Transcribe your podcast
[00:00:00]

NPO Radio 1 podcast. Dit is een podcast van de algemene vereniging Radio Omroep, ook wel de Algemene of AVRO.

[00:00:13]

Ja Vennet, je luistert naar Niort kast, euh, gaat het vandaag hebben over jou? Euh, over je hoofd. En of dat hoofd om te zetten is in een algoritme. We gaan het hebben over het quanten brein. Wat is dat nou? Dat ga ik vraag aan Bert Kappen.

[00:00:27]

Die is hoogleraar neurale netwerken en machine intelligentie aan de Radboud Universiteit en ziet die met een heel eminent gezelschap wetenschappers onderzoek te doen naar kunstmatige intelligentie. Heeft dat maatschappelijke relevantie? Ja, ligt nog een eindje weg. Man doet fundamenteel onderzoek. Maar het is razend interessant. Ik moet je bekennen dat ik er weinig van afweet, laat staan dat ik het snap. We gaan ademloos luisteren naar Professor KAB.

[00:00:52]

We gaan het hebben over een nieuwe generatie, mogelijk een nieuwe generatie algoritmes. Ja, die uh, die gebruikmaken van euh, lerende processen op kwantum niveau. Dat is op heel fundamenteel materieel niveau, dus op de allerkleinste, op Atomium, op atomair niveau. Ja, maar dat is belangrijk. Ja, want omdat. Uhm. Omdat de algoritmes die nu gebruikt worden voor kunstmatige intelligentie heel veel energie gebruiken. En als we dit op quantum niveau kunnen doen, kan dat waarschijnlijk daarbij helpen om die omdat zeer veel energetisch gunstig te doen.

[00:01:23]

Ook interessant. Je gaat straks even met de bodem voor ons beginnen he. Gewoon weer even terug naar school gaan hebben ontzettend veel zin in. En ik kwam alleen citaten van Richard Feynman uit over Nobelprijswinnaar natuurkundige die zei Ik denk dat ik rustig kan zeggen dat niemand de kwantummechanica begrijpt. Dat vind ik weinig bemoedigend.

[00:01:41]

Sterker nog, als je beweert dat je het begrijpt, dan snap je het niet. Hoe gaan we dit doen?

[00:01:47]

We gaan bij de basis beginnen en we gaan zien waar het waar is. Gibson.

[00:01:50]

Mooi toch? Ja, ik vind het heerlijk dat het in dit programma gewoon kan. Ze kunnen wel wat met al die kleine nieuws feitjes. Goed. Ja, we zijn nu een paar minuten op weg in deze podcast. Je kunt natuurlijk afvragen is dit nu een onderwerp voor dokter Kelder? Gewoon, laat staan voor de publieke zender NPO Radio 1. Maar toch allemaal mensen met ja. Nou ja, goed, met een gemiddeld opleidingsniveau naar luisteren. Nee, dat is het niet.

[00:02:10]

Het is hopeloos elitair en daarom vind ik het juist zo aardig.

[00:02:12]

Ja, ik ga het hebben over het kwantum brein. En euh, die term die die appelleert aan kwantum en aan brein. En dat gaat eigenlijk over dat je wil proberen om euh. De manier waarop de hersenen werken. Wil je eigenlijk ook in in machines proberen bouwen, kunstmatige intelligentie? Dan moet ik misschien eerst iets van de achtergrond schetsen. Die kunstmatige intelligentie, die natuurlijk overal om ons heen. Er worden heel veel algoritmes overal gebruikt. Het is in zelfrijdende auto's en houtingen, maar wat minder bekend is, is dat dat.

[00:02:40]

Die kunstmatige intelligentie is enorm energie slurpende. Daar zijn estimates die zeggen dat dat de zelfrijdende auto, dat die waarschijnlijk meer energie kwijt is aan zijn computer gebruik dan aan z'n Ford of z'n voortstuwen laat gaan.

[00:02:54]

Een Bitcoin meinen of zoiets in een drama? Ja, en draaien ook. Als je dus goochelt is ook enorm. Dus 20 keer googlen is net zoveel energie als het euh verwarmen van een liter water naar koka temperatuur dus dat is enorm.

