Block #9

Tag: AI

  • AlphaEvolve AI Van Google DeepMind Ontdekt Nieuwe Wegen Voor Onopgeloste Wiskundeproblemen

    AlphaEvolve AI Van Google DeepMind Ontdekt Nieuwe Wegen Voor Onopgeloste Wiskundeproblemen

    Het recente partnerschap tussen Google DeepMind en vooraanstaande wiskundigen markeert een belangrijke mijlpaal in de manier waarop kunstmatige intelligentie (AI) kan bijdragen aan complexe wetenschappelijke vraagstukken. Het nieuwe AI-systeem, AlphaEvolve, heeft zich bewezen door niet alleen bestaande oplossingen te herontdekken, maar ook nieuwe inzichten te bieden in uitdagende wiskundige problemen. Dit is niet zomaar een technologische vooruitgang; het illustreert de kracht van AI als een drijvende kracht achter wetenschap.

    Pushmeet Kohli, een computerwetenschapper bij Google DeepMind, heeft benadrukt hoe deze samenwerking met gerenommeerde wiskundigen zoals Terence Tao en Javier Gómez-Serrano hen heeft geholpen om voortgang te boeken in wiskundig onderzoek. Met het gebruik van hun AI-agenten, waaronder AlphaEvolve, blijkt dat innovaties niet langer uitsluitend aan menselijke intellecten zijn voorbehouden. Deze AI is in staat om nieuwe resultaten te ontdekken in uiteenlopende probleemgebieden.

    Het Kakeya-conjectuur in eindige velden, een probleem dat in 2008 door de wiskundige Zeev Dvir werd bewezen, stelt een ogenschijnlijk eenvoudige vraag: wat is de kleinste set punten die een volledige “lijn” in elke mogelijke richting kan bevatten, zonder overbodige overlappingen? Dit is een metafoor voor het vinden van de meest efficiënte manier om pijlen in alle richtingen op een schaakbord te tekenen, zonder vierkanten te verspillen.

    Dit probleem gaat verder dan louter wiskunde; het raakt aan belangrijke toepassingen in coderings-theorie en signaalverwerking. De recente ontdekkingen verbeteren niet alleen het bewijs, maar bieden ook verfijnde constructies, wat impliceert dat er nu slimmere manieren zijn om deze verzamelingen samen te stellen. AlphaEvolve heeft deze innovaties getest op een breed scala van 67 math-problemen, wat aantoont dat de AI in staat is om complexe vraagstukken aan te pakken en bestaande kennis naar een hoger niveau te tillen.

    De kern van AlphaEvolve is geïnspireerd door de principes van biologische evolutie. Het systeem start met basale computerprogramma’s, die worden geëvalueerd op basis van de criteria van specifieke problemen. Succesvolle programma’s worden “gemuteerd” om variaties te creëren die vervolgens opnieuw worden getest. Dit vermijdt de typische tijdsbeperkingen van menselijke analisten en stelt de AI in staat om veelbelovende patronen snel te identificeren.

    De abstract van de paper legt uit dat de evolutie bestaat uit twee hoofdelementen: een generator – die variaties introduceert – en een evaluator, die op basis van de “fitness” scores van de programma’s bepaalt hoe goed zij voldoen aan de gestelde eisen. Het indrukwekkende resultaat is dat dit systeem niet alleen bekendste oplossingen herontdekt, maar ook verbeterde versies presenteert en zelfs de bevindingen generaliseert naar universelere formules.

    De versterkende rol van AI in de wiskunde

    Met de expertise van Tao en G ómez-Serrano wordt AI niet alleen als zelfstandige ontdekkingsmachine gebruikt, maar ook als een aanvulling op menselijke intuïtie. De integratie van andere DeepMind-tools, zoals Gemini Deep Think voor redenering en AlphaProof voor formele bewijslasten, biedt een robuuste aanpak die de resultaten van de AI naar een nieuw niveau van rigor en validatie tilt.

    Het belang van deze samenwerking ligt in de ontdekking dat AI niet alleen de snelheid van innovaties kan vergroten, maar ook de kwaliteit ervan kan verbeteren. De resultaten wijzen erop dat het gebruik van AI-gestuurde evolutionaire zoekmethoden in staat is om wiskundige constructies te ontdekken die de menselijke creativiteit aanvullen. Dit doet vragen rijzen over de rol van AI in de pure wetenschap: zijn machines in staat om echt te “uitvinden” of zijn zij louter geoptimaliseerde hulpmiddelen?

    Dit recente onderzoek is slechts een glimp van het potentieel dat de toekomst biedt voor de combinatie van kunstmatige intelligentie en wiskunde. De implicaties hiervan zijn enorm en kunnen leiden tot snellere innovatie in technologische gebieden zoals cryptografie en dataverwerking.

    Vraag & Antwoord

    Wat zijn de belangrijkste bevindingen van het onderzoek door Google DeepMind?
    Het onderzoek toont aan dat de AI-systemen AlphaEvolve en aanverwante tools in staat zijn om niet alleen bestaande wiskundige oplossingen te herontdekken, maar ook nieuwe en meer efficiënte constructies te creëren, wat kan bijdragen aan significante vooruitgangen in verschillende wiskundige disciplines.

    Hoe draagt de evolutie-inspiratie van AlphaEvolve bij aan de wiskundige resultaten?
    De evo-inspiratie stelt het systeem in staat om variaties van wiskundige programma’s te genereren en deze snel te evalueren tegen vastgestelde criteria, wat leidt tot een efficiëntere ontdekking van wiskundige oplossingen die anders mogelijk over het hoofd gezien zouden worden.

    Wat is de rol van menselijke wiskundigen in dit proces?
    Menselijke wiskundigen zoals Terence Tao fungeren als valideurs en gidsen voor de AI-resultaten. Zij zorgen ervoor dat de ontdekkingen niet alleen technisch juist zijn, maar ook een wiskundige basis hebben, waardoor de samenwerking tussen mens en machine wordt versterkt.

  • Microsoft Laat AI Agents Valse Geldmiddelen Gebruiken Voor Online Aankopen, Met Verlies Aan Scamfonds

    Microsoft Laat AI Agents Valse Geldmiddelen Gebruiken Voor Online Aankopen, Met Verlies Aan Scamfonds

    De recente experimenten van Microsoft met een gesimuleerde economie, waar honderden AI-agents als kopers en verkopers opereerden, bieden een onthullend inzicht in de huidige staat van autonome AI-systemen. Wat lijkt op een innovatieve ontwikkeling in de AI-ruimte, roept vragen op over de werkelijke effectiviteit en betrouwbaarheid van deze technologie. Na uitvoerige testen met 100 klantgerichte AI-agents tegen 300 zakelijke agents in scenario’s zoals het bestellen van diner, blijkt de haalbaarheid van autonome digitale assistenten nog ver verwijderd van de beloften die worden gekoesterd door investeerders en innovators in deze sector.

    Wanneer deze AI-modellen werden geconfronteerd met een overvloed aan zoekresultaten, verzopen ze in de informatie. Het feit dat ze niet in staat waren om kwalitatieve vergelijkingen uit te voeren, maar zich vasthouden aan de eerste “goed genoeg” optie die ze tegenkwamen, legt een essentiële tekortkoming bloot: de zogenaamde “first-proposal bias”. Dit fenomeen, waarbij snelle reacties de overhand kregen op daadwerkelijke kwaliteit, illustreert dat deze agents meer gefocust zijn op snelheid dan op nauwkeurigheid. Als investeerders in deze technologie, kunnen we ons afvragen: wat betekent dit voor onze verwachtingen in de richting van autonome systemen?

    Een nog zorgwekkender aspect dat Microsoft tijdens haar onderzoek ontdekte, is de kwetsbaarheid van deze AI-modellen voor manipulatie. Diverse tactieken, waaronder het gebruik van valse referenties en sociale bewijzen, leidden tot succesvolle omleidingen van betalingen naar kwaadwillende partijen. Dit toont niet alleen de zwakte aan van bekende modellen zoals OpenAI’s GPT-4o, maar benadrukt ook de grotere uitdaging die AI-veiligheid en -integriteit momenteel ondervinden. Het is cruciaal voor investeerders om deze risico’s in overweging te nemen. De toegenomen mogelijkheden voor kwaadaardige actoren om AI-systemen te manipuleren, kunnen aanzienlijke financiële gevolgen hebben.

    De Rol van Menselijke Controle

    Tijdens de experimenten bleek dat zonder duidelijke menselijke begeleiding, AI-agents moeite hadden met rolverdeling en onderlinge coördinatie. Hoewel er een significante prestatieverbetering was bij stap-voor-stap menselijke begeleiding, wordt deze vorm van interactie paradoxaal: het persoonlijke toezicht ondermijnt het aanvankelijke doel van autonomie. Het rapport van Microsoft stelt dat het beter is om autonome software te gebruiken als een ondersteunend hulpmiddel voor menselijke besluitvorming dan als een vervanging. Dit pleidooi voor “gecontroleerde autonomie” zou wel eens de richting kunnen zijn waarin we moeten investeren en innoveren, zodat de technologische beloftes de realiteit kunnen inhalen.

    De spanningen tussen AI-bedrijven en traditionele retailgiganten worden steeds nadrukkelijker, zoals blijkt uit de recente opschudding rondom Perplexity AI en Amazon. De beschuldigingen van misbruik door AI-agents onderstrepen de noodzaak voor een gedegen ethische en juridische benadering van het gebruik van AI in economische omgevingen. Consumenten zouden niet gedwongen moeten worden om hun keuze in digitale assistenten te beperken tot platformbeheerde opties; in plaats daarvan moeten ze de autonomie hebben om hun eigen digitale partners te kiezen. Deze discussie raakt de kern van wat het betekent om verantwoordelijk om te gaan met technologie, vooral in een tijd dat de sector naar snelheid streeft maar veel cruciale uitdagingen nog niet heeft overwonnen.

    Vraag & Antwoord

    Wat zijn de belangrijkste bevindingen uit het onderzoek van Microsoft naar autonome AI?
    Het onderzoek onthulde dat AI-agents niet in staat waren om effectief met grote hoeveelheden informatie om te gaan, waaruit bleek dat hun prestaties werden beïnvloed door een vooringenomenheid naar de eerste optie. Dit wijst op een gebrek aan kritische denkwijze en autonomie.

    Hoe kwetsbaar zijn huidige AI-modellen voor manipulatie?
    Veelgebruikte AI-modellen, zoals die van OpenAI, zijn ontdekbaar kwetsbaar voor manipulatie door kwaadwillende actoren, wat kan resulteren in financiële verlies door betalingen die worden omgeleid naar deze partijen.

    Wat houdt de aanbeveling van “gecontroleerde autonomie” in?
    Het concept van gecontroleerde autonomie suggereert dat terwijl AI-agents taken kunnen uitvoeren, menselijke controle en supervisie gewenst blijven om de kwaliteit en veiligheid van beslissingen te waarborgen.

  • Google Maps: Geminis Innovatieve Testomgeving Voor Praktische AI

    Google Maps: Geminis Innovatieve Testomgeving Voor Praktische AI

    Generatieve AI trekt niet langer onze aandacht vanuit de schermen van onze apparaten, maar verplaatst zich naar de wegen waar we ons dagelijks verplaatsen. Google heeft onlangs aangekondigd dat het zijn Gemini AI-modellen integreert in Google Maps, een stap die de evolutie van persoonlijke navigatie op een revolutionair niveau accentueert. Deze ontwikkeling biedt niet alleen een meer conversatiegerichte interactie, maar ook contextbewuste navigatie die inspeelt op de behoeften van de gebruiker.

