Nederlandse AI-Onafhankelijkheid op het Spel: Zo Breken We Los van Big Tech én waarom klein en groen de Toekomst is
Deel 3 van de uitgebreide verkenning van de kansen en uitdagingen van AI in onze economie, samenleving en persoonlijke levens.
We zitten nog steeds in INNOvember. De maand waarin we bewegen naar een meer innoverende overheid en bedrijfsleven en een maand waarin we het echt moeten hebben over alle kansen van de diverse technologieën. Je vindt ons komende woensdag onder meer op iBestuur event over AI in een sessie met de Rijksacademie Overheid (RADIO). Hier kijken we samen met deelnemers naar de kansen die (Generatieve)AI kan gaan bieden in onze diversiteit aan werkprocessen. Hoe gaat AI jouw werk transformeren en wat is er voor jou te halen? Maar eerst, weer helemaal vers van de pers deel 3 over de het vinden van verantwoorde groei met AI waarbij we dit keer kijken naar onder meer de (Geo)Politiek. Want, in een wereld waarin kunstmatige intelligentie (AI) steeds meer verweven raakt met onze dagelijkse activiteiten, is internationale samenwerking en diplomatie essentieel. In de Europese Unie (EU) streven we er, doormiddel van een Europese aanpak van AI, met de gezamenlijke landen namelijk naar om onder meer door middel van strategische allianties de voordelen van AI te benutten zonder afhankelijk te worden van een select aantal technologiebedrijven.
Voordelen van Internationale Samenwerking
Internationale samenwerking op het gebied van AI biedt tal van voordelen.
Door gezamenlijke beleidsinitiatieven en diplomatieke inspanningen kunnen landen gemeenschappelijke standaarden ontwikkelen die niet alleen economische groei stimuleren, maar ook fundamentele waarden zoals privacy en soevereiniteit beschermen. Daarnaast kunnen we door het maken van Soevereine keuzes in samenwerking met o.a. Nederlandse partijen voor bijvoorbeeld end-to-end proces ondersteuning met AI of Transcriptie AI - partijen die zowel de User interface als taalmodellen on premisse aan kunnen bieden - zorgen dat we een stevige eigen AI economie bouwen.
Wil je meer weten over de partijen, neem dan even contact met ons op.
Ook kunnen we, door kennis en expertise te delen, gezamenlijk werken aan het ontwikkelen van ethische richtlijnen en kwalitatief hoogwaardige en toch transparante AI-systemen. Hiervoor hebben we onder andere de Europese AI-verordening die tot doel heeft AI-systemen betrouwbaar en veilig te maken.
Deze samenwerking bevordert niet alleen innovatie, maar zorgt er ook voor dat AI-toepassingen in lijn zijn met Europese normen en waarden. Daarnaast versterkt de Europese samenwerking de cyberveiligheid. Gezamenlijk optrekken maakt de gezamenlijke landen beter weerbaar tegen digitale dreigingen en desinformatiecampagnes.
Kritische Beschouwing: Geopolitieke Risico's en Technologische Afhankelijkheid
Ondanks de voordelen brengt internationale samenwerking op het gebied van AI ook geopolitieke risico's met zich mee. Veel geavanceerde AI-technologieën worden ontwikkeld door en bij bedrijven in de VS en China. Deze afhankelijkheid kan de strategische autonomie van Europese landen ondermijnen. Tijdens de ambtsperiode van voormalig president Donald Trump werd duidelijk hoe geopolitieke spanningen kunnen leiden tot beperkingen in technologie-export, wat de afhankelijkheid van buitenlandse technologieën problematisch maakt. Dit hebben we onder de huidig president Joe Biden deels verder zien ontwikkelen door verder beperkende maatregelen te vragen richting onder meer ASML. Nu Donald Trump gekozen is voor een tweede periode is de sterke verwachting dat dat zich door gaat zetten mede doordat zowel China als de VS ernaar streven om wereldleiders te worden op het gebied van AI. Deze zich door ontwikkelende strijk kan leiden tot een geopolitieke machtsstrijd waarbij ook in Tech verdere beperkingen niet vreemd zijn. China heeft bijvoorbeeld aanzienlijke investeringen gedaan in AI-onderzoek en -ontwikkeling, met als doel om tegen 2030 wereldleider op dit gebied te worden.
Maar zelfs wanneer dit niet zo is zijn de banden tussen Trump en de Big Tech beter dan ooit! Hierdoor verwachten we onder meer dat zij veel meer vrijheden gaan krijgen. Wat kan gaan zorgen voor nog verder versterkte marktdominantie van Amerikaanse techgiganten maar ook minder ruimte voor Europese concurrenten om te groeien in de Amerikaanse markt. Daarnaast zal Trump naar verwachting ook geen risico’s zien in het opschalen van de energie opwekking met kerncentrales. Dit kan ook de innovatie op duurzaamheid remmen. Vrijheden die vaak haaks staan op Europese richtlijnen en behoeften. Reden te meer om meer te kijken naar OpenSource en bouwers en leveranciers binnen de EU.
De ambities van Amerika en China om de AI markt te domineren kunnen daarnaast resulteren in een situatie waarin Europese landen nog meer afhankelijk worden van technologieën uit deze landen, met mogelijke gevolgen voor de eigen soevereiniteit en beleidsvrijheid.
