1
00:00:00,001 --> 00:00:06,000
Hoi, leuk dat je weer luistert naar een nieuwe aflevering van AIToday Live.

2
00:00:06,000 --> 00:00:10,000
Met vandaag een best wel hele speciale aflevering.

3
00:00:10,000 --> 00:00:16,000
Want misschien dat je deze tune wel herkent.

4
00:00:16,000 --> 00:00:22,000
Namelijk het legendarische programma Mythbusters van Discovery.

5
00:00:22,000 --> 00:00:26,000
Dus alpinopetje op, bril op.

6
00:00:26,000 --> 00:00:34,000
En we gaan namelijk vandaag dan kijken van welke mythes zijn er eigenlijk allemaal rondom AI?

7
00:00:34,000 --> 00:00:40,000
En kunnen we die wegnemen? Ik denk dat dat het hele idee wordt van vandaag.

8
00:00:40,000 --> 00:00:44,000
Zeker. Ja toch? Mijn naam is Joop Snijder, CTO bij Aigency.

9
00:00:44,000 --> 00:00:48,000
Mijn naam Niels Naglé, Area Lead, Data & AI bij Info Support.

10
00:00:48,000 --> 00:00:51,000
Ja Joop, Mythbusters.

11
00:00:51,000 --> 00:01:00,000
Ja en ik denk dat het wel nodig is, want er zingen zeg maar best wel wat mythes, urban myths, rondom AI.

12
00:01:00,000 --> 00:01:03,000
Rondom generatieve AI ook.

13
00:01:03,000 --> 00:01:09,000
Zeker sinds de introductie van in 2022 van ChatGPT.

14
00:01:09,000 --> 00:01:11,000
Is het hard gegaan.

15
00:01:11,000 --> 00:01:15,000
Is het hard gegaan. Er zijn ook best wel een hele hoop fantasieën omheen.

16
00:01:15,000 --> 00:01:22,000
Dus ja, is het wel handig dat wij misschien daar op zijn minst ons licht op laten schijnen.

17
00:01:22,000 --> 00:01:26,000
Inderdaad, of wij het een myth vinden en of we willen busten of niet.

18
00:01:26,000 --> 00:01:29,000
En er zullen nog steeds nieuwe myths gaan ontstaan.

19
00:01:29,000 --> 00:01:32,000
Dus dit zal ook waarschijnlijk niet de laatste keer zijn dat we hierover gaan hebben natuurlijk.

20
00:01:32,000 --> 00:01:34,000
Hele goeie.

21
00:01:34,000 --> 00:01:37,000
Laten we gewoon lekker gelijk beginnen. We beginnen met de eerste.

22
00:01:37,000 --> 00:01:43,000
Generatieve AI kan volledig autonoom handelen en creëren.

23
00:01:43,000 --> 00:01:49,000
Ja, wat mij betreft is dat inderdaad een veel voorkomende misvatting.

24
00:01:49,000 --> 00:01:54,000
Want uiteindelijk zonder menselijke tussenkomst gaat dat niet gebeuren.

25
00:01:54,000 --> 00:02:01,000
Dus wat je ziet is dat het model al getraind is op basis van onze menselijke input.

26
00:02:01,000 --> 00:02:06,000
Dus alles wat wij geschreven hebben of de plaatjes generator of de video's.

27
00:02:06,000 --> 00:02:10,000
Dus allemaal zeg maar materiaal wat wij gemaakt hebben.

28
00:02:10,000 --> 00:02:16,000
En wat vaak vergeten wordt is dat betekenis die gegeven wordt, zeker aan zinnen.

29
00:02:16,000 --> 00:02:20,000
Chachipiti is altijd een beetje het makkelijkste voorbeeld in dit geheel.

30
00:02:20,000 --> 00:02:25,000
Is dat wij als mens ook nog eens betekenis hebben gegeven van.

31
00:02:25,000 --> 00:02:28,000
Oh ja, maar als je dit woord voor woord voor woord voorspelt.

32
00:02:28,000 --> 00:02:33,000
Dan vinden wij deze zin die eruit komt van meer betekenis dan een andere.

33
00:02:33,000 --> 00:02:35,000
Ja, dat geven wij aan.

34
00:02:35,000 --> 00:02:40,000
En daar is ook op meegetraind en zo.

35
00:02:40,000 --> 00:02:46,000
Die hele menselijke interactie die zitten uiteindelijk in.

36
00:02:46,000 --> 00:02:52,000
Wat je natuurlijk ziet is dat het is vooral gebaseerd op hele grote datasets.

37
00:02:52,000 --> 00:02:57,000
Dus wat geprobeerd wordt is natuurlijk patronen vinden in de dataset.

38
00:02:57,000 --> 00:03:02,000
En aan de basis van die patronen de dingen weer teruggeven.

39
00:03:02,000 --> 00:03:05,000
Maar aan de andere kant begrijp ik hem ook wel weer.

40
00:03:05,000 --> 00:03:07,000
Voor mensen die wat verder van de technologie afstaan.

41
00:03:07,000 --> 00:03:09,000
En niet weten hoe het onder de motorkap zit.

42
00:03:09,000 --> 00:03:13,000
Dat het zo kan aanvoelen alsof het inderdaad die kant op gaat.

43
00:03:13,000 --> 00:03:15,000
Ja, dat begrijp ik ook heel goed.

44
00:03:15,000 --> 00:03:18,000
En waar wij natuurlijk ook best wel heel vaak mee te maken hebben.

45
00:03:18,000 --> 00:03:19,000
Is dat er gezegd wordt.