    De update van Google beoogt een conversatievere en contextbewuste navigatie, waarmee bestuurders complexe taken via spraakopdrachten kunnen uitvoeren. Stel je voor: je bent onderweg en wilt een betaalbare eetgelegenheid met veganistische opties vinden. Met een simpele vraag kan Gemini je helpen dit soort verzoeken te vervullen en meteen aanvullende taken aan te geven, zoals het verificeren van nabijgelegen parkeermogelijkheden of het toevoegen van een evenement aan je agenda.

    Wat betekent dit voor investeerders en analisten? De mogelijkheid om gebruikers proactief te informeren over verkeerssituaties, zoals plotselinge wegafsluitingen of drukte, geeft een opmerkelijke uitbreiding van de functie van navigatie-apps. Google stelt: “Er is niets vervelender dan niet voorbereid te zijn op een plotselinge stilstand. Google Maps kan nu zelfs als je niet actief aan het navigeren bent, je waarschuwen voor verstoringen op de weg.”

    De incessante evolutie van navigatietechnologie heeft ook invloed op de manier waarop navigatie-instructies worden gegeven. In plaats van abstracte aanwijzingen als “sla rechtsaf over 500 meter”, horen bestuurders nu richtingen die zijn gekoppeld aan herkenbare landmarks. Denk aan het aansteken van een restaurant of tankstation dat je rechts ziet liggen. Google benut een database van ongeveer 250 miljoen gemapte locaties en beelden van Street View, zodat het systeem in staat is om aanwijzingen te geven die werkelijk relevant zijn voor de bestuurder.

    Na aankomst op de bestemming blijft Gemini actief via een nieuwe functie, “Lens built with Gemini”. Dit stelt gebruikers in staat om hun smartphonecamera te richten op nabijgelegen winkels, restaurants of bezienswaardigheden en hierover aanvullende vragen te stellen, zoals waar het specifieke etablissement bekend om staat of welke sfeer er heerst. Deze functie begint binnenkort in de VS op zowel Android als iOS.

    De automobiele AI-markt, die navigatie, sensoren en spraakassistenten omvat, groeit snel. Volgens industrie-inzichten zal deze markt naar verwachting van ongeveer 19 miljard dollar in 2025 naar bijna 38 miljard dollar in 2030 stijgen. Alleen al de waarde van spraakassistenten in voertuigen is dit jaar meer dan 3 miljard dollar, aangewakkerd door de vraag naar contextbewuste interacties in plaats van eenvoudig infotainment. Dit benadrukt de verschuiving naar meer geavanceerde technologieën die tegemoetkomen aan de verwachtingen van gebruikers en de veranderende dynamiek in de mobiliteitssector.

    De opkomst van geavanceerde AI-technologieën in auto’s laat zien dat het niet alleen gaat om verbetering van de gebruikerservaring, maar ook om het veraangenamen van de interactie tussen mens en machine. Voor investeerders is het van belang om deze trends scherp in de gaten te houden, aangezien de verschuiving naar een meer geautomatiseerde en intelligente benadering van mobiliteit steeds beter vorm krijgt.

    Vraag & Antwoord

    Wat is de rol van Gemini in Google Maps?
    Gemini integreert generatieve AI in Google Maps, waardoor gebruikers handsfree, conversatiegerichte navigatie kunnen ervaren, met contextbewuste assistentie en informatie.

    Hoe beïnvloedt deze technologie de gebruikerservaring?
    De technologie maakt gebruik van herkenbare landmarks in plaats van abstracte aanwijzingen, wat de navigatie intuïtiever en gebruiksvriendelijker maakt.

    Wat zijn de vooruitzichten voor de automobiele AI-markt?
    De automobiele AI-markt zal naar verwachting groeien van 19 miljard dollar in 2025 naar bijna 38 miljard dollar in 2030, met een toenemende focus op contextbewuste interacties in voertuigen.

  • Singaporese Financiële Toezichthouder Waarschuwt Voor Overwaardering Van AI

    Singaporese Financiële Toezichthouder Waarschuwt Voor Overwaardering Van AI

    De Autoriteit Monetair van Singapore (MAS) heeft recent gewaarschuwd dat de waarderingen van technologie- en kunstmatige intelligentiebedrijven op een risico-niveau zijn aangekomen dat als “relatief gestrekt” wordt beschouwd. Deze waarschuwing komt voort uit hun jaarlijkse Financiële Stabiliteitsbeoordeling, waarin wordt gesteld dat de beurskoersen, met name binnen de technologie- en AI-sectoren, onterecht zijn opgestuwd door een golf van speculatieve investeringen.

    De MAS wijst op de enorme instroom van kapitaal dat naar AI heeft gestroomd, waardoor veel beleggers blootgesteld zijn aan een sector die zich mogelijk in een bubbel bevindt. Bezorgdheid wordt uitgesproken over grote technologiebedrijven die gebruikmaken van ondoorzichtige financieringsstructuren, die de risico’s van hoge schuldniveaus verhullen en de kwetsbaarheid voor externe schokken vergroten.

    Voorbeelden zijn bedrijven als OpenAI, dat recent een waardering van $500 miljard heeft bereikt en mikt op $1 biljoen vóór een mogelijk beursintroductie in 2026. Anthropic, een andere speler in de AI-markt, heeft zijn waardering sinds maart bijna verdrievoudigd, van $60 miljard naar $170 miljard.

    Is er sprake van een AI-bubbel?

    De huidige hype doet denken aan de dot-com bubbel van de late jaren ’90, waarin de waarderingen van technologie-aandelen exponentieel stegen, ondanks hun ontbreken van onderliggende winstgevendheid. Experts waarschuwen dat de AI-boom net zo goed gedreven kan worden door speculatieve verwachtingen als door reële productiviteitswinsten.

    Jordi Alexander, CEO van Selini Capital, onderstreept dat het vroeg of laat noodzakelijk zal zijn dat AI bijdraagt aan substantiële groei om de oplopende overheidsschulden te rechtvaardigen. Aangezien andere sectoren deze groei niet bijbenen, heeft AI de meeste investeringen en aandacht gekregen. Hij geeft aan dat we ons moeten afvragen of we te maken hebben met een tijdelijke AI-bubbel.

    Er is inderdaad een risico dat sommige AI-bedrijven financieel kwetsbaar worden als ze niet in staat zijn om hun beloften van felle groei waar te maken. Zeker als er onvoldoende economische basis is om de huidige waarderingen te rechtvaardigen, komt een eventuele correctie in de waarderingen als een verrassing.

    Nirav Murthy, co-oprichter en CEO van Camp Network, bevestigt dat de huidige waarderingen de werkelijke fundamenten overtreffen. Hij maakt zich zorgen over de effecten van de ongelijkmatige intensiteit van kapitaal en tendensen van circulaire dealstructuren. De focus op goed gefinancierde groei kan de inschatting geven dat deze onontkoombaar is, terwijl dat niet noodzakelijk het geval is.

    Wat niet wil zeggen dat AI inherent een bubbel is. In plaats daarvan wijst Murthy op de noodzaak van duurzame economische cijfers en eerlijke kostenstructuren om de volgende golf van groei te ondersteunen. Dit verdient de nodige aandacht bij investeerders, vooral gezien de potentiële financiële impact bij een eventuele afname van het consumptie- en investeringssentiment.

    De dynamiek in de AI-ruimte is onmiskenbaar, maar het is cruciaal dat de grote spelers duurzame strategieën behouden. Dit moet inhouden dat zij vertrouwen op rechten, heldere licenties en geverifieerde gegevens, wat essentieel zal zijn voor het waarborgen van langdurige winsten in een steeds competitievere markt.

    Vraag & Antwoord

    Wat zijn de implicaties van de gewaarschuwde waarderingen voor beleggers?
    Beleggers dienen voorzichtig te zijn in hun allocaties binnen de AI-sector. Hoewel het potentieel voor significante groei bestaat, is het essentieel om de financiële fundamenten van de betrokken bedrijven zorgvuldig te analyseren. De huidige hype kan een risico vormen indien deze waarderingen uit de pas lopen met de daadwerkelijke prestaties.

    Hoe kunnen technologiebedrijven de risico’s van hun waarderingen beheersen?
    Technologiebedrijven moeten transparante en duurzame financiële structuren aannemen, en zich richten op het waarborgen van zichtbaarheid in hun activa en verantwoordelijkheden. Dit verkleint de kans op onaangename verrassingen en versterkt het vertrouwen van beleggers in de lange termijn.

    Is AI een structurele verandering of slechts een tijdelijke golf?
    AI vertegenwoordigt ongetwijfeld een structurele verandering binnen de technologie, met aanzienlijke mogelijkheden voor productiviteitsverbeteringen. Desondanks moeten beleggers en analisten realistisch blijven over de timing van deze verbeteringen en de bijbehorende risico’s evalueren.

     

  • Amazon Klaagt AI Bedrijf Aan: Escalatie In Strijd Voor Gebruikersautonomie

    Amazon Klaagt AI Bedrijf Aan: Escalatie In Strijd Voor Gebruikersautonomie

    Amazon heeft Perplexity AI aangeklaagd om het gebruik van hun Comet-browser, waarbij het bedrijf de AI beschuldigt van het vermommen van bots als menselijke klanten en het schenden van zijn gebruiksvoorwaarden. Dit markeert een significante juridische confrontatie over de groei van ‘agentic’ browsers, waarin autonome AI-agents namens gebruikers handelen. De aanklacht van Amazon leidt tot een diepgaande discussie over de toekomst van consumentengedrag en technologische autonomie.

    In een schokkende zet heeft Amazon een stopzettingsverzoek gestuurd naar Perplexity, waarin het beweert dat de Comet-assistent de gebruikerservaring op hun platform degradeert en privacyrisico’s introduceert door ongeoorloofd te handelen namens klanten. Dit heeft grote implicaties voor de manier waarop AI-modellen functioneren in de e-commerce ruimte. De kritiek van Amazon, gericht op de vermeende misleiding van consumenten en dataverzameling zonder toestemming, wijst op een bredere bezorgdheid over hoe technologie bedrijven kan ondermijnen die zich inzetten voor transparantie en gebruikersbescherming.

    Perplexity’s reactie

    Perplexity heeft de beschuldigingen van Amazon krachtig weersproken. Zij typeren de juridische stappen van Amazon als een vorm van intimidatie. Het bedrijf stelt dat de stellingname van Amazon een bedreiging vormt voor de keuzevrijheid van gebruikers, waarbij Perplexity benadrukt dat consumenten het recht hebben om hun eigen digitale assistenten in te huren. Dit raakt aan de kern van wat goed en volledig gebruik van AI inhoudt: het creëren van een omgeving waar gebruikers autonoom kunnen opereren met vertrouwen in de technologie die hen ondersteunt.

    Agentic browsers zoals Comet en OpenAI’s ChatGPT Atlas zijn ontworpen om taken te automatiseren zoals reizen boeken of aankopen doen, zonder dat gebruikers handmatig hoeven te klikken. Deze technologie is revolutionair voor de manier waarop mensen winkelen en informatie vergaren. Maar met deze kracht komt ook de verantwoordelijkheid voor transparantie en de noodzaak om de grenzen van dataverzameling en gebruikersautonomie te respecteren. De recente innovaties, waaronder de “Instant Checkout” functie van OpenAI, maken dit onderscheid nog belangrijker.

