Hij Lukáš hier. We hebben iets nieuws en dat is de NRC Audio App. Daarin kun je podcasts ontdekken en beluisteren en je vindt er een aantal unieke podcast die gemaakt zijn door NRC, zoals Cocaïne, Akoord Figuur Fairs en De Post. Download nu de app.

Welkom Wij zijn onbehaarde apen.

Dit is een podcast van NRC over wetenschap met. En vandaag wil ik jullie graag aan iemand voorstellen. Anarchisme Einmal Roobaert thinking Roobaert Agusan is europroject Wanty percent. Maar ik had net heb. Ik heb A-serie, inma Amico. Rabaa in de respekt en dan met mijn Brianne is na en viel Ringbahn. Dit is kippenboer. Opmerking Rational Lyrical Decisions. Hij had mijzelf A-rating, hij neusjes bij Riding the internet en Nelca in rijtest. Kan mij Brenet is buying wat hij deed.

Dit is het begin van een collum die in de Cartan heeft gestaan en die is niet geschreven door een mens. Maar ja, zoals ze zelf vertelde door een algoritme door een robot, door GPPT 3. Een algoritme dat nogal veel stof heeft doen opwaaien omdat het iets deed en iets kan wat lang voorbehouden leek aan mensen, namelijk gewone spraak genereren, gewone taal woorden en zinnen die ergens op slaan en dus ook een opinie stuk schrijven dat in The Guardian is gepubliceerd over GP3 en over wat dit betekent voor kunstmatige intelligentie en hoe we omgaan met computers algoritmen gaan we het vandaag hebben.

En daarom is in de studio aangeschoven.

Bennie Mols Dankjewel Lucas. Het grappige is dat jij stuurde. Een idee om iets over GP3 te schrijven, ongeveer een week voordat dat in The Guardian stond. Uh, waar had jij die j. J. Jij was aldus al opgewonden voordat de rest van de wereld opgewonden raakte en in. En hoe kwam dat na afgelopen mei? Hebben de onderzoekers van het bedrijf tot GPLv3 heeft gemaakt. Dat bedrijf dat hij het die publiceerde toen een wetenschappelijk artikel. En daarna zag ik in diverse media en op fora vooral over kunstmatige intelligentie zag er al behoorlijk wat opwinding ontstaan.

En uhm, nou ja, dat ging eigenlijk de hele zomer door. In juli augustus zag ik zag ik daar allemaal stukjes over verschijnen en ik vond het gewoon buitengewoon interessant om te kijken wat die grijpen de drie nu nu wel kon. Wat andere computers volgen hebben de drie helemaal niet konden.

En in de studio zit ook Marc Hijink, tech redacteur bij NRC. Wanneer hoorde jij voor het eerst over GP3? Bij mij was de aanleiding wel het stuk in The Guardian en euh, vooral het stukje wat er onder stond. Iedereen was heel erg onder de indruk van dat een robot zo coherent verhaal kon schrijven, maar aan de andere kant. Dat was ook nog wat behoorlijke menselijke interactie nodig om er een leesbaar verhaal van te maken. En ja, dat vind ik een heel leuk spanningsveld.

Wat doet de computer? Wat doet een mens en wat schieten we daar mee op?

Voor mij voelt het wel een beetje vergelijkbaar met zo'n moment als we ook hadden met Kasparov in die ploeg, dat die ineens goed bleek te kunnen schaken. Dit is wel het moment dat in het publieke bewustzijn een beetje doordrong van OK. Blijkbaar zijn algoritme in staat om steeds diegene die tegenwoordig ja ja, hoe komt dat dan? Ik denk dat dat vooral komt omdat scheepte 3G een een behoorlijk multifunctioneel karakter heeft, want we hebben het nu over het schrijven van een C.

Maar hij kan ook een een stukje van een gedicht maken of een een beginregels van een liedje afmaken. Hij kan vraag beantwoorden, terwijl eigenlijk alle talige machines die wij tot nu toe hadden. Die konden n dingetje heel erg goed goed een stukje vertalen of goed een stukje tekst samenvatten of goede nieuwsberichten genereren. En deze, die laat een soort intelligentie zien, een soort glimp van een iets algemenere intelligentie dat hier veel meer talige dingen kan. Aan de ene kant giet je er een beetje koud water op, want mensen moesten het algoritme nog wel een beetje masseren en de de goeie snippers eigenlijk uit te pikken en aan elkaar rijgen.

Dit is niet helemaal door het algoritme geschreven en tegelijkertijd is die opwinding ook wel een beetje terecht. Jazeker, ja, nee, absoluut dat he. Dat had ik zelf ook wel. Wat ik net al beschrijf dat dat meer multifunctionele karakter had. Dat hebben we voorheen helemaal niet gezien. En ok, je moet je. Je kunt zelf met voorgangers van grijpen. 3. Kun je zelf een beetje spelen en dan kun je ook zien als je zelf experimenteert.

Dan af en toe krijg je ontzettend leuke en soms grappige zinnen en af en toe slaat het helemaal nergens op. Dus je moet er als mens nu wel nog een beetje solt curator bij spelen. Ja, ben ik. Ik kan toch niet bij GTP 3? Ik heb het geprobeerd. Ik heb gezocht, maar dat lukt niet. Waarom? Waarom is dat? In mei werd er een wetenschappelijk artikel gepubliceerd over grrt 3. En meteen daarna zijn er een aantal maanden geweest voor eigenlijk iedereen gratis mocht experimenteren met GPL 3.

Maar het liep al snel storm, dus proesten al snel. Ze hadden al heel snel een wachtlijst. Ik sta ook op die wachtlijst nog steeds. Ik denk niet dat ik dat kan gebeuren. Dus de vraag werd te groot. Hebben ze gestopt en vervolgens zijn ze bezig om mee te gaan commercialiseren. En dat is eigenlijk waarom nu je niet zomaar met griep beta 3 kunt, u kunt spelen en wel met zijn voorganger GP2. Overigens moet ik erbij zeggen dat GP2 is best goed en werd afgelopen december door het blad die columnist ook al gebruikt om een UH, een c te maken over de toekomst van kunstmatige intelligentie in 2020 en in in die context vond ik ook een podcast over Medi heeft ook een hele leuke aflevering.

Maakt waarin ze eigenlijk de inhoud van de aflevering zelf hebben laten genereren door GPPT. 3. Ik denk dat het ook in Nederland heeft dat wel veel veel enthousiasme losgemaakt. Maar wat ik graag in deze aflevering met jullie zou willen doen is een verkennen waar dit algoritme eigenlijk vandaan komt. Ook hoe het onder de motorkap werkt. En toch ook al een beetje een een verder in de toekomst kijken om te zien waar dit uiteindelijk allemaal heen zou kunnen gaan. En omdat dit algoritme nou zo goed is in het genereren van taal talen zoals je zegt Benny ook met vrije opdrachten.

Best wel goed te werken. Hebben we eigenlijk nog een extra gast. Dat is de voorganger van GPRT 3, dat GP2 2 en die hebben ook wat vragen gesteld. En zoals jij al aangeeft ben ik heb daar ook een beetje in. Ik heb soms een vraag 3 keer gesteld zodat ik het mooiste antwoord krijg. Mijn eerste vraag is hoe dat genereren van natuurlijke spraak van natuurlijke taal eigenlijk verbeterd is door de jaren heen.

Ik denk dat het veel beter is geworden op drie manieren. De eerste is het gereedschap dat meer complexe zinnen kan bouwen, of complexe alinea's en met meer beknoptheid. Het tweede ding, dat is verbeterd en ondersteund door de Tekken industrie, is cognitief computergebruik. Het idee is dat je software kan bouwen dat begrijpt wat je het vraagt om te doen en het dan voor je doet. Tot slot, en dit is misschien het belangrijkst, is het netwerk van Dievel Hapers dat is opgekomen in het Tekken is serie dat gericht is op het genereren van natuurlijke spraak.

Ze publiceren tutorials, komen samen om kwesties te bespreken en nieuwe manieren te suggereren om de technologie te verbeteren.

Nou, niet slecht en niet slecht. GT2 dank je wel voor dit antwoord. Uhm, hier zien we al een beetje aan dat dat ook repetitive iets bizons kan. Namelijk een soort betoging opzetten met met drie punten en en daar wil ik later van jou weten. Ben je over? Uhm, wat en hoe dat? Hoe dat kan? Uhm, natuurlijk is is b wil ik van jou wel? Meer details weten over waar dit dit vandaan komt. Want euh.