46
00:03:19,000 --> 00:03:23,000
Ja, kijk we hebben in onze organisatie hebben wij heel veel data.

47
00:03:23,000 --> 00:03:26,000
En daar plak je dan AI tegen aan.

48
00:03:26,000 --> 00:03:30,000
En dan gaat er op een of andere manier automatisch.

49
00:03:30,000 --> 00:03:32,000
Gaan daar slimme dingen mee gebeuren.

50
00:03:32,000 --> 00:03:34,000
Maar zo is het helemaal niet.

51
00:03:34,000 --> 00:03:37,000
Dus die data die moet helemaal klaargemaakt worden.

52
00:03:37,000 --> 00:03:38,000
Die moet contextualiseerd.

53
00:03:38,000 --> 00:03:41,000
Begrijpbaar worden gemaakt voor algoritmes.

54
00:03:41,000 --> 00:03:43,000
Algoritmes zijn uiteindelijk gewoon rekenmodellen.

55
00:03:43,000 --> 00:03:45,000
Dus je moet ermee kunnen rekenen.

56
00:03:45,000 --> 00:03:47,000
Dus je kan je voorstellen dat als jij woorden hebt.

57
00:03:47,000 --> 00:03:49,000
Woorden in een Word document.

58
00:03:49,000 --> 00:03:51,000
Ja, daar kan je niet mee rekenen.

59
00:03:51,000 --> 00:03:54,000
Dus die woorden moeten getallen worden.

60
00:03:54,000 --> 00:03:56,000
Al dat soort zaken.

61
00:03:56,000 --> 00:03:57,000
En ze zijn allemaal nodig.

62
00:03:57,000 --> 00:04:00,000
En dan is er iemand die moet zeggen van.

63
00:04:00,000 --> 00:04:04,000
Oh ja, maar dan hoort eigenlijk bij wat jij eruit wil halen.

64
00:04:04,000 --> 00:04:06,000
En wat daar moet je dan heel goed over nadenken.

65
00:04:06,000 --> 00:04:07,000
Wat wil ik hier uithalen?

66
00:04:07,000 --> 00:04:12,000
Daar zouden wel eens deze algoritmes veel belovend voor kunnen zijn.

67
00:04:12,000 --> 00:04:15,000
Want helemaal exact weet je het vaak ook niet.

68
00:04:15,000 --> 00:04:17,000
Dit is dan veel belovend.

69
00:04:17,000 --> 00:04:20,000
En die mens, want dan komen we weer op die mens.

70
00:04:20,000 --> 00:04:24,000
Die gaat dan die data tegen dat algoritme halen.

71
00:04:24,000 --> 00:04:26,000
Dan gaat die computer rekenen.

72
00:04:26,000 --> 00:04:29,000
En dan hebben we allerlei meetmanieren om te zien van.

73
00:04:29,000 --> 00:04:31,000
Ze zijn nou die uitkomsten.

74
00:04:31,000 --> 00:04:35,000
Passen die bij wat we eruit zouden willen hebben?

75
00:04:35,000 --> 00:04:36,000
En hoe goed zijn ze dan?

76
00:04:36,000 --> 00:04:38,000
En hoe betrouwbaar zijn ze dan?

77
00:04:38,000 --> 00:04:41,000
Dus er zit gewoon ontzettend veel werk.

78
00:04:41,000 --> 00:04:42,000
En keuzes.

79
00:04:42,000 --> 00:04:48,000
Keuzes aan het maken uiteindelijk van dit soort EH-systemen.

80
00:04:48,000 --> 00:04:51,000
En als je het goed doet, voelt het aan.

81
00:04:51,000 --> 00:04:55,000
Als dat het zelf stappen kan maken en dingen kan creëren.

82
00:04:55,000 --> 00:04:56,000
Precies.

83
00:04:56,000 --> 00:04:58,000
Ja, dat is een goeie.

84
00:04:58,000 --> 00:05:00,000
Dat is een mooie.

85
00:05:00,000 --> 00:05:04,000
Dan uitkomsten van generatieve AI zijn herkenbaar.

86
00:05:04,000 --> 00:05:06,000
Ik denk een beetje het verlengde van wat we net hadden.

87
00:05:06,000 --> 00:05:09,000
Ja, en dit zal voor heel veel mensen controversieel zijn.

88
00:05:09,000 --> 00:05:12,000
Die zeggen van ja, maar je kan precies herkennen.

89
00:05:12,000 --> 00:05:15,000
Als het tekst geschreven is door ChatGPT, dan herken ik dit.

90
00:05:15,000 --> 00:05:16,000
Ja, dat voel je gewoon.

91
00:05:16,000 --> 00:05:19,000
Ja, nee, maar ik lees dat en dan herken ik dat.

92
00:05:19,000 --> 00:05:21,000
Nou, ik kan je verzekeren.

93
00:05:21,000 --> 00:05:25,000
ChatGPT heeft een aantal van dat soort quirks erin zitten.

94
00:05:25,000 --> 00:05:27,000
Van dat soort standaard zinnetjes.

95
00:05:27,000 --> 00:05:29,000
Ik hoop dat deze mail je goed ontvangt.

96
00:05:29,000 --> 00:05:31,000
Dat soort standaard teksten.

97
00:05:31,000 --> 00:05:33,000
Ja, en zelfs van je zou kunnen denken aan...

98
00:05:33,000 --> 00:05:34,000
Doppele punt.

99
00:05:34,000 --> 00:05:36,000
Daar hebben we het niet over.

100
00:05:36,000 --> 00:05:40,000
Dus als er teksten zijn, plaatjes zijn, dat soort zaken.