[00:03:07]

En dus daar willen we steeds een zeer praktische toepassing indient. Maar je weet heel vinden, maar we zijn daar nog lang niet. Ja, en het idee is dat je dus uh zoals nu computers gebraad gebouwd worden van van veenmos met me met me in bepaalde technologie zoals is. Een technologie is een is een is een silicium technologie waarbij waarbij chips gemaakt worden. Ja, je wilt eigenlijk uh na veel kleinere schalen om daar de berekeningen uit te voeren. En wat wij nu gedaan hebben is ik naar de meest fundamentele schaal.

[00:03:37]

Gaan we het meest vannuten naar de atomaire schaal te gaan? Maar waarbij we enkele atomen kunnen gebruiken om berekeningen uit te voeren?

[00:03:45]

En even wij. Is jouw vakgroep in op de Radboud?

[00:03:48]

Ja, samen in Samenwerk. Ik zit in Neuroscience Instituut van het Donders Instituut in Nijmegen en ik doe dit samen met met het Natural Sciences Instituut. Ook in Nijmegen, samen met mijn collega professor Alex Kantoortorens.

[00:04:00]

Ja uhm, ok, laten we. We gaan het opbouwen. Gaan even op de B op de bodem beginnen. We beginnen bij de nanoschaal. Ha ha ha. Waar starten we?

[00:04:09]

Dat is bij de nanoschaal dus wat wij? Wat wij? Uh, wat ik misschien moet. Waarbij moet beginners misschien even uitleggen wat indoorhal netwerk is? Ja dus een nogal netwerk bestaat als is een model van de hersenen. Zou ik een heel versimpeld model van hoe onze hersenen werken en er bestaat uit neuronen die verbonden zijn in een netwerk en in neuronen die die vuure die sturen sturen pulsen is uit in een netwerk. En die verbindingen die die activiteit die is de basis van alles wat wij doen.

[00:04:33]

Dat gaat over ons denken, over onze patroonherkenning, over over onze bewegingen die we maken. Dus alles wat we doen wordt met dat ze de hand werken gemaakt. Die netwerken, dat zijn structuren die verb waarbij de verbindingen zijn synapsen. En die synapsen zijn de lerende elementen. Dus als ik jou vandaag iets probeer uit te leggen, dan als ik daarin slaag. Dan gaan de bepaalde synapsen in jouw hoofd krijgen. Een ander goed argument. Als een experiment wat we nu aan het uitvoeren zijn, dan kijken we nou een hele domme presentator wat goed.

[00:05:03]

Ja dus zijn euh, de neuronen die die Vuure. Dat is die gaan die herkennen wat jij? Wat ik zeg. Die nemen op de taal die ik. Die ik spreek en dat gaat op de milliseconde schaal, ja en ik heb minstens 10 minuten nodig om jou iets uit te leggen. Dus die Synapse die veranderen op een veel langzamere schaal. En euh, dat dat veranderen van die Synapse is het leren. En wat wij nu in staat zijn is dat proces te kopiëren op atomaire schaal.

[00:05:29]

Dus we hebben een netwerk gebouwd met 7 atomen waarbij de drie zijn neuronen en die vuren snel. En die andere vier, dat zijn de synapsen en die veranderen in feite op langzame schaal. De verbindingen tussen die zelflerende structuur zelflerend structuur?

[00:05:46]

Ja, dat klinkt freaky. Of niet, want de mensen zullen meteen zich owja kunstmanen invliegen. Dat is iets wat ermee aan de haal gaat, want zichzelf gaat de. Dat is in zekere zin nog aan uitknop. Nou ja, daar zit natuurlijk een uit knop op was. Als dat geen energie meer krijgt, dan is het natuurlijk uit. Maar dat is in zekere zin is het net zo Frisii als de software. Het is alleen in potentie veel sneller en veel krachtiger.

[00:06:08]

Ja ja, ok. Dit is de basis. Uhm, door en dan.