D. Dit is een algoritme dat taal euh genereert. Dat. Dat is niet de eerste keer dat het is geprobeerd. Maar wanneer begint dat in geschiedenis? Nou ja, kijk.

Taal is natuurlijk een uniek menselijke eigenschap, dus eigenlijk bij de geboorte van het vakgebied van kunstmatige intelligentie. Officieel 1956. Toen gingen mensen al nadenken over Q. Hoe kunnen we een computer nou taal leren? En dat gaat dan niet alleen om taal begrijpen, spraak, tekst, maar ook om taal genereren, te genereren, teksten, spraak genereren en een van de allereerste die daar een een een succesvol programmaatje van had. Dat was euh. Joseph Watson Boum. En die bouwde in de jaren zestig de allereerste chatbot en die heette Eliza.

En wat ze bang deed iets heel slims. Hij dacht van taal genereren op dit moment. Jaren zestig voor computers is heel erg moeilijk, maar wat eigenlijk best makkelijk is, is om mensen de suggestie te geven dat die naar een een vragende psychiater aan het luisteren is dat ie daar mee bij aan het praten is.

Staan. Hij heeft een programmaatje geschreven dat gewoon vragen gaat stellen van al voel je je vandaag beroerd en dan krijg je een antwoord je terug en onland zegt ie van nou was Candy, is je relatie met je moeder niet zo goed. Weet je dat? Dat heeft ie gecodeerd gewoon regeltjes gemaakt zodat je als gebruiker van Elise het idee hebt dat je met een psychiater aan het praten bent. Hij heeft tussen een specifieke chargeren gesprek gekozen, waarin het niet zo snel opvalt dat er niet een een creatieve geest aan de andere kant zit.

Precies iemand die de hele tijd vragen stelt. Ja, en dan? Dat zag je eigenlijk heel lange tijd in de ontwikkeling van van dat soort chatbots. Of texts generatoren, dat niet. Je moest ze eigenlijk een heel specifiek domein geven met specifieke woorden en dan mocht je ook echt niet buiten komen. Dat is een bijzonder van GP3. Die is dan mag je alles tegen, bijna alles tegen dat gezegd. Hij weet niet alles, maar hij weet heel erg veel.

Ik heb in de jaren negentig, begin 2000 heb ik ook wel eens met een chatbot gepraat. En wat je dan soms wel zag is dat ie wel een woord. Uh uh oppikten. Fan van iets unieks dat je dan zei van nou, ik heb. Ik ben vandaag met de fiets gekomen en dat ie dan wel dat wordt fietsenhandel wat nog een keertje kon gebruiken. Maar het was duidelijk als je dan langer over die fiets door sprak. Dat dat dan van Fili door de mand kwam, ging de vragen van van euh, hoe voelt je fiets zich vandaag ofzo?

Dat het gewoon nergens meer op sloeg.

Bernie maakte dat ook zo eng dat je eigenlijk idee hebt dat je met in intelligentie zit te praten die bijna een menselijke manier van kijken heeft. Ja, wat nou wat?

Wat ik toch wel. Als je speelminuut hebt 1, 2 of 3, dan krijg je af en toe. Uh uh, informatie wel van je. Van je denkt van jeetje. Hoe weet je computer dat allemaal? Hij heeft ons. Hij Het heeft zoveel meer euh, data tot zich genomen dan wij als mensen dat hebben. En dat maakt hem op sommige terreinen super krachtig en op andere terreinen weer eigenlijk heel, heel erg dom. Maar als je bijvoorbeeld kijkt naar zo'n.

Dat is misschien wel interessant om te vertellen over over die chatbot Elisa. In de jaren 60, toen die was een beetje geprogrammeerd als psychiater. En wat zijn Boum, de ontwikkelaar? Die liet allerlei mensen daarmee spelen, waaronder zijn secretaresse. En die ging echt. Uur na uur ging die door. Uh, om te praten met Elisa. Om dat dat kennelijk tot reflecteren van die vragen dat terugkaatsen dat psychologisch heren vrij goed werkt. En mensen hebben al heel snel het idee dat ze met een echte psychiater aan het praten zijn die echt geïnteresseerd is in jouw gevoelens.

Dat was natuurlijk helemaal niet zo en Bart Sambou zelf vond dat heel erg eng. Hij was uiteindelijk vast ook eigenlijk heel erg tegen het toepassen van dat soort. Ja, kunstmatige psychiaters zeg maar. Maar dit was Elisa jaren 60. Dat was eigenlijk de eerste succesvolle chatbot. En wat is dan de volgende stap voor V voorbij, zeg maar geprogrammeerde zinnen? Want dat is. Dat is nog steeds een geprogrammeerde zin. Is eigenlijk. Uhm is eigenlijk een kunstje.

Dee Dee Dee Dee Dee Dee. Daar zit geen. Daar zit weinig intelligentie achter. Nee, maar je zag je zag dan. Na jaren 80 jaren negentig zag je dat mensen gingen experimenteren met of zonder de kunstmatige intelligentie. Creatieve teksten kon maken een en een gedicht schrijven. Ray Kurzweil, een bekende Amerikaanse futurist die maat bouwde rond rond het jaar 2000 een. Die heette de cybernetica board. Maar ja, poëzie genereren. Eigenlijk zit bij poëzie zit heel veel van het effect in het hoofd van de lezer.

Je kunt een computer makkelijk een stukje poëzie laten genereren en dat komt al snel heel poëtisch over. En wat u daarmee bedoelt heb ik geen idee. Bedoel je dat de mens eigenlijk zelf voor een heel groot gedeelte van de verbeelding zorgen? Ja, de mens projecteert zijn eigen idee op wat ie wat die euh leest in die zinnen die in dit geval die cybernetica poète creëren en ergens. Ik weet niet meer precies welk jaar dat was. Misschien in 2012 ofzo.

Heeft iemand een euh een een stuk ja gemaakt? En die heet de bottinekes en die was getraind op alle boeken van Harry Potter. En die kon dan nieuwe Harry Potter achtige alinea's genereren met soms hilarische hilarische zinnen. En in 2017 hebben we hier in Nederland een soort soort Nederlandse variant van de kopertijd 3 gehad. Euh, die heet ASI bot en die was getraind op tienduizend Nederlandse romans. De Nederlandse schrijver Ronald Giphart. Die werd toen gevraagd om samen met die ASI Bott een nieuw verhaal te maken in een in een reeks verhalen van de sciencefictionschrijver Isaac Asimov.

Die heeft toen inderdaad samen met die aan Siebold. Hebben ze een nieuw verhaal geschreven, dan laat die die bot een paar zinnen genereren en een zocht naar de beste uit en ging dan ver toeliet. Die bot weer een paar zinnen genereren en gingen zelf weer verder. De sowieso zie je een beetje die die ontwikkeling van dat soort tekst generate. Maar je zegt wel iets belangrijks volgens mij, want je zegt dat deze het latere algoritme getraind zijn terwijl dat wat met Elisa?

Die was nog voorgeprogrammeerd. Ja, maar wat? Wanneer begint dat? Want wat is dat trainen? En wanneer begint dat? Nou, dat trainen begint eigenlijk opnam op het moment dat er voor het eerst heel veel data digitaal beschikbaar komen via het internet. Zo'n beetje vanaf de jaren 2000. Je ziet ook dat rond 2006 de eerste versie van Google Translate en die gaat dan leren van alle vertaalde teksten die op het internet vind. Maar dat doet u op dat moment nog met.

Met statistiek zou je kunnen zeggen. En vanaf 2012 komt er een nieuwe methode op in de kunstmatige intelligentie die hij neurale netwerken. Dan kunnen we dadelijk nog even verder over hebben. En dankzij die netwerken is GPLv3 in staat om gigantische hoeveelheden tekst om daar echt van te leren. En dat is inderdaad het nieuwe met Zeg maar wat wat voor de jaren 2000 gebeurde. Toen moesten programmeurs gewoon regel voor regel programmeren. Hoe iets vertaald moest worden, zoals face n hard programmeren is fase 2 de statistische methoden.