101
00:05:40,000 --> 00:05:44,000
Is het uiteindelijk echt buitengewoon moeilijk te herkennen.

102
00:05:44,000 --> 00:05:49,000
En een heel mooi voorbeeld vond ik die namelijk...

103
00:05:49,000 --> 00:05:52,000
Kijk, er zijn... Laat ik hiermee beginnen.

104
00:05:52,000 --> 00:05:56,000
Er zijn een soort van tools op de markt die zeggen van...

105
00:05:56,000 --> 00:06:02,000
dat je de teksten zou kunnen herkennen of ze wel of niet uit ChatGPT komen.

106
00:06:02,000 --> 00:06:04,000
Dat ze AI-gegenereerd zijn.

107
00:06:04,000 --> 00:06:09,000
Ik had het net al in de vorige meet over de patronen.

108
00:06:09,000 --> 00:06:11,000
Dus schrijf de patronen.

109
00:06:11,000 --> 00:06:14,000
Dus wat je dan probeert te doen, is met zo'n detectieapparaat...

110
00:06:14,000 --> 00:06:17,000
probeer je dus die patronen te herkennen.

111
00:06:17,000 --> 00:06:20,000
En je zegt dan, die zitten typisch in zo'n model.

112
00:06:20,000 --> 00:06:24,000
Het leuke is als jij een... Iemand heeft dat gedaan.

113
00:06:24,000 --> 00:06:27,000
Een stukje bijbeltekst opgeeft.

114
00:06:27,000 --> 00:06:30,000
En je zegt dan, is dit door AI-gegenereerd?

115
00:06:30,000 --> 00:06:32,000
Dan zegt hij, ja.

116
00:06:32,000 --> 00:06:36,000
Dit is met een zeer, zeer hoge mate van zekerheid...

117
00:06:36,000 --> 00:06:38,000
is door de AI-gegenereerd.

118
00:06:38,000 --> 00:06:43,000
En waarom? Die tekst zit natuurlijk heel vaak, heel veel...

119
00:06:43,000 --> 00:06:46,000
In andere teksten verwerkt en grondslag van.

120
00:06:46,000 --> 00:06:48,000
In dat model.

121
00:06:48,000 --> 00:06:50,000
Dus daar gaat het om.

122
00:06:50,000 --> 00:06:54,000
Dus dat patroon, en misschien zit het in verschillende vormen...

123
00:06:54,000 --> 00:06:56,000
maar dat patroon zit er dus heel veel in.

124
00:06:56,000 --> 00:07:00,000
Dus je zegt eigenlijk, dit patroon waarin je geschreven hebt...

125
00:07:00,000 --> 00:07:02,000
zit al heel veel in het model.

126
00:07:02,000 --> 00:07:05,000
Maar is het daarmee AI-gegenereerd?

127
00:07:05,000 --> 00:07:08,000
Ik denk dat heel veel mensen zouden zeggen nee.

128
00:07:08,000 --> 00:07:11,000
Dus dat is een heel mooi voorbeeld.

129
00:07:11,000 --> 00:07:15,000
En het leuke is, de andere kant op...

130
00:07:15,000 --> 00:07:20,000
is dat wij ook geen onderscheid meer kunnen maken...

131
00:07:20,000 --> 00:07:23,000
tussen wat nep is en wat echt is.

132
00:07:23,000 --> 00:07:28,000
Dus er was een hele gerenommeerde fotografiewedstrijd.

133
00:07:28,000 --> 00:07:32,000
En die hadden een speciale categorie bedacht.

134
00:07:32,000 --> 00:07:36,000
Want die dachten, we moeten natuurlijk ook mee met AI.

135
00:07:36,000 --> 00:07:42,000
Dus je mocht je eigen gegenereerde kunstwerk met AI insturen.

136
00:07:42,000 --> 00:07:45,000
En iemand had echt een geweldige... zoek het maar eens even op.

137
00:07:45,000 --> 00:07:48,000
We zullen hem ook in de show notes de link ernaartoe zetten.

138
00:07:48,000 --> 00:07:52,000
Heel mooi plaatje van een flamingo, een roze flamingo.

139
00:07:52,000 --> 00:07:55,000
Stel hem even voor, die helemaal in rust staat.

140
00:07:55,000 --> 00:07:57,000
Alleen het hoofd is weg.

141
00:07:57,000 --> 00:08:03,000
Dus je ziet een lijfje en die staat in een hele minimalistische omgeving.

142
00:08:03,000 --> 00:08:05,000
Best wel een heel krachtig beeld.

143
00:08:05,000 --> 00:08:11,000
Zo krachtig dat de jury hem als derde prijs had gekozen.

144
00:08:11,000 --> 00:08:14,000
En het publiek als eerste.

145
00:08:14,000 --> 00:08:19,000
Eerste prijs, derde prijs, geweldig, super AI plaatje.

146
00:08:19,000 --> 00:08:25,000
Drie dagen later belde de kunstenaar op en die zei...

147
00:08:25,000 --> 00:08:31,000
Ja, ik ben eigenlijk best wel heel erg tegen al die AI generatie.

148
00:08:31,000 --> 00:08:34,000
Dus wat heb ik gedaan? Ik heb een echte foto ingestuurd.

149
00:08:34,000 --> 00:08:38,000
De omgekeerde variant inderdaad.

150
00:08:38,000 --> 00:08:44,000
De omgekeerde variant. Dus een echte foto werd als AI gegenereerd.

151
00:08:44,000 --> 00:08:47,000
Nep, tussen aanhalingstekens, gezien.

