Mac Studio, een Nvidia Spark desktopapparatuur gedraaid kan worden.

Peter Slagter: Ja.

Bart Mol: Heel erg cool. Dus dat waren een beetje de aankondigingen. In ieder geval de aankondigingen die er toe doen, want we hebben ook nog Flux 3, Minimax H3. Allemaal hele toffe modellen, maar dat zit meer op video generatie en CDense 2.5 ook. Heel tof, ander onderwerp, maar dit waren echt LLM modellen. Modellen die we kunnen gebruiken voor agentic coding, dat soort dingen. Dus ik ben op OpenCode aan de slag gegaan met DeepSeek. Ik heb Luna geprobeerd van OpenAI met een API-key. Ja, wat het leuke is, Peet, superdirect, supersnel, supergoedkoop. Eigenlijk zoals we het twaalf maanden geleden ook een beetje gewend waren. Gewoon, je gaat naar ChatGPT.com, je gaat naar Claude.com, je stelt een vraag en je krijgt antwoord. Hè, dus het is veel interactiever.

Peter Slagter: Ja, ja.

Bart Mol: Want waar we een beetje ingerold zijn stiekem is dat je wat-

Peter Slagter: Al dat redeneren en zo. Ja.

Bart Mol: Ja. Ja. Dus ik denk dat de meesten het wel kennen. Ja, je gebruikt Fable, je vraagt wat en daarna is ie off to the races. Even melk halen, zeg maar. Die is gewoon, die gaat boodschappen doen voor je. En terwijl hij boodschappen aan het doen is, gaat hij eigenlijk alle vragen die hij heeft, alle challenges die hij tegenkomt, alle uitdagingen, die gaat hij ook zelf beantwoorden. En dat kan hij ook best wel goed. Hè, dus jij zegt: ga boodschappen doen. Ja, dan gaat hij eerst kijken. Oké, hoe loop ik daar naartoe? Oké, dan ga ik lopen. Oh, er komt nu een auto. Oh, dan moet ik even wachten voordat ik oversteek. Oh, een zebrapad. Ik heb voorrang. Ik moet lopen. Oh ja, ik moet hier naar links. Oh ja, ik ben nu bij de Albert Heijn. Oh ja, dit is uitverkocht. Dit product wat Bart graag wilde. Oh, nou, dit lijkt erop. Dan neem ik dat wel mee. En dat werkt vaak wel goed. Alleen stiekem duurt dat heel lang. Dus ik krijg pas feedback als hij terug is met mijn boodschappen en dan zeg ik opeens: ja, tofu.

Peter Slagter: Het resultaat is ook niet altijd lekker, weet je. Het is net de verkeerde smaak van, uh.

Bart Mol: Dan zeg je bijvoorbeeld: ja, je hebt kip vervangen door tofu. Ja, dat is te verdedigen, maar ik vind het niet te vreten, dus liever niet.

Peter Slagter: Ik wilde geen vanille yoghurt. Ja, maar de yoghurt was op. Nee, maar dat is echt wat anders.

Bart Mol: Dat is echt wat anders. Ik had Griekse yoghurt nodig voor mijn tzatziki. Daar kan ik geen vanille yoghurt mee doen. En het probleem is, dan is hij terug en heeft hij alles gedaan terwijl je hem eigenlijk eerder wil bijsturen. Nou, dat kan dan wel weer, maar dan moet je een beetje opletten terwijl je hem aan het volgen bent terwijl hij boodschappen aan het doen is. En het leuke is met deze modelletjes is, dat je eigenlijk weer samen boodschappen gaat doen en dat je wel wat moeilijke dingen af kan geven, maar dat het veel sneller gaat. En want ik merkte dat ook Peet met mijn app deze week. Ik was daar aan bezig en in eerste instantie die app die ik aan het maken ben, waar het eigenlijk op neerkomt, is dat het iets is wat ik tijdens de zwangerschap en tijdens de eerste jaren van dat we een kind hebben wil gaan gebruiken. En daar had ik heel goed over nagedacht. Een plan gemaakt, nagedacht. Ik wil hoe het eruit ziet, welke schermen het heeft, welke principes we gebruiken. Het leek mij bijvoorbeeld leuk om alle data lokaal te houden, dus geen servers. Dus gewoon bepaalde restraints had ik opgesteld. Het moet geschreven worden in de programmeertaal Swift. Dat is hoe Apple apps maakt.

Bart Mol: Dus geen custom dingen. Het moet allemaal Apple approved zijn, zodat het snel is, zodat het mooi is. Zodat het lean is. Nou, dat hele idee. En toen had ik het aan Fable gevraagd en hadden we samen een plan geschreven. En het eerste resultaat was supergoed, omdat mijn plan zo gedetailleerd was dat er ook gewoon in stond: als de yoghurt op is, dan wil ik geen vanille yoghurt. Dan kom je gewoon terug. Dan stop je, hè, dus dan doet hij dat ook.

Peter Slagter: Het moet Griekse yoghurt zijn met minimaal zoveel eiwit per 100 gram.

Bart Mol: Ja. Ja. Ja. Exact. Alleen op een gegeven moment zit je toch, ja, ik zie het een beetje als, dat AI is ook een beetje een duiveltje op je schouder. Want zo'n plan helemaal goed uitschrijven kost wel een hoop werk. Het is wel, uhm, ja, het is moeite, het is denkkracht, het kost energie. Je moet zelf aan het werk.

Peter Slagter: Dat is een beroep.

Bart Mol: Ja, ja, je moet gewoon zelf wat doen en aan de ene kant kan dat wel. Alleen die AI die zit er toch van

Peter Slagter: Het haalt je wel een beetje uit het vibe, uit het viben, zeg maar. Het is minder. Ik mik er wat in en dan komt het mooi uit.

Bart Mol: Ja, en dan komt hij op een gegeven moment: hé Bart, joh, geef maar aan mij joh, ik regel het wel. Ik, en ik kan dat ook bewijzen. Moet je kijken, ik heb een plan geschreven voor je. Jij vroeg één ding. Jij vroeg: doe een security review. Moet je kijken, 30 pagina's aan.

Peter Slagter: Maar hoe komt dat dan? Want dan gebruik jij daarvoor een soort skill of zo. Of hij is gewend om voor jou grote plannen te maken.

Bart Mol: Nee, niet per se, maar meer gewoon dat je er langzaam ingelokt wordt op een gegeven moment dat het lijkt van: hij kan zoveel content produceren die er ook best wel goed uitziet op het eerste gezicht. En wij zijn nog steeds een beetje, net als dat mensen nog steeds-- kijk, vroeger was voedzaam eten, eten met suiker, eten met koolhydraten was zeldzaam. Dan heb ik het echt over duizenden jaren geleden. Dus als je dan een bramenstruik tegenkwam, dan vrat je je helemaal misselijk omdat, ja, je had dat gewoon nodig. Het was zeldzaam. Dat zit nog steeds in ons en daar overvreten we onszelf helemaal dik aan Snickers en snoep en chips omdat we nog steeds zoetigheid naar binnen willen werken. Terwijl eigenlijk hoeft dat helemaal niet meer. Eigenlijk is die reflex helemaal niet meer goed. En ik denk dat we diezelfde reflex hebben met iets dat veel woorden heeft. Een lange e-mail, een lang rapport. Want vroeger was het zo, en dan heb ik het over vijf jaar geleden, dat een lang rapport, daar had iemand gewoon veel uren in zitten steken. Zeg maar een lang rapport wat enigszins kwalitatief was, daar heeft gewoon bij PwC een associate zijn avonden opgegeven om dat te typen.