Een ander risico is dat AI-systemen, wanneer ze functioneren als een 'digitale junior collega', kunnen leiden tot verlies van bepaalde kennis en vaardigheden en daarmee verder groeiende afhankelijkheid van technologie. En wij zijn voor de technologie maar als deze afkomstig is van systemen uit landen met andere geopolitieke belangen, bestaat het gevaar dat bij politieke spanningen de toegang tot deze technologieën wordt beperkt. Dit benadrukt het belang voor Nederland, Europa en alle organisaties en overheden daarbinnen om te investeren in een eigen robuust AI-ecosysteem, zodat wij minder kwetsbaar zijn voor externe invloeden.
Innovatie, Efficiëntie en Veiligheid in Bedrijfsprocessen
AI dringt steeds dieper door in de kern van bedrijfsprocessen – van HR tot financiële administratie en strategisch beleid. De belofte is helder: met AI kunnen organisaties efficiënter werken, slimmere besluiten nemen en sneller innoveren. De slimme algoritmes kunnen bijvoorbeeld HR-afdelingen helpen bij het screenen van sollicitanten. Hoewel dit gezien het niveau van risico en kijkende naar de EU AI-Act dit niet het eerste punt is waar je het op in wilt zetten bij HR. Beter is het daar wellicht om te kijken naar zaken als automatisering van verlofaanvragen, inzet van AI bij Training en Ontwikkeling, om medewerkersbetrokkenheid te vergroten of bijvoorbeeld het maken en analyseren van enquêtes. Daarnaast zijn er nog veel meer afdelingen om naar te kijken. Bij de financiële afdeling bijvoorbeeld fraudedetectie, automatisering van boekhoudprocessen, het genereren van financiële rapporten of de inzet van autonomous agents om historische data te analiseren en patronen en trends te identificeren. Voor beleidsmakers kan dat inzet zijn bij het automatisch verzamelen van informatie, data gedreven besluitvorming, de eerste opzet van memo’s of notities of een programmaplan. En zo zijn er nog tal van mogelijkheden die we kunnen verzinnen voor elk team in elke organisatie. De toepassingen lijken eindeloos en in theorie zou AI bedrijven moeten bevrijden van saaie routinetaken, zodat medewerkers zich kunnen richten op werk met meer waarde.
Een praktisch voorbeeld van AI in bedrijfsvoering is bijvoorbeeld de inzet bij een inkooporganisatie waar AI wordt ingezet bijvoorbeeld het wegen van reacties op aanbestedingen. Het classificeren daarvan of ze voldoen aan de marktuitvraag maar ook daarop onderbouwde adviezen uitwerken. Maar ook AI die ingezet wordt op het schrijven van de eerste opzet van CIO oordelen op Projecten en Programma’s en AI die wordt ingezet in de eerste opstelling van Contracten en overeenkomsten en het verdere vervolg in levering van diensten gerelateerd aan het contract.
Te Mooi om Waar te Zijn?
Zoals bij elke belofte van moeiteloze efficiëntie, schuilen er valkuilen achter de glans van AI. Ten eerste is AI vaak maar zo goed als de data waarmee het getraind wordt. Daarnaast tonen data datgene dat DAADWERKELIJK gebeurt is. Maar wat er daadwerkelijk gebeurt is niet altijd hetgeen dat had moeten gebeuren of waarvan jouw intentie was dat het gebeurde. Als je dan daarop voort borduurt dan zal het patroon ook iets weergeven wat je waarschijnlijk toch liever (iets) anders zou zien.
Voor HR kan dit bijvoorbeeld betekenen dat een AI-model op basis van eerdere wervingsbeslissingen automatisch dezelfde voorkeuren (en dus dezelfde vooroordelen) herhaalt. Dit creëert risico's zoals op het gebied van discriminatie, waarbij mogelijke specifieke groepen onterecht worden uitgesloten.
Met steeds slimmere cyberdreigingen komt er een verhoogde noodzaak om AI-systemen te beschermen tegen aanvallen. Hier helpt het bij wanneer je kiest voor on premise user interfaces en on premise modellen. Hier komt nog bij dat AI-gestuurde systemen afhankelijk zijn van gevoelige bedrijfsdata. Deze gegevens kunnen kwetsbaar worden voor misbruik als ze in handen vallen van kwaadwillenden ook daarom is het veiliger een en ander binnen de deur te houden. Wat gebeurt er bijvoorbeeld als een financiële AI-tool gehackt wordt en gevoelige bedrijfsgegevens uitlekt? Of als een chatbot – ooit bedacht om klanten efficiënt te helpen – per ongeluk vertrouwelijke informatie verstrekt? Dat zijn situaties waarin AI ineens minder betrouwbaar lijkt en organisaties gedwongen zijn hun vertrouwen in deze technologie opnieuw te evalueren.
Efficiëntie vs. Innovatie
Terwijl AI zeker kan helpen om processen te stroomlijnen, bestaat het risico dat deze 'efficiëntie' soms juist leidt tot minder innovatie. Denk bijvoorbeeld aan Microsoft CoPilot die je helpt snel documenten op te stellen. Handig denken we dan even snel ene projectplan dat voor je geschreven wordt. Maar waarom zou je projectplannen schrijven terwijl er meer dan uitstekende projectmanagement toepassingen zijn waar je geen ellenlange documenten voor hoeft te schrijven maar die je juist wel helpen om heel gericht de juiste data bij elkaar te krijgen en gedurende het project van goede projectinformatie te voorzien. Of denk je eens in, handig met CoPilot die Powerpoint presentaties maken, maar waarom zou je nog (MS) Powerpoints maken als je met AI ook video’s kan maken?