[00:06:15]

Nou, dat is wat wij. Wat wij gedaan hebben is is een dergelijk netwerk maken en wat. Wat dat wat dat kan doen is dat dat euh. W wat? Wat eigenlijk de grootste winst is die wij gemaakt hebben is dat wij niet in staat zijn om dit leren. Dat leerproces aan te tonen dat dat op die chip gebeurt. Want er is al zoiets als euh, neuro morphin computing. Dat bestaat al heel lang. Je kan dus chips bouwen die uh die je uh kan leren om bepaalde taken uit te voeren op bijvoorbeeld patroonherkenning.

[00:06:42]

Die kan je dan implementeren in in auto's en die doen aan slimme dingen daar. Dat bestaat al, maar dat leren in dat soort systemen gebeurt altijd. Wat heet of chip? Dus je hebt een conventionele computer nodig om het leren voor mekaar te krijgen en dan de naam wordt het geleerde. De geleerde richtte de Synapse wordt dan geladen op de chip. En dan is er klaar. En dan leert het niet meer wat wij in te staat zijn. Hebben laten zien is dat we dus op die in dat materiaal zelf kunnen leren.

[00:07:07]

Dus dat is een enorme euh. Dat is een enorme vooruitgang. Het tweede is dat we dus nu de potentie hebben om een neuraal netwerk te maken op atomaire schaal en dat dus in potentie energetisch enorm euh, enorm veel uh euh, enorm veel goedkoper kan zijn qua energiegebruik. Energie bespaard. Dus als je dus vergelijk bijvoorbeeld. Uh, het is mis. Je kent misschien wel het euh, de. De toepassing van de Nergal netwerken van uh uhm van DeepMind.

[00:07:35]

Met met uh. Met uh met Cohen en AlphaGo. Daar en daar speelt de mens tegen een machine en een machine die het beroemde.

[00:07:44]

Wat is het Japanse spel Goro?

[00:07:46]

Nou, dat kent iedereen. Ja, dat euh. De computer is een is een soort bordspel.

[00:07:53]

Hoe noem je dat uit? Ja ja, het is eigelijk een bordspel waarbij je eigenlijk een bord van voor mij 19 maar 19 hebt en dan kan je de zwarte en witte steentjes harder opzetten. En het is veel moeilijker dan schaken en moeilijker om twee redenen. Eén is omdat je bij schaken kan je bij elke zet kan je ongeveer 20 mogelijke keuzes maken. Bij Go! Kan je iets van 300 maken en dat gaat exponentieel. Dus dat gaat enorm. Veel zaken is de computer al lang de baas en we schakelen doet de baas.

[00:08:17]

Dan kan je met alles uitrekenen en bij Go! Kan je alles niet uitrekenen. Dan heb je lerende algoritmes die al een stuk slimmer. Ja ok. Maar als je dat als je dus dat computer algoritme gebruikt bekijkt vergeleken bij de mens, dan gebruikt die computer die gebruikt. Euh, dat zijn die eng. Een computer gebruikt ongeveer een uur een kilowatt aan aan energie. Als je dus duizend nodig hebt en dan heb je er ongeveer en heb je dus een megawatt aan energieverbruik.

[00:08:37]

Dat mensen vergelijken bij de mens. Die gebruikt 25 watt. De dus n schemes lampje. De mens. De mens is zo slim eigenlijk he? Ja, dus we willen allemaal Dyneema nabouwen, maar de mens is veel superieur. Der schepping is niet te verslaan.

[00:08:49]

Het is ook. Natuurlijk. Het is een zoektocht om proberen dit soort technologie na te bouwen omdat we er mooie dingen mee kunnen doen. Maar het natuurlijk ook een manier om te proberen te begrijpen hoe wijzelf eigenlijk in mekaar zitten. Of euh, onszelf werken. En dat is eigenlijk één van de dingen waar ik ook eigenlijk al heel lang mee bezig ben.

[00:09:08]

Dat omdat jij bent zelf in je. Ik ben eigenlijk in het interview vergeten te vragen bij het kappen. Geef nou eens een heel scherp voorbeeld, waarbij ik kan zien dat eigenlijk die kwantum technologie en die de dat kwantum brein waar ze nu mee bezig gaan nog tekortschiet om bijvoorbeeld een heel mooi huis te bouwen. Ik ben dol op architectuur. Waarom vind ik nou een huis van de ene architect wel mooi en van de ander niet? Kun je dat terugbrengen tot tot euh.