Bart Mol: Dat kon je niet faken. Een lange e-mail, een lange podcast, dat kon niet, dat was echt, soort van. Dus net als met de hoeveelheid code die een software bevat. En tuurlijk, is dat niet per se een hele goede graadmeter, maar toch was het wel een aardige proxy van oké, als er veel output is, dan heeft iemand veel tijd erin gestopt. Dat was een soort-- en dat klopt niet meer. Dat is helemaal overhoop gegooid, zeg maar. Veel output is nu binnen een seconde te maken met AI, terwijl we nog steeds een beetje denken dat die proxy wel aardig is. Dus wat er gebeurt: je geeft een vraag aan zo'n LLM en die zegt dan: hé, maar nu we hier toch aan bezig zijn, Bart, je vroeg even dit te checken. Dat klopt, dat heb ik gecheckt. Dat is inderdaad een bug. Die kunnen we fixen. Maar terwijl ik bezig was, heb ik nog drie andere bugs gevonden. Zal ik die ook meteen even oplossen? Het is zo behulpzaam dat je meteen denkt van: ja, doe maar, doe dat ook maar, ja. En voordat je het weet zegt hij: oké, maar zal ik dit dan ook implementeren?

Bart Mol: En zal ik dit nog doen? En, ik, dat is de slippery slope. Dat is de glijbaan waar je op stapt. Voordat je het weet ben je er helemaal afgegleden en denk je: wat heb ik gemaakt?

Peter Slagter: Herken jij je app niet meer terug?

Bart Mol: Precies. Maar dat is niet alleen je app, dat is ook je stuk tekst of je script voor de podcast. Ik heb nu een aantal keer dat ik iets probeer te maken voor de podcast en dat AI me daarbij helpt en dat het nog steeds mijn eigen verhaal is. En het is mijn eigen ding. Maar op een gegeven moment is het opeens gewoon met een knip tussen de vingers, stap je een grens over dat het niet meer van jou is. Dat je er opeens naar kijkt en dat je denkt: nee, het klopt gewoon niet meer. Deze structuur is niet wat ik wil. Dit is te lang. Er zitten aardige ideeën in, die ga ik eruit halen, maar dit gaat wel gewoon de prullenbak in en ik zal het toch zelf moeten doen. En zo nu en dan loop ik daar weer tegenaan. Dan denk ik: ja, dus de echte dingen waar het echte menselijke denkwerk, ook met Fable 5, is gewoon nog steeds nodig. En dat vind ik interessant. Dus er zijn bepaalde dingen waar zo'n AI-model echt nog steeds exponentieel beter wordt. Hè, gewoon, zeker ook nog in programmeren en dat soort dingen. Maar je moet nog steeds wel iemand hebben die nadenkt: oké, maar hoe ontwerp ik de infrastructuur van deze app?

Peter Slagter: Mhm.

Bart Mol: En werkt het lekker? En wat is de onboarding flow van mijn app? En wat wil ik hier nou vertellen in dit verhaal? En wat ik hier lees, is dit echt een goed verhaal of mist er nog wat aan? Zeg maar, dus, als je een soort van matrix hebt. Je ziet dat soms met voetballers. Die hebben dan een soort van, ja, hoe noem je dat? Het is geen vierkant, maar acht punten. En als die helemaal naar de buitenkant zitten van de hexagon, zeg maar, dan is het Messi. Die kan alles. Maar veel voetballers hebben één punt die heel goed is en anderen die minder zijn. En dan kan je heel makkelijk voetballers met elkaar vergelijken. En dat zie ik hier ook met AI. Dat sommige punten, die zijn echt out of this world, maar andere punten blijven ook bij Fable 5 gewoon nog wel achter. Tot op het punt dat je dingen echt zelf moet doen. En het leuke is, op het moment dat je het dan zelf doet, ja, dan kan je dus wel een hele goede app maken die daarvoor gewoon niet mogelijk was om te maken voor een eenpitter zoals ik. Dat is de andere kant van de medaille.

Peter Slagter: Ja.

Bart Mol: Uhm, en om het af te ronden: dat was waarom die goedkope modellen zo leuk waren. Je krijgt weer direct feedback, dus je kan vragen van: oké, implementeer of fix deze bug. En hij zegt: oké, en dan gaat hij dat doen en daarna komt hij terug. Ik heb dit gefixt. Twee minuten later. En dan kan je weer door in plaats van dat hij zegt: ik ben een half uur weg geweest. Ik heb 60 dingen gedaan waarvan je denkt: ik overzie dit niet meer. Dus ik zou zeggen aan iedereen: probeer het eens. Ook leuk om je Hermes Agent aan te hangen. Heel goedkoop, dus ik zou dat zeggen: probeer dat. Wil jij nog wat aan toevoegen, Peter? Heb jij nog tips voor mensen om een beetje hun gevibecode projecten in de hand te houden?

Peter Slagter: Ik had allerlei gedachten, maar die parkeer ik even. Dit is een doorlopend thema natuurlijk. Die gaat ongetwijfeld vaker terugkomen in onze shows. Ik denk dat ik voor mezelf nu best wel een harde scheiding maak tussen vibe code en projecten die in productie gaan. En dat kunnen ook persoonlijke projecten zijn, hè. Maar dingen die je echt lokaal gebruikt. Tooltjes, experimenten. Ja, beperkte scope en dat is projectmanagement taal voor, het is een relatief, het aantal features is relatief klein, smal bereik. Dat is goed vibe code. Maar zodra je iets wil waarbij samenhang belangrijk is, waarbij de interface ertoe doet, waarbij veiligheid en schaalbaarheid ertoe doet, ja, dan kom je gewoon niet weg met een instructie geven en dat er iets geoneshot wordt dat voldoet. En dat is mij in ieder geval nog nooit gelukt.

Bart Mol: Nee.

Peter Slagter: En misschien dat het over een aantal jaar wel kan. Maar ik heb een achtergrond in de IT en heb eigenlijk op al die domeinen zelf gewerkt. Het ontwerp van applicaties, het bouwen, het specificeren, het begeleiden van projecten. En ik merk dat ik heel veel van mijn eigen ervaring moet gebruiken om het in goede banen te leiden. Als ik iets maak dat wat complexer is dan: joh, bouw eens even wat slides voor me of zo. Of kijk hier eens even naar en maak er een tooltje voor me van die op localhost draait. En ja, ik denk, daar moet je je gewoon van bewust zijn. Dus als je iets complexers wil maken, een app die je ook daadwerkelijk naar de App Store wil publiceren, of een tool die voor jouw bedrijf, of je nou een eenpitter bent of met meerdere mensen samenwerkt, iets concreets moet oplossen en misschien ook wel door meerdere mensen gebruikt gaat worden. Ja, dan moet je gestructureerder te werk gaan. En dan moet je toch echt jezelf tot een soort T-shaped professional maken waarbij je die vaardigheden die nodig zijn, het managen van projecten, het nadenken over de technologie, het nadenken over het ontwerp, daar iets van vinden, hoe je dat uitdrukt, hoe je dat kunt volgen.

Peter Slagter: Dat zul je moeten inleggen.

Bart Mol: Ja.

Peter Slagter: Hè, en als je dat niet doet, zul je bij hele snelle modellen daar dus al snel achter komen dat het misgaat. En bij hele slome modellen zul je erachter komen dat ze heel lang hebben gekauwd, een stuk van het werk voor je hebben gedaan, maar de uitkomst negen van de tien keer niet is wat je hoopt dat het wordt.