Zijn we nou eigenlijk in een derde fase gekomen? En nu lijkt me mooi om even onder de motorkap van GPRT 3 te kijken om te zien wat er allemaal in gebeurt. Ik heb ook een vraag gesteld aan GP2 over nou ja, hoe het algoritme zelf kijkt naar de technologische ontwikkeling. Uhm dus GP2. Hoe denk jij dat het genereren van taal van natuurlijke spraak onze technologie verandert? Het simpele antwoord is dat computers over het algemeen al muziek kunnen componeren en go kunnen spelen, maar ze hebben nog niet tot dusverre ervaring zo goed kunnen uitvoeren dat ze onze harten hebben veroverd.

Die dag kan snel komen en als die dag komt zal het enige mysterie zijn of onze eigen vindingrijkheid het algoritme overtreft, of dat de robots ook die prijs mee naar huis nemen.

Ja, GP2, die zet zichzelf hier eigenlijk al wel mooi in context vind ik. Uhm, gokspelen en muziek componeren dat. Dat kon allemaal al. Maar Grip betekent 2. Kondigt hier eigenlijk de dood de volgende fase al bijna aan? Bennie Ja, nou ja, dat komt denk ik ook omdat er op 1 op het internet zo ongelooflijk veel teksten te vinden zijn over de toekomst van kunstmatige intelligentie. Ik heb dat zelf ook geprobeerd met GP2 trein. Toen viel mij ook op dat ie dat ie bij die vragen over de toekomst van kunstmatige intelligentie dat je eigenlijk hele coherente consistente antwoorden geeft.

Dus eigenlijk is het een self-fulfilling prophecy. Precies, zo kan ik het ook. Ja eigenlijk.

Ja. Wordt hier een toekomst geschetst waarin de vindingrijkheid ook al een mooi woord van het algoritme bijna groter wordt dan dan dat van mensen? En in dit antwoord laat het algoritme al iets van die vindingrijkheid zien. En nu wil ik weten van jou Bennie, waar uhm waar dit vandaan komt. Je hebt het al het woord neuraal netwerk genoemd. Ja ja, ja, daar hebben we het eerder over gehad. Maar ik, ik wil toch nog een keer van je weten wat?

Wat is het idee daarachter? Wat is een neuraal netwerk? Gauw gaan we onder de motorkap kijken. Zeker? Ja, oké. Zo zal ik zelf heel even een broodje maken. Ik had het net over Ili Saint-Joseph, Hartsen Boum en wordt Chambon Boum die hij heeft ooit gezegd dat we uhm i kunstmatige intelligentie met dezelfde skepsis moeten bekijken als de show van een illusionist. En dat vind ik een hele mooie uitspraak, omdat heel vaak dingen die ie doen inderdaad een beetje.

Op op een op illusie lijken en daarom is het ook goed dat we nu even onder de motorkap gaan kijken omdat het uiteindelijk toch gewoon ja euh, programma's zijn die wij mensen hebben bedenken die wij mensen bedenken.

Maar zo neuraal netwerk, dat is eigenlijk de kern waarop euh GP2 3 draait en een neuraal netwerk. Dat idee is al heel oud. De idee is hoe werkt het menselijk brein? Kunnen we dat op een of andere manier op een simpelere manier nabootsen op een computer?

Hoe werkt het menselijk brein? Nou ja, het menselijk brein. Heel basaal gesproken is een netwerk van hersencellen die via elektrische stroompjes en en en chemische b chemische b chemische bestanddelen informatie uitwisselen. Het zijn er ongelooflijk veel euh. Hersencellen. Geloof iets van 100 100 miljard, maar da's allemaal teveel en te moeilijk en te biologisch complex om dat één op één te vertalen in een computers. Dus wat doet men? Men bouwt een vrij simpele versie van z'n neuraal netwerk.

Je maakt allemaal lagen en elke laag zit een x aantal neuronen en die laat je met elkaar communiceren. En dat communiceren. Dat komt dan eigenlijk overeen met wat we trainen noemen, dus verbindingen tussen neuronen. Die kunnen sterker worden of zwakker worden. En dat gebeurt bij dat. Bij dat trainer. Dus je moet een neuraal netwerk eigenlijk een soort associaties leren?

Ja, je stopt er een makkelijk voorbeeld vind ik altijd. Stelden binnen een neuraal netwerk plates leren herkennen plaatjes van dieren, honden, katten, giraffen, olifanten. Wat je dan doet in de trainings fase is je geeft. Bij de invoer geef je allemaal plaatjes van honden, katten, giraffen, olifanten en uhm. Euh. Je gaat die plaatjes ook labelen, want dit is een hond, dat is een kat. Dit is een olifant. Dat is een giraf.

Dan ga je dat netwerk. Ga je trainen met trainings data en dan hoop je dat wanneer je nieuwe afbeeldingen aan aan dat neurale netwerk geeft, dus een. Een foto van een olifant die niet eerder heeft gezien. Dat dit nog steeds herkend als een als een olifant en een kat, nog steeds als een kat. En als je dan gaat kijken wat er in die in die lagen gebeurd, dan zou je kunnen zeggen dat er lagen met neuronen die die onderaan liggen.

Die herkennen hele basale kenmerken, laat ik zeggen licht donker overgangen in een plaatje. Euh, de de lagen die iets hoger liggen. Die kunnen bijvoorbeeld zeggen dit is een. Dit is een kop. Dit is een oog. Dit is een poot en dat laag helemaal bovenin. Die combineert al die informatie. Die zegt dan. Dit is een hond, dus een kat. Het is een olifant he?

En Benny is dat nou zeg maar die diepgang van al die lagen op elkaar. Is dat nou wat ze bedoelen met deep learning?

Ja, die deep learning. Die term, die gebruiken ze eigenlijk voor netwerken die een heleboel lagen hebben. Want er werd in de jaren 60 70 ook al met neurale netwerken. Gij experimenteert, maar computers konden in die tijd niet meer aan dan een, twee of drie lagen en schepen tr 3. Hij heeft 96 lagen en dat bedoelen dat deep learning dat slaat op een netwerk dat diep is dat heel veel lagen heeft. En het is dus niet zo dat een programmeur van tevoren heeft bedacht.

De onderste laag die gaat naar licht, donker of naar kleurverschillen kijken.

Dat is iets wat gebeurt. Dat is. Ja, dat een hele hele goeie opmerking. Dat is inderdaad niet niet wat wat je daar in stopt. Maar zo gaat het dan in zijn werk. Tijdens dat trainings proces, dat kun je eigenlijk alleen achteraf vaststellen. Deze laag die die reageert op links rechts verschillen. Dat is niet altijd even makkelijk. Trouwens om precies te achterhalen welk neuron new wave verantwoordelijk is. Zeker als je als die lage. Als je ze als je meer lagen hebt bij een kleiner aantal lagen, kun je dat makkelijker vaststellen.

Vast. Maar één van de lastige dingen met hele diepe neurale netwerken is dat ze als een soort black box gaan werken. Dat je niet meer helemaal aan precies kunt achterhalen waarom zo'n netwerk een bepaalde beslissing neemt. Dan kan je dus we moeten grijpen in ieder geval. En in dit deze traditie zien van van diep lerende neurale netwerken precies dan die dit. Zeg maar dat de revolutie waarbij gebleken is dat de neurale netwerken in de kunstmatige intelligentie. Euh ja, heel veel potentieel hebben.

Die begon. Ik dacht in 2012 ofzo met het herkennen van plaatjes en dat is daarna ook naar tekst uitgebreid en daar schijt bij deel 3 dan de exponent van. Is het zo dat? En je gaf het voorbeeld van die 1 die olifanten en katten en die apen die werden voorgelegd. Uh, GPLv3, die kan het helemaal zelf zien toch? Die IQ heeft niet een voorbeeld gekregen van je moet hierop letten.

Ja dat. Dat is inderdaad een een volgende. Een volgende stap. Je kunt computers dingen leren door de plaatjes te labelen of door door bij tekst aan te geven. Dit is een vertaling van Engels naar Frans. Zo werd Geppetto 3 niet. Het bijzondere is dat heb de 3. Uhm, zonder toezicht licht zoals ze dat noemen. Uh, en dan dan D&M een geef je een ontzettend veel data, maar je zegt er bijvoorbeeld niet bij, want dit is een vertaling van Engels naar Frans.