[00:09:32]

Logica tot formule? Ja, ik hou van misschien ronde vorm of vrouwen, niet van mij. Je hebt iedereen zijn eigen smaak natuurlijk. En dan is kwaliteit nog iets veel ingewikkelder, want kwaliteit zou helemaal niet objectief te definiëren. Want behalve dat er steensoort voor mij part stevig moet zijn, maar dat is toch uhm. Ik kom er niet helemaal uit. Ik denk dat als A als de conclusie is van de computers, dat dat laatste stapje van machine learning dat je dus eigenlijk die computer niet zover krijgt, dat die het verschil tussen voor mijn part wat Rem Koolhaas als architect dan net een klein stapje verder zet dan je met computertechnologie zou kunnen.

[00:10:09]

Dan vind ik dat een geruststellende gedachte, want dan blijft een mens toch de bovenliggende partij.

[00:10:13]

Ik al heel lang mee bezig ben. Dat omdat. Jij bent zelf in je carrière wel een ujm. Je hebt wel een bocht gemaakt. Je bent ook tot nieuwe inzichten gekomen. Ik begrijp dat je oorspronkelijk veel. Wat ze dus in jouw vak noemen en het materialisme aanhing.

[00:10:27]

Ja, leg uit, want jij hebt eigenlijk ook een nieuw inzicht krijgen aan de hand van het lezen van een boek nota bene.

[00:10:32]

Ja ja dus ik. Nou ja, dus dat de. Dus ik ben zelf een van de redenen dat ik zelf die kunstmatige intelligentie euh ben gaan studeren is dat ik eigenlijk zelf wilde begrijpen hoe ik zelf werkt en hoe deze bovenkamer van mij eigenlijk hoe dat eigenlijk werkt, of ik dat in wiskundige termen kan begrijpen. En daar ben ik dus zo'n dertig jaar mee bezig, gewoon. En eigenlijk is het is de slotsom dat euh, ik heb eigenlijk alle wiskundige theorieën die je daarvoor kan gebruiken.

[00:10:54]

Heb ik wel eigenlijk bestudeerd? En de slotsom is eigenlijk dat je daar niet helemaal uitkomt. Je komt tot wel een heel eind. Je kan begrijpen hoe je een robot iets kan oppakken ofzo of dat je iets anders kan herkennen. Maar de de de de IQ ervaring en de bewustzijn van waarom en en heel veel dingen die wij mooi vinden in realiteit is smaak, tijd, kwaliteit waar tijdelijke begrippen die dingen. Het is eigenlijk niet goed te begrijpen hoe je dat in zo'n computer algoritme bevat en en de d de de.

[00:11:21]

De G. De meeste wetenschappers die die die erkennen dat eigenlijk wel en die zeggen van jou die ze. Die komen eigenlijk een beetje tot de conclusie want bestaat niet. Dat bewustzijn bestaat niet, want we kunnen niet in materieel materie vatten. Dat is echt bij de.

[00:11:33]

Bij de oudere natuurkundige. Als het niet rationeel te verklaren is, dan bestaat het dus niet. Dan ben jij toch een stap verder?

[00:11:39]

Jij las het boek Zen en Jardins motorzaak om management. Een beroemde titel 19 70, meen ik. En dat heeft alles veranderd voor jou. Jij bent geen over-the-air materialisme.

[00:11:49]

Ja, dus dat boek dat hij dat euh. Dat gaat niet over zijn overigens. En dat gaat ook niet over motorzaak of maintenant. Nee, het gaat over geen van beiden. Het gaat. Het gaat. Het is een de met de fiscus of polletje. Hier gaat het over hen. Euh, de hoofdpersoon die is. Op een gegeven moment beschrijft een docent Engels die een groep studenten moet leren om hun creatieve teksten een goede tekst te schrijven. En die is gefrustreerd.