Bart Mol: Nee, helemaal eens. Ik denk dat dat de praktische tip is voor mensen die denken: oké Bart, leuk verhaal, maar wat moet ik er dan mee? Ja, je moet je er dus van bewust zijn dat je dit leert herkennen. Dat je op een gegeven moment leert herkennen: oké, nu is mijn app als zand door mijn handen aan het glippen van: oké, ik ben nu te vaak op enter aan het drukken, aan het accepteren. Ik herken niet echt meer wat hij doet. Ik krijg gekke bugs als ik hem uitprobeer, m'n appje. Effe terug. Effe terug naar de tekentafel van: wat ben ik hier nou aan het maken? Wat ben ik hier nou aan het implementeren? Is deze functionaliteit echt nodig? Dat soort dingen, denk ik.

Peter Slagter: Over praktische tips gesproken.

Bart Mol: Ja, praktische tips. Ik heb een leuke praktische tip over Home Assistant, dames en heren, dus dat ga ik jullie eens eventjes vertellen. Ja, Home Assistant. Ja, praktische tips, hè. We zouden elke week vertellen van: joh jongens, wat hebben jullie nou gedaan met de AI en de AI? Nou, Home Assistant. Home Assistant. Heb jij bij Home Assistant, Pete, thuis? Heb jij je smart home-achtige applicaties?

Peter Slagter: Nou, nee. Ja, als je Philips Hue onder smart home mag scharen.

Bart Mol: Dat is de entry drug. Dat is de MDMA van.

Peter Slagter: Klopt. Ik heb al heel lang ergens op een lijstje staan dat ik eigenlijk een Homey Pro wil aanschaffen om wat meer dingen te kunnen gaan automatiseren. Ik zou ook Home Assistant kunnen gebruiken, maar ik hou wel van het gelikte van Homey, maar ik ben er verder nog nooit aan begonnen. Dus ik heb wel allerlei apparatuur,

Bart Mol: Ja.

Peter Slagter: Die smart home ready is, van alarmsysteem tot routers en, nou ja, dus ook lampen en zo.

Bart Mol: Mhmm.

Peter Slagter: En deurbel en dat soort, maar nee, ik heb er nog geen, ik heb nog geen workflows toegepast op mijn slimme apparatuur. Jij wel denk ik.

Bart Mol: Jazeker, ik gebruik Home Assistant al jaren. Wat is Home Assistant? Voor de mensen die het niet weten, het is, ze zeggen zelf: open source home automation. Dus het is een tool waar je eigenlijk al die dingen die Peter noemt, eigenlijk alles wat maar een beetje smart is in je huis kan je koppelen aan Home Assistant en daar komt alles samen. Dus, hè, als ik IKEA-lichten in mijn huis heb en Philips Hue en een knop van een ander merk, dan kan ik dat in Home Assistant allemaal samenvoegen en dan gaan ze allemaal tegelijk aan als ik op de knop druk. Dus je kan ecosystemen samenvoegen en dat maakt het heel leuk. Want je kan bijvoorbeeld zeggen: als ik wegga uit huis, moeten mijn lichten aan van, of mijn lichten uit bedoel ik, van Philips Hue en mijn stofzuiger van Ecobots of weet ik veel wat voor merk, die moet gaan rijden, hè. En dat kan niet in Philips Hue omdat de Ecobot-software er niet in zit. Dus het lijkt een beetje op wat Apple Home doet, Google Home, dat soort dingen. Ja, wat heb je nog meer? Je kan, gaat de zon op? Gordijnen open.

Bart Mol: Is er beweging op de wc? Licht aan. Is er 5 minuten geen beweging op de wc? Licht uit. Al zou ik voor ons, Peter, ik heb hem thuis inmiddels op 10 minuten gezet, anders zit ik toch te zwaaien op een gegeven moment.

Peter Slagter: Joehoe, ben er nog!

Bart Mol: Joehoe, ben er nog. Ja, precies.

Peter Slagter: Nou, je kan ook daadwerkelijk met de locatie van bijvoorbeeld een telefoon werken, hè?

Bart Mol: Jazeker. Dat gaat via de app. Wat ik zelf gedaan heb vind ik handiger, omdat ik die app niet altijd evenveel gebruik. En mijn vriendin wilde die app niet, dus ik heb gewoon haar IP-adres. Die wordt gepingd en als zij niet op de wifi zit, dan is ze niet thuis. Dat werkt best wel goed.

Peter Slagter: Heel betrouwbaar.

Bart Mol: Je neemt bijna altijd je telefoon mee naar buiten. Dit bestaat ook al jaren. Zoals ik zeg, Home Assistant heeft een enorme community, want het is open source, dus iedereen kan die automations maken, templates delen, die software beter maken. Er zit een enorm leger nerds achter die dat beter maakt. Maar dat was ook een beetje het dingetje. Home Assistant is niet partner proof. Ik heb wel een paar keer gehoord van: ja schat, waarom werken de lichten niet? Ja, en dan zit je om 1.00u 's nachts met je kop in de meterkast, je virtual machine een beetje rebooten.

Peter Slagter: Een van de redenen dat ik hier nooit ook aan begonnen ben is, ja, mijn vrouw die, ja weet je, die vond het al best wel ingewikkeld om Philips Hue te gaan gebruiken, zeg maar. Die wil gewoon op de knop drukken en dat hij aan gaat en weer uit gaat.

Bart Mol: En terecht.

Peter Slagter: Altijd heb gedaan en, op dit moment, nu, zeg maar nu we het gebruiken is het eigenlijk andersom. Is het eigenlijk wel heel prettig. Dus het is ook een kwestie van gewenning, hoor.

Bart Mol: Zeker.

Peter Slagter: Maar er zijn gewoon wat quality of life dingen die ontbraken telkens. Ik wilde bijvoorbeeld ook gewoon een paneel in de huiskamer hebben waar je dingen mee kunt bedienen. Alleen dat soort interfaces waren allemaal mega brak. Er waren niet echt apparaten voor. Dus ja, dus dat is misschien nu anders, hoor.

Bart Mol: Zeker.

Peter Slagter: De laatste keer dat ik zocht waren er al wel een soort van.

Bart Mol: Ja, het is goed dat je het zegt. Ik heb hier bijvoorbeeld een Amazon Echo gejailbreaked waar ik een Home Assistant dashboard op heb. En je kan hele mooie dingen maken, maar het is wel, je raakt denk ik precies de snaar, zeg maar. Mooie dashboards waren al jaren mogelijk, alleen het was wel gewoon een hobby ding. Weet je, daar zit heel veel tijd in. En ook die automations. Hoe beter je automatisering, ja, hoe complexer het werd, zeg maar. Je wil eigenlijk gewoon hele mooie dingen, maar ja, vaak worden ze dan ook weer te complex. Dan breken ze weer. En het bedenken van die automations is leuk, maar het implementeren was gewoon best wel veel werk. En op een gegeven moment ging dat mijn pet ook te boven. Dan werden het echt hele moeilijke als dit, dan dat statements met verschillende conditions. Dat was geinig en ik had ze wel. Alleen met AI ben ik er nu achter gekomen. Ja, nu is het echt, alle remmen zijn eraf. Om een voorbeeldje te geven: ik had mijn Home Assistant al jarenlang op een Raspberry Pi draaien, maar dat begon een beetje traag te worden en ik heb gewoon een hele leuke home server waar hij makkelijk op kan.