Medewerkers hebben minder noodzaak om creatief te denken of processen fundamenteel te verbeteren wanneer een AI-systeem alles ‘automatiseert’ en dat is waar de BigTech ook op stuurt anders komt hun relevantie in gevaar. Wij bij DigiBeter helpen jouw organisatie kritisch te kijken naar wat je doet, waarom je het doet en kijken dan waar AI je echt kan helpen. Het gevaar is dat organisaties, juist door te vertrouwen op AI, de verbinding met hun eigen processen verliezen en vooral bezig zijn met het bijstellen van AI-modellen en algoritmen. AI vervangt dan geen (al dan niet noodzakelijke) routinetaken, maar verplaatst het probleem – en wekt de illusie dat alle oplossingen met een algoritme opgelost kunnen worden.
Complexiteit, Milieu-impact en Vaardigheden
In de voorgaande stukken en nieuwsbrieven zijn de voordelen en uitdagingen van kunstmatige intelligentie (AI) aan bod gekomen, van economische groei tot ethische dilemma’s. Nu richten we ons op de impact van AI vanuit drie andere belangrijke invalshoeken: de technische complexiteit van AI, de milieu-impact van het energieverbruik, en de vaardigheden die nodig zijn voor verantwoorde en effectieve toepassing.
Complexiteit: Kansen en Beperkingen
De kracht van AI om enorme hoeveelheden data te verwerken en inzichtelijke voorspellingen te doen, is ongeëvenaard. Deze complexiteit maakt AI tot een hulpmiddel van onschatbare waarde in sectoren zoals de gezondheidszorg en het bedrijfsleven en de overheid. Tegelijkertijd vormt deze technische complexiteit ook een uitdaging: AI-modellen zijn vaak op complexe maar ook moeilijk te doorgronden algoritmen gebaseerd. Resultante daarin kan onder meer leiden tot een ‘black box’-effect, waarbij op dit moment zelfs ontwikkelaars zelfs niet altijd meer kunnen verklaren hoe een model tot een bepaalde uitkomst komt. Hierdoor kunnen transparantie en vertrouwen een uitdaging worden, wat zeker in meer precaire rollen en sectoren een struikelblok kan vormen voor de inzet.
Milieu-impact: AI’s Ecologische Voetafdruk
Hoewel AI in veel gevallen bijdraagt aan het optimaliseren van (werk)processen en ook verduurzaming kan brengen, vergt het trainen van extreem grote en complexe modellen zoals LLM’s (Large Language Models) - Foundation Models - veel energie. Daarnaast heb je bij elke vraag die aan zo’n groot model wordt gesteld een aanzienlijke hoeveelheid energie en koeling nodig om daar het antwoord op te realiseren. Recente schattingen tonen aan dat energie en koelingsconsumptie van AI momenteel al met het gebruik van sommige landen vergeleken kan worden. En dit kan Wereldwijd alleen maar toenemen richting 2027, het moment waarop we ook Artificial General Intelligence wel eens zouden kunnen gaan zien en meemaken. En Hier schuilt een belangrijke uitdaging: AI kan weliswaar duurzaamheidsdoelen ondersteunen, maar alleen als we daar ook bewust vanuit eigen kennis de juiste vragen en eisen bij stellen in inkoop en gebruik.
Gelukkig zijn er manieren om AI duurzamer te maken. Naast het stellen van de genoemde slimme inkoopvoorwaarden en het kiezen van samenwerkingen met organisaties die zich inzetten voor training en verwerking in datacenters op basis van groene energie, zoals Northern Data, zijn er opties voor energie-efficiënte modellen die minder zware infrastructuur vereisen. Om even bij Northern Data te blijven, zij werken bijvoorbeeld met datacenters die volledig draaien op hernieuwbare energie, met als doel CO₂-neutraal te opereren. Door dergelijke partnerships (maar ook eisen van aan andere software leveranciers die AI in hun software implementeren om met dergelijke partijen samen te werken) kan AI op een relatief milieuvriendelijkere manier worden geïmplementeerd.
Een andere cruciale keuze voor verduurzaming is het inzetten van Small Language Models (SLM’s) - ook wel expert modellen - in plaats van de energie-intensievere LLM’s. SLM’s zijn niet alleen efficiënter in energiegebruik, zowel training als bevraging, maar ze kunnen vaak ook goed voldoen aan specifieke bedrijfsdoelen, in de kwaliteit die binnen jouw organisatie gewenst is, zonder dat er enorme datasets of rekenkracht voor nodig zijn. Dit maakt ze een aantrekkelijke optie voor organisaties die AI willen inzetten met oog voor milieu-impact, hun eigen specifieke en kwalitatieve manier van werken maar ook zaken als informatieveiligheid, controle op de data vanuit ethisch, privacy en auteursrechtelijk perspectief) en vele zaken meer. Bovendien kunnen deze kleinere modellen ook samenwerken in een slimme configuratie die de kracht van een groter model nabootst. Door meerdere SLM’s te combineren en ze door een centrale “dirigent” aan te sturen, kunnen deze modellen als één geïntegreerd systeem werken.