[00:12:10]

Met al die brouwsels die studenten produceren en die vraagt zich af van. Zou ik nou een regelsysteem kunnen verzinnen? Een set regels dat als die studenten die die gaan uitvoeren, dat ik dan automatisch een kwalitatief goede tekst krijg? Dat vraagt hij zich af. En het antwoord daarop is natuurlijk nee. Dat kan ie niet. Dus hij komt tot de slotsom dat er zoiets bestaat als een kwalitatief goede tekst. Niemand zal dat ontkennen. Zoiets is er gewoon. Maar hoe kom je er?

[00:12:34]

Maar hoe kom je daar? Dus je hebt dus iets wat wel bestaat, maar wat niet met een regelsysteem te vatten is? En dat kan de mens dus beter dan voorlopig het algoritme.

[00:12:42]

Ja, en weet je wat ik nou het mooie vind van Bert? Kappen is dat die eigenlijk als Materialise begonnen is zoals de meeste visie fysici dus eigenlijk heel rationeel reductionisme zoals hij dat noemt en uiteindelijk door het boek te lezen en Zennehart of motorzaak Motorcycle Maintenance toch een soort nieuw inzicht heeft gekregen. En het geruststellende réunis is dat uiteindelijk de mens toch zo complex in elkaar zit. En dromen. Uh, zachte waarden. Uh, niet kennelijk nog in een algoritmes maak zijn te verwerken.

[00:13:13]

Is dat stapje? Moet die technologie nog gaan maken? Dat kunnen ze gewoon niet met die algoritmes. En als je je dan realiseert dat die fantastische technologie die ze in die chips gooien zoveel energie kost, terwijl de mens dat eigenlijk? Ja, met heel weinig inspanning gewoon eventjes met onze eigen grijze bolletje kunnen doen. Dus die mensen het best wel goed in mekaar. Dus al die mensen met die 140 40+ Iguazú, die zijn nu aan sleutelen om een uiteindelijk chiptechnologie voor mekaar te krijgen die de intelligentie benadert van een mens, maar niet zo slim is.

[00:13:46]

En er zit gelukkig. En dat vind ik wel een geruststelling op nog steeds een knop aan. Dus als je de stroom eraf trekt houdt het op. Want we zijn toch allemaal een beetje bang van robotjes die per onszelf gaan aanvallen.

[00:13:57]

Dus beter dan voorlopig het algoritme. Ja, en dus dicht fietsen denk je nou nog niet snel. Maar ik ga er wel mee bezig. Ja gaan ik? Euh, dus ik. Ik ben. Uhm. Uhm.

[00:14:11]

Want dat gaat ook over schoonheid. H schoonheid is ondefinieerbaar. Of is het toch uiteindelijk in jouw woeste algoritme te vatten? Nou ja dus.

[00:14:20]

Dus de het is een van de poging dus en een een mogelijkheid is dat. Kan je dus dat dat regelsysteem? Dat is heel erg geregeld op Uhm op op. Op rationaliteit en dus in de rationaliteit. IS heeft heel veel te maken met ons redes reductionisme Ayse wereldbeeld dus wij. Als we iets willen begrijpen haal je het allemaal in onderdelen uit mekaar en zeggen als nou om al onderdelen begrijpen, we kunnen het samen maken. En ook de AI is op dit moment is die zo eigenlijk.

[00:14:43]

Die maakt eigenlijk die zegt Van. We maken een Ajit systeem als een soort ingewikkelde machine en wij als mens zijn eigenlijk een soort ingewikkelde machine. En dan kom je dat dus toch eigenlijk tot de slotsom dat wij eigenlijk een soort robot zijn en dus ook eigenlijk heel erg. Euh ja euh. Niet leuk.

[00:14:58]

En Maaseik. Fijne conclusie van jou. We zijn niet meer dan robot. We volgen daar iets aan toe wat nog niet helemaal te vatten is. Althans niet te vatten is in dat denk ik wis en natuurkunde energie dus inhoud terug te komen naar de kwantum brein. Dus die kwantummechanica die. Die is eigenlijk die zegt de wereld is niet reductionisme is dus dat is. Dus als ik dan een deeltje heb, dan kan ik normaal denken wij. Als wij iets hebben, dat heeft een eigenschap dat bestaat die eigenschap als een kleur of een vorm die bestaat los van de omgeving, dan heeft dat eigenlijk een deeltje.