152
00:08:47,000 --> 00:08:53,000
Ook als heel mooi gegenereerd, gewaardeerd.

153
00:08:53,000 --> 00:08:55,000
Maar het was echt.

154
00:08:55,000 --> 00:09:02,000
Dus het verschil tussen wat is echt en wat is nep, dat is echt ontzettend moeilijk.

155
00:09:02,000 --> 00:09:09,000
En het idee dat je dat kan herkennen, blijven herkennen, zeker naar de toekomst toe.

156
00:09:09,000 --> 00:09:12,000
Ik denk dat je daar van af moet stappen.

157
00:09:12,000 --> 00:09:19,000
Ja, maar voor sommige doeleinden wil je misschien wel bepaalde authenticiteit hebben van hetgeen wat gegenereerd is.

158
00:09:19,000 --> 00:09:24,000
Dus een watermerk of ergens een code waarin je het kan herkennen.

159
00:09:24,000 --> 00:09:29,000
Of misschien zelfs wel een acknowledgement dat je AI gebruikt hebt voor het genereren ervan.

160
00:09:29,000 --> 00:09:32,000
Ja, nou en dat laatste daar geloof ik wel in.

161
00:09:32,000 --> 00:09:38,000
Dus als er bepaalde beleidsrichtlijnen zo direct komen waarbij gezegd wordt.

162
00:09:38,000 --> 00:09:43,000
Weet je, ik kan me voorstellen, ik geloof voetbal international doet dat.

163
00:09:43,000 --> 00:09:49,000
Die genereert nu voetbalverslagen op basis van de data die zij binnenkrijgen.

164
00:09:49,000 --> 00:09:52,000
Kan er eigenlijk gewoon uitgeschreven worden hoe het voetbalverslag is.

165
00:09:52,000 --> 00:09:55,000
En dan staat er dan ook bij dat dat gegenereerd is.

166
00:09:55,000 --> 00:09:57,000
Dat laatste weet ik niet helemaal zeker.

167
00:09:57,000 --> 00:10:00,000
Maar daar kan je je voorstellen zelfs weer berichten.

168
00:10:00,000 --> 00:10:06,000
Daar weet ik wel van dat er staat van dit is een gegenereerd bericht.

169
00:10:06,000 --> 00:10:09,000
Dus de tekst is eigenlijk uitgeschreven op basis van de data.

170
00:10:09,000 --> 00:10:11,000
Lijkt me geen probleem.

171
00:10:11,000 --> 00:10:19,000
Maar een watermerk, die kan je toevoegen mogelijk aan plaatjes en video's en audio.

172
00:10:19,000 --> 00:10:21,000
Want daar kan je zeg maar data in kwijt.

173
00:10:21,000 --> 00:10:28,000
Waarbij je bijvoorbeeld bepaalde pixels kan manipuleren die wij niet kunnen zien.

174
00:10:28,000 --> 00:10:33,000
Kunnen wij met ons oog gewoon het verschil niet waarnemen of die er nou wel of niet in zit.

175
00:10:33,000 --> 00:10:35,000
En zo zou je het kunnen watermerken.

176
00:10:35,000 --> 00:10:38,000
Daar geloof ik zelf iets minder in.

177
00:10:38,000 --> 00:10:41,000
Omdat als je drinken stopt, kan je het er ook uit halen.

178
00:10:41,000 --> 00:10:44,000
Pixelhacking was natuurlijk al iets in het verleden.

179
00:10:44,000 --> 00:10:48,000
Precies, dus dat maakt het denk ik ontzettend lastig.

180
00:10:48,000 --> 00:10:53,000
En wat ik voorbij zie komen, en dat is echt wel ook een urban myth.

181
00:10:53,000 --> 00:10:56,000
Is dat we dat zo direct in teksten kwijt kunnen.

182
00:10:56,000 --> 00:11:01,000
Dus dat je in gegenereerde teksten ergens een watermerk zou hebben.

183
00:11:01,000 --> 00:11:08,000
Waardoor Google zou kunnen detecteren dat dit een gegenereerde tekst is.

184
00:11:08,000 --> 00:11:11,000
Waardoor je tekst lager scoort op je website.

185
00:11:11,000 --> 00:11:13,000
Hoe dan?

186
00:11:13,000 --> 00:11:17,000
Ja, kijk wij zitten allebei natuurlijk in de bits en bytes.

187
00:11:17,000 --> 00:11:24,000
Maar laten we zo zeggen, ieder karakter heeft gewoon een unieke code.

188
00:11:24,000 --> 00:11:26,000
En dat is het.

189
00:11:26,000 --> 00:11:32,000
Daar kan je niet stiekem nog iets ergens tussen frotten of zo.

190
00:11:32,000 --> 00:11:34,000
Dus dat gaat hem niet worden.

191
00:11:34,000 --> 00:11:43,000
Dus het hele idee dat er achter jouw tekst nog iets stiekem schel gaat, vergeet dat.

192
00:11:43,000 --> 00:11:51,000
Ik denk ook dat zo direct het niet uitmaakt voor Google en dat soort, weet ik veel.

193
00:11:51,000 --> 00:11:54,000
Ik ben niet zo thuis in die CEO gebeuren en zo.

194
00:11:54,000 --> 00:11:57,000
Maar uiteindelijk gaat het natuurlijk over wat lezen mensen graag.

195
00:11:57,000 --> 00:12:03,000
En wat is de engagement op een bepaalde content of artikel.

196
00:12:03,000 --> 00:12:08,000
Hoe interessant vind je het? Hoe vaak wordt het gelezen?