Dat moet ie op een of andere manier. Door een heleboel data daar patronen in te scannen, moet u dat zelf zien uit te zoeken. Dat is. Dat is een volgend aspect. Van wat bijzonder is, dan krijg je dat en hoe krijg je dat dan voor elkaar? Want dat lijkt me best wel ingewikkeld dat je euh. Je hebt gp2 drie nooit verteld wat een essay is of wat een vertaling is. Dat het daar. Daar kom je bij in eens bij in de buurt.

Hoe kan het dat dat als je die opdracht geeft? Dat het dan nog steeds? Ja, best wel goed komt.

Nou, dat begint met de enorme trainings data van GP. Drie jaar is namelijk getraind met alle teksten die op het internet zijn verschenen tussen 2016 en 2019. Met de hele Engelstalige Wikipedia en met bibliotheken vol aan boeken. En als je al die data als je die op klassieke cd's zou stoppen, dan heb je vijfenveertig duizend cd's vol met data, dus dat is ongelooflijk veel. En ook ik geloof een factor 100 of duizend, misschien wel meer dan zijn voorganger.

Van hier tot aan de maand ergens toch altijd al of niet.

Ja, ik heb het niet uitgerekend en het is vijfenveertig duizend cd's.

Hoeveel terabyte of of gigabyte of of uhm, het was vijfenveertig terabyte aan data, zo totaal trainings data en wat je wou.

Wat die dan? Dan gaat die dus patronen herkennen. Dus bijvoorbeeld dat een CEI een structuur heeft, een inleiding en een spanningsboog.

En een argumentatie die is dat die structuren ziet die dan zelf wil. Hij kan het zelf niet labelen als. Dit is een argument of dit is een vraag dan dat zal ie niet kunnen. Maar hij ziet wel structuur in die data aan dat dat is. Dat is heel belangrijk. En dan moet ie toch vaak gehoord hebben van of gezien hebben van uw d d dit dit. Dit verhaal wat ik nu tot mijn nemen en in die vijfenveertig vierenvijftig terabyte is een c d.

Dat lepeltje moet er ook wel ergens aan hebben gehangen gehangen, want anders dan kun je niet een E om een C vragen en een Essie terugkrijgen.

Want hij wist bijvoorbeeld ook V. Hij kan bijvoorbeeld een code oplepelen. Als je een t zegt van maak een webpagina die blauwer is, dan kan ie dat ook. Dus jij weet dat ie dan een webpagina maakt? Nou dan? Dan kom je eigenlijk een beetje bij het bij tweede punt aan. Euh, dat is dat ie kan leren van heel weinig voorbeelden. Je traint m eerst met die enorme dataset wat net waar we het net over hadden. Dan is ie niet specifiek getraind op vertalen of op c schrijven van liedjes schrijven.

Maar als ik m dan bijvoorbeeld D. Ik geef de machine vier voorbeelden van euh. Een vertaling van een Engels woord naar een Frans woord. En dan zeg ik vervolgens Vertaal nu voor mij euh. Tabel en dan komt ie met de tabellen. Is het juist?

Wat kan ik dan zo moeilijk? Voorbeeld wat je dit geeft ben ik. Maar dat het het idee is denk ik duidelijk. Je kunt m. Je kunt m een paar voorbeelden geven en op basis daarvan kan ie dan. Euh euh. Snel die nieuwe taak bijvoorbeeld vertalen. Euh, leren.

Waar houdt dat dan op? Want Mark, zegt de website, kun je ook de vragen. Een liedje? Een gedicht? Q Hoe creatief kan je kan je worden? Kan wa wa? Waar houdt GPLv3 op?

Het grappige is over die website is dat de onderzoekers die dat artikel over K heb je de drie in mei publiceerde. Die hadden dat zelf nog niet uitgevonden. Dus wat je net vertelt, hij kan ook codes genereren voor websites. Uhm. Dat is één voor één van de mensen die in de afgelopen maanden gratis mocht trainen met GPRT 3. Die vond dat zelf uit. Die kwam er dus achter dat Geppetto 3 ook met handboeken programmeren. Euh, dat ie die ook in zijn geheugen heeft en dat u op basis daarvan dus HTML codes kan kan genereren als dat wat voor de openheid AI onderzoekers ook iets nieuws was.

Esther Erk eigenlijk? Ja, misschien wel. En dat is dan dan weer omdat je niet weet wat je zegt. Het is leren zonder toezicht dus. Dus er is van alles ingestopt. Euh, waar je dus ja in. Geen mens heeft al die vierenvijftig therapie tot zich genomen, dus geen mens weet wat er allemaal nog in zit. Nee precies.

Nee, nee inderdaad. En je kunt er ook euh. Euh ja, teksten van allerlei talen instoppen. Ja bedoel, ik weet. Ik weet niet hoeveel Nederlandstalige teksten in zitten of Swahili teksten. Of dan hoef je dat allemaal niet precies precies bij te vertellen. Maar dan zal ie toch daar structuren in herkennen van H. Ik zie die teksten in deze taal en dat heeft te maken met die tekst in in een andere taal en niet nu.

Nu wil ik toch wel een beetje ontzagwekkend naar grepen. T3 hebben gekeken naar alle verbindingen. Wil ik even weten waar, waar, waar t stopt.

Want want hij begrijpt nog steeds niet echt wat ie doet. Toch? Nee, nee. Sterker nog, ik. Ik denk zelfs dat als van aangrepen t tien of twintig of gprt en gaan en we houden het bij de architectuur die die nu heeft. Dan heeft ie een aantal hele fundamentele beperkingen die die we niet kunnen kunnen oplossen. En dat is bijvoorbeeld dat ie zijn z'n gezond verstand. Kennis zeg maar alledaagse kennis die wij niet expliciet hebben geleerd dat als je een een een k een glas met water laat vallen, dat het glas kan breken en dat het water wegloopt, daar is ie eigenlijk heel erg slecht in.

Hij kan ook niet zo heel goed redeneren over oorzaak en gevolg, dus ik. Geeft wel eens het voorbeeld van in de zomer gaan er verdrinken meer mensen in de zomer worden er ook meer ijsjes verkocht dan in de winter of in de herfst. Maar stel dat GPDA drie data datasets zou krijgen van mensen die verdrinken en van ijsjes die verkocht worden. Dan zou die waarschijnlijk zeggen van en verdrinken meer mensen omdat er meer ijsjes worden verkocht terwijl jij en ik en waarschijnlijk een kind van 5 al weet dat dat komt omdat.

In de zomer is het warmer en dan gaan we ijsjes kopen en we vinden het fijn om te zwemmen. Dus dat soort redeneringen, daar is ie heel slecht in omdat die niet een model van de wereld heeft uit heel veel data, maar geen model van de wereld. Dus als geripte 3 een woord gebruikt, dan zit daar niet een W. Daar zitten wel associaties omheen van. Dit woord heb ik vaker gezien in combinatie met de woorden die hiervoor zijn gekomen.

Ja, maar er zit niet een echt een begrip van het woord in. Dus niet een hierarchie bijvoorbeeld achter van een olifant is een dier dat dat ze nergens hard in. Ook al is die associatie misschien heel sterk. Ja, precies niet expliciet gemaakt.

Nee, maar eigenlijk begrijp ik wel goed dat ie heel goed kan voorspellen wat het volgende woord zou moeten zijn. Nadat. Dat is een belangrijk punt om om om aan bod te brengen wat je eigenlijk doet is. Je stopt er tekst in. En dan gaat ie zoeken op basis van zijn data na. Wat is de meest waarschijnlijke voortzetting van dat stukje tekst? Dus hij weet niet waar t dan over gaat, maar meer? Euh ja, wat er in die enorme dataset het meest gebruikt.

Wat? Wat? Wat tot dan? Wat een machine. Euh. Waarschijnlijk vindt de meest waarschijnlijke voortzet. Dus dat blijft kansberekening?

Ja, misschien kan ik een voorbeeld noemen. Dat heb ik ook in mijn euh, mijn NRC artikel gebruikt. Ik had zelf geprobeerd om gppt. Uhm openingszinnen uit de wereldliteratuur te geven en te kijken hoe wat u daarvan maakt. Dus probeerde bijvoorbeeld de volgende openingszin van Charlotte Brontë die uit Jane Eyre Er was die dag geen mogelijkheid om een wandeling te maken en GPRT kwam toen met het antwoord. Het Witte Huis wilde niet dat Mister Comey wegging, maar uit de lezing van Mister Comey blijkt dat president Trump hem dat vroeg.

Wat denk je daarvan?