Bart Mol: AI heeft mij geholpen met netjes back-ups maken en een migratie doen, dus hij draait inmiddels op mijn home server. Wat ik al gemaakt had is dat mijn lichten automatisch aangaan in het hele huis op verschillende plekken door bewegingssensoren. Dus als ik de trap afloop gaat het licht beneden aan. Als ik op de overloop loop, dan gaat het licht op de overloop aan. 's Nachts gaat hij niet zo fel aan als overdag. Dat soort dingetjes. Als het licht is binnen, hè, midden op de dag, dan gaan de lichten ook niet aan. Dat had ik allemaal al gemaakt. Ja, die heb ik nu met AI gewoon echt naar een level gebracht, dat kon hiervoor niet. Dus hij heeft nu gewoon, kijkt hij automatisch naar: hoe licht is het buiten? Oké, dan passen we daar per minuut het licht binnen op aan. Dus het is een hele graduee. Mijn lichten 's ochtends zijn ze wat feller, overdag worden wat minder, 's avonds worden ze wat warmer. Ja, dat is zo'n complexe automatisering, dat kon helemaal niet hiervoor. Ik had al dat mijn robotstofzuiger automatisch ging rijden, als ik van huis ga. Dus als ik dertig minuten weg ben gaat dat ding rijden, maar nu inmiddels doet hij ook de gordijnen open, want anders vreet hij zich vast in de gordijnen.

Bart Mol: Net als jouw Gerrie waarschijnlijk op het tuinslang of zo, weet je wel. Ja, dat soort dingen. Ik heb m'n bureau, heb ik samen met ChatGPT of met Claude, heb ik Bluetooth aangekoppeld, zodat ik hem nu ook via Home Assistant kan bedienen. Ja, allemaal van dat soort dingen. Hoe doe je dit? Nou, het simpelste is, en dit kan je allemaal aan Claude vragen hoe je het doet, maar je logt in via SSH. Althans, jouw agent gaat dat doen. SSH staat voor Secure Shell. Ik zou het eerder vertalen als veilig inloggen op afstand. Dus mijn Home Assistant draait op computer A, dat servertje of die Raspberry Pi. Ik zit achter mijn laptop, computer B. Computer B moet in kunnen loggen op computer A. Dat doe je met SSH. Dat kan met een wachtwoord of met een key. Claude kan niet echt lekker wachtwoorden invoeren. Het kan wel, maar dan moet jij het wachtwoord geven en dat vind ik niet fijn. Dus ik laat Claude een SSH-key gebruiken.

Bart Mol: Hoe weet Claude nou welk IP-adres het is, en welke key die nodig heeft? Dat kan je doen met een SSH configuratie file. Klinkt moeilijk. Als je deze drie dingen aan Claude vraagt, dan heeft hij het binnen vijf minuten voor je gefixt. Kan hij het uitleggen. Wat hij dan doet, is dan logt hij daarna in op de machine waarop Home Assistant draait en dan kan je gewoon gaan praten. Kan je gewoon eens vragen van: welke automatiseringen heb ik? Hoe zou jij dit verbeteren? Welke dingen zijn er niet? Welke naamgeving is niet in lijn met de rest? Hoe zou jij al mijn apparaten netjes de juiste namen geven? Heb ik gebieden ingericht? Goh, dat soort dingen. Je kan eindelijk je Home Assistant setup gewoon netjes maken zonder dat je uren zelf administratief werk aan het doen bent. Ja, dat is heel cool. Het eerste wat je gaat vragen als dit gelukt is, is hoe je een goede back-up kan maken, want dat is met dit soort dingen wel belangrijk. Ja, je gaat wel met Claude een beetje in je productieomgeving zitten klooien, dus laat hem nou even elke dag een back-up maken automatisch naar Google Drive.

Bart Mol: Dan kan je in ieder geval altijd terug als er wat fout gaat. Als je dat gedaan hebt, dan zou ik zeggen: veel plezier, want dit is echt fantastisch. Ik zit nu in het weekend soms even gewoon. Ja, ik ben nu mijn WTW-unit slim aan het maken met een ESP32 chipje. En ja, het is gewoon.

Peter Slagter: Gaat ook toch?

Bart Mol: Dat is toch fantastisch? Ja, dat vind ik echt heerlijk. Dus.

Peter Slagter: Iedereen die luistert en ook wel aan home automation doet, laat eens even weten: wat is de automatisering waar je het meest trots op bent? Degene die gewoon echt, ja, een quality of life upgrade heeft gegeven. En lekker complex. Dus een beetje die samensmelting. Laat eens even.

Bart Mol: We willen de meest nerderige shit willen wij gewoon horen. Oké, we moeten naar Bertus denk ik, Peet.

Peter Slagter: Ja.

Bart Mol: Gaan we naar Bert? Gaan we daarna naar de curing line?

Peter Slagter: We gaan op vakantie, Bart. We gaan op vakantie.

Bart Mol: Ja, want onze grote vriend zit in Noorwegen. We kunnen hem een beetje volgen. Volgens mij het noordelijkste puntje van Noorwegen. Daar zal hij vast wel weer wat over te vertellen hebben. Ik heb even gekeken natuurlijk al, hè, waar hij het over gaat hebben en het ging deze keer over speculative decoding. Ja, speculative decoding en over ruimtevaart. Ja, hoe die twee dan weer samen gaat brengen, Peet, dat is me weer een raadsel. Maar hij gaat het doen, onze Bert. Dus ja, laten we gewoon snel gaan luisteren.

Bert Slagter: Hey, dit is Bert vanuit het noorden van Noorwegen. Ik zit hier met mijn MacBook en Starlink op Andøya, het noordelijkste eiland van Vesterålen, zo'n 300 kilometer boven de poolcirkel. Twintig kilometer ten zuiden van mij ligt Andøya Space Port, een nieuwe basis voor raketten die satellieten in een baan om de aarde moeten brengen. In 2025 vond hier de eerste orbitale lancering vanuit continentaal Europa plaats. Rusland even buiten beschouwing gelaten. Nou ja, lanceerpoging. Op 30 maart 2025 vertrok hier de eerste Spectrum raket van het Duitse Isar Aerospace. Die kwam goed los van het platform, maar de testvlucht werd na ongeveer 30 seconden om veiligheidsredenen afgebroken en de raket viel in zee. Orbitaal betekent dat het de bedoeling is dat de raket in een baan om de aarde komt en daar satellieten loslaat. Voor een baan om de aarde moet je niet alleen heel hoog komen, maar ook heel hard zijwaarts gaan. De raket valt dan voortdurend naar de aarde toe, maar gaat zo hard opzij dat hij de aarde net mist.

Bert Slagter: Hij valt eigenlijk om de aarde heen. Op de hoogte van de Starlink satellieten, zo'n beetje 500 kilometer, is dat 7,6 kilometer per seconde wat je zijwaarts moet gaan, zo'n kleine 28.000 kilometer per uur. Dus dat is moeilijk, die zijwaartse snelheid. Raketten zijn niet nieuw voor Europa. Vanaf Andøya worden al sinds 1962 raketten gelanceerd, maar altijd suborbitaal. Die komen wel flink hoog, soms honderden kilometers, maar hebben dus niet genoeg zijwaartse snelheid om in een baan om de aarde te komen. Ze vallen terug en Europa brengt al decennialang satellieten in een baan om de aarde, maar lanceert ze altijd vanuit of grotendeels vanuit Frans-Guyana in Zuid-Amerika of besteedt het uit aan Amerikaanse bedrijven zoals SpaceX. Dus suborbitaal kunnen we en orbitaal doen we elders of we kopen het in. En nu hebben we Andøya. Maar niet alleen hier. Overal in Europa ontstaan de laatste jaren lanceerlocaties en bedrijven die hun eigen kleine of middelgrote raket ontwikkelen.