    De strijd tussen Amazon en Perplexity is meer dan een juridische kwestie; het is een debat over de ethiek van AI en de verantwoordelijkheid die technologiebedrijven hebben tegenover hun gebruikers. Amazon’s standpunt benadrukt de noodzaak voor derde partijen om transparant te opereren, terwijl Perplexity zich inzet voor gebruikersautonomie. Deze tegenoverstellingen zijn cruciaal voor investeerders en beleidsmakers die de toekomstige ontwikkelingen in de Europese cryptomarkt willen volgen.

    Het is evident dat de uitkomst van deze juridische strijd wel eens de toekomst van online diensten en de acceptatie van autonome agents kan vormgeven. Terwijl Amazon zich blijft positioneren als een stevige speler in de business, is de mobilisatie van startups als Perplexity essentieel om de balans in de technologie-industrie te behouden. Hoe deze bedrijven hun krachten bundelen, kan bepalend zijn voor de consumentenvriendelijkheid van de online ervaring in de toekomst.

    Vraag & Antwoord

    Wat zijn de kernproblemen in het geschil tussen Amazon en Perplexity?
    De kern van het geschil draait om de werking van de Comet-browser van Perplexity en de beschuldigingen van Amazon dat deze bots als menselijke klanten vermommen, wat volgens Amazon in strijd is met hun gebruiksvoorwaarden.

    Hoe reageren gebruikers op de opkomst van agentic browsers?
    Gebruikers stellen dat ze autonomous AI willen die hun belangen vooropstelt. Het is cruciaal dat deze technologie gebouwd is op vertrouwen en respect voor persoonlijke voorkeuren.

    Wat bekijken investeerders in deze context?
    Investeerders dienen te letten op hoe dergelijke geschillen de adoptie van nieuwe technologieën kunnen beïnvloeden en welke gevolgen dit heeft voor de concurrentie in de e-commerce sector.

  • Arxiv’s Nieuwe Beleid: Opkomst Van Ai-generatie Zet Kwaliteit Van Onderzoek Onder Druk

    Arxiv’s Nieuwe Beleid: Opkomst Van Ai-generatie Zet Kwaliteit Van Onderzoek Onder Druk

    ArXiv, een toonaangevende open-access repository, heeft zijn beleid ingetrokken voor het accepteren van review- en standpunten artikelen in de categorie Computerwetenschappen. Alleen artikelen die al het peer-review proces van een tijdschrift of conferentie hebben doorlopen, zijn nu nog toegestaan. Deze beleidswijziging, aangekondigd op 31 oktober, volgt op een overweldigende toestroom van AI-gegeneerde survey papers. Dit fenomeen heeft de moderators ertoe aangezet om de waarde van ingediende papers opnieuw te evalueren, daarbij wijzend op de daling van de kwaliteit en inhoud van deze stukken.

    Met de opkomst van generatieve AI – en in het bijzonder grote taalmodellen zoals ChatGPT – is het voor onderzoekers eenvoudiger geworden om oppervlakkige surveys te produceren. ArXiv ontving de afgelopen jaren honderden van dergelijke inzendingen per maand, in stark contrast met de eerder klein aantal hoogwaardige reviews, meestal geschreven door gevestigde academici. Deze plotselinge toename heeft geleid tot een substantiële verandering in de manier waarop ArXiv deze inzendingen behandelt, omdat het het vermogen om deze kwaliteitsverschillen te beoordelen niet meer kan waarborgen.

    De Strijd tegen AI-generatie en de Impact op Onderzoekers

    Volgens Thomas G. Dietterich, een moderator van ArXiv, zijn ze gedwongen deze ingrijpende beslissing te nemen door het dramatische aantal LLM-geassisteerde survey papers. Het platform heeft niet voldoende moderatorteam om kwalitatieve analyses van alle inzendingen uit te voeren. Dit doet een flinke aanspraak op de middelen van de moderators, die traditioneel de rol van kwaliteitsbewaker vervullen zonder het peer-review proces te repliceren.

    Een recente studie gepubliceerd in Nature Human Behaviour ondersteunt de bezorgdheid dat een aanzienlijk percentage van computerwetenschappelijke abstracts getweaked is met behulp van AI. Dit roept vragen op over de integriteit van onderzoek en het vermogen om authentieke en hoogwaardige wetenschappelijke bijdragen te onderscheiden. De zorg is reëel; als we kijken naar de resultaten van een studie in Science Advances, zien we een exponentiële stijging van het gebruik van AI in onderzoekspapers sinds de introductie van ChatGPT.

    De reacties vanuit de onderzoeksgemeenschap zijn echter gemengd. Sommigen, zoals AI-veiligheidsonderzoeker Stephen Casper, maken zich zorgen over de negatieve impact van dit beleid op opkomende onderzoekers en degenen die zich bezighouden met ethiek en governance. De angst is dat deze nieuwe vereisten diepgang en diversiteit van geluid in het onderzoek zouden kunnen belemmeren, vooral voor jongeren en degenen die niet beschikken over de middelen van grote instituten.

    Anderen pleiten voor een meer genuanceerde benadering, waarbij het doorvoeren van een ongemodereerd gedeelte op ArXiv als optie wordt besproken. Dit suggereert een mogelijke uitweg om tegelijkertijd kwaliteit en toegankelijkheid te waarborgen, zonder diegene die opstartend onderzoek verrichten uit te sluiten van het platform.

    De recente beleidsverschuiving van ArXiv weerspiegelt een bredere trend binnen de academische uitgeverij; conferenties zoals CVPR 2025 hebben al vergelijkbare maatregelen getroffen om papers van reviewers met onbetrouwbaar gedrag af te wijzen. Dit maakt deel uit van een bredere gemeente van onderzoek naar hoe de integriteit van wetenschappelijk werken gewaarborgd kan blijven te midden van de explosieve groei van AI-technologieën.

    Voor investeerders en analisten die de impact van deze verschuivingen in kaart willen brengen, is het cruciaal om te overwegen wat dit betekent voor de kwaliteit en betrouwbaarheid van onderzoek binnen de cryptomarkt. Wetenschappelijke publicaties zijn een fundament van het vertrouwen in nieuwe technologieën en toepassingen. Als we deze ontwikkeling goed volgen, kunnen we dagen waar nog veel ruimte is voor verbetering in de evaluatie en implementatie van AI in fundamenteel onderzoek.

    Vraag & Antwoord

    Tot welke gevolgen leidt deze beleidswijziging voor onderzoekers die zich inzetten voor het publiceren van review- en standpuntenartikelen?
    De beleidswijziging kan vooral nadelig zijn voor opkomende onderzoekers en academici zonder toegang tot de middelen van grotere instituten, waardoor hun vermogen om waardevolle bijdragen aan hun vakgebied te leveren, beperkt wordt.

    Wat zijn de bredere implicaties van de stijgende invloed van generatieve AI op wetenschappelijk onderzoek?
    Generatieve AI roept vragen op over de integriteit van gepubliceerd werk en het vermogen om authentieke, diepgaande onderzoeksbijdragen te onderscheiden van oppervlakkige, door AI gecreëerde inhoud.

    Welke alternatieven worden besproken voor het huidige beleid van ArXiv?
    Er zijn voorstellen gedaan voor het creëren van ongemodereerde secties binnen ArXiv, wat zou kunnen helpen om zowel toegang voor nieuwkomers in het veld te waarborgen als tegelijkertijd de kwaliteitscontrole te verbeteren.

  • AI Agents En Crypto: Google Leidt Paradigmaverschuiving Met Nieuw Betalingsprotocol

    AI Agents En Crypto: Google Leidt Paradigmaverschuiving Met Nieuw Betalingsprotocol

    Google heeft onlangs het Agent Payments Protocol (AP2) gelanceerd, waarbij prominente crypto-spelers zoals de Ethereum Foundation, Mysten Labs en MetaMask zijn samengebracht. Er ontstaat een duidelijke consensus: cryptocurrency zal de native economische taal van AI Agents worden. Op dit cruciale keerpunt vormt Surge zich als de meest veelbelovende katalysator binnen het Sui-ecosysteem.

    Deze nieuwe paradigmavereiste omvat drie fundamentele monetaire kenmerken: efficiëntie, wereldwijde reikwijdte en programmeerbaarheid. Traditionele fiatvaluta, gebonden aan gecentraliseerde clearing en grensoverschrijdende frictie, kan simpelweg niet voldoen aan de eis van milliseconde-transacties en cross-platform samenwerking die AI Agents verlangen. Wat fiat niet kan bieden, is waar crypto voor is gebouwd: gedecentraliseerde afhandeling, orkaancels van slimme contracten en directe betalingen. AI geeft agents de mogelijkheid om na te denken. Crypto biedt ze de mogelijkheid om transacties uit te voeren. Deze inherente eigenschappen maken cryptocurrency tot het ideale monetaire systeem voor AI Agents, of het nu gaat om high-frequency trading of om cross-platform service-afrekeningen door persoonlijke AI-assistenten. Crypto maakt nauwkeurige waardering en veilige overdracht van middelen op grote schaal mogelijk.

    Onderzoek van Type of System voorspelt dat de markt voor AI Agents zal exploderen van 5,29 miljard in 2023 naar 216,8 miljard in 2035, wat een samengestelde jaarlijkse groei van meer dan 40% betekent. We staan op een ongekend keerpunt. Als de eerste AI Agent Launchpad van Sui heroverweegt Surge fundamenteel hoe activa worden gelanceerd en incubates het echte waardevolle AI-projecten door de kritieke infrastructuur te leveren die deze opkomende economie nodig heeft.

    Waarom 90% van de AI Projecten Dood Gaat Na Lancering

    AI Agent-projecten worden geconfronteerd met inherente uitdagingen: langlopende ontwikkelingscycli, steile technische barrières en langdurige validatieprocessen. De gebroken lanceringsstructuur binnen de crypto-industrie verergert deze problemen, waardoor veelbelovende projecten naar de afgrond worden geduwd. Deze dysfunctionele situatie voortkomt uit drie belangrijke misalignments:

    De eerste is de tijdlijnmisalignment. Wanneer fondsenwervingsperioden de productontwikkeling doden, worden AI-teams gedwongen om cruciale aandacht aan investeerderbeheer te besteden in plaats van aan productontwikkeling. Zodra financiering is verkregen, kunnen teams met onbeperkte reserves gemakkelijk verzeild raken in uitbreidingsvalkuilen — het aantal medewerkers oplopend met niet-essentiële aanwervingen en kapitaal verbranden aan voortijdige marketing terwijl de kernontwikkeling van algoritmen stagneert. Tegen de tijd dat tokens worden gelanceerd, is de kloof tussen opgeblazen vroege waarderingen en niet-geleverde producten onmogelijk te negeren, wat leidt tot devaluatie op de lanceringsdag.

    De tweede misalignment betreft expertise; briljante ingenieurs blijken geen effectieve go-to-market (GTM) strategieën in crypto te hebben. Vaak ontbreken AI-oprichters de noodzakelijke deskundigheid in crypto-actiefstructuren en tokenomics, terwijl geïnteresseerde investeerders met vroege toegang tot hoogwaardige AI-projecten ernstige informatie-asymmetrie ondervinden. Dit capaciteitsgebrek verhindert dat sterke projecten de juiste ondersteuning krijgen, terwijl geavanceerd kapitaal aan de zijlijn blijft staan.