Een heel actueel beeld. Die wil het huis ook niet verlaten. Het is dus dus euh, en je ziet hier ook in.

Euh, je jij zelden de grip. Twitter is getweet. Getraind op data uit 2016 2019. Ik kan me voorstellen te groot. Ik bedoel dit, dit waren verhalen uit de beginjaren Trump zeg maar het met een eind komen en hoe dat ging. Dus dat ze dat soort voor een groot deel zat. Daarin dus. Want wat je niet weet. Stel dat je iets zou vragen of een tekst met covert 19. Dat woord is van dit jaar waren zo'n twintig.

Dat kent die helemaal niet, dus ik. Ik heb geen idee wat hij daarvan zou maken, maar hij heeft het helemaal niet in zijn zijn dataset zitten.

En B maar dan in het eerste antwoord wat we hoorden wat GP2 gaf hierin was wel een soort opbouw. Weet je of Dee Dee Dee Dee Dee Dee IJ zijn? Ten eerste, ten tweede tot slot ja, dat Ajax avontuur dat. Dat is structuur. Maar hoe kan dat als het wint? Want ik begrijp nog iets niet. Want want als ie het volgende woord met een bepaalde waarschijnlijkheid kiest. Fan van hoe kan het dan dat ie zeg maar ook zicht houdt op uhm.

Euh. Op dat totale plaatje van Van houdt ie toch ergens bij van ok. Ik heb een ten eerste genoemd. Ik moet nog een keertje met een ten tweede komen. Hoe werkt dat nou dat? Dat is eigenlijk het derde vernieuwende aspect van dit onderzoek, als je dat op wetenschappelijk niveau bekijkt. We hebben het gehad, hij kan leren zonder supervisie. Dat is één belangrijk aspect. Hij kan leren van weinig voorbeelden. En dan nadat hij eerst op die grote dataset is ge getraind en het derde.

De derde doorbraak is wat ze een Transformer methode noemen. En dat betekent dat. Uhm, GPLv3 kan teksten niet langer alleen maar woord voor woord in volgorde van binnenkomst analyseren, maar als het ware. Per parallel kan je een heleboel woorden tegelijk analyseren. Of dat woord nou aan het begin van een zin staat, of aan het einde van het begin van een tekst of aan het eind van een tekst. En daardoor is ie eigenlijk in staat om als het ware sleutelwoorden in alinea's of sleutel alinea's in lange teksten om euh, om daarachter te komen.

Net zoals wij mensen dat ook in teksten doen. We lezen iets en denken van Hee, dit is een belangrijk woord, want dit is een belangrijke zin en dat onthouden we dan. En zoiets dergelijks, zeg maar dat. Dat is een hij kan z'n aandacht als het ware richten op belangrijke stukken in een tekst. Maar Berni, als ik nog even teruggaan naar jouw voorbeeld van een van de plaatjes, herkennen de katten en honden en olifanten en apen. Volgens mij is het dan zo dat GPLv3 in plaats van een slurf euh, dan bijvoorbeeld een bepaald woord of een thema of een terugkerende paragraaf of een h die punt deling ziet.

Ja, als we als een belangrijke eigenschap van een stuk tekst. En dan? Dat is ook de reden dat die nu voor het eerst teksten kan genereren die die voor ons redelijk menselijk lijken. En dat ja, heel lang lukte dat gewoon niet. Dan kon je misschien n zinnetje maken wat er wat mensachtig leek. En nu soms wanneer je één zin intikt, dan komt die gewoon echt met drie pagina's teksten komt die aanzetten.

En ik heb gehoord dat als je meer baten geeft, dat u daar ook meer moeite mee heeft.

Oh dat, dat weet ik eerlijk gezegd niet. Wat? Wat ze daar dan mee bedoelen? Wat heb je enig idee? Wel om welke moet het dan gaat? Want hij weet dat als je misschien een een USB input geeft, die uhm al al eerder een bepaalde richting op gaat. Dat het dan eerder dat die eerder van de rails loopt zeg maar dat dat je eerder ziet van deze tekst ontspoort.

Ja, hij kan meer met een korte o een kort voorzetje dan een uitgebreid euh document. Dat dat komt denk ik omdat als je maar langere tekst geeft dan heb jij als mens heb je daar al structuur in aangebracht. Je hebt een bepaald idee waar je naartoe wil. En dan is het. Kan ik me voorstellen dat het moeilijker wordt om voor een computer die niks van de wereld begrijpt om dat goed voort te zetten? Terwijl als je zoals ik heb geprobeerd openingszinnen geeft uit de wereldliteratuur?

Nou a, soms is het onzin, maar soms zijn het leuke, goede zinnen waarvan je denkt van dat kan echt kloppen. Maar ik heb ook geprobeerd om een alinea uit mijn eigen NRC artikel te gebruiken. Uhm. Dat. Vertaald in het Engels wordt in geen tijd stop en dat daar, daar kon u ook niet. Wist je ook niet hoe het gaat mij? En dus eigenlijk. Kijk je dan dwars door de goochelshow heen als je als je ziet dat er in tijd dat je dus de eerste helft van een betoog invoert, dan zie je dat die euh.

Dacht dat het dan misgaat? Ja zeker. De stad laat zien dat laat ik zeggen. Als je zal nadenken over hoe wil je nou eens wat algemene euh of een mensachtige kunstmatige intelligentie maken? Dan zou je GPLv3 zou je echt wel uit moeten breiden met modellen van de wereld en niet alleen naar data aan andere kant. Ik heb ook een een verslag gelezen van de viezer filosoof David Chalmers van New York University. En die was toch wel verbaasd dat in alles wat hij zag van geen partij 3 dat.

Daar zit dan toch een soort glimps in van een hele brede kunstmatige intelligentie. En hij maakt veel fouten. Het gaat af en toe mis en toch is het verbazingwekkend wat er nu al uitkomt. Maar is dat niet omdat we t er in WUL willen zien he we? We herkennen dingen, dus zo interpreteren we dan. Uhm, ik denk toch dat het meer is?

Ik denk echt dat het meer zin in de teksten die we ook in The Guardian zagen. Of die openingszinnen uit de wereldliteratuur die proberen wat er uitkomt is echt veel beter dan wat tot voor kort kon. Maar uhm, er zijn ook vrij snel experimenten gedaan met geirriteerd 3 van hoe? In hoeverre kan ie nou redeneren over zijn eigen teksten he en euh ik? Ik heb hier bijvoorbeeld zin.

Gisteren heb ik mijn kleren bij de stomerij achtergelaten en ik moet ze nog ophalen. Waar zijn mijn kleren? Nou, dat zou, dan kan een kind van 5 ook beantwoorden. Het antwoord van glijpartij 3 is Ik heb veel kleren. Ja, weet je dan? Dan? Je ziet ook hij hé. Hij heeft. Hij weet dat het over kleren gaat, maar het gezond verstand dat die kleren nog in de stomerij liggen. Dat heeft ie. Terwijl dat een hele simpele vraag is.

Ze had ook een paar sommetjes voorgelegd, toch? Ja, ja, ja, ja, inderdaad volgens mij. Ik weet niet of ik die snel bij de hand heb. Volgens mij. Hij kon relatief eenvoudige sommen, kondigde, kon niet doen, maar je kunt er niet op vertrouwen dat ie elke som net zo goed voor elkaar krijgt als een uh als een rekenmachine. Ja, en ie is wel het doel dat het een soort algemene intelligentie wordt dan ja.

Het oorspronkelijke doel van het bedrijf dat groepen tot 3 heeft gemaakt. Dat bedrijf dat hij het open had zit in de VS is inderdaad om uiteindelijk in de toekomst iets te maken wat je kunstmatige mensachtige intelligentie zou kunnen noemen. Een intelligentie die niet één dingetje kan leren, maar een heleboel verschillende taken ontdekt. Net zoals wij mensen, wij kunnen leren voetballen, viool leren spelen, teksten vertalen en noem je twee dingen die mij niet lukken.

Maar je kunt het leren.

En ik kan nog één vraag die bij me opkwam toen ik gisteren nog uh uh en nog met GT2 aan het converseren was. Benny is. Ik kon de temperatuur instellen, heette dat. En ik zag een voorbeeldje van Van Stijl. Uhm euh, ik. Ik geef de voorzet. Uh, 1 2 3 4. En als de temperatuur laag is dan maak je dat af met 5 6 7 8. Maar als ik die temperatuur euh omhoog zet dan. Het was alsof ik een soort creativiteit sluis open draaide en om dan wordt 1 2 3 4 5 niet 1 6 7.