197
00:12:08,000 --> 00:12:11,000
En of het nou wel of niet gegenereerd is.

198
00:12:11,000 --> 00:12:13,000
Ja, daar zullen heel veel mensen heel wat van denken.

199
00:12:13,000 --> 00:12:18,000
Maar ik denk voor de technologie maakt het niet uit.

200
00:12:18,000 --> 00:12:20,000
Ik denk voor de mensen wel inderdaad.

201
00:12:20,000 --> 00:12:22,000
Dus een author en een trusted author.

202
00:12:22,000 --> 00:12:26,000
Ik denk dat dat in de toekomst wel veel extra toevoegt.

203
00:12:26,000 --> 00:12:29,000
Laten we hopen, dat als we het hebben over het nieuws,

204
00:12:29,000 --> 00:12:33,000
dat we daar heel duidelijk zo direct krijgen.

205
00:12:33,000 --> 00:12:36,000
Dat er wordt gezegd, dit is geschreven, dit is waargenomen,

206
00:12:36,000 --> 00:12:39,000
dit is gebaseerd op feiten.

207
00:12:39,000 --> 00:12:41,000
Op deze data.

208
00:12:41,000 --> 00:12:45,000
Dat de tekst dan nog steeds AI-gegenereerd is, dat tot daaraan toe.

209
00:12:45,000 --> 00:12:48,000
Maar dit zijn de feiten die ten grondslag liggen van...

210
00:12:48,000 --> 00:12:51,000
Precies, bronnen, dat soort zaken.

211
00:12:51,000 --> 00:12:56,000
Maar in ieder geval, herkennen wat is echt en wat is niet echt.

212
00:12:56,000 --> 00:12:59,000
Als we nu een plaatje van Dall-E 3 krijgen.

213
00:12:59,000 --> 00:13:00,000
Die zien we.

214
00:13:00,000 --> 00:13:01,000
Dat is niet zo moeilijk.

215
00:13:01,000 --> 00:13:02,000
Die herkennen we wel.

216
00:13:02,000 --> 00:13:06,000
Maar, foto's. Oeh, lastig hoor.

217
00:13:06,000 --> 00:13:10,000
Dat zag je dan met die fotowedstrijd. Ik vond het echt geweldig.

218
00:13:10,000 --> 00:13:13,000
Ja, mooi dat hij dan toch contact opneemt.

219
00:13:13,000 --> 00:13:15,000
Ik heb nog een bekend gisteren.

220
00:13:15,000 --> 00:13:16,000
Ja, toch?

221
00:13:16,000 --> 00:13:17,000
Ja.

222
00:13:17,000 --> 00:13:19,000
Dan gaan we naar de volgende mythe.

223
00:13:19,000 --> 00:13:22,000
Generatieve AI is intelligent.

224
00:13:22,000 --> 00:13:26,000
Ja, daar ben ik echt even ingedoken.

225
00:13:26,000 --> 00:13:32,000
Want hoe maak je nou duidelijk dat het juist niet intelligent is?

226
00:13:32,000 --> 00:13:37,000
Dat is uiteindelijk best wel heel erg lastig.

227
00:13:37,000 --> 00:13:41,000
Kijk, ik kom weer terug op die woord-voor-woord voorspellen.

228
00:13:41,000 --> 00:13:44,000
En daarmee kunnen we echt hele gave dingen doen.

229
00:13:44,000 --> 00:13:46,000
Het kan je helpen met die samenvatting.

230
00:13:46,000 --> 00:13:51,000
Ik zeg niet dat je er geen hele mooie toepassingen mee kan maken.

231
00:13:51,000 --> 00:13:55,000
Sterker nog, je kan er ook hele intelligente toepassingen mee maken.

232
00:13:55,000 --> 00:13:58,000
We weten niet wat intelligentie is.

233
00:13:58,000 --> 00:14:03,000
Maar ik denk dat we wel herkennen wanneer iets niet zo intelligent is.

234
00:14:03,000 --> 00:14:08,000
En het leuke is dat als je de volgende vraag...

235
00:14:08,000 --> 00:14:10,000
Ik heb dat een beetje in mijn omgeving gedaan.

236
00:14:10,000 --> 00:14:12,000
Moet je ook maar eens met je kinderen doen.

237
00:14:12,000 --> 00:14:15,000
Als je nu luistert en je hebt ergens kinderen zelf in de buurt.

238
00:14:15,000 --> 00:14:17,000
Stel eens gewoon de volgende vraag.

239
00:14:17,000 --> 00:14:22,000
Dat je zegt van, ik heb een man, een schaap en een kool.

240
00:14:22,000 --> 00:14:24,000
En die moeten met de boot naar de overkant.

241
00:14:24,000 --> 00:14:26,000
Hoe doe je dat?

242
00:14:26,000 --> 00:14:33,000
Bij mij was de rode draad in de boot naar de overkant.

243
00:14:33,000 --> 00:14:37,000
Je gaat zitten, je vaart, je stapt de boot uit.

244
00:14:37,000 --> 00:14:40,000
Maar we voelen het natuurlijk ook wel.

245
00:14:40,000 --> 00:14:46,000
Dit raakt aan het raadseltje van de man, de wolf, de schaap, de kool.

246
00:14:46,000 --> 00:14:50,000
Met beperkingen erbij en dat soort dingen.

247
00:14:50,000 --> 00:14:57,000
Ik heb deze vraag zo ook aan ChatGPT gesteld.

248
00:14:57,000 --> 00:15:02,000
En daar komt terug dat ChatGPT het volgende antwoordde.