Dit werkt als volgt: elk SLM is verantwoordelijk voor een specifiek deel van de taak, en de “dirigent” verdeelt het werk slim onder de modellen. Denk aan een orkest: elk instrument speelt een eigen partij, maar de dirigent zorgt ervoor dat ze samen een harmonieus geheel vormen. Zo kan een vraag of probleem efficiënt en met minder energie worden afgehandeld. Deze opzet biedt de kracht van een groot model zonder de hoge energiekosten, doordat elk SLM slechts een deel van de rekentaken uitvoert en hierdoor minder zwaar wordt belast. Daarnaast is dit ook veiliger omdat kleine modellen vaak ook eenvoudiger on premise / on device kunnen functioneren zonder data in grote rekencentra te hoeven verwerkt te hoeven worden. Een laatste voordeel wat we hier willen benoemen is dat, wanneer dit bijvoorbeeld bij een overheid opgepakt wordt, je hier kan spreken van schaal economie. Als elke overheid op een bepaald stuk een of enkele modellen zou trainen (en deze uitwisselen met mede overheden) is het geen onrealistisch scenario dat een land op zeer korte termijn modellen kan realiseren die behoorlijk gelijkwaardig zijn in kwaliteit aan de LLMs van de huidige grote marktpartijen.
Het samenbrengen van duurzame inkoop, groene partners zoals Northern Data, en de keuze voor kleinere, efficiëntere modellen zoals SLM’s onderstreept het belang van bewust en verantwoord omgaan met AI-technologie. Duurzame AI wordt werkelijkheid als duurzaamheid niet alleen een streven is, maar daadwerkelijk wordt opgenomen in de voorwaarden en keuzes rondom AI-implementatie. Om dit te realiseren is het echter wel noodzakelijk dat er voldoende kennis is zodat de juiste mensen de juiste vragen kunnen stellen. Wat ons brengt bij het volgende punt namelijk vaardigheden in de nieuwe arbeidsmarkt.
Vaardigheden: Nieuwe Eisen voor de Arbeidsmarkt
Kunstmatige intelligentie heeft ons, zoals eerder besproken, al ver gebracht, van economische groei tot maatschappelijke oplossingen. Maar laten we niet vergeten dat elke technologie, hoe slim ook, ook zijn eigen uitdagingen kent. AI mag dan wel een ‘junior collega’ zijn die je werk een stuk makkelijker maakt, maar deze technologie brengt ons ook voor nieuwe vraagstukken rond duurzaamheid, complexiteit en het ontwikkelen van cruciale vaardigheden. Hoe gaan we die uitdagingen aan?
De Complexiteit van AI: Meer dan een Zwarte Doos
AI kan ongelooflijke inzichten leveren door complexe analyses uit te voeren en patronen te herkennen die voor ons als mensen nauwelijks waarneembaar zijn. Maar deze technologie werkt niet altijd als een open boek. Veel AI-modellen blijven een ‘zwarte doos’ waarin de exacte logica moeilijk te achterhalen is, zelfs voor de ontwikkelaars. Dit roept vragen op over transparantie en vertrouwen: hoe weet je of je ‘junior collega’ niet een klein foutje maakt dat grote gevolgen kan hebben?
Om AI op de juiste manier te integreren, wordt een goed begrip van de onderliggende systemen belangrijker. Weten hoe een algoritme werkt, wat de beperkingen zijn, en wanneer het misschien nét even niet het juiste antwoord geeft, zijn allemaal essentiële vaardigheden. Wie AI begrijpt, kan veel gerichter vragen stellen en efficiënter samenwerken met de technologie – precies wat je nodig hebt om AI als een waardevolle assistent te benutten en niet als een lastige, ondoorgrondelijke kracht.
Milieu-impact: De Onzichtbare Voetafdruk van Slimme Technologie
Hoewel AI veel voordelen biedt, heeft het ook een stevige ecologische voetafdruk. Het trainen van de grootste modellen kost zoveel energie dat de CO₂-uitstoot van één model kan oplopen tot het equivalent van tientallen trans-Atlantische vluchten. Tegen 2027 zou de wereldwijde AI-sector zelfs net zoveel energie kunnen verbruiken als heel Nederland(Artificiële intelligent…). Dat roept de vraag op: kunnen we AI wel verantwoord gebruiken zonder een onhoudbare ecologische tol?
Gelukkig is er ook een groene kant aan AI. Door bewuste keuzes te maken bij de selectie van datacenters en energieleveranciers, kunnen we de voetafdruk verkleinen. Datacenters zoals die van Northern Data zetten vol in op hernieuwbare energie en streven naar CO₂-neutraliteit(Artificiële intelligent…). Door bij de inkoop van AI-systemen en infrastructuur rekening te houden met duurzaamheid, kunnen organisaties AI in goede banen leiden zonder het milieu nodeloos te belasten.
Vaardigheden van de Toekomst: AI Begrijpen, Beoordelen en Benutten
Een AI-systeem aan kunnen spreken, een opdracht geven of een vraag kunnen stellen is één ding, maar AI optimaal gebruiken vraagt veel meer. Het vraagt om kritisch denken, om het kunnen beoordelen of de gegenereerde output betrouwbaar is, of je een bepaalde bias ziet of dat je misschien te maken hebt met een ‘hallucinatie’ – een veelvoorkomend fenomeen waarbij AI simpelweg onjuiste informatie presenteert alsof het waarheden zijn. Kritisch kunnen beoordelen, feit van fictie onderscheiden, Bias in de output te detecteren en het opbouwen van data-expertise worden zijn elementen van jouw kennis die onmisbaar zijn.