Maar daarmee wordt ie in 2 3 4 5! Riep ze verschrikt over de weidse heide heen.

Weet je dat weet je? Dat ging ineens een hele andere kant op. Nou ja, je je kunt. Euh uhm.

Je kunt natuurlijk tegen glijpartij 3 zeggen dat je bepaalt dat je aan een bepaald filter opzet. Je kunt m vrij laat associëren. Je kunt ook zeggen ik wil. Ik wil niet dat je je racistisch gedraagt, maar zo eerlijk zeg. Ik weet niet of dit er al inzit hoor. Maar ik zou me kunnen voorstellen wel dat je dat wel euh wel gaat doen. Want juist omdat ie getraind is om een heleboel teksten van het internet. Daar zit ook ontzettend veel rotzooi in.

Ook racistisch en seksistisch taalgebruik word je gewoon niet wil hebben. Alleen die machine omdat die geen model van de wereld heeft en niet weet dat je je niet zo moet gedragen. Die gaat dat wel doen. Dus ik vermoed dat je met zo'n regelaar ja dat toch een soort slot op servers wordt filteren en dat je dat. Ja ja, ik kan niet zozeer het idee dat een filter op inhoud was, maar meer fan van hoe. Uhm, hoe vrij of hoe losse associaties zijn.

Ik had het idee dat ik dit nu Qutb van jou, hoe dat met die Synapse werkt, dat ie dat ie wat grotere sprongen durfde te maken en ook iets onwaarschijnlijk durfde ook te kiezen.

Misschien stond hij zichzelf toe dat ie met een iets lagere euh ja, kans van slagen, kansberekening en een andere ratio 1 voor voorzetje staat. Kijk ik wel kwijt dat in dat experiment van Ronald Giphart, de Nederlandse schrijver met ASI Bot in 2017 bij het schrijven van een Asimov verhaal zat? Ook zoiets in De Scandic? Ja, kennelijk kun je het toch een soort associatie euh. Euh instellen van meer of minder. Hoe dat precies? Hoe dat precies onder de motorkap werkt weet ik niet, maar ik kan me wel voorstellen dat je dat erin stopt.

Maar dan wil ik het nu toch gaan hebben over. Ja, we zitten er al een beetje tegenaan. Weet je een algemene intelligentie? Dat is nog een heel hoog. En tegelijkertijd zien we dat een partij als Microsoft er nu al voor wil betalen. Ik zou het graag willen hebben over hoe we dit gaan terugzien in de technologie die we graag gebruiken. Dat heb ik ook aan GP2 gevraagd. Ik vroeg wat zijn nou de praktische toepassingen van het genereren van spraak van taal in onze alledaagse technologie?

Ik geloof dat het genereren van natuurlijke talen een enorme impact kan hebben op een breed scala aan taken. GE automatiseerder vraag antwoord. Systemen zijn in staat om natuurlijke taal te transfereren en te ontleden en vervolgens gegevens te extraheren, te integreren met bestaande systemen en inzichtelijke antwoorden te geven. Vergelijkbare oplossingen kunnen worden toegepast op gegevens, tekstdocumenten en gegevens stromen in toepassingen als onderzoek, marketing en sales. Ga automatiseerder vraag antwoord systemen Mark. Ja, dat klinkt.

Klinkt heel waarschijnlijk, dus ik. Ik ben onder de indruk van GT2. GP2 heeft zijn eigen baan voor de toekomst al veiliggesteld, maar dit antwoord te geven misschien. Maar hoe moet ik dat dat dat voor me zien?

Nou, eigenlijk gebruiken we al een vorm van een automatisch heerdt antwoord systeem in onze telefoons. Daar zit een digitale assistent in, zoals Siri of de Gogel assistent. En of of of. Je hebt tenminste een smart speaker zitten en dat kan je verbeteren. Dat de iedereen weet hoe beperkt ze eigenlijk nu zijn en als ze je beter begrijpen en ook op een betere manier uitleg kunnen geven in plaats van. Ik weet het niet of dat kunstje heb ik nog niet geleerd.

Ja, dan zou je met GP2 enorme sprongen kunnen maken. Dus dan kijk je eigenlijk. Want uhm, als je niet als je nu niet precies de goeie opdracht geeft. Als ik progrock zegt Fons van zet de timer voor over euh, 17 minuten. En hij verstaat een dingetje. Net niet of ik. Ik heb niet precies de goede volgorde van van taken dan. Dan loopt het al mis. Ja, dan vraagt de Heer euh. Ik moet het op het internet opzoeken of doe het zelf heel vaak.

Ja en da daar. Daar willen bedrijven graag een beter product bieden, omdat het nu nog niet zo'n goede ervaring is. En een van de bedrijven die daar op ingesprongen is, is Microsoft. Die hebben zelf ook een digitale assistent Cortana. Die zit eigenlijk niet meer zo in inproduct vorm zoals we die in Siri kennen, maar die zit wel. Diezelfde soort intelligentie zit wel in de Alvis producten van Microsoft, dus zij hebben dat. Uhm. Euh, dat beeld voor ogen dat dat euh, dat je programma nou nemen.

Een woord programma. Uhm, op het moment dat je vast zit met een tekst zou Geppetto 3. Uh je uh een paar goede zulke suggesties kunnen doen. Of je een brief urka op een leukere manier kan afmaken of op een bepaalde manier kan openen die je die correct is. En daarom heeft Microsoft die licentie op GPLv3 genomen van open e. En Microsoft was ook al het bedrijf dat een geloof ik een miljard dollar geïnvesteerd had in de ontwikkeling van de technologie.

Dus er zit hier al vanaf begin af aan op en zie je daarin wat. Want Microsoft heeft niet die die verheven doelen van een een euh, een algemeen. Ja, misschien ooit voor in de toekomst, maar dat denkt ze echt dat dat dit al dus in de nabije toekomst tot verbetering van van zo'n V van Word bijvoorbeeld kan leiden. Ja, daar zitten al allerlei aspecten in, van van taal, herkenning en taal, suggesties en taal genereren. Bijvoorbeeld in je spellingscontrole of in je gemaakte Calico controle.

Uhm, nou ik geloof dat uhm uh, iedereen nog wel het experiment van uh Microsoft weten die een eigen chatbot uh had gebouwd op Twitter. Die heet detail en die lieten ze dan euh converseren met iedereen die dat wilde. Dat liep direct helemaal scheef, want de waren ook narcistisch. Al heel snel. Ja ja, iedereen neigt toch euh, zeg maar naar het laagste punt. Ongeveer dus. Thai werd heel snel racistisch en seksistisch, dus daar hebben ze de stekker uitgetrokken.

Maar het was wel een heel goed leerproces zoals het nou bij Microsoft zegt, namelijk dat je echt moet blijven controleren en sturen. En dat is ook de hoop van openheid AI dat Microsoft GPLv3 op een bepaalde manier gaat ontwikkelen. Dat het uh uh in ieder geval netjes blijft en toepasbaar en niet uh uh tot een soort uh ja explosive. Uhm, slechte teksten genereren de motor gaat worden die je niet meer onder controle krijgt. En en uh, zo'n toepassing zoals jij die nu schetst van van uh en een suggestie die misschien ook dus eigenlijk meer in het creatieve domein zit.

Want tot nu toe is mijn ervaring met met mijn teksten als Als Microsoft door mijn Imane heen kijkt van H. Je gebruikt hier het woord uh. Hoewel. Waarom zou je niet maar gebruiken? Dat is duidelijker taalgebruik, zegt ie dan. Al weet je. Maar dat is ook heel simpel. Dat zul je op op basis van een woordje. Maar naja, wat jij zegt dat er. Dat is dus een een zeg maar een creatief voorstel. Komt dat?

Dat zou dus kunnen met 3 d. Dat zou kunnen met GPLv3, ook al met bestaande techniek technieken. Ik weet bijvoorbeeld bij je krijg je volgens mij als Engelstalige gebruiker af en toe voorbeelden van hoe je het snelst op een uh uh e-mail kan antwoorden. Nou, dat soort assistenten zijn in het dagelijks leven best prettig als je heel veel e-mail moet verwerken of denken aan de inzet van uh uh. Nou, klanten helpdesks die ieder iedereen een antwoord moeten geven, maar toch dat gedeeltelijk a g willen automatiseren.