Bert Slagter: En dat is precies wat de ESA met de European Launcher Challenge wilde veroorzaken. Dus het Europese Ruimteagentschap, de ESA, die heeft hiervoor meer dan € 900 miljoen gereserveerd. Succesvolle bedrijven kunnen contracten krijgen voor lanceerdiensten en steun bij het opschalen en het verbeteren van hun systemen. Maar eerst moeten ze uiterlijk in 2027 aantonen dat ze daadwerkelijk een raket in de baan om de aarde kunnen brengen. Het is interessant welke rol Europa hier kiest. Het is een heel andere dan in de decennia ervoor. Toen organiseerde Europa zelf het ontwerp en de bouw van de Ariane-raketten. De ESA bepaalde de architectuur, verdeelde het werk over een industrieel consortium en financierde de bouw van het systeem. En bij de Launcher Challenge komen bedrijven juist met hun eigen raket, hun eigen ontwerp, hun eigen businessmodel. Europa zegt niet precies hoe ze het probleem moeten oplossen. Het zegt welke dienst ze nodig hebben en belooft klant te worden van de bedrijven die dat kunnen leveren.

Bert Slagter: Niet een raket ontwerpen, maar de lancering kopen. En dat lijkt op de aanpak waarmee NASA SpaceX hielp uitgroeien tot, ja, een operationele ruimtevaart leverancier die ze nu zijn. Ze hebben meerdere bedrijven laten proberen en per mijlpaal die ze behaalden, werd dan betaald en daarna gingen ze echte diensten inkopen. Bij SpaceX bijvoorbeeld. En de reden dat ik hier wat tijd aan besteed is de parallel met AI. Strategische autonomie in het domein ruimte is waardevol. Dat we een zekere mate onafhankelijk zijn van Amerika, Rusland, China voor toegang tot de schil om de aarde waar je satellieten wil hebben. Ook toegang tot krachtige AI is van geopolitiek strategisch belang. Europa wil niet afhankelijk zijn van Chinese of Amerikaanse aanbieders. Maar dat betekent niet dat een Europese overheidscommissie zelf één groot Europees model moet gaan ontwerpen. Europa kan zich ook presenteren als een klant.

Bert Slagter: Het kan meerdere aanbieders vragen om concrete capaciteit te leveren. Modellen die op een Europese infrastructuur kunnen draaien. Modellen die gevoelige data kunnen verwerken. Denk aan zorgdossiers, defensiedata. Modellen die goed presteren in Europese talen en domeinen en die niet tot een technologische lock-in leiden, zoals vastzitten aan OpenAI. Vervolgens kun je die ontwikkeling medefinancieren via duidelijke mijlpalen en succesvolle aanbieders langlopende contracten geven en accepteren dat sommige bedrijven falen. Dat gebeurde ook in het rakettenprogramma van de ESA. In februari 2026 ging het Britse Orbex in cessatie en trok zich terug uit de Launcher Challenge. En dan kan je zeggen: dat is slecht nieuws, dat is een mislukte poging. Maar het is precies het doel. Het bedrijf gaat failliet zonder dat de belastingbetaler met een half afgebouwde raket achterblijft of een half functionerend AI-model als je dat doortrekt naar AI. Nou ja, food for thought.

Bert Slagter: Dit is overigens allemaal niet gerelateerd aan het item van vandaag. Ik wil het vandaag hebben over een rapport dat OpenAI vorige week publiceerde met de titel: How GPT 5.6 fuses frontier intelligence with frontier efficiency. Het gaat over efficiëntie van modellen en ze zeggen: ja, we hebben onze modellen de afgelopen vier jaar opgeschaald naar één miljard actieve gebruikers en meer dan 2 miljoen bedrijven. En bij die opschaling hebben we efficiency, efficiëntie centraal gesteld zodat we die intelligentie voor iedereen toegankelijk kunnen maken. Nou, in de blog, de link staat in de shownotes, leggen ze uit dat efficiency een optelsom is van heel veel kleine acties, heel veel kleine innovaties en kleine maatregelen. Op drie vlakken heb ik ze maar eventjes gegroepeerd. Ten eerste betere post training waarbij, en dan moet je even terugdenken misschien aan het item van aflevering vijf over training.

Bert Slagter: In de post training is een directe oplossing beloond boven een omslachtige route naar dezelfde oplossing, waardoor er minder tokens gebruikt worden. Tweede gebied is de harnassen, de apps die uiteindelijk de opdracht van je apparaat naar OpenAI sturen, zoals de ChatGPT-website of de ChatGPT-app op je computer. En het derde gebied is de optimalisatie van inference, het feitelijk draaien van het model. Met als doel om meer output te krijgen op dezelfde hardware. Ik wil graag één onderdeel van dat laatste bespreken en dat sluit mooi aan op het stuk over tokens in aflevering twee en het stuk over training in aflevering vijf. Die zou je eventueel eerst even kunnen luisteren. En een van de dingen die ze bij de optimalisatie van inference noemen is speculative decoding. Dat is reuze interessant. GPT5.6 Sol, dat is het grootste model nu van OpenAI. Dat is een groot model, waarschijnlijk rond de 1,5 biljoen parameters richting de honderd lagen diep.

Bert Slagter: Een enorm context window. Elk token wat daar doorheen gaat vereist geweldig veel rekenkracht en dat is lang niet altijd nodig. Stel dat je deze zin aan het maken bent: de appel valt niet ver van de. Welk token moet daar? Exact: boom. Tokens zijn vaak stukjes van een woord. Dus bijvoorbeeld als je onwaarschijnlijk hebt, dan komt er waarschijnlijk luk achter. Vaak komt er na Amsterdam en met vriendelijke groet. In programmacode is dat zeker ook zo. Daar zitten veel terugkerende constructies in. Vaste bezweringen. Een fors deel van alle tokens is eigenlijk een simpele invuloefening. Daar is geen frontier intelligentie voor nodig. Een veel kleiner model had dat ook geweten. En dat is exact wat speculative decoding doet. Naast het grote model draait een kleiner model, de speculator of het draft model. Draft als in concept. En dat kleine model doet een gooi naar de komende vijf tot tien tokens.

Bert Slagter: Hij hoeft geen diep begrip te hebben, hij hoeft alleen maar heel goed te zijn in de vraag: wat gaat GPT Sol5.6 waarschijnlijk als volgende token produceren? En dat is veel eenvoudiger dan zelf een complete LLM zijn. Daardoor kan een speculator vaak tientallen keren kleiner zijn dan het hoofdmodel en toch een groot deel van de tokens correct voorspellen. De hamvraag is dan: hoe controleert het grote model dat de speculator daadwerkelijk goed voorspeld heeft? Daarvoor moet hij toch zelf het token ook genereren? Ha, ja, en dat klopt. Hij moet zelf het token ook genereren. Maar dan is het toch geen efficiencywinst? Nou, niet als er één token gegenereerd wordt en hij dan checkt of het klopt. Dan is het alleen maar dubbel werk. Daarom genereert de speculator meerdere tokens vooruit, vijf tot tien. Het grote model bekijkt dan al die tokens in één forward pass. Het is één grote berekening in plaats van meerdere achtereenvolgende berekeningen.

Bert Slagter: Denk even terug aan het stuk in aflevering vijf, die grote tensorberekeningen waar meerdere matrixen tegelijk in zitten. En dat is even tussendoor ook de reden dat input tokens goedkoper zijn dan output tokens. Die kunnen in één keer door het rekenwerk heen. Na die forward pass weet het grote model van alle voorspelde tokens wat zijn eigen waarschijnlijkheidsverdeling was. Dat gebruiken we bij het trainen, weet je nog? Om de loss te bepalen ten opzichte van de originele tekst en nu om het verschil te bekijken met de speculator. De appel valt. En dan voorspelt de speculator, die doet een voorstel. Niet ver van de boom, punt. Misschien zes tokens. Zou kunnen. Zeven. Als boom uit twee bestaat. Iets in die richting. Stel dat het grote model ook exact dit voorspeld had of geproduceerd had, dan neemt hij het gewoon over. Zegt hij: hé, dat was wat ik ook zou doen.