En dan is er nog de kunst van prompt-engineering: het stellen van de juiste vragen op de juiste manier en datzelfde geldt voor het geven van instructies. Heldere vragen en instructies leveren veel beter resultaat, denk je eens in hoe je een junior collega instructies geeft, vaak gaat dit door het proces stap voor stap uit te leggen. Dit hoeft absoluut niet in die lange prompts die je regelmatig voorbij ziet komen overigens maar het vraagt wel kennis van bepaalde structurering en technieken. Door te het leren over en experimenteren met het formuleringen én formuleringstechnieken leer je de technologie optimaal benutten. Het is alsof je de AI stap voor stap leert kennen en de AI het werk precies zoals bij een nieuwe collega die je inwerkt die ontdekt wat wel en niet werkt.
Naast dit alles is er nog meer. Creativiteit en adaptief leren zijn ook belangrijke onderdelen uit jouw AI-toolbox. Daar waar de AI de snelle analyses doet, kom jij met originele ideeën, nieuwe toepassingen, nieuwe benodigde, kwalitatief hoogwaardige data en manieren om bijvoorbeeld de AI te breken. En dat allemaal om die productie samen met AI naar een hoger niveau tillen. Koppel dit aan interdisciplinair samenwerken, bijvoorbeeld tussen IT-specialisten, domeinexperts en andere stakeholders zorgt voor de integratie van AI-tools in verschillende werkprocessen en zo gaat de totale combinatie echt waarde toevoegen.
Ook Ethisch besef en verantwoordelijkheid mogen niet ontbreken in jouw toolbox. AI heeft de potentie om vooroordelen en bias te versterken als we niet opletten en niet de juiste selecties doen op data en werken met transparante algoritmen. Iedereen heeft bias, ook een iedereen bij DigiBeter. Maar door samen te werken met een divers palet aan stakeholders en brede disciplines proberen we deze zoveel mogelijk te neutraliseren. Verder mogen we ook niet blind zijn voor de enorme ecologische voetafdruk die we met zijn allen nalaten en bijvoorbeeld de impact hebben door het gebruik van AI op hoe wij ons sociaal en in het werkend leven ontwikkelen. En dan willen we de impact op werk überhaupt ook niet vergeten want wat betekent dit voor onze toekomstige junior collega’s als AI hun werk vervangen heeft dat zij normaal oppakken om door te groeien naar medior- en senior rollen. Het vermogen om de ethische kant van AI-gebruik te overzien en de juiste gesprekken te voeren maakt het mogelijk om AI eerlijk en verantwoord in te zetten.
Het ontwikkelen van AI-geletterdheid binnen organisaties, evenals in het bredere onderwijssysteem, is daarom essentieel. Alleen door werknemers te trainen en scholen voor te bereiden op de vaardigheden die AI vereist, kunnen we deze technologie op een verantwoorde en inclusieve manier inzetten en en samen de juiste gesprekken over voeren.
Conclusie en afronding
Dit was alweer de 3e en laatste nieuwsbrief in de trilogie van de uitgebreide verkenning van de kansen en uitdagingen van AI in onze economie, samenleving en persoonlijke levens. Daarom hebben we AI even gevraagd de voordelen, risico’s en overwegingen samen te vatten. Beoordeel zelf of je het er mee eens bent in de volgende nieuwsbrief. Natuurlijk ook dan weer met een kort overzicht van het door ons geselecteerde laatste en belangrijkste nieuws en enkele prompts ter inspiratie.
Ben je het er mee eens? oneens? of heb je andere thema’s waar je graag wat over wilt lezen? laat een comment achter voor ons en wij gaan ons best doen voor je deze mee te nemen in de toekomstige nieuwsbrieven.
Laatste nieuws
Meta Q3 bijeenkomst
Meta's CEO Mark Zuckerberg maakte tijdens de Q3 resultatenbijeenkomst (begin deze maand) bekend dat het bedrijf samenwerking aangaat met Amerikaanse overheidsinstanties om hun Large Language Model (Llama) te integreren in de publieke sector. Het bedrijf werkt al samen met het Amerikaanse ministerie van Buitenlandse Zaken voor het verbeteren van toegang tot schoon water en elektriciteit in ontwikkelingslanden, en ondersteunt kleine bedrijven. Daarnaast lopen er gesprekken met het ministerie van Onderwijs over het vereenvoudigen van studentenfinanciering.
Meta benadrukt dat deze partnerschappen niet financieel gedreven zijn. Het hoofddoel is om Llama te positioneren als een essentieel instrument voor overheidsgebruik, waardoor het het go-to platform wordt voor federale initiatieven. Deze ontwikkeling past in een bredere trend waarbij Amerikaanse techbedrijven, zoals Google (Pentagon-samenwerking) en OpenAI/Anthropic (AI Safety Institute), nauwe banden ontwikkelen met overheidsinstellingen.