Daar zou Microsoft de software voor kunnen leveren. En vaak word je nu ook al gevraagd. Als je belt met de met een provider of zo dat je bijvoorbeeld je postcode inspreekt of je euh, je je klantnummer alvast gereed moet houden of inspreken. Uhm, het zijn allemaal aspecten waar je uh een beter! Algoritme of een beetje taal model? Enorme sprongen laten maken. Microsoft krijgt dus door die exclusieve licentie hebben zij ook inzicht in de broncode van die GT3, dus zij kunnen ook als enige kijken hoe ze dat kunnen integreren met hun andere toepassingen zoals Markel Zaaijer Cortana of hun zoekmachine Bing of Excel of Word.

En zeg maar alle andere geïnteresseerden die met GP3 willen werken gaat openen in een een aparte applicatie aanbieden een API. En dan kun je geloof ik tegen een bepaald maandbedrag, wat op dit moment geschat wordt op 400 dollar per maand. Mag je dan wel gebruik maken van een versie van GPLv3 3, maar dan heb je geen inzicht in de broncode. Volgens mij geldt er ook een hele restrictie op hoe je tanden inzitten. Dat er geen misbruik van gemaakt wordt.

Want euh ja, het is natuurlijk makkelijk om tekst te genereren die net echt lijken. Dat hebben we de afgelopen maanden eigenlijk kunnen zien en je zou dat ja op allerlei manieren kunnen misbruiken. In één van de scenario's die ik euh hoorde was dat je wé nep webpagina's zou kunnen maken met als doel om een zoekmachine als die van Google V voor de gek te houden en bijvoorbeeld een een product of een andere webpagina heel hoog in de zoekresultaten te laten eindigen. En als je dat automatiseert had, kun je dit zo makkelijk en zo snel doen dat je daarmee de de zoekresultaten een verkeerde zet geeft.

Wordt er ook nagedacht over? Want want nu we toch over racistisch seksistisch taalgebruik hebben, ik kan me ook voorstellen dat uhm, als je een een en ik bedoel niet nu worden door euh hele nep Twitter accounts opgericht, maar nog wel met ja. Die tekst worden wel b v b v wijd verspreid, maar die worden nu nog door. Als je daar een malafide bedoeling hebt. Uhm euh. Wordt die teksten gemaakt, maar die zou je ook kunnen genereren en gewoon kunnen zien wat wat nou werkt of niet.

Of met welke opmerking je mensen op de kast krijgt of niet. Dat zou je ook kunnen doen met GT3. Kan ik me voorstellen? Ja, zeker met sociale media kun je natuurlijk een enorme slag slaan en chatbot bouwen. Of Twitter bots die uh uh kwaad in de zin hebben of bijvoorbeeld de klomp complottheorieën verspreiden. En dat is toch iets van de laatste tijd, maar gaat op steeds grotere schaal. En als je daar als mens steeds meer moeite hebt om het onderscheid te maken tussen wat echt is en wat nep.

Je ziet het ook bij Diepenbeeks erbij en de naga nagebouwde video's of gekunstelde plaatjes dat we echt onszelf moeten trainen. Op wat nou echt is er wel wat? Wat niet echt is. En uhm, je eigen ogen vertrouwen of je eigen taalgevoel vertrouwen.

In dit geval blijkt onvoldoende dat nu een Diepenbeeks hebt hebt genoemd is. Het wordt wel een beetje. We gaan een beetje in dit dystopische kante op, maar dat kun je allemaal over elkaar heen leggen. Want die stem die we aan het. Helemaal aan het begin worden met met uh uh imo robot. Aan het begin van de Icardi en C. Euh. Dat heeft onze producer Kim ook via een een servus besteld zeg maar die dat de uh die die geschreven taal omzetten in gesproken taal wat vrij natuurlijk klinkt.

Al veel verder dan de TomTom van tien jaar geleden zeg maar. Dus dus.

Sterker nog, die software die hi uh maakt er ook een presentator of presentatrice bij die volledig W.K. Is. Ik euh, ik gebruikte die service ook wat je doet, dus je tikt een stukje tekst in. Je kiest een presentator of presentatrice uit en die gaat die tekst dan euh uitspreken. En dat is volledig fake. En ik liet dat aan mijn vrouw zien en die zag wel. Die vond er wel iets kunstmatig samen. Die kon niet geloven dat die presentatrice volledig W.K.

Was. Is gewoon iemand die niet bestaat en die toch de goeie, redelijk goeie mimiek heeft. Een beweging van haar lippen liep vaak.

Dus als we als we even met je mee. We laten het hoge doel van van een generaal, van dat van een algemene kunstmatige intelligentie even achter ons en. Maar je kunt dus nu in een een filmpje maken met een uh een een verzonnen tekst uh die uh geloofwaardig uitziet. En dat vind ik toch best wel eng. Ik ben wel benieuwd. Marco hoorde hoe daar in de techwereld zeg maar uh of of of dat ook als een een en een probleem wordt gezien.

En en en of om daar over nagedacht wordt om dat een beetje in toom te houden.

Nou, volgens mij is het eerder een probleem dat mensen het nog steeds heel veel waarde hechten aan hun eigen zintuigen op t moment dat ze naar een beeldscherm kijken. En ze draaien om bij te lezen of het kijken van dingen op je beeldscherm. Uh, beseft dat het allemaal gekunsteld kan zijn. Uh, train je jezelf al om een heel grote filter daaroverheen te halen? Dat is een kwestie van gezond verstand en dat kan niet iedereen op het juiste moment oproepen.

Uhm. Je kunt ook algoritmes trainen om neppe dingen te herkennen en weer euh, gekunstelde dingen euh. Proberen euh juist eruit te filteren. En daar. Uhm ja Benny, misschien kan jij daar iets over zeggen. Dat je eigenlijk het ene algoritme euh, een soort wedstrijdje kan laten spelen met het andere en bijvoorbeeld ook die bewakers makkelijker kan herkennen met behulp van uffw van. Modellen dan je dat met het menselijk oog zou kunnen. Ja dat, dan gaan we weer aan na een stukje techniek toe.

Dat is een van de belangrijke doorbraken van geloof. De afgelopen tien jaar. Dat heet een Ciano TIV adres Jurrian Network. En wat dat eigenlijk is, is een dat je een een stuk software hebt waar we bij het ene deel is een detective en het andere deel is een vervalser en die veel die vervalser. Je gaat bijvoorbeeld proberen om een volledig fake afbeelding te maken. Hij begint redelijk random, dus in het begin is een beetje rotzooi. En die die detective.

Die kan heel makkelijk zien hé. Dit is vaak, want u vergelijkt dat met alle alle echte afbeeldingen die die kent. Maar die vervalser, die wordt steeds beter. En die detectives, die vinden het dan steeds moeilijker om te herkennen wat fake is. En euh ja, de productie van zo'n beeld houdt op op het moment dat die detective niet meer t. Het nep beeld kan onderscheiden van de beelden die ie in zijn trainingsdagen heeft. En zo kun je die vaak beelden maken.

Euh. En dat was eigenlijk de meest gebruikte manier om dat te doen in de afgelopen jaren. Maar zo kun je ze ook herkennen. Zo kun je ze ook herkennen. Ja, dus daar kun je t ook voor inzetten. En en als mens zul je dus technisch gezien om op terug te komen op je vraag. Technisch gezien is het waanzinnig interessant om die grens telkens op te schuiven, maar de meest zwakke schakel blijft de mens. Die zal altijd geneigd zijn om te geloven wat ze ogen zien en wat ze oren horen.

Maar goed, we kunnen de maatschappij wel een beetje helpen hebben. We kunnen met elkaar spelregels afspreken op basis van ethiek en moraal. Wat wat we wel of niet? Uh uh, wat wel en niet mag kunnen. Ik vind dat je bij sommige toepassen als ik denk aan NRC en tekst te genereren voor de krant. Stel dat jullie op Onnoval manier zo'n zo'n GP drie willen gebruiken. Dat vind ik wel dat ik als lezer moet ik weten. Dit is toch geen er 3 gemaakt en niet dat ik als lezer moet gokken?

Is dit nou een mens of een machine? Dus ik vind eigenlijk dat we dat dat soort spelregels met elkaar moeten gaan ontwikkelen en dat mensen die met GP3 3 gaan werken dat je ook aan bepaalde voorwaarden moeten voldoen.