    Ten slotte is er de vertrouwenmisalignment. De inherente ondoorzichtigheid van AI-ontwikkeling creëert fundamentele vertrouwensproblemen, waarbij voortgang moeilijk te verifiëren is en financiële toewijzing niet transparant is. Dit leidt tot blijvende onzekerheid over de vraag of benodigdheden daadwerkelijk worden opgeleverd of dat fondsen effectief worden ingezet. Dit kan leiden tot schade aan de ontwikkeling van een lange-termijnvertrouwen.

    Deze samengestelde misalignments houden kwaliteitsvolle AI-activa gevangen in een destructieve cyclus: korte runway-tijden, hoge vertrouwenskosten en onbenutte waarde. Surge is opgericht met de missie om deze cyclus te doorbreken.

    De Asset Launch Herdefiniëren Voor Duurzaam Succes

    Surge is niet slechts een launchpad, het is een fundamentele herontwerp van lanceringsprikkels. Door drie kernmechanismen te implementeren, stemt het de projectdoelstellingen af op de belangen van de gemeenschap, en creëert zo een nieuw paradigma voor het lanceren en groeien van AI-activa.

    Allereerst zijn er FDV-mijlpalen die tokenontsluitingen afhankelijk maken van groei. Het team achter Surge, bestaande uit ervaren handelaren en kwantitatieve analisten met uitgebreide achtergronden in zowel traditionele financiën als cryptovaluta, heeft Surge Launch v1.0 ontworpen met een innovatieve aanpak. In dit model blijven 90% van de insider-tokens, inclusief die toegewezen aan teams, adviseurs en vroege investeerders, vergrendeld totdat het project specifieke Fully Diluted Valuation (FDV)-doelstellingen behaalt. Dit systeem koppelt tokenontsluitingen aan 19 verschillende FDV-mijlpalen, die ook technische prestaties zoals algoritmische nauwkeurigheid of gebruikersgroei omvatten.

    Het resultaat is een situatie waarin groei de enige route naar liquiditeit wordt. Hierdoor blijven de percentages bij ontgrendelingen in de vroege fasen minimaal, waardoor teams zich kunnen concentreren op productontwikkeling en waardecreatie in plaats van op tokenverkoop.

    Ten tweede transformeert Surge de rol van retail-investeerders van exit liquidity naar partners. AI-teams hebben nu direct toegang tot seed funding vanuit on-chain gemeenschappen, wat hen in staat stelt zich te concentreren op technische uitvoering. Dit creëert echte partnerschappen waarbij teamleden en betrokken gebruikers samen co-creëren.

    Ten derde vervangt Surge beloftes door consensus door een uitgebreide verantwoordingsstructuur te implementeren rondom gemeenschapsgestuurde governance en transparantie. Alle verzamelde middelen stromen in een door de gemeenschap beheerde schatkist, waarbij elke uitgave transparant op de blockchain wordt geregistreerd. Dit waarborgt dat teams niet willekeurig kapitaal kunnen opnemen en dat gezamenlijke besluiten dit proces bewaken.

    Waarom Sui?

    Als AI Agents de economische toekomst van het komende decennium zullen vormen, en crypto het fundament van waardeoverdracht biedt, dan zijn Sui en Surge samen de motor die deze transformatie aandrijft.

    Sui’s programmeervisie, gebaseerd op Move, elimineert de risico’s van contractautorisatie en zorgt voor financiële beveiliging en hoge doorvoer. Deze voordelen zijn cruciaal voor AI Agents die behoefte hebben aan frequente transacties en complexe contractuitvoeringen. De institutionele validatie, zoals de IPO-indiening van Circle, die Sui als grootste crypto-holding onthult, bevestigt de potentie van deze blockchain.

    Surge vult een kritieke hiaten in Sui’s ecosysteem door AI-activa te inkuberen, maar biedt niet alleen infrastructuur, het fungeert ook als kwaliteitsfilter. Het FDV-mijlpalenmodel screent op teams die zich echt inzetten voor duurzame groei.

    De integratie van AI-activa die via Surge zijn geïncubeerd in Sui’s groeiende applicatielaag creëert een opwindende cyclus waarin activa waarde genereren, die vervolgens terugvloeien naar die activa.

    Vraag & Antwoord

    Wat maakt Surge uniek in vergelijking met andere launchpads?
    Surge biedt een vernieuwend lanceringsmodel waarin groei de enige manier is om liquiditeit te krijgen, waardoor de focus op productontwikkeling blijft.

    Hoe ondersteunt Surge AI-projecten bij hun groei?
    Door community-led fundraising kunnen AI-teams direct toegang krijgen tot kapitaal, terwijl gemeenschapleden partners worden in plaats van exit liquidity.

    Waarom is Sui de beste keuze voor AI-activa?
    Sui biedt financiële zekerheid, hoge doorvoersnelheden en een solide infrastructuur, wat essentieel is voor de behoeften van AI Agents in complexe transacties.

  • Zombie Internet: Hoe Virale Inhoud AI Systemen Aantast En De Crypto-economie Bedreigt

    Zombie Internet: Hoe Virale Inhoud AI Systemen Aantast En De Crypto-economie Bedreigt

    De digitale wereld verkeert niet in een staat van verdrinking, maar eerder in een ongezonde verrotting. Onderzoek van vooraanstaande wetenschappers aan verschillende universiteiten in Texas onthult dat grote taalmodellen, wanneer ze worden blootgesteld aan virale sociale mediadata, te maken krijgen met meetbare cognitieve achteruitgang. Deze afnemende kwaliteit van denken is benoemd als “LLM brain rot”. Dit fenomeen lijkt een verontrustende evolutie van de ‘Dead Internet’-theorie te weerspiegelen, die nu in een grimmigere gedaante zal terugkeren, de ‘Zombie Internet’, waar AI-systemen wel blijven functioneren, maar hun coherentie verliezen.

    Tijdens het onderzoek werden twee verschillende realiteiten gesimuleerd met behulp van Twitterdata: een vol met virale berichten die geoptimaliseerd zijn voor betrokkenheid, en een andere met langere, feitelijke of educatieve teksten. Het retrainen van verschillende open modellen, waaronder LLaMA en Qwen, op deze datasets toonde aan dat de cognitieve functies van deze systemen aanzienlijk achteruitgingen. Wanneer modellen werden getraind op 100 procent virale data, daalde de redeneernauwkeurigheid in de ARC-Challenge benchmark van 74.9 naar 57.2. De lange-contextbegrip scores, gemeten met RULER-CWE, kelderden van 84.4 naar 52.3. Voor investeerders betekent dit dat de kwaliteit van de trainingsdata niet alleen de prestaties direct beïnvloedt, maar ook kan leiden tot langdurige schade die moeilijk te corrigeren is.

    De Impact van Virale Inhoud

    Een opvallende ontdekking is dat posts met hoge betrokkenheid — veel likes, reacties en retweets — schadelijker zijn voor het redeneervermogen dan inhoud die inhoudelijk zwakker is. Dit effect onderscheidt zich van louter ruis of desinformatie; het is de engagement zelf die een statistisch kenmerk met zich meebrengt dat de manier waarop modellen denken aantast. De directe parallel met menselijke cognitie is verontrustend: het doomscrollen, waarbij gebruikers continu door negatieve content scrollen, heeft immers al aangetoond dat het de discipline van aandacht en geheugen verzwakt. De auteurs van het onderzoek stellen dat dit een probleem van “cognitieve hygiëne” belicht, een belangrijke maar vaak over het hoofd geziene laag van veiligheid in hoe AI leert van publieke data.

    Het bijkomende probleem is dat de blootstelling aan laagwaardige inhoud zelfs de persoonlijkheid van deze modellen kan veranderen. Systemen die lijden aan ‘brain rot’ vertonen hogere scores op indicatoren voor psychopathie en narcisme, terwijl ze juist lager scoren op agreeableness, en zo de psychologische profielen van heavy users van virale media weerspiegelen. Dit roept vragen op over de invloed van het type data op de gedragingen van AI-modellen, waar zelfs systemen die zijn ontworpen om schadelijke instructies te vermijden, zich kwetsbaar blijken te maken na verloop van tijd.

    Voor het crypto-ecosysteem zijn de implicaties praktisch en urgent. Terwijl on-chain AI-datamarkten in aantal toenemen, wordt de waarborging van de oorsprong en kwaliteit van de data meer dan een commerciële feature; het is een levenslijn voor de cognitieve gezondheid van AI-systemen. Protocollen die menselijke kwaliteitsinhoud tokeniseren of de lineage van data verifiëren, kunnen fungeren als een firewall tussen levendige en dode kennis. Zonder dat filter zou de data-economie het risico lopen AI-systemen te voeden met juist de inhoud die hun functioneren ondermijnt.

    De conclusie van het onderzoek is hard: voortdurende blootstelling aan junk-tekst leidt tot blijvende cognitieve achteruitgang in grote taalmodellen. Dit effect blijft bestaan, zelfs na retraining en neemt toe met de engagement ratio’s in de trainingsdata. Het is niet simpelweg zo dat de modellen vergeten; ze leren faalden opnieuw. In die zin is het internet niet aan het sterven; het is de undead geworden, en de machines die deze content consumeren beginnen steeds meer hetzelfde uit te zien. Crypto zou de enige proactieve maatregel kunnen zijn die we tot onze beschikking hebben om deze ontwikkeling tegen te gaan.

    Vraag & Antwoord

    Wat is ‘LLM brain rot’?
    ‘LLM brain rot’ verwijst naar de cognitieve achteruitgang van grote taalmodellen als gevolg van blootstelling aan virale sociale mediadata, wat leidt tot slechtere redeneernauwkeurigheid en afgenomen coherentie.

    Hoe beïnvloedt virale inhoud AI-systemen?
    Posts met hoge betrokkenheid hebben een schadelijke invloed op de redeneerprocessen van modellen en kunnen zelfs leiden tot veranderingen in hun gedragingen en ‘persoonlijkheid’.

    Wat betekent dit voor de kwaliteit van trainingsdata in de crypto-ecosysteem?
    Het waarborgen van de kwaliteit en oorsprong van data is cruciaal; slechte kwaliteit data kan leiden tot blijvende schade aan AI-systemen, wat een risico vormt voor de bredere data-economie.

  • OpenAI Creëert $300 Miljard Bubbelsysteem: Herstructurering Van Wall Street Financiën

    OpenAI Creëert $300 Miljard Bubbelsysteem: Herstructurering Van Wall Street Financiën

    OpenAI is bezig met een indrukwekkende hardware-uitbreiding ter waarde van $300 miljard, waarbij chipleveranciers, financiers en energieleveranciers in een onderling feedbackmechanisme worden samengebracht. Het bedrijf heeft meerjarige overeenkomsten gesloten met AMD en Broadcom voor de levering van tientallen miljoenen AI-versnellers tussen 2026 en 2029. Deze deals vertegenwoordigen samen ongeveer 16 gigawatt aan nieuwe rekencapaciteit, wat gelijkstaat aan het elektriciteitsverbruik van sommige kleine landen.

    AMD zal 6 gigawatt aan Instinct GPU’s leveren en heeft OpenAI aandelenopties verstrekt die zijn gekoppeld aan prestatiemijlpalen. Broadcom zal gedurende dezelfde periode 10 gigawatt aan op maat gemaakte siliciumproducten en racks ontwerpen en implementeren. Deze contracten zijn een aanvulling op de Stargate-uitbreiding in samenwerking met Oracle en SoftBank, waarmee een vijflocaties-project in de Verenigde Staten wordt opgericht met een cumulatieve uitgave van meer dan $300 miljard. Dit zou wel eens het grootste particuliere infrastructuurproject in de technologiegeschiedenis kunnen zijn.