[00:15:25]

Heeft dat. Zo kunnen we de wereld opdelen in delen. Maar die kwantummechanica laat zien dat dat niet zo is dat alles met elkaar samenhangt. En een mooie analogie daarover is 1. Is van euh. Van David Boom, die de bekende natuurkundige die in de jaren 50. Zij die al van. Er is een analogie met tussen de kwantummechanica en de werking van de hersenen of de denkprocessen eigenlijk. Dus als ik aan jou vraag van. Denk je aan, dan ga jij.

[00:15:50]

Ik denk dat de tijd nu maar goed. Dan ga je denken en dan ga je denken aan aan aan mijn vraag en daarmee voor stoor je eigenlijk je eigen denkproces en is op die manier. Euh. Euh, vooral dat de de meeting van de werkelijkheid die je probeert te meten. Nou, dit ingewikkelde verhaal proberen we dus nu euh. Uit dat uitholt reductionisme een automatisme te komen om een nieuwe generatie.

[00:16:13]

Ik kom nog even terug, maar even maak van een stijgende vraag stellen. Ja, wat ik me afvraag. Ja. En daar komt een vraag van dokter Marc van Ostaijen, schrijver van het boek Wij zijn ons bestuur socioloog. Euh, voor de fysicus. Stel je de vraag stellen ja wat ik me afvraag wordt.

[00:16:27]

Je zou het niet mogelijk zijn dat dat wat jij niet kan begrijpen dat je dat veel meer kan halen uit euh ha. Ook over gesproken over lerend vermogen, over bij de alfa en de gamma wetenschappen en bij de kunsten. Uhm. Beroemde sociologie. I am Abram de Swaan heeft ooit gezegd over neurowetenschappen. Lijkt een beetje alsof je op het Spui staat hier in Amsterdam. Kijk naar de universiteitsbibliotheek is s nachts en je ziet een paar lampjes branden. Dan weet je dat er iets gebeurt in de sectie geschiedenis.

[00:16:53]

Je hebt geen idee wat voor zingeving en betekenis schepping daar aan daar plaatsvindt. Dus heb jij niet veel meer aan ons type wetenschap?

[00:17:01]

Ik denk het wel. Ik denk het wel, dus ik denk dat die die buiten wetenschap die heeft. Dus. Die heeft traditioneel zeggen with better wetenschappers alles. Euh, dat alles in formules valt is. Dat is eigenlijk het paradigma van de berte wetenschap er van. En alles wat er niet in hoeft te valt is dat bestaat dus per definitie niet in de beta.

[00:17:16]

Ja, dat is dat. Dat is eigenlijk een denkend en en eigenlijk moet je dus erkennen dat de wereld meer bevat dan wat wij in formules kunnen bevatten. En daar komen dus literatuur en kunst en. En al die alfa wetenschappen komen daar om de hoek kijken.

[00:17:29]

Zeker werd dit is dit breder in. In een fysica nu gaande dat je zegt ik heb heel veel collega's wereldwijd die op dit spoor zit. Ook zitten jullie op de Radboud daar wel in. Een mooi klein Sektioui die dat zelf aan het uitsluiten is.

[00:17:42]

Nou, ik denk dat je dus moet onderscheid maken tussen deze deze net cpp. Wat we nu hebben met een publicatie in Nature. Die mensen? Ja, en dat is. Dat is denk ik heel uniek. Dus wij zijn de eerste die dit uh zo'n legal netwerk op aktueel schaal laten zien. En ik maar denken het is wel inspirerend voor mensen in de rest van de wereld om daar ook naar gaan kijken.

[00:18:00]

Er zijn daadwerkelijk wel de eerste, maar ik probeer alvast voor te sorteren op een Nobelprijs. Fenotype volatieler. Ik weet dat jij daar nooit iets over kan zeggen en bovendien is dat dan ook allemaal nog veel te vroeg om toch even terug gewoon de hersentjes.

[00:18:17]

We weten verdomde weinig.

[00:18:19]

We weten heel weinig over. Ja, dat is euh, tussen de mensen.