249
00:15:02,000 --> 00:15:04,000
Dit is een klassiek probleem.

250
00:15:04,000 --> 00:15:09,000
Bekend als de boer, wolf, geit en kool.

251
00:15:09,000 --> 00:15:11,000
Daar gaan we al mee.

252
00:15:11,000 --> 00:15:13,000
Puzzel.

253
00:15:13,000 --> 00:15:17,000
Hier is een oplossing voor de versie met een man, een schaap en een kool.

254
00:15:17,000 --> 00:15:19,000
En daar komt hij.

255
00:15:19,000 --> 00:15:22,000
Ik heb niets om beperkingen gevraagd.

256
00:15:22,000 --> 00:15:26,000
Gewoon gezegd van, met je boot, ik heb een aantal items, zoek het uit.

257
00:15:26,000 --> 00:15:27,000
Komt hij aan.

258
00:15:27,000 --> 00:15:28,000
Stap 1.

259
00:15:28,000 --> 00:15:32,000
De man neemt eerst de schaap mee naar de overkant en laat het erachter.

260
00:15:32,000 --> 00:15:33,000
Stap 2.

261
00:15:33,000 --> 00:15:36,000
De man vaart terug naar de oorspronkelijke kant.

262
00:15:36,000 --> 00:15:37,000
Stap 3.

263
00:15:37,000 --> 00:15:39,000
De man neemt nu de kool mee naar de overkant.

264
00:15:39,000 --> 00:15:40,000
Stap 4.

265
00:15:40,000 --> 00:15:46,000
De man laat de kool aan de overkant achter, maar neemt het schaap weer mee terug naar de oorspronkelijke kant.

266
00:15:46,000 --> 00:15:47,000
Stap 5.

267
00:15:47,000 --> 00:15:52,000
De man laat het schaap aan de oorspronkelijke kant achter, neemt de wolf.

268
00:15:52,000 --> 00:15:54,000
Waar komt die wolf vandaan?

269
00:15:54,000 --> 00:15:56,000
Heb ik niet om gevraagd.

270
00:15:56,000 --> 00:16:00,000
Of in dit geval zichzelf, staat er nog tussen haakjes, mee naar de overkant.

271
00:16:00,000 --> 00:16:07,000
De man laat weer de niet bestaande wolf aan de overkant achter bij de kool.

272
00:16:07,000 --> 00:16:08,000
Stap 7.

273
00:16:08,000 --> 00:16:13,000
De man vaart terug naar de oorspronkelijke kant en neemt tenslotte het schaap weer mee naar de overkant.

274
00:16:13,000 --> 00:16:18,000
En dan staat er helemaal, uiteindelijk zijn de man, het schaap en de kool allemaal veilig aan de overkant.

275
00:16:18,000 --> 00:16:20,000
Dus het volgende schema ziet er als volgt uit.

276
00:16:20,000 --> 00:16:23,000
Nou, nog meer bla bla bla bla bla.

277
00:16:23,000 --> 00:16:29,000
Wat je ziet is dat het gaat naar geleerde tekstpatronen toe.

278
00:16:29,000 --> 00:16:35,000
Het rekent uiteindelijk naar een bekend tekstpatroon die heel vaak voorkomt.

279
00:16:35,000 --> 00:16:39,000
Namelijk de wolf, de schaap, de geit en de kool.

280
00:16:39,000 --> 00:16:44,000
Dus wat je vooral ziet is dat er geen enkele begripsvorming is.

281
00:16:44,000 --> 00:16:49,000
Waar gezegd wordt, het model kan heel goed redeneren, dat is er niet.

282
00:16:49,000 --> 00:16:53,000
Er is geen idee wat een schaap is, wat een wolf is.

283
00:16:53,000 --> 00:16:58,000
Ook al lijkt het zo uitgerekend te hebben.

284
00:16:58,000 --> 00:17:02,000
En toen dacht ik, ja maar misschien heb ik het ook wel lastig gemaakt.

285
00:17:02,000 --> 00:17:06,000
Want schaap, kool, het zit erin.

286
00:17:06,000 --> 00:17:14,000
Dus ik heb gezegd, als we een man hebben en die heeft pindakaas en brood en die wil naar de overkant.

287
00:17:14,000 --> 00:17:17,000
Nog steeds met die boot. Dan krijgen we het volgende.

288
00:17:17,000 --> 00:17:26,000
In het geval van een man, pindakaas en brood, is er geen risico dat van deze items een ander elkaar opeet of beschadigt.

289
00:17:26,000 --> 00:17:30,000
Daarom is het logistiek veel eenvoudiger om deze over te zetten.

290
00:17:30,000 --> 00:17:33,000
Dan denk je, hé, dit lijkt er goed aan, toch?

291
00:17:33,000 --> 00:17:37,000
Dit klinkt als een redenatie.

292
00:17:37,000 --> 00:17:41,000
Hier is een mogelijke manier om dit te doen. Let op.

293
00:17:41,000 --> 00:17:47,000
Stap 1. De man neemt eerst de pindakaas mee naar de overkant. Hij laat het erachter.

294
00:17:47,000 --> 00:17:48,000
Waarom?

295
00:17:48,000 --> 00:17:52,000
Stap 2. De man vaart terug naar de oorspronkelijke kant.

296
00:17:52,000 --> 00:17:55,000
Stap 3. De man neemt nu het brood mee naar de overkant.

297
00:17:55,000 --> 00:17:58,000
Nu zijn zowel de pindakaas als het brood aan de overkant.

298
00:17:58,000 --> 00:18:01,000
Nou, geweldig. Moeilijke manier, geweldig.