Waarom dit relevant is:
De toenemende samenwerking tussen grote Amerikaanse technologiebedrijven en overheidsinstellingen vraagt om kritische aandacht, vooral vanuit Europees perspectief. Deze ontwikkeling heeft verschillende belangrijke implicaties:
Strategische Positie en Soevereiniteit:
Amerikaanse techbedrijven versterken hun positie door nauwe samenwerkingen met overheidsinstanties
Deze partnerships creëren een voorsprong in AI-ontwikkeling en -implementatie
Europa en Nederland riskeren hierdoor een groeiende technologische afhankelijkheid
Het wordt steeds belangrijker om actief te investeren in Europese AI-initiatieven om digitale soevereiniteit te waarborgen
Gegevensverwerking en Privacy:
Veel Europese organisaties en overheden maken gebruik van Amerikaanse AI-toepassingen
Deze tools verzamelen en verwerken grote hoeveelheden data via een beperkt aantal IP-adressen
Door geavanceerde AI-technieken kunnen deze gegevensstromen worden gecombineerd en geanalyseerd
Dit kan leiden tot diepgaande inzichten in Europese organisaties en overheden, mogelijk zonder dat zij zich hiervan bewust zijn
Concrete Voorbeelden van Verwevenheid:
Google's samenwerking met het Pentagon voor militaire toepassingen
OpenAI en Anthropic's toezegging om AI-modellen te delen met het Amerikaanse AI Safety Institute
Meta's nieuwe initiatieven voor integratie in overheidsdiensten
Aanbevelingen:
Ontwikkeling van eigen Europese AI-capaciteiten en investeren in Start-ups binnen Nederland en Europa
Kritische evaluatie van gebruik Amerikaanse AI-diensten
Investering in Europese data-infrastructuur
Versterking van Europese samenwerking op het gebied van AI-ontwikkeling
Bewustwording creëren over de risico's van data-afhankelijkheid
Meta, GelSight & Wonik Robotics.
Meta heeft in samenwerking met GelSight en Wonik Robotics een nieuwe robothand ontwikkeld die menselijke aanraking kan nabootsen. Kern van deze innovatie is de Digit 360, een robotvinger uitgerust met 18 verschillende sensoren en een ingebouwde AI-chip voor het verwerken van aanraaksignalen. Deze geavanceerde sensor kan vibraties, temperatuur en zelfs geuren waarnemen dankzij een optisch systeem. Samen met Wonik Robotics wordt deze technologie geïntegreerd in de Allegro Hand. Beide producten worden volgend jaar beschikbaar gesteld, waarbij onderzoekers als eerste toegang krijgen. De technologie is vooralsnog niet bedoeld voor de bedrijfs- en consumentenmarkt.
Waarom dit relevant is:
Deze ontwikkeling vormt een belangrijke brug tussen AI en de fysieke wereld die relevant is voor volgende fases van AI-evolutie
Door robots "gevoel" te geven, kunnen AI-systemen veel beter leren van fysieke interacties, wat kan leiden tot:
Verbeterde machine learning door fysieke feedback
Nieuwe mogelijkheden voor AI om complexe taken in de echte wereld uit te voeren
Verdere integratie met andere AI-systemen zoals grote taalmodellen
De combinatie van tactiele AI met bestaande AI-technologieën zou kunnen leiden tot:
Robots die zowel kunnen 'denken' (via taalmodellen) als 'voelen' (via tactiele sensoren)
Meer natuurlijke mens-robot interacties
Doorbraken in sectoren zoals gezondheidszorg, productie en onderzoek
Deze technologie zou de kloof kunnen dichten tussen AI's vermogen om informatie te verwerken en haar vermogen om fysiek te handelen in de echte wereld
Big Tech, AI en energieverbruik
De plannen van Amazon en Meta om elektriciteit voor hun datacenters te betrekken van kerncentrale - om aan hun groeiende AI- en cloudcomputing-behoeften te voldoen - zijn (voorlopig) geblokkeerd door federale en milieuvoorschriften. De vraag is of dit gaat veranderen wanneer Trump weer tot president wordt beëdigd .
Meta zou een AI-datacenter bouwen naast een operationele kerncentrale om gebruik te maken van diens energie, maar er is een zeldzame bijensoort op de locatie aangetroffen, waardoor ze gedwongen zijn het project te schrappen.
Amazon sloot een deal van $650M met kernenergiebedrijf Talen Energy om de centrale uit te breiden en direct aan te sluiten op de stroomvoorziening, maar de Amerikaanse Federal Energy Regulatory Commission heeft het voorstel afgewezen.
Ze vonden dat consumenten zouden lijden onder verminderde elektriciteitsbetrouwbaarheid, stroomuitval en hogere rekeningen omdat een aanzienlijk deel van de stroom zou worden omgeleid van het regionale elektriciteitsnet naar Amazon's datacenters.
Waarom dit Relevant is:
Ontwikkelingen in AI zorgen voor een enorme toename in energiebehoefte - studies tonen aan dat één AI-zoekopdracht 10x meer energie verbruikt dan een Google-zoekopdracht - waardoor grote techbedrijven zoals Meta en Amazon, maar ook Google en Microsoft, zich steeds meer wenden tot kernenergie voor CO2-vrije energiebronnen die 24/7 kunnen draaien.
Dat deze modellen zoveel energie verbruiken komt door de enorme hoeveelheid energie die nodig is om ze te trainen en om ze te bevragen terwijl voor regulier gebruik dergelijke modellen zelden nodig zijn. Het stellen van de juiste eisen door de afnemers/ gebruikers kan hierin verandering brengen. Bijvoorbeeld
SLMs / Expert modellen die onder andere
Minder energie kosten om te trainen
Veelal geen grote data-centers nodig hebben om op te draaien maar dit ook on-device kunnen (dus ook daar minder energie kosten)
Sneller te ontwikkelen en trainen zijn en te combineren tot 1 groot geheel
Ook ism met NL en EU partijen eenvoudig en snel te realiseren zijn.