Bert Slagter: Grote winst. Stel dat het grote model net een andere keuze zou maken. Deze boom in plaats van de boom. Een uitroepteken in plaats van een punt. Dan houdt hij wat er goed was, pakt vervolgens zijn eigen keuze en stuurt vanaf dat punt opnieuw de speculator op pad. De volgende vraag die je zou kunnen hebben is: een model pakt toch niet altijd het token met de hoogste waarschijnlijkheid? Er zit toch altijd iets onvoorspelbaars in? Precies dat zorgt voor variatie, voor kleur, voor creativiteit. En dat klopt ook. En daarom moeten we iets preciezer worden over wat er gebeurt. De speculator genereert niet zomaar vijf tot tien tokens, maar vijf tot tien waarschijnlijkheidsverdelingen. En het grote model legt die naast zijn eigen waarschijnlijkheidsverdelingen en past dan een rekenkundige truc toe. Tokens die in de verdeling van de speculator een te grote waarschijnlijkheid kregen, worden een deel van de keren afgewezen en een deel van de keren overgenomen. Tokens die in de verdeling van de speculator onderschat werden, maken juist extra kans als een overschat token wordt afgewezen.

Bert Slagter: En de wiskunde is dan zo ontworpen dat de uiteindelijke kansverdeling precies die van het grote model blijft. Niet ongeveer, niet gemiddeld een vergelijkbare kwaliteit, exact dezelfde kansverdeling die GPT5.6 Sol zonder speculator ook zou hebben gebruikt. De speculator bepaalt dus niet wat het grote model zegt. Het is alleen een andere route, een efficiëntere route naar hetzelfde antwoord toe. Je zou hem kunnen zien als een razendsnelle, supergoedkope junior medewerker die alvast een paar regels uitschrijft. En de dure grondige senior wordt niet na elk woord gestoord om te checken, maar pas na een hele alinea. En alles wat klopt, dat blijft staan. En bij de eerste fout, nou, dan neemt de senior de pen over. Die schrijft dan het volgende woord op en dan kan de junior weer aan de slag. Dat betekent ook dat een speculator niet per se een volwaardig taalmodel hoeft te zijn. Hij hoeft geen ingewikkelde problemen op te lossen. Hij hoeft niet zelfstandig een filosofisch betoog te schrijven of een nieuwe wiskundige methode te bedenken.

Bert Slagter: Hij moet vooral leren welke lokale vervolgen het grote model meestal kiest. Woorden afmaken, vaste uitdrukkingen herkennen, haakjes sluiten, interpunctie plaatsen, terugkerende stukken programmacode aanvullen. Bij programmacode kan dat heel goed werken, omdat code heel veel vaste structuren bevat. Bij een creatief gedicht, een moeilijke redeneerstap, een onverwachte woordkeuze, ja, dan wordt voorspellen lastiger en dan zal het grote model wat vaker ingrijpen en dan daalt de efficiencywinst een beetje. En dat brengt ons, als we dit zo overdenken, bij het belangrijkste inzicht, namelijk: die frontier intelligence is niet bij elk token even hard nodig. Soms wel. Soms is het heel belangrijk dat je die 1,5 biljoen parameters 100 lagen diep hebt om iets heel ver terug in een context te kunnen vinden wat precies moest worden overgenomen, maar soms ook niet. Soms is het gewoon het afmaken van iets supervoorspelbaars.

Bert Slagter: Normaal gesproken draait bij ieder token exact dezelfde grote machine. Of het model nu een nieuw wiskundig bewijs bedenkt of alleen maar een sluitend haakje plaatst. En speculative decoding verandert die aanpak. Die verandert niet het grote model, maar maakt eigenlijk gebruik van het feit dat een groot deel voorspelbaar is. OpenAI schreef in die blog van vorige week dat GPT-5.6 Sol zelf honderden experimenten heeft uitgevoerd met de omvang, structuur en eigenschappen van zijn eigen draftmodel en zelf het trainingsproces heeft gestart en bewaakt van het kleine model en zelf zelfstandig ingreep bij hardwareproblemen, bij instabiele trainingen. Wel grappig, dus die heeft eigenlijk zelf zijn eigen speculator gebouwd en dat speculator model verhoogde volgens OpenAI de efficiency van de tokengeneratie met meer dan 15%. Nou, wel cool toch? Even ter afsluiting wat speculeren over de toekomst. Dus als we nu dit horen, dat het speculator model, dat speculative decoding, zo'n grote verbetering oplevert, dan zou het best logisch zijn om als volgende stap naast het grote model niet één speculator te plaatsen, maar meerdere gespecialiseerde speculators.

Bert Slagter: Of misschien predictors, voorspellers. Een voorspeller voor eenvoudige teksten, een voorspeller voor programmacode, een voorspeller voor JSON of andere formele structuren, een voorspeller voor reasoning en een router erbij die bepaalt welke voorspeller op dit moment het meest kansrijk is. En dan er helemaal achteraan nog dat ene grote frontier model dat alleen maar ingrijpt als de onzekerheid toeneemt en er, ja, iets heel intelligents gedaan moet worden. Dat brengt ons nog wel bij het volgende inzicht: AI is al lang niet meer het model. Het gaat om de hele route. Je lokale harnas met daarin geheugen en tools. De orchestrator van OpenAI of Anthropic, die de uiteindelijke prompt samenstelt en het beste model kiest en, maar ook binnen het model, binnen de omgeving van een model, het grote model met daaromheen allerlei speculators en andere hulpmiddelen om zo efficiënt en zo snel mogelijk de output te genereren. Voor de kwaliteit van het antwoord, de snelheid waarmee het antwoord komt en de kosten van het antwoord is die hele route relevant.

Bert Slagter: Niet alleen het model. We hebben het vorige week gehad over open source, open weights, permissive license. Het is allemaal heel waardevol. Luister maar terug. Maar het is geen wondermiddel. Even dat model ergens neerzetten en gaan. Je hebt die hele route nodig. De AI van de toekomst wordt belachelijk goed. Ook omdat een AI-huis veel meer doet dan een model hosten. Een belangrijk puzzelstuk is slim routeren. Welk model kies ik voor deze vraag? Welke predictor kies ik voor dit stuk van de output? Naar welke hardware stuur ik deze opdracht? Met als doel: snel, goed en goedkoop. Nou, speculative decoding dus als manier om niet voor elk token Einstein aan het werk te zetten. Dit was hem voor deze week. Groet uit Noorwegen.

Bart Mol: Ja, dat was hem. Speculative decoding en ruimtevaart. Nou ja, hij heeft ze samengebracht op een manier zoals alleen Bert dat kan. En ik moet ook wel zeggen speculative decoding is ook inderdaad echt wel een supervet onderwerp, waar ook volgens mij bij ChatGPT, daar waren ze al sinds nummertje vier hier mee bezig. Alleen ze hebben daar altijd weinig over naar buiten gebracht, dus ik vind het dan wel weer leuk dat Bert dat op een gegeven moment opvangt en dat er weer even een item over maakt en dat op een goede, duidelijke manier uitlegt. En inderdaad, uiteindelijk zit niet alleen de efficiëntievoordelen in het model zelf, in het sneller, groter, beter maken van het model, maar ook: hoe gebruiken we dat model nou beter?

Bert Slagter: Ja.

Bart Mol: Ik ben bijvoorbeeld ook nog steeds aan het wachten op een agent die gewoon eindelijk eens op basis van mijn vraag gaat kijken van: hmm, hebben we hier Fable 5 voor nodig? Die Bart voor de 600e keer vraagt of je beter je zalm acht minuten of tien minuten op de barbecue kan leggen. Of kunnen we dit ook gewoon aan Luna doorsturen? Maar goed, wie weet komt binnenkort iemand anders daarvoor mee. Peter, we gaan naar de Turing Line, kerel.