299
00:18:01,000 --> 00:18:04,000
Stap 4. De man vaart terug naar de oorspronkelijke kant.

300
00:18:04,000 --> 00:18:08,000
Stap 5. De man gaat zelf naar de overkant.

301
00:18:08,000 --> 00:18:10,000
Hoe dan?

302
00:18:10,000 --> 00:18:18,000
Het begon aardig goed natuurlijk. Het kan elkaar niet in de weg zitten van elkaar opeten.

303
00:18:18,000 --> 00:18:22,000
Allemaal, de man gaat denk ik toch wel de boterham en de pindakaas opeten, verwacht ik.

304
00:18:22,000 --> 00:18:25,000
Ja, tijdens het roeien.

305
00:18:25,000 --> 00:18:29,000
Je ziet dat het terugvalt. Ik denk dat dat het belangrijkste is.

306
00:18:29,000 --> 00:18:31,000
Je kan hier geweldig om lachen.

307
00:18:31,000 --> 00:18:35,000
Wat je ziet is dat het valt in patronen.

308
00:18:35,000 --> 00:18:37,000
En is dat erg? Nee.

309
00:18:37,000 --> 00:18:40,000
Want daar kunnen we juist geweldig gebruik van maken.

310
00:18:40,000 --> 00:18:48,000
Maar als je denkt dat het heel goed kan redeneren, dat het intelligent is, dat het snapt wat het zegt.

311
00:18:48,000 --> 00:18:51,000
Nee, echt, echt, echt niet.

312
00:18:51,000 --> 00:18:57,000
En dit zijn geen moeilijke rekensommetjes of allemaal dat soort zaken.

313
00:18:57,000 --> 00:19:01,000
Dit is hele eenvoudige redenatie.

314
00:19:01,000 --> 00:19:06,000
En ook als ze straks inbouwen dat dit wel kan.

315
00:19:06,000 --> 00:19:09,000
Nee, daar moet ik het anders zeggen.

316
00:19:09,000 --> 00:19:13,000
Dat hij de puzzel op de juiste manier oplost.

317
00:19:13,000 --> 00:19:18,000
Ben je er dan van bewust dat dit uitgerekend is.

318
00:19:18,000 --> 00:19:25,000
Het is geen redenatie. Het is geen concept zoals wij dingen in ons hoofd redeneren.

319
00:19:25,000 --> 00:19:29,000
Zoals wij dingen kunnen visualiseren in onze hoofd.

320
00:19:29,000 --> 00:19:34,000
Tokens bij elkaar die in de buurt zitten. Het lijkt op.

321
00:19:34,000 --> 00:19:40,000
Het heeft ook geen rechtstreeks verbinding met de buitenwereld.

322
00:19:40,000 --> 00:19:44,000
Nee, dus dat is ook wel essentieel als je zelf met Gen AI aan de slag gaat.

323
00:19:44,000 --> 00:19:48,000
En je hebt bepaalde belangrijke contexten en domeinen waarin je opereert.

324
00:19:48,000 --> 00:19:50,000
Dat je dat zou moeten gaan toevoegen.

325
00:19:50,000 --> 00:19:53,000
En scherp op moet zijn hoe je dat gebruikt met Gen AI.

326
00:19:53,000 --> 00:19:57,000
Dan komt de menselijke interactie om dat te sturen.

327
00:19:57,000 --> 00:20:01,000
En dan komt software-engineering om dat goed op te kunnen lossen.

328
00:20:01,000 --> 00:20:04,000
Dus dat kan wel. Dan moet je zelf aan de slag.

329
00:20:04,000 --> 00:20:06,000
Nou, mooi.

330
00:20:06,000 --> 00:20:11,000
En intelligent is een papegaai. Die praat ook gewoon na wat hij gehoord heeft.

331
00:20:11,000 --> 00:20:20,000
Ja, en in zekere zin zou je op sommige gedragingen het etiket niet intelligent kunnen plakken.

332
00:20:20,000 --> 00:20:23,000
En sommige dingen zijn alweer wat minder intelligent.

333
00:20:23,000 --> 00:20:27,000
En sommige mensen ook. Ik denk ook wel eens van "zo, dat is niet handig".

334
00:20:27,000 --> 00:20:28,000
Ja toch?

335
00:20:28,000 --> 00:20:29,000
Dat is menselijk.

336
00:20:29,000 --> 00:20:30,000
Dat is menselijk, ja.

337
00:20:30,000 --> 00:20:34,000
Het ligt eigenlijk een beetje in het verlengde als we toch even de papegaai pakken.

338
00:20:34,000 --> 00:20:36,000
AI krijgt een eigen wil.

339
00:20:36,000 --> 00:20:38,000
AI krijgt een eigen wil. Dat zou mooi zijn, hè?

340
00:20:38,000 --> 00:20:40,000
Nou, dat weet ik niet.

341
00:20:40,000 --> 00:20:45,000
Nee, hoe zeg je dat? Sarcastisch, ironisch? Nee, nee, nee.

342
00:20:45,000 --> 00:20:50,000
Waar ik hier vooral aan moet denken is het simpele voorbeeld.

343
00:20:50,000 --> 00:20:52,000
Kijk, wij stappen allemaal in een vliegtuig.

344
00:20:52,000 --> 00:21:00,000
En dan vinden we het de normaalste zaak van de wereld dat de autopilot ons brengt waar we naartoe willen.