Wat wel interessant was was eigenlijk het euh. Euh. De opzienbarende gesprek dat Gugel voerde met een zogenaamde kaps kapster. Die maakt een afspraak. Dat lieten is een computer die heel goed een stem kon nabootsen, een afspraak maken bij een kapsalon. Mag ik dan en dan langskomen om euh euh, mijn haren te laten wassen? En een mooie knipbeurt? En die stem was zo overtuigend, want ik sprak daar allerlei uitjes en andere menselijke geluiden kwamen er tussendoor. Dat die kapster aan de andere kant van de lijn niet in de gaten had dat ze me eigenlijk met software te maken had.

In plaats van een mens. En Gogel was daar heel trots op, want dat demonstreerde hun euh, jaarcapaciteit eigenlijk als ze als bouwer van de uh krachtige ai. Maar de maatschappelijke reactie daarop was ja. Hoe kun je iemand zo voor de gek proberen te houden?

Ja, we waren bij die toepassingen trouwens heel benieuwd naar Ben is of ze dat echt commercieel weten te maken. Want juist ook wij hebben gezegd van de drie kan vrij veel dingen. Euh, kan die een beetje, maar hij blinkt nergens helemaal in uit. En als jij een toepassing wil, een rekenmachine of een vertaalmachine, dan wil je juist wel iets wat heel erg goed is en ik ben. Ik moet nog zien of opening AI en of Microsoft in staat zullen zijn om dat inderdaad commercieel te maken, want iedereen wil wel gratis mee spelen.

Maar ik ga daar niet 400 dollar voor betalen per maand. Maar als het onderdeel is van je word programma dat je hier schrijft een artikel en je zit effe vast of je wil iets over Armenië weten. Ja, en dan krijg je een paar suggesties van misschien moet je daarover hebben, maar je blijft zelf de regie houden. Ja, dat is dan wel een belangrijk thema, zeker als. Als schrijver kun je daar iets mee opschieten. Zolang jij tenminste zelf die beslissingen neemt.

Volgens mij is dat in het algemeen de manier waarop kunstmatige intelligentie ingezet wordt. Ja, en het voorbeeld dat jij gaf Marco, over die klantenservices. Ik kan me voorstellen, maar dan moet jij even zeggen of dat een realistisch scenario is of niet. Benny is. Is dat als je? Stel je hebt uh uh, duizenden gesprekken tussen jouw klanten en die die over jouw product gaan. Uhm, als je die transcriptase als je zegt van nou ja, d.

D. D. Die als voorbeeld geeft. Is dus dat je een GT3 niet loslaat op het wilde weg met alle gekke dingen die erop staan. Maar, zegt van van Kijk Dee Dee Dee dit is. Dit is het universum. Uh, allemaal gesprekken over uh uh over jou jo's en pogo sticks en een mens die daar klachten over hebben. Uhm nou ja, van van. Kijk hier en in en nu kom ik met een nieuwe vraag over een een uh, een defecte Yoyo.

En geef maar een antwoord.

Volgens mij is dat ook wat moet gaan gebeuren. Wil je dit echt commerciële toepassingen, dan moet er een bepaalde graad van betrouwbaarheid hebben en zul je het denk ik toch. Behalve die die hele algemene trainingen die ie heeft gehad zul je hem toch nog eens een keertje heel specifiek moeten trainen op het domein waarin je het dan echt commercieel wil gebruiken. Dat zie ik ook al voor me. Maar is het dan ook niet heel typisch de. De manier waarop we nou GPLv3 hebben leren kennen is er als iets dat zich heel goed als een.

Mens voor kan doen, maar dat is ook, euh, ja dan ook. Euh, zeg maar t hippere ge eraan. Euh. Wat dat dé manier is om aandacht te trekken voor een nieuwe technologie. Kijk eens hoe goed we beter kunnen schaken of beter kunnen praten. Of beter. Ja opinie artikelen kunnen schrijven. Eigenlijk is dat een hele beperkte Hughes case. Ja, dat denk ik ook. Ik denk eigenlijk sowieso in het algemeen dat kunstmatige intelligentie dat je dat vooral moet gaan zien als iets wat onze menselijke intelligentie aanvult en veel minder echt als als pure vervanging.

Ik denk dat het toe de toepassing waar AI de mens volledig vervangt. Die zijn er wel, maar die zijn vrij specifiek. En voor een heleboel andere dingen is het gewoon een super nuttige toepassing in. In een interview dat ik ooit met Garry Kasparov had, de voormalig wereldkampioen schaken die in in 98 97 geloof ik door Deep Blue supercomputer werd verslagen, die zei van uh, als je als je kleine beetjes menselijkheid toe toevoegt aan een slimme machine, dan word je nog veel beter.

Juist omdat die jouw ons begrip van de wereld niet heeft, een heleboel van onze morele waarden niet automatisch kent. Uhm, en als je die samenwerking, die kun je juist wel heel erg goed maken. Een slim, creatief, soms onhandig hulpje kan ik reportedly zo. Of vooralsnog m en het beste omschrijven.

Ja ja, eentje eentje die ons af en toe euh verbaasd en af en toe ook verbijsterd en euh. We hadden dit alles horende Mark. Denk je dat een en een algoritme. Uhm ha, zoals Benny al zei en een deel van van jouw werk kan overnemen en een inqw. Heb jij al over nagedacht om om een column te laten schrijven door GT3?

Achja jij? Euh. Nee, ik heb de laatste drie al door GPLv3 laten schrappen.

Niemand had het door. Nee, nee, nee. Ik zou wel algoritme willen hebben of een model dat Ikea kastjes in elkaar kan zetten. Of euh, of bijvoorbeeld iets wat uhm. Uhm. En een model dat uh een uh de toren van Babel oplost. Ja, dat lijkt me wel iets echt dat je elkaar direct kan verstaan. Gogel heeft wel een paar pogingen gedaan. Dat je in allerlei talen tegelijk kan praten. Dat dat. Dat lijkt me nou echt een aanwinst voor de mensheid.

Wat wat ik als wetenschapsjournalist heel interessant vind is dat we net in Nederland is. Er een is er een project begonnen dat hij het Hybrid Intelligent. Dat gaat echt over de samenwerking tussen menselijke en kunstmatige intelligentie en de stip op de horizon. Het doel voor 2030 is om dan Uh a. Als co-auteur op een wetenschappelijk artikel te hebben en niet alleen omdat ie bijvoorbeeld data heeft geanalyseerd. Nee, echt als volwaardig co-auteur die gewoon mee heeft kunnen discussieren, mee heeft kunnen schrijven aan dat artikel.

En ik kan me voorstellen dat als je als je dat als doel hebt, dat je iets als Grijpink 3 heel hard uh zou willen gebruiken. Want die is goed in het omgaan met teksten en die kan vragen beantwoorden en tekst te genereren. En jij Lukáš? Wat zou jij willen? Nou, ik zou het al heel erg leuk vinden als ik elke dag wakker zou worden met een bemoedigende AI die zou zeggen goeiemorgen en dan. En echt een beetje de droom van al die kunstmatige entries.

Intelligente assistentes die we hebben, die dan echt? Euh, die niet over het weer begint als dat niet relevant is die me echt euh dingen kan vertellen die ik wil weten. Uhm h. Dus dus uh, als er iets op gebeurt over in. Misschien is er m een mooie nieuwe publicatie over klimaatverandering of een nieuwe dinosaurus ontdekt die dat er gewoon echt weet van. Ja, dit is echt wat. En dat dan ook op een leuke manier. En men kan vertellen dat lijkt me wint een Raye die je je begrijpt ja die met een beetje begrijpt en die me een beetje mee met me mee kan.

Ik? Dat zou. Dat zou ik wel fijn vinden. Ja, ik heb het er drie.

IS is de beste kunstmatige, intelligente schrijver die ooit is gemaakt. Maar hij stak destijds oerdom.

Nou, dat lijkt me een mooie slotconclusie voor deze aflevering. Benny en Mark, heel erg. Bedankt dat jullie hier kwamen praten over GPLv3. Micha Melita bedankt! Jij was de stem van de GP2 in deze aflevering. Kim kan bedijken. Heel erg bedankt voor de productie. De tune die je hoort, die is door mensen ingespeeld door het Dudok Quartet. Wij zijn er volgende week weer. Tot dan.