Wietse Hage

Is niet zo gek. Ze proberen daarmee wel binnen een hele drukke markt te komen natuurlijk. De browsermarkt is grotendeels gedomineerd door Google Chrome op het moment. Daar hebben ze best wel hard voor gevochten en dat is echt niet makkelijk. Een van de ideeën die OpenAI heeft is dat ze je, als je gratis ChatGPT gebruiker bent, extra perks geven. Dus minder limieten, et cetera. Als je de browser installeert en als standaard browser instelt, krijg je een soort cadeautje.

Zij willen natuurlijk heel graag die standaard browser worden. Dan kan je je afvragen, oké, maar heeft dat dan zoveel zin als er straks één of twee procent van de wereld een browser gebruikt vanuit OpenAI? Ja, het gaat ook vooral om data die verzameld kan worden. En dan heb ik het niet per se over persoonlijk identificeerbare data, maar gedrag.

Dus geanonimiseerd gedrag, waardoor je je modellen beter kunt trainen, omdat je in zoveel browser sessies ter wereld kan meekijken hoe mensen AI modellen inzetten om rond te klikken, om geschiedenis door te nemen, et cetera.

Zie je het een beetje als dat Tesla een gratis zelfrijdende auto zou weggeven om zoveel mogelijk beelden te verzamelen van de Nederlandse wegen. Op die manier kan je natuurlijk ook een gratis browser weggeven waarbij je ook nog eens mensen die niet willen betalen toch nog allerlei cadeautjes geeft. Zodat jij een groter model kunt trainen op een groter plaatje eigenlijk van het totale browser gedrag. Het is dan ook belangrijk wanneer je zo'n

Wanneer je gaat spelen met Atlas, dat je je beseft dat er veel van jouw persoonlijke data potentieel bij OpenAI belandt. Dus ik zou zeggen, wees daar een beetje voorzichtig mee. Maar het is wel een heel interessant kijkje in de toekomst waar AI-modellen van verschillende partijen meer en meer taken voor jou gaan overnemen als je dat wilt.

Dan vanuit DeepMind, samen met Yale University, een nieuw model gebaseerd op Gemma, wat gebruik maakt van het idee cell to sentence. Dus het idee dat je eigenlijk cellen omzet naar tekst, naar woorden, naar zin, waardoor je taalmodellen kunt inzetten om taken te doen, analyses te doen, die normaal in een ander domein plaatsvinden.

Dit model heeft eigenlijk geleerd hoe menselijke cellen werken en kan op die manier soort van hun taal verstaan. Wat interessant is dat het model een manier heeft ontdekt om kankercellen te bestrijden. Het probleem is namelijk dat veel tumoren eigenlijk niet zichtbaar zijn voor ons lichaam. Waardoor het afweersysteem niet aangezet wordt om die tumoren, om die cellen aan te pakken. Dit noemen ze dan koude tumoren.

Het model vond een interessante oplossing. Door bepaalde medicijnen te combineren kunnen deze onzichtbare tumoren wel zichtbaar worden voor ons afweersysteem. Eigenlijk heb je een model dat gebaseerd op een taalmodel door cellen om te zetten naar zinnen.

voorspellingen kan doen over medicijncombinaties... en in hoeverre die combinaties ervoor kunnen zorgen... dat kankercellen zichtbaarder worden voor ons immuunsysteem. En ze hebben dit getest. Dus dat model heeft voorspellingen gedaan... van je zou deze twee medicijnen moeten combineren. En inderdaad, in laboratoriumtest bleek... dat de tumorencellen 50% beter herkenbaar werden... voor ons eigen afweersysteem. En dat het lichaam daarmee dus beter in staat is... om zelf tegen die kanker te vechten...

Waarom is het extra interessant nieuws? Deze behandeling staat niet in medische handboeken. Oftewel is eigenlijk een nieuwe behandeling. En dit is wel iets waar ik heel erg naar uitkijk. Als het gaat om modellen in de brede zin van het woord. AI-modellen, voorspelmodellen. Is wanneer ze nieuwe ideeën maken. Wanneer ze nieuwe verbindingen vinden. Want vooralsnog is het grotendeels een echo van het verleden.