[00:18:23]

Je bent meer dan dertig jaar bezig en weet eigenlijk nooit. Je weet meer dan wie ook nog steeds met weinig. Niet genoeg. Ik weet het niet. Ja ja.

[00:18:33]

Frustrerend? Nee, uitdagend, uitdagend. Ja, maar dit idee is dat je dus dat dat klanten processen in de hersenen rollenspelen is. Eigenlijk heel controversieel eigenlijk. Er zijn eigenlijk is bijna niemand die dat gelooft, want het is het standaard argument is dat dat in kwantum processen dat die alleen maar bij hele lage temperatuur werken en bij kamertemperatuur zoals onze hersenen 37 graden is veel te veel ruis. En al die klanten processen, die gaan allemaal kapot en ook dat werkt niet.

[00:18:59]

Dus je hebt nog veel collega's in. Die zeggen eerst zien, dan geloven.

[00:19:02]

O ja, ja, de meerderheid ja. Maar er zijn wel aanwijzingen dat klanten processen een rol spelen in. In de biologie dus wel. Bij kamertemperatuur is bijvoorbeeld er zijn ideeën dat dat het magnetisch kompas van vogels dat dat op kwantum effecten gebaseerd is en ook fotosynthese. Dus er zijn wel dergelijke aanwijzingen, maar we weten in een AD veel te weinig daarvan af.

[00:19:21]

En dat blijft een zoektocht die dat hele fundamentele onderzoek wat jij nu nemen echt doet. Hoe dat? Dat moet uiteindelijk leiden tot in feite minder energieverbruik. In chips zeg ik het even in mensentaal. Nou, dat heeft natuurlijk grote voordelen voor de wereld, maar dat stapje ga jij niet zetten. Dat gaan anderen doen op. Geef jij dat af? En dan gaat een bedrijf of een instantie gaat daarmee aan na. Precies?

[00:19:40]

Hoe ver ben jij? Denk je van dat moment af dat het echt toegepast wordt?

[00:19:44]

Ik denk dat dat wij over een jaar of tien wel dergelijke. Dus dit want dit soort systemen die we hebben we nu met zeven atomen. En dat wordt gedaan door het in de groep van Alex grafentheorie en in een Schenning zogenaamde scanning tunneling microscoop. Dat is een heel speciaal apparaat waar je maar een hele kleine samples kan gebruiken. Maar op een gegeven moment kan je als je dit aantoont kan je dit in materialen met miljoenen euh atomen. Kan je dit, kan je dit opschalen, maar daar heb je dan.

[00:20:10]

Dat moet al aangetoond worden en dan moet het dus. Daar moet geïnvesteerd worden. Dus dat moet toch veel onderzoek voor gebeuren die middelen?

[00:20:16]

O weg, kan je dat in Nederland doen of moet je echt daarvoor?

[00:20:18]

Nee, nee hoor, dat kan je in Nederland doen. Dat het land juist goed om te horen toch? Ja ook. En kunnen we dan uiteindelijk ook het allrounden bij de Belastingdienst iets scherper stellen? Die is praktisch. Nou ja, als je een lerend algoritme voor de Belastingdienst zou willen. Ik dacht dat je misschien de regel gebaseerd met de politie sowieso niet vervangen door een algoritme.

[00:20:37]

Is dat niet veel handiger? Maar goed, er zijn dus misschien nog wel een beetje mee bezig. Ik dank je zeer naar het happend professor voorwaarts en ik. Ik wacht die Nobelprijs wel weer af, maar het zal even duren. Dank voor nu.

[00:20:50]

Tot zover even te experimentje met professor Bert Kappen en hoogleraar neurale netwerken machine intelligentie. Is dit nou een gesprek dat jullie aardig vinden dat ons verder helpt dat ons aan het denken zet? Nou ja, laat het weten. Gaarne. En ik vond in ieder geval een ja, een mooie ontmoeting. En ik heb nog heel veel te leren.

[00:21:11]

En dan nog even dit wat natuurlijk de laatste keer in een hele uitgebreide podcast van meer dan een uur met de Premier Mark Heavily. En hoe hij politiek bedrijft heeft dat niet helemaal als cursussen opgezet. Dit moet je wel, dit moet je niet doen. Maar er zat een hele mooie passage in die rector Milo de podcast redacteur heeft moeten schrappen omdat we anders anderhalf uur waren doorgegaan.