    De circulaire AI-economie

    De structuur van deze overeenkomsten onthult een circulaire economie in de AI-infrastructuur waarin kapitaal, aandelenincentives en aankoopverplichtingen met elkaar zijn verweven tussen leveranciers, infrastructuurproviders en modeloperators. Het akkoord met AMD koppelt toekomstige GPU-leveringen aan prestatiegebaseerde opties, waardoor OpenAI kan profiteren van de aandelenprestaties van AMD, en zo ontstaat er een feedbacklus tussen de waardering van een leverancier en het uitbreidingspad van een klant.

    Tegelijkertijd heeft Nvidia eerder dit jaar een belang van ongeveer 7 procent in CoreWeave onthuld, terwijl CoreWeave zijn overeenkomsten met OpenAI uitbreidde met $6,5 miljard. Dit brengt de totale contractwaarde in 2025 op ongeveer $22,4 miljard, waarbij de aandelenprestaties van een chipleverancier, de omzet van een infrastructuuraanbieder en het rekencapaciteitsverbruik van OpenAI aan elkaar zijn gekoppeld. Bloomberg heeft ook gerapporteerd over financieringsrondes waarbij Nvidia betrokken is, tot $100 miljard, gekoppeld aan chipaankopen door OpenAI, wat een beeld schetst van een vraag die deels door de leverancier zelf wordt gefinancierd.

    Bij een toekomstgerichte blik ontstaan drie kritieke uitvoeringsaspecten: benutting, energie en kostencurven. Wat betreft benutting registreerden de aankondigingen van capaciteitsuitbreidingen van AMD, Broadcom en Stargate een toename die in de tientallen gigawatt zou kunnen lopen tot 2029. Tegelijkertijd zal de omzet uit bedrijfsgerichte AI moeten groeien om de bezettingsgraad boven de drempelniveaus te houden die aantrekkelijke rendementen ondersteunen. Uit een enquête van Bank of America in oktober blijkt dat 54 procent van de fondsbeheerders AI als een bubbel beschouwt, met kasreserves rond de 3,8 procent — een situatie die marktbrede schommelingen kan aanwakkeren als de uitvoering achterloopt op de leveringsplanning.

    De energiebehoefte van AI

    Wat betreft energie, de beschikbaarheid van het netwerk en de geleverde kosten per megawatt-uur bepalen het haalbare tempo van modeluitbreiding. Goldman Sachs voorspelt dat de wereldwijde elektriciteitsvraag van datacenters tegen 2030 met ongeveer 165 procent zal stijgen ten opzichte van 2023. Deze trend zal datacenteroperators dwingen om langetermijncontracten voor elektriciteitsinkoop af te sluiten, on-site generatie te overwegen, en locaties strategisch te verschuiven naarmate nieuwe clusters online komen tussen 2026 en 2029.

    McKinsey meldde dat de prognose voor de VS ongeveer 25 procent samengestelde groei tot 2030 zou kunnen zijn, waarbij Amerikaanse datacenters aan het eind van het decennium meer dan 14 procent van de nationale elektriciteit zouden kunnen verbruiken. Dit verhoogt het planningsrisico als de wachttijden voor interconnectie en vergunningen zich uitstrekken ten opzichte van de leveringen van hardware. De regulerende omgeving blijft in beweging; de Britse Concurrentie- en Marktautoriteit concludeerde in maart 2025 dat de samenwerking tussen Microsoft en OpenAI niet in aanmerking kwam voor een fusieonderzoek, hoewel deze basis heroverwogen kan worden als nieuwe equity-koppelingen zorgen voor meer bezorgdheid over marktmacht met betrekking tot toegang en prijsstelling.

    De kostenontwikkeling van op maat gemaakt silicium zijn cruciaal om in de gaten te houden, aangezien het programma van Broadcom van ontwerp naar implementatie overgaat. Als de co-ontwerpen van versnellers, netwerken en racks aanzienlijke prestatieverbeteringen per watt opleveren, kan de kostprijs van inferentie en trainingsefficiëntie de economische eenheid van het circulaire model resetten richting zelfondersteunende kasstromen terwijl de benutting toeneemt.

    Het risico op uitvoering zit in toolchains, verpakking en geheugendebandbreedte. De tijdlijn start in de tweede helft van 2026 met een meerjarige opbouw tot 2029. De financiële resultaten voor leveranciers en operators zullen nauw verband houden met de snelheid waarmee deze verbeteringen zichtbaar worden in de gecontroleerde marges en contractprijzen. De directe toewijzing van verplichtingen is helder; de omzetting van kaderovereenkomsten naar vaste aankooporders, zoals openbaar gemaakt in leveranciersrapportages en persberichten, vormt een dichtbije indicator.

    CoreWeave’s financiering en dealflow, inclusief eventuele bedrijfsacties en de evolutie van Nvidia’s eigendom, zullen laten zien hoe hecht de cirkel wordt tussen leveranciers, infrastructuurcapaciteit en de vraag van OpenAI. De systeemintegraties van Apple vergrootten in 2024 het consumentenoppervlak met privacyvoorwaarden die bevestigen dat verzoeken niet door OpenAI worden opgeslagen en IP-adressen worden geanonimiseerd. Dit vormt een tegenwicht voor de adoptiecycli in het bedrijfsleven die vaak stranden op compliance- en rendementseisen in plaats van uitsluitend op apparaatbereik.

    De centrale vraag voor portfolio- en Treasuryplanning is hoe de aangekondigde gigawatts overeenkomen met de gerealiseerde werkbelastinggroei, de leverbare regionale elektriciteit, en de kostenontwikkeling tot 2028. Een praktische manier om de verschuiving van circulair naar duurzaam te volgen, is door de benuttingsmetrics van datacenters te koppelen aan energiecontractverhoudingen en de mix van inkomsten uit op gebruik gebaseerde bedrijfscontracten. Verbeteren deze metrics wanneer de uitrol in de tweede helft van 2026 begint, dan zullen de financieringslussen in deze deals functioneren als brugkapitaal naar een stabielere rekeneconomie in plaats van als bron van correlatierisico’s tussen leveranciers, infrastructuurproviders, en onderzoeksinstellingen.

    Vraag & Antwoord

    Wat zijn de belangrijkste implicaties van de samenwerking tussen OpenAI, AMD en Broadcom?
    Deze samenwerkingen creëren een ecosysteem waarin leveranciers onderling afhankelijk zijn van elkaars prestaties. Het koppelen van GPU-leveringen aan aandelenprestaties kan leiden tot een gezamenlijke waardevermeerdering, wat voor investeerders een kans biedt om te profiteren van deze synergieën.

    Hoe zal de groei van energiebehoeften impact hebben op de AI-sector?
    De stijgende elektriciteitsvraag kan leiden tot hogere kosten en een grotere concurrentie voor energiebronnen. Operators van datacenters zullen strategische keuzes moeten maken over energielevering en -contracten om de uitkomsten van hun AI-modellen te ondersteunen.

    Wat zijn de risico’s verbonden aan deze geplande infrastructuuruitbreidingen?
    De risico’s zijn divers, van vertragingen in uitvoeringen en vergunningen tot schommelingen in de vraag naar energie. Dit kan de verwachte groei in AI-omzet onder druk zetten en invloed uitoefenen op de aandelenprestaties van betrokken bedrijven.

  • Ai-fraude: Technologische Wapenwedloop Bedreigt Nederlandse Bedrijven

    Ai-fraude: Technologische Wapenwedloop Bedreigt Nederlandse Bedrijven

    De stijgende dreiging van AI-gebaseerde fraude

    Het plegen van fraude vereiste ooit gespecialiseerde kennis en aanzienlijke tijd. Tegenwoordig is een eenvoudige instructie echter voldoende. De grens tussen wat echt is en wat nep is, vervaagt in een ongekend tempo, en de toenemende toegankelijkheid van AI maakt bedrijven kwetsbaarder dan ooit tevoren. Ter bestrijding van deze dreiging organiseert Klippa op 28 oktober een informatiesessie om organisaties te helpen zich te beschermen tegen de digitale bedreigingen.

    De noodzaak om AI-gedreven fraude te bestrijden blijft hoog. “Tachtig procent van alle Nederlandse bedrijven heeft het afgelopen jaar te maken gehad met een poging tot fraude”, zei Robert-Jan Verheggen, medeoprichter van Klippa, tijdens de vorige webinar. Deze zorgwekkende statistiek benadrukt de kern van het probleem: de drempel om fraude te plegen is aanzienlijk verlaagd.

    De technologische wapenwedloop van fraude

    Verheggen beschreef de huidige situatie als een soort technologische wapenwedloop, waarbij elke innovatieve truc van fraudeurs onmiddellijk vraagt om een tegenactie. “Wat vroeger gespecialiseerde kennis vereiste, kan nu worden bereikt met een eenvoudige instructie,” legde hij uit. Een realistisch uitziende AI-afbeelding van autoschade of een vervalste factuur kan een bedrijf duizenden euro’s kosten aan onterecht uitgekeerde claims.

    Technologisch vangnet als verdediging

    De vraag is niet of organisaties te maken krijgen met deze nieuwe vormen van fraude, maar wanneer. Volgens Klippa ligt de oplossing in de combinatie van slimme technologieën. Het DocHorizon-platform van Klippa maakt gebruik van een gelaagde aanpak, die onder meer metadata-analyse en AI-generatiedetectie omvat om vervalsingen te ontmaskeren.

    “Een enkele oplossing bestaat niet,” verklaart Verheggen. “Wat wel werkt, is een uitgebreid vangnet van verschillende technologieën die samenwerken.”

    De brede ervaring van Klippa in verschillende sectoren speelt hierbij een cruciale rol. “Onze jarenlange ervaring in diverse industrieën stelt ons in staat om fraude sneller en nauwkeuriger te detecteren,” voegt Nick Swain, Head of Pre-Sales bij Klippa, toe. “Dit maakt ons flexibel in een landschap dat voortdurend verandert.”

    Tijdens de gratis online webinar op 28 oktober zullen deelnemers leren hoe zij documentfraude en gemanipuleerde AI-afbeeldingen kunnen herkennen en voorkomen. Experts zullen praktijkvoorbeelden delen, detectietechnieken tonen en een live demonstratie geven van de DocHorizon-software.

    Vraag & Antwoord

    Wat is de kern van het probleem met AI-gebaseerde fraude?
    De drempel om fraude te plegen is aanzienlijk verlaagd door de toegenomen toegankelijkheid van AI-technologieën.

    Hoe kan het DocHorizon-platform van Klippa helpen bij het detecteren van fraude?
    Het platform gebruikt een gelaagde aanpak, waaronder metadata-analyse en AI-generatiedetectie, om vervalsingen te ontmaskeren.

    Wat kunnen deelnemers verwachten van de aankomende webinar van Klippa?
    Deelnemers zullen leren hoe ze documentfraude en gemanipuleerde AI-beelden kunnen herkennen en voorkomen. Daarnaast zullen experts praktijkvoorbeelden delen, detectietechnieken tonen en een live demonstratie geven van de DocHorizon-software.