Bert Slagter: Hoor, hoor je iets aankomen dan?

Bart Mol: Zeker, ik hoor hem aankomen. Twee dingen een jingle en daarna de metro.

Peter Slagter: Yes, het is tijd voor de Turing Line. En ja, we gaan. We gaan vandaag de oorlog in jongens. Dus zet je helm op en maak je borst even nat. Het is echt even een andere context dan waar we vorige week waren toen. Toen liepen we lekker over groene grasvelden. Dat is nu even voorbij. En ja, we hadden het. Vorige week hadden we het over de grenzen van het menselijk en machinaal denken en dat was een hele goede discussie. Het was ook redelijk theoretisch en dat theoretische is in september 1939 echt even voorbij. Daar is geen tijd voor, want de Tweede Wereldoorlog breekt uit. Ja dan? Dan verandert het allemaal in één keer. Er is iets in de praktijk nodig, want de Engelse regering die had al vrij snel door dit is een oorlog, die winnen we niet alleen maar op het slagveld. We moeten ook de ether in. Waarom nou de Duitse Wehrmacht? Die verstuurt, ja allerlei staatsgeheimen.

Peter Slagter: Militaire orders via de radio. En die berichten zijn onleesbaar gemaakt met een geheimzinnig apparaat. Dat apparaat bestond al voor de Tweede Wereldoorlog. Een machine met de naam Enigma. Het is niet zomaar gekozen, die naam voor die machine. Het komt uit het Grieks en het betekent zoiets als een raadsel of een gezegde met een verborgen betekenis. Nou, dat is ook precies wat die machine deed. Het ziet eruit op het oog als een zware houten typemachine en als een Duitse soldaat op een letter drukt. Klik op het toetsenbord, dan ligt er op een ander paneel een heel andere letter op. Dat is natuurlijk als je gewoon wil typen en je wil lezen wat je typt. Heel onhandig, maar je drukt bijvoorbeeld op de P en de D ligt op.

Bart Mol: Het is een beetje als je per ongeluk je keyboard hebt ingesteld op een ander land.

Peter Slagter: Ja, of hij ligt ondersteboven. Of nou ja.

Bart Mol: Ja, precies.

Peter Slagter: Dus aan de binnenkant van dat apparaat zaten draaiende wielen en verplaatsbare kabels die de letters telkens op een andere manier door elkaar husselen. En om zo'n bericht te kunnen ontcijferen, moet de ontvangende soldaat zijn Enigma aan het begin van de dag op exact dezelfde manier instellen als de zender doet. Daar hadden ze draaiboeken voor. Die waren ze heel erg geheim natuurlijk. Die werden meegegeven.

Bart Mol: Welke private key eigenlijk zou je kunnen zeggen.

Peter Slagter: Zou je kunnen zeggen ja. Welke wielen gebruik je, in welke volgorde? Welke kabel zit in welk gaatje? En dat werd de begininstelling genoemd of de sleutel van de dag. Luister even naar deze meneer van het Nederlands Instituut voor Beeld en Geluid die het over de Enigma heeft.

Spreker 5: En nu kunnen we beginnen met het coderen van het bericht. Je moet hem wel even aanzetten. Je ziet nu een n terwijl ik de E druk en als ik nog een keer de E druk zie je dat een andere letter is. Zo liep het signaal vanaf het toetsenbord. Door de code wielen ging dan weer terug door de code wielen en kwam er op een lampje uit. Per omwenteling van het eerste code wiel draait het tweede code wiel één of meer stappen en hetzelfde voor het derde code wiel. Zo verandert na iedere letter die je intoetst de letter in een andere letter.

Peter Slagter: Ja, dit is ja, heerlijk dat het in het archief zit. Maar wat een pracht machine. Nou, de Duitsers stelden elke nacht stipt om 12.00 uur die begininstelling in. Die veranderden ze dan naar de volgende die bij de dag hoorde. En zo zijn er meer dan 160 triljoen combinaties mogelijk. En dat, ja, dat leidt natuurlijk tot een code die onkraakbaar lijkt. In ieder geval, als je alles met de hand zou willen uitproberen, ben je duizenden jaren bezig. Het is onmogelijk. Nou, en om dat raadsel op te lossen. Want de Britten wilden natuurlijk mee kunnen lezen, werden in het diepste geheim de slimste koppen van het land bij elkaar gezet op Bletchley Park. Je zou het best wel een verwaarloosd landgoed kunnen noemen. Ligt iets ten noorden van Londen en er zaten militaire strategen, maar ook of misschien vooral wiskundigen, taalkundigen, schakers. Mensen die heel goed waren in het oplossen van kruiswoordpuzzels. Iedereen die goed kon puzzelen en onder hen een 27-jarige wiskundige uit de stad Cambridge, Alan Turing.

Peter Slagter: En Turing, die begreep iets, die dacht van ja, dit gaat met de hand nooit lukken. Als een machine dit doet, die doet dit sneller dan mensen kunnen encoderen. Dan hebben we ook een machine nodig om het te decoderen. We hebben een snellere machine nodig. En Turing? Die borduurde voort op een Pools ontwerp en komt met The Bomb. Een metershoge zware kast, ook weer vol met draaiende wielen, koperen kabels, elektrische schakelaars. En ga zo maar. Nee, dit is heel goed. En die machine, die maakt flink lawaai. Klinkt een beetje alsof er honderden breinaalden tegelijkertijd op een metalen tafel vielen. Ja, en hoe snel die machine ook kan draaien, hij kon onmogelijk elke dag al die triljoenen opties een voor een afzoeken. Die machine had een aanknopingspunt nodig een spoor. En dat spoor kwam van menselijke fouten aan de Duitse kant.

Peter Slagter: Want die telegrafisten die via de radio hun berichten uitzenden, hebben ze een apparaatje voor natuurlijk, de Enigma. Ja, het zijn ook maar mensen. En die worden na verloop van tijd slordig en een beetje voorspelbaar. En ze sturen op sommige posten. Het waren verschillende radionetwerken, dus het was wat complexer dan dat je in één keer met alles zou kunnen meelezen. Maar op sommige posten stuurden ze elke ochtend om stipt 6.00 uur een bericht over het weer. En dat zou dan bijvoorbeeld beginnen elke keer met het Duitse woord weerbericht. En zo een voorspelbaar stukje tekst. En dat kwam er niet als het woord weerbericht langs natuurlijk, maar geëncodeerd, maar wel een voorspelbaar stukje tekst. Dat noemden de Britse codebreakers. Zo heet dit station de Codebreaker Station een crib. Dat is het Engelse woord voor een spiekbriefje. En dat spiekbriefje was goud waard door een eigenschap van het ontwerp van de Enigma. Je kon namelijk elk letter in een willekeurig teken veranderen, behalve in zichzelf. Dus een A werd nooit een A. En als de Britten de opgevangen geheimtaal naast het vermoedelijke woord voor bijvoorbeeld weerbericht legden, konden ze op basis van die regel meteen heel veel onmogelijke plekken wegstrepen.