Dan als laatste Cloud Skills. Een beetje onder de radar gebleven. Ik ben er zelf ook pas vrij laat ingedoken. Maar Cloud Skills zijn eigenlijk het idee... dat je een soort voorgeschreven recepten hebt... van taken die je al weet hoe zo'n model moet doen. Waarbij je allerlei instructies hebt voor je model... die je klaarzet. En wanneer het model ze nodig heeft... dat hij zelf zegt... ik heb volgens mij hier een keer een skill voor geleerd. Hier is een keer een skill voor beschreven.

Dit is eigenlijk wat bijvoorbeeld Entropic ook gebruikt om een PowerPoint te maken. Je kunt je voorstellen als jij vraagt aan Claude, kan je een PowerPoint voor me maken? Dan moet hij eigenlijk snappen hoe PowerPoint werkt, hoe het PowerPoint bestandsformaat werkt en dan ook nog een stukje programmeren om dat bestand uiteindelijk te kunnen maken en aan jou te kunnen geven, zodat je die kan openen in PowerPoint.

Die skills zijn dus een aantal ingebouwde skills bij Entropic zelf. Maak een PowerPoint. Maar je kunt die skills nu ook zelf definiëren. En dat is niet alleen maar stukjes prompt, maar ook bijvoorbeeld stukjes code. Dat je zegt, oké, dus programmeercode.

Dus je kunt uitleggen wanneer je aan de gang gaat met X en Y, dan moet je dat op deze manier doen. Als het over dit onderwerp gaat binnen onze organisatie bijvoorbeeld. En als je daarvoor gaat rekenen, moet je dit stuk Python code gebruiken, waarin ik de berekeningen alvast voor je opgeschreven heb. En als je dan klaar bent, moet je het op deze manier uitsturen, zeg maar uitserveren.

En op die manier kan je eigenlijk een soort bibliotheek maken van, noem het competenties, om het even in het Nederlands te zeggen, eigenlijk oorgedefineerde competenties die je vaak herhaalt binnen CLAD. En op die manier breid je eigenlijk je eigen basismodel uit met allerlei op maat gemaakte competenties, waarbinnen dus ook nog Excel-formules zitten, een omschrijving van je bedrijfshuisstijl, allerlei regels. En

Toen ik dit voor het eerst las, dacht ik, ja, gewoon prompten met een beetje programmeren eromheen. Maar als je erover nadenkt hoe mensen deze skills met elkaar kunnen gaan delen, dat je misschien een soort skills shop of skills library gaat krijgen binnen Cloud, dat deze skills mogelijk te delen zijn tussen modellen, dus niet alleen maar Cloud, maar ook de modellen van OpenAI en Google, dan ontstaat er toch wel een interessant ecosysteem van taalmodel of

AI-competentiestukjes die gedeeld kunnen worden tussen alle verschillende stukken software. Dus ga dit even goed bekijken, want het kan wel eens zo zijn dat dit een heel belangrijk onderdeel gaat worden van het hele ecosysteem. Voordat we verder gaan naar het interview praten Marjan en Lucas van Dept je nog even bij over het slimmer maken van zoekmachines met AI.

Deze week praat ik met Judith van Stegeren over vibecoding. Judith is een onderzoeker, engineer en consultant en op dit moment vooral bezig met het opschonen van vibecoded projecten en zorgen dat AI binnen softwareprojecten die populair worden, schaalbaar blijft. Het is een vrij technisch gesprek. We hebben het over machine learning, technical depth, blackboxes en de drie golven van AI. Maar geen zorgen, dit gesprek is ook prima te volgen voor de minder technische luisteraar. Veel plezier!

Misschien is het goed als we even beginnen met vibecode. Alexander en ik hebben het vaker over vibecode gehad in de podcast, maar het is een hele nieuwe term. Het is ook een, ja, hoe zeg je dat, informele, ook een beetje een grapje eigenlijk. Maar inmiddels heb je wel een hele industrie die dit gebruikt als marketing om voor best wel veel geld tooling te verkopen. Dus we moeten het ook wel weer wat serieuzer nemen. Wat is wat jou betreft vibecoding?

Maar ja, ik vind eigenlijk bijna al het coden met generatieve AI coding tools vind ik vibecoden. Maar klinkt jij er iets anders tegenaan? Nou, dat is interessant. Ja, ik wou zeggen, want allereerst, eigenlijk is het een beetje een red flag voor jou dus. In ieder geval, iemand zegt dit is gevibecode en dan zeg jij, oh, dan moet ik even extra naar gaan kijken.