  • Bitcoin Miners Verplaatsen $5,6 Miljard Naar Beurzen Voor AI Ontsnappingsplan

    Bitcoin Miners Verplaatsen $5,6 Miljard Naar Beurzen Voor AI Ontsnappingsplan

    De huidige situatie voor Bitcoin-miners is precair. Na een grootschalige marktcorrectie die tot een verlies van maar liefst $19 miljard leidde, zien we nu dat operators aanzienlijke volumes Bitcoin naar exchanges verplaatsen. Dit is een klassieke indicatie van toenemende verkoopdruk. Tussen 9 en 15 oktober alleen al doken gegevens van CryptoQuant op, die aantoonden dat mining wallets maar liefst 51.000 BTC, goed voor meer dan $5,6 miljard, naar Binance werden overgedragen. De grootste dagelijkse overdracht, meer dan 14.000 BTC op 11 oktober, markeerde de hoogste storting door miners sinds juli 2024.

    Dergelijke pieken in transacties gebeuren zelden zonder onderliggende redenen. Ze signaleren vaak dat miners liquiditeit nodig hebben om stijgende kosten te dekken of zich in te dekken tegen prijsschommelingen. Deze bewegingen worden door analisten doorgaans als een bearish on-chain signaal gezien; miners lijken hun lange-termijn accumulatiefase achter zich te laten en bereiden zich voor om te verkopen.

    Blockchainonderzoeker ArabChain legt uit dat grote overdrachten van miner wallets meestal duiden op directe liquidatie of voorbereidingen voor geborgde leningen. Soms worden deze munten gestort als onderpand voor derivatencontracten of financiering. In andere gevallen betreft het enkel technische herallocaties, bijvoorbeeld voor operationele of wettelijke redenen.

    Deze gedragsverandering kan een keerpunt in de industrie markeren. Gedurende een groot deel van dit jaar waren miners netto-accumulatoren, gedreven door de verwachting dat de schaarste na de halvering de prijzen zou opdrijven. Echter, nu ze reageren op krimpende marges en toenemende netwerkmoeilijkheden, is de situatie omgekeerd.

    De Concurrentiestrijd om Elke Blok

    De moeilijkheidsgraad van Bitcoin-mining, die meet hoe hard het is om een nieuw blok te vinden, bereikte in september een piek van meer dan 150 triljoen na zeven opeenvolgende positieve aanpassingen. Gegevens van Cloverpool tonen aan dat de meest recente aanpassing, die eindigde bij blok 919.296, eindelijk verminderde met 2,73%. Dit gaf korte verlichting na maandenlang aanhoudende druk. Deze aanpassingen vinden ongeveer om de twee weken plaats en zorgen ervoor dat blokken rond de tien minuten verschijnen. Een stijgende moeilijkheidsgraad getuigt van een toenemend aantal machines die strijden om beloningen, terwijl een daling duidt op het uitschakelen van zwakkere miners. Toch heeft zelfs een lichte daling de winstgevendheid niet verbeterd.

    Volgens de Hashrate Index is de hashprijs, oftewel de opbrengst per terahash verwerkte rekenkracht, gedaald tot ongeveer $45, het laagste niveau sinds april. Terwijl de transactiekosten, die de lagere beloningen zouden moeten compenseren, in plaats daarvan dramatisch zijn gedaald. Tot nu toe in 2025 was de gemiddelde vergoeding per blok 0,036 BTC, het zwakste niveau sinds 2010. Bitcoin-mininganalist Jaran Mellerund merkt op dat het paradoxaal is dat zoveel miners transactiekosten negeren, een factor die in de toekomst cruciaal zal zijn voor hun inkomens. Met de halvering van Bitcoin in april, waarbij de blokbeloning werd teruggebracht tot 3,125 BTC, bevinden miners zich nu in een zero-sum omgeving waarin iedere extra terahash de uitbetalingen voor anderen verlaagd.

    Vooral kleinere operaties, vooral die met oudere en minder efficiënte apparatuur, komen onder druk te staan.

    AI als Redmiddel

    Tegelijkertijd ontdekken grote miningbedrijven lucratieve alternatieven in de hosting van kunstmatige intelligentie (AI) en high-performance computing (HPC). Bedrijven zoals Core Scientific hebben hun enorme datacentra, die al geoptimaliseerd zijn voor energie, koeling en glasvezelverbindingen, omgevormd om te voldoen aan de eisen van AI-werkbelastingen. Hashlabs rapporteert dat een 1-megawatt (MW) mininglocatie, die efficiënte rigs draait met een verbruik van ongeveer 20 joules per terahash (J/TH), jaarlijkse opbrengsten van ongeveer $896.000 in Bitcoin kan genereren bij een BTC-prijs van $100.000. Maar wanneer hetzelfde MW wordt verhuurd aan AI-klanten voor rekenintensievere taken, kan dit tot $1,46 miljoen per jaar opleveren in stabiele, contractuele inkomsten.

    Nico Smid, oprichter van Digital Mining Solutions, stelt vast dat de opkomst van AI en HPC de wereldwijde rekenverhoudingen verandert, waarbij Bitcoin-miners dit als een directe impact ervaren. Wat ooit parallelle industrieën waren, wedijveren nu om dezelfde essentiële middelen: energie, infrastructuur, personeel en kapitaal. Dit betekent echter niet dat miners Bitcoin in de steek laten; integendeel, ze diversifiëren de infrastructuur die ooit de blockchain beveiligde, naar een breder computereconomie.

    In de praktijk kunnen miners financieel overeind blijven door hostingcontracten aan te gaan en zo wachten op de volgende crypto-opgang.

    Op korte termijn is het duidelijk: de verkoopdruk vanuit miners voegt extra spanning toe aan een al fragiele markt. Geschiedenis leert ons dat aanhoudende instromen vanuit miner wallets vaak voorafgaan aan periodes van consolidatie of capitulatie. Echter, de langetermijneffecten van deze veranderingen zouden wel eens veel ingrijpender kunnen zijn.

    Als miningfaciliteiten blijven evolueren tot hybride AI-crypto datacentra, kan het beveiligingsmodel van Bitcoin, dat afhankelijk is van constante incentieven voor hashvermogen, structurele veranderingen ondergaan. Naarmate de winstgevendheid van pure blokbeloningen afneemt, kan Bitcoin’s hash rate steeds meer afhankelijk worden van bedrijven wiens primaire activiteit niet langer uitsluitend mining is.

    Vraag & Antwoord

    Wat zijn de huidige trends onder Bitcoin-miners?
    De huidige trends onder Bitcoin-miners laten een verhoogde verkoopdruk zien, waarbij veel miners grote hoeveelheden Bitcoin naar exchanges verplaatsen om liquiditeit te verkrijgen, vooral na recente marktdalingen.

    Hoe beïnvloedt de moeilijkheidsgraad de winstgevendheid van miners?
    Een hogere moeilijkheidsgraad maakt het moeilijker om nieuwe blokken te minen, wat resulteert in lagere winstgevendheid, vooral wanneer de hashprijs ook daalt en de transactiekosten niet compensatoir zijn.

    Waarom kijken sommige miningbedrijven naar AI en HPC hosting?
    Met lage winstmarges in de traditionele mining, zoeken veel miningbedrijven naar alternatieve inkomstenbronnen zoals AI en HPC hosting, die aanzienlijke en stabiele contractuele inkomsten kunnen bieden.

  • Bitcoin Of Aandelen: Wie Overleeft De Volgende 50 Jaar In Het AI-tijdperk?

    Bitcoin Of Aandelen: Wie Overleeft De Volgende 50 Jaar In Het AI-tijdperk?

    De effecten van kunstmatige intelligentie (AI) zullen de investeringslandschappen drastisch veranderen, waarbij zowel traditionele aandelen als Bitcoin zich moeten aanpassen aan snel veranderende economische en technologische eisen. Bedrijven die AI omarmen, zoals in de robotica en biotechnologie, zullen waarschijnlijk beter presteren in deze turbulente tijden. Beleggers moeten zich echter bewust zijn van de onzekere toekomst; de komende jaren zullen vooral in het teken staan van aanpassing aan deze nieuwe technologie.

    Bitcoin staat op een kruispunt. Het moet zichzelf bewijzen als een echte waardeopslag en als een middel voor transacties. AI kan hierbij helpen, vooral door de schaalbaarheid en transactietijden te verbeteren. Bovendien is Bitcoin als gedecentraliseerd systeem minder kwetsbaar voor interne politieke invloeden, zolang het maar innoveren blijft.

    AI zal innovatie en efficiëntie in talloze sectoren versnellen, waaronder fintech en cryptocurrency. Terwijl Bitcoin zijn technologische efficiëntie zal verbeteren, is het interessante vraag of het traditionele aandelenconcept nog steeds relevant is. De evolutie door AI roept vragen op over de toekomstbestendigheid van beide investeringscategorieën.

    Waarom aandelen nog steeds relevant zijn

    De eerste aandelenbeurs ter wereld ontstond in Amsterdam in 1602 met de oprichting van de Verenigde Oost-Indische Compagnie. Wat begon als een platform voor de handel in bedrijfsaandelen, transformeerde al snel in een model voor kapitaalverwerving en investering. Tegen de late 17e eeuw had Londen zijn eigen handelscentra ontwikkeld, en de beurs in New York zag het levenslicht in 1792, waarmee dit model naar de andere kant van de Atlantische Oceaan werd verspreid.

    Aandelen vertegenwoordigen eigendom in bedrijven, en de beurs is de plek waar beleggers deze kopen en verkopen. De waarde van aandelen schommelt afhankelijk van de prestaties van het bedrijf en de marktomstandigheden, waaronder de mate waarin bedrijven zich weten aan te passen aan technologische veranderingen zoals AI.

    Bedrijven die technologische vooruitgang omarmen, hebben in het verleden economische cycli, oorlogen en andere disrupties overleefd. Hetzelfde kan verwacht worden van ondernemingen die nu inzetten op AI-technologieën. Vooral bedrijven die AI inzetten voor automatisering, data-analyse en innovatieve businessmodellen lijken goed gepositioneerd voor succes.

    Cijfers wijzen op een gemiddelde jaarlijkse rendement van 7% tot 10% voor de S&P 500-index over tientallen jaren, gecorrigeerd voor inflatie. Deze index volgt de prestaties van 500 van de grootste beursgenoteerde Amerikaanse bedrijven en fungeert als een belangrijke benchmark.

    In vergelijking met de S&P 500 heeft Bitcoin (BTC) echter een ongekend rendement gerealiseerd. Het is essentieel om deze dynamiek te blijven volgen.

    De toekomst van Bitcoin

    Bitcoin, geïntroduceerd in 2009 door de pseudoniem Satoshi Nakamoto, is een relatief nieuw fenomeen in de financiële wereld. Geïntroduceerd in een whitepaper dat een peer-to-peer elektronisch cash-systeem beschrijft dat gebruikmaakt van blockchain-technologie, biedt Bitcoin meer dan alleen een investeringsmiddel of waardeopslag. Het is een manifestatie van een monetaire revolutie die andere traditionele financiële instrumenten, zoals goud, uitdaagt.

    De gedecentraliseerde opzet van Bitcoin maakt het immuun voor centrale controle en de inflatie die kenmerkend is voor fiat-systemen. Met een vastgestelde maximum van 21 miljoen munten biedt Bitcoin een schaarste die aantrekkelijk is voor investeerders die zich willen beschermen tegen devaluatie.

    Bovendien sluit de transparantie en beveiliging van blockchain goed aan bij de behoeften van AI, die verifiable data vereist. In de loop der jaren heeft Bitcoin zich bewezen als zowel waardeopslag als een alternatieve valuta, terwijl het zijn oorspronkelijke doel van een breed gebruikt ruilmiddel nog steeds nastreeft.