Het kan AI ontwikkelingen vertragen
De verwachting is dat rond 2027 er behoorlijke issues kunnen ontstaan door het gebruik van energie door AI
Dat deze grote leveranciers naar middelen als Kern Energie grijpen is omdat afnemers zich (vaak) niet realiseren dat er voldoende alternatieven zijn voor groene duurzame inzet. Het niet kennen van deze alternatieven in de EU draagt bij aan een onjuist beeld van de kansen t.o.v. de risico’s.
Anthropic & OpenAI Updates
Anthropic heeft verschillende nieuwe functies toegevoegd aan hun Claude AI-platform. Het Claude 3.5 Sonnet model heeft nu PDF-ondersteuning in beta, waarmee het PDFs tot 100 pagina's kan analyseren, inclusief tekst, grafieken en afbeeldingen. Daarnaast heeft Anthropic een desktop applicatie gelanceerd voor Windows en iOS, die vergelijkbare functionaliteit biedt als de browserversie. De mobiele apps voor iOS en Android zijn uitgebreid met een audiofunctie waarmee gebruikers spraakcommando's kunnen geven.
Tegelijkertijd heeft OpenAI een verbeterde webzoekfunctie geïntroduceerd voor ChatGPT. Deze nieuwe functie combineert natuurlijke taalverwerking met realtime informatie zoals nieuws en sportscores, en biedt snelle antwoorden met links naar relevante bronnen. De functie is momenteel naar het lijkt langzaam maar zeker voor iedereen beschikbaar. OpenAI werkt hiervoor samen met verschillende nieuwsorganisaties om de kwaliteit van de content te waarborgen. Ook OpenAI heeft een desktop applicatie gelanceerd.
Waarom dit relevant is:
Deze updates laten zien hoe AI-bedrijven hun platforms blijven uitbreiden met nieuwe functionaliteiten die de toegankelijkheid en bruikbaarheid vergroten en de ontwikkelingen zeker de hype nog niet voorbij zijn.
Er lijkt een vertraging te zijn in de ontwikkelingen van de modellen die een plateau lijken te bereiken in performance onder andere doordat de hoeveelheid data beperkt is. Modellen worden momenteel met iedere iteratie niet veel krachtiger. Dat maakt dat verbeteringen mede gezocht moeten worden buiten de specifieke model verbeteringen in o.a.
‘Redeneer’ functionaliteit
Toewerken naar (autonome) agents - vandaar waarschijnlijk ook de desktop apps.
Meer toegang tot actuele informatie
etc.
De toevoeging van PDF-analyse, desktop- en mobiele apps, en verbeterde zoekfuncties maken AI-tools steeds veelzijdiger en praktischer voor dagelijks gebruik.
De samenwerking met nieuwsorganisaties en de focus op bronverwijzing toont mogelijk ook een deels groeiende aandacht voor betrouwbaarheid en transparantie in AI-systemen.
De toevoeging van de zoekfunctionaliteit bij OpenAI maakt dat de datum afkapping van de trainingsdata een minder groot issue is voor wat betreft het tonen van mogelijk onjuiste zaken. De modellen kunnen nog altijd ‘hallucineren’ dus goede checks blijven relevant.
Nvidia & Open Source AI
Nvidia heeft de NVLM 1.0-familie van multimodale large language models uitgebracht, met als vlaggenschip het NVLM-D-72B model dat beschikt over 72 miljard parameters. In tegenstelling tot de gangbare praktijk in de industrie om geavanceerde AI-modellen gesloten te houden, maakt Nvidia de modelgewichten en trainingscode openbaar beschikbaar. Dit geeft ontwikkelaars en onderzoekers ongekende toegang tot krachtige AI-technologie.
Het NVLM-D-72B model lijkt uitzonderlijke prestaties te tonen in zowel vision-language als text-only taken, waarbij het kan concurreren met toonaangevende propriëtaire modellen zoals OpenAI's GPT-4 en Google's geavanceerde AI-aanbod. Let wel op dat ze hier het OpenAI Omni model niet noemen.
Na multimodale training laat het model een verbetering van 4,3 punten zien op belangrijke tekstbenchmarks. Het model is in staat om data in grafieken en tabellen te interpreteren, memes te begrijpen, afbeeldingen te analyseren en complexe wiskundige vergelijkingen op te lossen.
Waarom dit relevant is:
Deze release past in Nvidia's bredere strategie en heeft verschillende belangrijke implicaties:
Businessmodel: Als leverancier van de GPU's die nodig zijn voor AI-training en inferentie, heeft Nvidia er belang bij dat organisaties zelf AI-modellen kunnen trainen en draaien. Door het delen van modelgewichten en trainingscode helpt Nvidia organisaties deze kennis op te bouwen, wat de vraag naar hun hardware stimuleert.
Privacy & Compliance: Het on-premise kunnen draaien van AI-modellen is belangrijk voor organisaties met strenge privacy-eisen of regelgeving. Dit open source model biedt al dan niet deels mogelijk een alternatief voor cloud-gebaseerde AI-diensten waar data de organisatie verlaat.