[00:21:33]

En het ging eigenlijk over euh, Ruttes liefde voor de piano.

[00:21:38]

En dan in dit geval de pianist Horowitz. En hij doet er eigenlijk met zijn interessante bekentenis. Hij is ooit wel aangenomen of althans toegelaten tot conservatorium en hij zat op het Maerlant Gymnasium in Den Haag en kon toen net conservatorium speelde veel piano, gaf ook.

[00:21:55]

Ik gaf het echte leven. Toen nog was afbijt piano. Les die niet, dan gaf me allemaal leerlingen. Dat herinner ik met hem.

[00:22:00]

Praat over eind jaren tachtig, maar hij dacht ik moet toch geen pianist worden? Want ben ik wel goed genoeg om solist te worden?

[00:22:06]

Hij is natuurlijk een solist in de politiek, maar solist in de muziek. Dat kon je waarschijnlijk niet worden.

[00:22:12]

En er zijn die dit over. Ja ik. Ik zit altijd weer helemaal in OVAM van. Het komt er misschien wel goed met de mensheid. Als je de kwaliteit van de muziek en de kwaliteit van die pianisten. Ja, dat kunnen wij dus als mensen ook na al die lelijkheid van oorlog en geweld en ja, armoede die er in de wereld is hebben we ook met z'n allen Bach voortgebracht. Rembrandt. En ja, het geeft een enorm gevoel van wat je de week.

[00:22:37]

Het komt goed, soms ook wel als je de buiten voor hebt.

[00:22:40]

Ik ga niet zo gauw huilen van muziek, maar ik worden wel euh.

[00:22:42]

Ik worden heel rustig en blij van ja en ben je ook een beetje jaloers. Polen weet ongelooflijk dat een Suruç mijn hoop geweest en droom dat ik minister was geworden. Ja ja is dat. Is dat? Euh. Hovingen dan politicus? Ja, vind ik toch wel? Ja, dat zou ik. Dat vind ik wel een. Een uitvoerend musicus, dat is voor mij. Was laatst die prachtige documentaire over Haitink. De BBC documentaire die wordt uitgezonden Het uur van de Wolf, begin januari.

[00:23:07]

Die domme Terris had vorig jaar zijn afscheidstournee met het Radio Filharmonisch, maar ook met het Wiener Philharmoniker. En daar speelt hij de zevenen van Bruckner. Het gaat over zacht spelen en dan zie je die musici die zeggen ja, we spreken de negentigjarige Haitink die niet met pensioen is, maar met z'n better call.

[00:23:26]

Ik denk later was het Valentín misschien toch met pensioen ging. We hopen natuurlijk dat de superterrorist dat ie gewoon terugkomt. We hebben er ook nog eens in. York en euh, dance en een praatje die dan is er een pianist en die laat een klein stukje horen uit de pastorale symfonie van Beethoven. En dan zegt je kijkt naar wat. Wat Haitink hier doet met dat grote orkest. Hij versnelt iets, hij vertraagt iets. En toch komt het uiteindelijk precies weer goed uit.

[00:23:49]

Dit is meesterschap. We zijn over hondenasiel De zeer grote pianist, luisteren naar deze grote dirigent en dat is zo.

[00:23:56]

Ja, dat vind ik zo.

[00:23:57]

1, 1 en 3 mei over 100 jaar zijn er dan meer mensen die zich Horowitz 1 in Nederland herinneren en jou zeker? Ja hoor ik het wel zeg. Ja, echt wel. Het lijkt het is Auwers heeft natuurlijk een iets iets heeft een monument voor de. Soms ben ik wel eens bang dat je over honderd jaar nog steeds premier omdat je maar jonger jonger wordt en nooit weggaat. Ja, en of die maar beter pianist had kunnen worden. Laat ik in jou.

[00:24:23]

Wie zitten daar wel mooi mee? Nu met de politicus die zulke handige vingertjes heeft. Tot ze over blijven denken blijven luisteren.