    De impact van AI op aandelenmarkten

    De komende 50 jaar zou de overleving van de aandelenmarkt als instituut in twijfel kunnen trekken. Analist en investeerder Jordi Visser stelt dat AI innovatieversnelling meebrengt die publieke bedrijven inefficiënte investeringsvehikels maakt.

    Aandelen hebben hun waarde door de geschiedenis heen bewezen, maar AI-gedreven disrupties bieden weinig ruimte voor zelfgenoegzaamheid. Bedrijven die niet in staat zijn hun strategieën aan te passen, lopen het risico hun concurrentiepositie te verliezen — vooral technologiegiganten zoals de FAANG-aandelen (Facebook, Amazon, Apple, Netflix en Google). Deze bedrijven zijn grote investeerders in AI, maar moeten tegelijkertijd voortdurend de ontwikkelingen bijhouden en effectief integreren.

    De impact van AI reikt verder dan alleen bedrijfsvoering; het zal ook veranderen hoe de aandelenmarkt functioneert. Door enorme hoeveelheden data snel te analyseren, voorspellingen te doen over marktbewegingen en besluitvormingsprocessen te automatiseren, wordt de manier van handelen en investeren drastisch veranderd. Dit versterkt de noodzaak voor bedrijven om zich aan te passen, anders dreigen ze het bij te benen.

    De impact van AI op Bitcoin

    Visser ziet Bitcoin als een betere investering voor de toekomst, en vergelijkt het met goud, dat duizenden jaren heeft overleefd. Naast de functie als waardeopslag, positioneert Bitcoin zich binnen de toekomst van de financiële wereld. De combinatie van AI en blockchain zou op traditionele financiële systemen kunnen inwerken, waardoor meer kapitaal en deelnemers naar de digitale economie worden aangetrokken.

    AI kan de beveiliging en handelsstrategieën van Bitcoin verbeteren door de efficiëntie van crypto-handel te verhogen via geautomatiseerde tools en verbeterde data-analyse. Dit biedt mogelijkheden voor een verbeterde systeemefficiëntie.

    Bitcoin-mining kan eveneens profiteren van AI, vooral in termen van efficiëntie en optimale hulpbronnenallocatie, door het voorspellen van ideale momenten voor miningactiviteiten. Dit kan leiden tot lagere kosten en een hoger rendement. Daarnaast kan AI bestaande of opkomende storingen in de netwerken detecteren, wat de betrouwbaarheid ten goede komt.

    Desondanks is Bitcoin onderhevig aan regelgeving, schaalbaarheidsproblemen en volatiliteit. Dit kan risicomijdende investeerders afschrikken die de voorkeur geven aan voorspelbare en stabiele investeringsinstrumenten zoals aandelen. De convergentie van AI en blockchain heeft echter het potentieel om een nieuw tijdperk voor Bitcoin in te luiden, wat bredere acceptatie kan bevorderen door een intuïtievere en veiligere omgeving te creëren.

    Wie overleeft de komende 50 jaar?

    De blik naar de toekomst, 50 jaar vooruit, is een bijna onmogelijke opgave. Zowel Bitcoin als aandelen hebben unieke sterke en zwakke punten, en hun toekomst hangt af van economische, technologische en maatschappelijke veranderingen.

    Aandelen hebben een kans om te overleven, mits ze zich kunnen aanpassen aan een AI-gedreven economie. Beleggers kunnen de risico’s van individuele bedrijfsonzekerheid verkleinen door hun geld te spreiden over gediversifieerde portefeuilles, zoals indexfondsen, die als veiliger worden beschouwd. Aandelen in technologie, zoals robotica en biotech, zullen waarschijnlijk beter presteren dan minder technologie-gestuurde activa.

    Het opkomst van quantumcomputing wordt vaak besproken in relatie tot de veiligheid van Bitcoin, maar de meeste experts zijn het erover eens dat die risico’s nog theoretisch zijn. De impact van dit alles, samengevoegd met AI, kan zowel positief als negatief zijn, afhankelijk van hoe technologie zich ontwikkelt en hoe het Bitcoin-netwerk zich aanpast. Mining-centralisatie kan ook een zorg zijn, mocht een selecte groep entiteiten vroeg toegang krijgen tot geavanceerde quantum-AI-systemen.

    Tegelijkertijd kan deze combinatie Bitcoin beveiligen en de netwerkefficiëntie optimaliseren door de verwerking van transacties en de veiligheid van portefeuilles te verbeteren. Zolang de Bitcoin-gemeenschap voorop blijft lopen met upgrades die quantum-resistentie bieden, kan de netto-impact positief zijn.

    Met een toenemende populariteit van gedecentraliseerde financiering versterkt Bitcoin ook zijn concurrentiepositie ten opzichte van goud. Het positioneert zich zo als een superieure waardeopslag en moedigt traditionele markten aan om fondsen te verschuiven naar de digitale economie.

    Vraag & Antwoord

    Hoe belangrijk is AI voor de toekomst van investeringen?
    AI speelt een cruciale rol in het transformeren van zakelijke modellen en investeringsstrategieën, waardoor zowel aandelen als Bitcoin efficiënter kunnen worden en beter kunnen inspelen op marktdynamiek.

    Wat zijn de belangrijkste risico’s van investeren in Bitcoin?
    Bitcoin wordt geconfronteerd met regelgevingsrisico’s en schaalbaarheidsproblemen, naast de inherente volatiliteit die nieuwe investeerders kan afschrikken.

    Kunnen aandelen en Bitcoin naast elkaar bestaan in de toekomst?
    Ja, beide kunnen naast elkaar bestaan, vooral als aandelen zich aanpassen aan AI-gedreven economieën terwijl Bitcoin als een digitale waardeopslag blijft fungeren.

  • AI-Hype: Deutsche Bank Waarschuwt Voor Onhoudbare Uitgaven

    AI-Hype: Deutsche Bank Waarschuwt Voor Onhoudbare Uitgaven

    Tesla en Nvidia kunnen vandaag de dag de beurs aandrijven, maar de feitelijke bijdrage van kunstmatige intelligentie aan de economie vergt grondiger onderzoek. Terwijl Deutsche Bank waarschuwt dat de enorme investeringen in AI de Verenigde Staten tot nu toe uit een recessie hebben gehouden, klinkt de onderliggende boodschap: deze ontwikkeling is niet duurzaam. De Duitse bank stelt dat de uitgaven voor AI wellicht historisch hoog zijn, maar dat ze niet gepaard gaan met evenredige productiviteitswinsten. Deze disbalans voorspelt een onzekere toekomst voor zowel de technologie- als de bredere economie.

    De cijfers zijn werkelijk indrukwekkend. Goldman Sachs schat dat de wereldwijde kapitaaluitgaven (capex) gerelateerd aan AI in de periode van begin 2023 tot augustus 2025 de $368 miljard hebben overschreden. Een groot deel van deze investeringen gaat op aan fysieke infrastructuur: data centra, verbeterde energievoorzieningen en geavanceerde apparatuur. Echter, de daadwerkelijke bijdrage van AI-software aan de productiviteit blijft teleurstellend. Zonder de tech-gedreven uitgaven zou de reële groei van het BBP (bruto binnenlands product) in de Verenigde Staten in 2024 en 2025 nagenoeg 0% zijn. Deze situatie illustreert een zorgwekkende realiteit: zonder de infrastructuur die nu wordt opgebouwd, zou de economie al in een recessie zijn beland.

    Deutsche Bank waarschuwt dat om de groei van het BBP te blijven voeden, de technologische cyclus “parabolisch” zou moeten versnellen – een niet-maatregelbare en vrijwel onmogelijke verwachting. De huidige AI-boom lijkt dan ook meer op een snelle opmars: een ongezonde, voortvarende groei die onvermijdelijk zal afnemen zodra de infrastructuurontwikkeling stabiliseert. Gezien het feit dat technologieaandelen deze jaar de helft van de winst van de S&P 500 hebben bijgedragen, zijn de risico’s breder dan slechts de economische groei; ze strekken zich uit naar de financiële markten.

    De $800 Miljard Hiatus

    Consultancy Bain & Co. versterkt de sceptische geluiden door te voorspellen dat de AI-sector tegen 2030 jaarlijks $2 triljoen nodig heeft om te voldoen aan de vraag naar rekenkracht. Zelfs na het inbouwen van efficiencywinsten en kostenbesparingen blijft er een verbijsterende kloof van $800 miljard. Deze discrepantie roept een cruciale vraag op: wie betaalt de rekening? Wanneer de vraag naar AI-rekenkracht niet in de pas loopt met de opbrengsten, kan de sector geconfronteerd worden met overcapaciteit en onder druk staande marges, wat doet denken aan de nadagen van de dot-com bubbel.

    Toch is er een genuanceerdere prognose. Goldman Sachs gelooft dat de produktiviteitswinst van AI uiteindelijk zal plaatsvinden, wat het BBP van de VS op korte termijn met ongeveer 0,4 procent per jaar zou kunnen verhogen, en op lange termijn met ongeveer 1,5 procent. Hoewel deze cijfers niet “parabolisch” zijn, zou dit kunnen zorgen voor een soepelere landing dan een dramatische neergang van AI.

    De “gebalanceerde” aanpak, zoals Deutsche Bank stelt, benadrukt dat de verbetering in productiviteit er ongetwijfeld aan komt, maar niet op een tempo dat de huidige, razendsnelle uitgaven rechtvaardigt. Dit betekent dat AI de economie wellicht zal transformeren, maar dat de tijdslijnen niet overeenkomen met de huidige bouwdrift.

    In het huidige moment houdt de capex van AI bouwvakkers aan het werk, investeringen in nutsvoorzieningen op gang en de aandelenmarkten levendig. Maar de vraag voor de lange termijn blijft: is deze basis duurzaam, of riskeren we de bouw van een multi-triljoen dollar tellend kaartenhuis?

    Vraag & Antwoord

    Hoe verhoudt de huidige AI-investering zich tot eerdere technologie-bubbels?
    De huidige investeringen in AI zijn ongekend hoog en doen herinneren aan de dot-com bubbel, waar veel investeringen niet gepaard gingen met werkelijke waardecreatie. Het verschil is echter dat AI-bijdragen aan productiviteitsgroei nog niet duidelijk zichtbaar zijn.

    Wat zijn de gevolgen van onvoldoende productiviteit bij hoge investeringen?
    Als de beloften van AI niet worden waargemaakt en investeringen niet renderen, kan dit leiden tot een overcapaciteit in de sector, wat zal resulteren in lagere marges en mogelijk een bredere financiële correctie.

    Welke rol speelt de infrastructuur bij de discussie over AI-capex?
    De infrastructuur is cruciaal; zonder de huidige bouw van data centra en ondersteunende faciliteiten zou de economie momenteel in een recessie verkeren, wat de afhankelijkheid van deze investeringen benadrukt.

  • Amerika Achterop In De AI Wedstrijd Tegen China

    Amerika Achterop In De AI Wedstrijd Tegen China

    De huidige behoeften van kunstmatige intelligentie (AI) aan energie staan voor iedere investeerder en analist centraal. De discussie over de AI-voorsprong van landen wordt steeds brandender, vooral nu experts zoals Adam Livingston, auteur van The Bitcoin Age, beweren dat China de overhand heeft. Zijn stelling? De race is beslist, niet door betere technologie, maar door de controle over een cruciale hulpbron: energie, en specifiek nucleaire energie.