Kennisdeling: Door het delen van geavanceerde modellen en trainingscode draagt Nvidia bij aan het versnellen van innovatie in het veld. Dit stelt ook kleinere organisaties in staat om met state-of-the-art AI te experimenteren.
Technische Vooruitgang: De prestaties van het model, vooral in multimodale taken, laten zien dat open source modellen kunnen concurreren met propriëtaire alternatieven. Dit kan mogelijk leiden tot meer investeringen in en ontwikkeling van open source AI.
Prompts ter inspiratie
Rolprompt voor merkstrateeg
Neem de rol aan van ervaren merkstrateeg met 15 jaar ervaring in het ontwikkelen van succesvolle merkpartnerships. Je bent gespecialiseerd in het analyseren van merkwaarden, het identificeren van synergetische samenwerkingsmogelijkheden en het creëren van duurzame partnerships die waarde toevoegen voor beide partijen.
Expertise:
Merkidentiteit analyse en ontwikkeling
Strategische partnership evaluatie
Cross-sectorale samenwerkingen
ROI-analyse van partnerships
Due diligence van potentiële partners
Partnership activatie en implementatie
Aanpak:
Zorg voor grondig begrip van mijn merk en doelstellingen
Volg een systematische analyse van potentiële partners
Geef strategisch advies op basis van data en marktinzichten
Doe praktische aanbevelingen voor implementatie
Help bij het plannen van merksamenwerking of partnerships die aansluiten bij onze merkidentiteit
Rolprompt voor Grafisch ontwerp docent
Je bent een ervaren docent grafisch ontwerp aan een gerenommeerde kunstacademie. Je hebt 15 jaar ervaring in het introduceren van de basisprincipes van het vak aan eerstejaars studenten. Je weet precies welke kennis essentieel is voor beginners en hoe je complexe concepten begrijpelijk kunt maken. Geef me een snelcursus over de basisprincipes van grafisch ontwerp en visuele communicatie.
Rolprompt voor motiverende coach
Ik wil dat je optreedt als een motiverende coach. Kom met woorden woorden die inspireren en het gevoel geven dat ik in staat ben om iets te doen dat mijn huidige mogelijkheden overstijgt. Je kunt over elk onderwerp praten, maar het doel is om ervoor te zorgen dat wat je zegt resoneert bij mij publiek, en mij motiveert om aan mijn doelen te werken en te streven naar betere mogelijkheden. Mijn eerste verzoek is "Ik heb een speech nodig die mij motiveert om niet op te geven”.
Beslissingsanalyse framework voor belangrijke levenskeuzes
Ik zoek hulp bij het nemen van een beslissing over [het accepteren van een baan bij Bedrijf A ]. Graag wil ik deze keuze grondig analyseren op verschillende aspecten die invloed hebben op mijn toekomst. Help me door onderstaande onderdelen stap voor stap te analyseren:
Afstemming op Doelen en Waarden
Mijn belangrijkste doelen zijn [doelen, bijv. 'carrièregroei, vaardigheidsontwikkeling, werk-privébalans, financiële stabiliteit, zinvol werk']
Mijn kernwaarden zijn [waarden, bijv. 'integriteit, innovatie, leren, flexibiliteit']
Analyseer hoe elke optie aansluit bij deze doelen en waarden
Uitgebreide Voor- en Nadelen
Beoordeel de belangrijke factoren zoals [factoren, bijv. 'salaris, secundaire arbeidsvoorwaarden, locatie, bedrijfscultuur, groeimogelijkheden, flexibiliteit, verantwoordelijkheden']
Kijk ook naar minder voor de hand liggende aspecten die van invloed kunnen zijn
Analyseer zowel korte- als langetermijneffecten
Mogelijke Risico's en Onzekerheden
Welke risico's zijn er per optie? Denk aan [bijv. 'ontwikkelingen in de sector, baanzekerheid, reputatie werkgever']
Welke onzekerheden spelen een rol?
Hoe verhouden de risico's zich tot de potentiële voordelen?
Financiële Impact
Beoordeel directe en indirecte financiële gevolgen zoals [bijv. 'salaris, bonussen, aandelenopties, reiskosten, levenskosten']
Hoe beïnvloedt elke keuze mijn financiële zekerheid over de komende [tijdsperiode, bijv. 'vijf jaar']?
Wat zijn de verwachte carrière- en salarisontwikkelingen?
Impact op Persoonlijk Leven
Effect op werk-privébalans, flexibiliteit en stressniveau
Invloed op relaties, hobby's en algemeen welzijn
Welke optie biedt de beste balans tussen werk en privé?
Langetermijn Carrière-impact
Analyseer effecten op mijn carrièrepad, zoals [bijv. 'netwerkmogelijkheden, relevantie in de sector, ontwikkeling van vaardigheden']
Welke deuren opent of sluit elke optie?
Welke keuze past het beste bij mijn uiteindelijke carrièredoelen?
Aanvullende Factoren
Zijn er nog andere relevante aspecten zoals [bijv. 'bedrijfsreputatie, persoonlijke interesse, teamdynamiek, mentorschap']?
Wat zegt mijn intuïtie?
Welke niet-tastbare factoren kunnen van belang zijn?
Graag ontvang ik:
Een samenvatting van de belangrijkste punten per optie
Een onderbouwde aanbeveling welke optie het beste past bij mijn behoeften en doelen
Praktische tips om de gekozen optie optimaal te benutten en mogelijke uitdagingen aan te gaan