Peter Slagter: En dat spiekbriefje, dat voerden ze in als een soort elektrisch menu in die machine van Alan Turing. En de boom stelde dan de vraag welke machine instelling kan al deze letters tegelijk op precies deze manier veranderen? En er werden razendsnel miljoenen onmogelijke opties afgestreept. Echt. Ja, het is een vorm van brute forcing. En al binnen een paar uur bleven er maar een paar mogelijkheden over. En dan hadden de Britten door die mogelijkheden te testen de sleutel van de dag te pakken. Wat kon je daar dan mee? Dan kon je dus binnen zo'n radionetwerk als je daar de sleutel van had meeluisteren, meelezen. Alsof je de Duitse krant opensloeg. Ja, dan kon je bijvoorbeeld misschien wel herleiden waar Duitse duikboten op de Atlantische Oceaan lagen te wachten op vrachtschepen vol voedsel. Of welke steden gebombardeerd gingen worden. Of waar de Duitse tanks naartoe reden. En die informatie, die heeft honderdduizenden levens gered en verkortte de oorlog naar schatting twee jaar. Nou, even voor de duidelijkheid dit werk, dus het werken aan de boom was niet een solo of zo van Alan Turing die daar een soort van podium zat en dat allemaal zelf bedacht.

Peter Slagter: Hij borduurde ten eerste voort op Pools werk. Maar ja, op alle plekken waar die boom werd neergezet, daar werkten honderden, vaak jonge vrouwen van de Women's Royal Navy Service. Die werden de Wrens genoemd en dat waren min of meer de menselijke draden van deze vroege computer. En dag en nacht waren zij bezig met de kabels versteken, instellen van hendels, gegevens invoeren en een van die dames die heet Jean Valentine. Daar is een interview mee gehouden en daar gaat het volgende clipje even over. Die heeft het over de boom.

Spreker 6: I worked in Hut eleven and there were five machines there. Ten girls and one petty officer who was in charge of the telephone. We set it up according to the menu which was produced for us by Hut six, and they had been able to find out one or two points about any signal. This is one drum of which there are 180 of the machine. Four little brushes behind every letter and these connect with the commutator on the back and send the electricity around the system. You have to make sure that it clicks, and when it has, you turn it. One of us would set up the front of the machine. The other one would be plugging up the back of the machine according to the instructions on the menu. We'd set it off and it would start searching for possibilities.

Peter Slagter: Ja, ook weer dik hoor. Het is wel echt dik om te zien, kijk en ze hadden dus niet één bom gemaakt, want ze moesten natuurlijk schalen, want er waren meerdere radionetwerken en je wilt zo snel mogelijk doen. Dus er waren tientallen van dat soort machines gemaakt en die werkten gewoon parallel aan het puzzelen. Nou, we gaan even verder. Want ja, die oorlog die vorderde. En de Duitsers? Die wilden eigenlijk voor de belangrijkste instructies de belangrijkste geheimen. De persoonlijke berichten van Adolf Hitler bijvoorbeeld. Die wilden ze nog veiliger versturen en daarvoor hadden ze de Lorenz Cypher ontworpen. En dat was een probleem, want die radertjes van Turing's machine die je net hoorde, die waren ten eerste voor een heel ander cijfersysteem ontworpen. En als ze al met die Lorenz zouden kunnen omgaan, dan waren ze er simpelweg veel te langzaam voor. En toen stapte een andere ingenieur naar voren, Tommy Flowers. Die werkte bij de Britse telefoondienst. En Flowers? Die bedacht dat je die draaiende mechanische wielen als infrastructuur moest vervangen door vacuümbuizen.

Peter Slagter: Glazen lampen waar elektronen doorheen schieten. En hij bouwde Colossus. Dat was 's werelds eerste grote programmeerbare elektronische computer om het grootste gedeelte van het werk te doen dat nodig was om wat die Lorenz aan encryptie in huis had ook weer te kunnen ontsleutelen. En het mooie is dat door het werk van Flowers we eigenlijk min of meer definitief vanaf dat moment het elektronische tijdperk binnen zijn gereden. En rekenen gebeurde voortaan eigenlijk met de snelheid van het licht. Ik heb een clipje gevonden over iemand die vertelt over de Lorenz. Dat is nog wel leuk om even naar te luisteren.

Spreker 7: The problem was you would have to do that procedure for every letter of the code and for every position of the first two chi wheels, which is far too much to do by hand. So they automated the process and in the end they built a machine called Colossus. And Colossus is arguably the world's first computer. Colossus was designed by a post office engineer called Tommy Flowers, and it was designed to run Bill Tutte's procedure and then to count up the dots. And Colossus could then work out the positions of the chi wheels, and then a little bit later, they could use it to work out the positions of the psi wheels as well. And eventually they built Colossus two. Colossus two could do all that, and it could work out the pin settings of the wheels. Anything that couldn't be done by Colossus still had to be done by hand. So that would be using good old fashioned pencil and paper methods and language skills. But altogether, and using all these methods, you could work out the settings for the machine, and then you could read all those secret messages from people like Adolf Hitler.

Peter Slagter: Wat dit videootje doet, als je-

Bart Mol: People like Adolf Hitler.

Peter Slagter: Adolf Hitler. Als je een beetje tijd hebt en je denkt: ik wil nog even kijken, dan zie je deze machine ook. Dan zie je meer raderen. Wat hier geëncodeerd werd, versleuteld werd, die sleutel was sterker. Nog meer opties. Had je een andere machine voor. Die Tommy Flowers was niet de enige die eraan werkte. Hij had allerlei wiskundigen om zich heen en dat is ontzettend knap, zonder ooit zo'n machine te hebben gezien hebben ze op een rij weten te zetten wat er nodig is om het te kunnen ontsleutelen. Het bouwen van die Colossus is daar essentieel in geweest, maar dat kon alleen door het werk van die anderen. Je hoort in dat videootje over de procedures die ze allemaal hebben moeten ontwikkelen en over hoe die machine in elkaar heeft gezeten, die wielen, hoe die heten. Superinteressant. Moet je zeker even doen. Anyway, we gaan even terug naar Bletchley Park. Vorige week zei ik: we gaan zien wat er gebeurt als mens en machine samenkomen. Dat is dit. Hier is daadwerkelijk het geval: de mens zocht naar patronen, die herkende menselijke fouten en de machines leverden de brute rekenkracht om de raadsels te kunnen oplossen.

Peter Slagter: Over volgende week, want dan vertrekt er weer een treintje. Dan gaan we terug naar de andere kant van de Atlantische Oceaan. Daar waren ze bezig met een andere vraag. Als een machine kan rekenen met elektrische schakelaars, zoals die Colossus bijvoorbeeld, kunnen we dan die elektrische signalen in de cellen van ons eigen menselijke brein ook niet zien als een rekenmachine? We gaan het hebben over neuronen en daarvoor reizen we door naar Neuron Station.

Bart Mol: Neuron Station. Alright. Dan gaan we dat, Peet, volgende week bekijken. Dit is ook weer een vet verhaal. Ik kan er een verhaal van, ga ik niet doen, want we zijn aan het einde gekomen van deze Turing Station. Ik wil jullie heel erg bedanken voor het luisteren. Peet, ik wil jou heel erg bedanken voor alle input, leuke verhalen. Wat wil ik jullie nog vragen? Ga naar turingstation.nl. Daar vind je alles wat wij maken. Kan je je inschrijven op onze nieuwsbrief. Wie weet versturen we binnenkort weer een gids, bijvoorbeeld over Hermes Agent, misschien wel over Home Assistant. Laat maar weten wat je wil zien van de dingen die je hoort. Dan kan ik daar best wat over schrijven. Verder, als je dat niet doet, zorg dat je volgende week er weer bij bent voor aflevering acht alweer. En stuur deze podcast door naar vrienden, familie, collega's die ook iets willen weten, willen leren over AI. Dat is alles wat we voor nu vragen. We hopen dat jullie er volgende week weer bij zijn.

Bart Mol: Thanks voor het luisteren en tot volgende week.

Peter Slagter: Tot volgende week jongens.

Bart Mol: Doei.

Peter Slagter: Doei doei.