    Livingston wijst op een opmerkelijk verschil tussen de nucleaire capaciteiten van China en de Verenigde Staten. China heeft momenteel vijftien nucleaire powerplants in aanbouw, terwijl de Verenigde Staten op dit moment geen enkel groot nieuw nucleair project opstarten. Tot eind 2025 zijn er naar schatting dertig reactors in aanbouw in China, wat bijna de helft van de wereldwijde nieuwe nucleaire bouw projecten vertegenwoordigt. Analyses wijzen erop dat China tegen het einde van dit jaar mogelijk 65 gigawatt (GW) nucleaire capaciteit kan bereiken, met een ambitieuze doelstelling van 200 GW tegen 2040.

    Maar is dit verhaal zo zwart-wit? De Verenigde Staten heeft recentelijk plannen aangekondigd voor nieuwe nucleaire projecten, inclusief de bouw van tien grote reactors door Westinghouse voor 2030. Maar de bureaucratische hindernissen en publieke scepsis blijven een aanzienlijke uitdaging, waardoor de uitvoering van deze plannen verre van gegarandeerd is.

    Energie als Sleutelfactor voor AI

    De cruciale vraag die Livingston opwerpt, is of we de rol van energie in de voortgang van AI onderschatten. De training en uitvoering van AI-modellen vergen aanzienlijke hoeveelheden elektriciteit. Neem bijvoorbeeld GPT-4, dat een stroombehoefte heeft van tientallen megawatt. De energiebehoefte van datacenters in de VS zal naar verwachting meer dan verdubbelen in het komende decennium, met een voorspelling van een piek van 78 GW tegen 2035.

    Tegelijkertijd heeft het wereldwijde energieverbruik van datacenters in 2024 een recordhoogte van 415 terawattuur bereikt, met AI die een steeds groter aandeel hiervan claimt. Dit impliceert dat landen die in staat zijn om de meest constante en koolstofvrije energie te leveren, een strategisch voordeel zullen hebben in de AI-race. China’s directe en agressieve industriële beleidsvoering heeft het land in staat gesteld snel nucleaire energiecapaciteit op te bouwen, terwijl Amerikaanse nutsbedrijven meer afhankelijk zijn van bestaande upgrades en een gefragmenteerde aanpak hanteren.

    Hoewel China een pijlsnelle vooruitgang boekt, zijn de VS bezig met het verbeteren van de efficiëntie en het benutten van nieuwe technologieën, zoals kleine modulaire reactors (SMR’s) en hernieuwbare energie, om hun energiebasis te versterken.

    Is de AI-Race Al Beslist?

    Leidt dit alles ons naar de conclusie dat de AI-race al is beslist, zoals Livingston suggereert? Het lijkt erop dat we ons in een grijs gebied bevinden. China’s nucleaire expansie is inderdaad indrukwekkend en is nauw verbonden met de infrastructuur voor AI. Het is onmiskenbaar dat AI afhankelijk is van een continue, betaalbare stroomvoorziening. Echter, Amerikaanse leiders en bedrijven blijven niet stilzitten. Nieuwe projecten, beleidswijzigingen en investeringen in energie en AI zijn in opmars, maar het tempo en de schaal van deze ontwikkeling zijn nog niet in de buurt van de snelheid van China.

    De Amerikaanse voordelen op het gebied van fundamenteel AI-onderzoek, chipontwerp, cloud-infrastructuur en durfkapitaal blijven aanzienlijk. Zelfs als de energiebehoeften van datacenters een beperkende factor worden, kan innovatie op het gebied van efficiëntie, slimme netwerken en gedistribueerde computation de achterstand verkleinen. Het is mogelijk dat “energiewoelingen” net zo cruciaal worden als software of data, maar de uitkomst hangt af van veel meer dan alleen het aantal nucleaire centrales. Livingston belicht een vaak over het hoofd geziene dimensie van de wereldwijde technologische strijd, maar de doodsklokken luiden nog niet. De scoreboard verandert, maar de AI-race is nog lang niet voorbij.

    Vraag & Antwoord

    Waarom is nucleaire energie belangrijk voor de AI-ontwikkeling?
    Nucleaire energie biedt een betrouwbare en koolstofvrije energiebron, die essentieel is voor de groei van datacenters die AI-modellen trainen en uitvoeren. Dit maakt landen met een sterke nucleaire infrastructuur competitief in de AI-race.

    Wat zijn de gevolgen van de nucleaire kloof tussen de VS en China?
    De achterstand van de VS in de nucleaire energieopbouw kan op lange termijn leiden tot een competitief nadeel in de technologie- en AI-sector, vooral als de vraag naar continue en goedkope energie toeneemt.

    Is de strijd om energie net zo belangrijk als de ontwikkeling van software voor AI?
    Ja, de strijd om duurzame en betrouwbare energie wordt steeds belangrijker naarmate de marktvraag naar AI-technologie toeneemt. De beschikbaarheid van energie kan zelfs bepalend zijn voor wie de leiding neemt in de AI-innovatie.

  • De Creators Economie Herzien: Video Streaming Vormgeven In Het Tijdperk Van Algoritmen En AI

    De Creators Economie Herzien: Video Streaming Vormgeven In Het Tijdperk Van Algoritmen En AI

    In de afgelopen vijftien jaar heeft video-streaming een ingrijpende transformatie ondergaan, grotendeels gedreven door aanbevelingssystemen. Het algoritme van YouTube, dat is gericht op kijktijd, was een pionier in dit model. Netflix heeft dit verder verfijnd met big-data-analyse om binge-watching te maximaliseren. TikTok, Instagram Reels en YouTube Shorts hebben deze technieken geperfectioneerd door iedere micro-interactie — think swipes, pauzes en overgangen — te gebruiken als input voor het optimaliseren van gebruikersbehoud. Het resultaat is een indrukwekkende precisie, maar deze komt met een prijs.

    De algoritmen fungeren als poortwachters voor contentcreators, waarbij succes steeds minder afhankelijk is van originaliteit en meer van het voldoen aan ondoorzichtige signalen zoals de lengte van hooks, frequentie van plaatsingen en retention-drempels. Dit heeft geleid tot een zorgwekkende mate van burn-out onder makers. Een rapport van Awin/ShareASale uit 2022 onthult dat 72% van de creators burn-out ervaart die rechtstreeks samenhangt met de eisen van algoritmes — een percentage dat ook werd bevestigd in recente updates van MarTechEdge. Respondenten gaven aan dat de vreugde van creatie is afgenomen, terwijl formuliemodellen voor contentstrategieën zijn verankerd en het welzijn is gedaald.

    Economisch gezien wordt de situatie nog zorgwekkender. Grote studio’s, gewapend met franchises op basis van intellectueel eigendom, overheersen de distributie op platforms, terwijl middenklasse creators moeilijk zichtbaar kunnen blijven. Hoe groter de hoeveelheid content, hoe meer premiumpunten worden toegekend aan kwantiteit boven kwaliteit, wat leidt tot een gelijkschakeling van het aanbod met weinig ruimte voor experimentatie.

    De opkomst van AI-inhoud en beleidsimplicaties

    De volgende uitdaging komt van generatieve AI. Het vermogen om synthetische video, audio en beeldmateriaal massaal te produceren dreigt feeds te overspoelen met ongeïnteresseerde en generieke inhoud. Analisten van WIRED wijzen erop dat deze vloedgolf de menselijke makers kan verdringen. De opkomst van deze technologie maakt dat wetgevers nu ook serieus oog hebben voor de situatie. De EU AI-wet introduceert eisen voor transparantie en watermerken voor synthetische content. Dit betekent dat platforms zoals TikTok en YouTube onder druk komen te staan om hun aanbevelingsmechanismen te heroverwegen. De discussie rondom de eventuele afsplitsing van TikTok in de VS legt bloot hoe algoritmische distributie een geopolitiek en cultureel vraagstuk is geworden.

    Zonder transparante curatie zijn de risico’s dubbel. Creators verliezen hun zichtbaarheid, terwijl de kwaliteit van wat we consumeren verder afbrokkelt.

    De huidige platforms zijn geoptimaliseerd voor retentie, maar de uitdaging bestaat erin om te optimaliseren voor eigenaarschap. Door peer-to-peer infrastructuur te combineren met token-gebaseerde incentieven kunnen we de distributie, monetisatie en governance herinrichten om de veerkracht van makers te verbeteren. Platforms zoals Livepeer verkennen gedecentraliseerde protocollen die de afhankelijkheid van centrale servers en feeds verminderen. Gemeenschapsgebonden nodes verwerken video-inhoud, waardoor de opaciteit van rangschikkingssystemen die zichtbaarheid op traditionele platforms bepalen, verdwijnt.

    Monetisatie verandert op platforms zoals Audius, waar artiesten directe donaties van fans kunnen ontvangen. Token-incentives maken compensatie afhankelijk van echte gemeenschapsbetrokkenheid in plaats van advertentie-gebaseerde kijktijd. Dit brengt ook een verschuiving in governance met zich mee. In gedecentraliseerde systemen geven token-gewogen stemmen en gemeenschapscuratie publieksrollen in het vormgeven van ontdekking en moderatie, waardoor de macht verschuift van eenzijdige platformbeslissingen naar een gedeeld bestuur.

    Flixxo, dat in 2016 in Argentinië werd gelanceerd, biedt een illustratie van hoe dit model kan functioneren met token-vergrendelde releases. Via de Ticket 3.0 NFT kregen gemeenschapsleden gefinancierde toegang tot de film Bull Run. Dit experiment benadrukt zowel de potentie als de knelpunten: hoewel het aantoont dat nieuwe financieringsmodellen mogelijk zijn, blijven schaalbaarheid, onboarding en regelgevende helderheid grote uitdagingen binnen de Web3 streamingsector.

    De toekomst van de creatorseconomie hangt af van onze keuze: blijven we optimaliseren voor kortetermijnbetrokkenheid, of herstructureren we de systemen rond eigenaarschap en creatieve diepgang? Zolang distributie en verdienmodellen gecentraliseerd blijven, zullen creators zich blijven focussen op het voldoen aan algoritmen in plaats van content te creëren voor de mens. Maar als we de rails decentraliseren, kunnen creators hun autonomie heroveren, kunnen publieksleden content ontdekken buiten de algoritmen, en kan het vertellen van verhalen weer culturele betekenis krijgen.

    Als het afgelopen decennium draaide om het optimaliseren van betrokkenheid, moet het volgende zich richten op het optimaliseren van eigenaarschap.

    Vraag & Antwoord

    Welke rol spelen algoritmen in de mediaconsumptie van vandaag?
    Algoritmen vormen de ruggengraat van moderne videoplatforms door gebruikersinteracties te analyseren en content te optimaliseren voor retentie. Dit heeft geleid tot een focus op kortetermijnbetrokkenheid in plaats van op diepere, creatievere verhalen.

    Wat zijn de gevolgen van burn-out bij makers?
    Burn-out onder creators heeft geleid tot een formulematig en minder origineel aanbod, wat schadelijk is voor de diversiteit en creativiteit binnen de contentmarkt. Dit veroorzaakt niet alleen persoonlijke stress, maar ook een verschraling van het aanbod voor het publiek.

    Hoe kan decentralisatie de creatorseconomie verbeteren?
    Decentralisatie biedt de mogelijkheid om de controle terug te geven aan creators, waardoor ze niet alleen autonomie kunnen heroveren, maar ook in staat zijn om directe betrokkenheid van het publiek te stimuleren. Dit kan leiden tot een rijker en gevarieerder medialandschap.