345
00:21:00,000 --> 00:21:05,000
Je zou, als je het afgerond zegt, en misschien worden piloten nu heel boos,

346
00:21:05,000 --> 00:21:08,000
maar dan zou je kunnen zeggen, ja die autopilot…

347
00:21:08,000 --> 00:21:15,000
Eigenlijk hebben we volgens mij al zelfvliegende vliegtuigen en zitten piloten bij voor noodgevallen.

348
00:21:15,000 --> 00:21:21,000
En ze moeten nog opstaan en dalen, geloof ik, maar een autopilot zou dat ook kunnen.

349
00:21:21,000 --> 00:21:26,000
Outlier detection, dus uitzonderingen af kunnen handelen die niet in het systeem geautomatiseerd zijn.

350
00:21:26,000 --> 00:21:28,000
Dat is waar volgens mij de piloot voor zit.

351
00:21:28,000 --> 00:21:32,000
Ja, en als we het verkeerd hebben, laat het ons even weten.

352
00:21:32,000 --> 00:21:41,000
Maar je denkt toch ook niet dat als jij in zo'n vliegtuig instapt en je zit lekker op 10 kilometer hoogte,

353
00:21:41,000 --> 00:21:45,000
dat je bang bent dat de autopilot in één keer gaat bedenken van,

354
00:21:45,000 --> 00:21:47,000
ik heb zin om naar…

355
00:21:47,000 --> 00:21:52,000
Eigenlijk zou ik liever een duikboot willen zijn, een duikbootpiloot.

356
00:21:52,000 --> 00:21:57,000
En dat hij dan inderdaad, nou ik ga die ambitie meteen waarmaken.

357
00:21:57,000 --> 00:22:02,000
En dat is misschien een beetje een krankzinnig voorbeeld,

358
00:22:02,000 --> 00:22:07,000
maar dat is natuurlijk, weet je, we maken systemen om bepaalde taken uit te voeren,

359
00:22:07,000 --> 00:22:11,000
bepaalde berekeningen uit te voeren en that's it.

360
00:22:11,000 --> 00:22:22,000
Er zit geen bewustzijn in, er zit geen wil in, er zit, ja weet je, het is ook zo absurd als dat het klinkt.

361
00:22:22,000 --> 00:22:27,000
En dan toch ga ik even in de absurde nog even meedenken van waarom kon dat dan eigenlijk naar mijn idee.

362
00:22:27,000 --> 00:22:32,000
Is omdat we zoveel verschillende modellen, allemaal verschillende acties aan het automatiseren zijn

363
00:22:32,000 --> 00:22:37,000
en het gevoel is dat dat als één iets acteert, waardoor je dit gevoel zou kunnen krijgen.

364
00:22:37,000 --> 00:22:42,000
Ja, dat snap ik ook. Dat snap ik zeker. Maar daarom ook juist dat verhaal van die autopilot.

365
00:22:42,000 --> 00:22:50,000
Er zit geen wil in, er zit geen ambitie in, er zit geen denkvermogen in, er zit niet…

366
00:22:50,000 --> 00:22:59,000
En het hele idee van, want dat vinden filosofen fijn, filosofen die kunnen uiteindelijk gewoon zeg maar

367
00:22:59,000 --> 00:23:08,000
de werkelijkheid en de techniek aan de kant schuiven en zeggen van ja, maar alles is in principe mogelijk en wat als…

368
00:23:08,000 --> 00:23:10,000
En dat is ook goed dat ze dat doen.

369
00:23:10,000 --> 00:23:19,000
Dus wat als we een systeem hebben die zegt van ja, maar wat nou als we een AI bouwen die ervoor moet zorgen

370
00:23:19,000 --> 00:23:28,000
dat het klimaatprobleem opgelost moet worden en dan tussen aanhalingstekens bedenkt, ja dan moet die mens er tussen uit.

371
00:23:28,000 --> 00:23:34,000
Die vormt zeg maar het probleem in de formule. Dus die halen we er tussen uit.

372
00:23:34,000 --> 00:23:47,000
Dat zijn, denk ik, ja hoe zal ik het zeggen, leuke gedachte-experimenten, maar het zijn wel gedachte-experimenten.

373
00:23:47,000 --> 00:23:53,000
En dat is ook wel een soort van, ik denk dat het een soort van techniek is, maar het is ook een soort van,

374
00:23:53,000 --> 00:23:59,000
ik denk dat het een soort van techniek is. En dat is ook wel een soort van, ik denk dat het een soort van techniek is.

375
00:23:59,000 --> 00:24:04,000
Ik denk dat het een soort van techniek is, maar het is ook een soort van, ik denk dat het een soort van techniek is.

376
00:24:04,000 --> 00:24:06,000
En dat is ook wel een soort van techniek.

377
00:24:10,000 --> 00:24:17,000
En dat is ook wel een soort van techniek.

378
00:24:17,000 --> 00:24:19,000
En dat is ook wel een soort van techniek.

379
00:24:35,000 --> 00:24:38,000
Ik heb best wel heel veel praatjes en cursussen en trainingen.

380
00:24:38,000 --> 00:24:46,000
En dan vraag ik heel vaak van, sinds wanneer bestaat eigenlijk AI?

381
00:24:46,000 --> 00:24:48,000
Ik vraag, is dat iets van de laatste tien jaar?

382
00:24:48,000 --> 00:24:56,000
En dan moet je toch wel denken dat ongeveer 40% of 50% van de mensen steekt dan gewoon een hand op.

383
00:24:56,000 --> 00:24:58,000
Dat is meer dan ik dacht.

384
00:24:58,000 --> 00:25:01,000
En zo ga ik dat in decennia terug.

385
00:25:01,000 --> 00:25:08,000
En dan zijn er altijd wel een paar mensen, dus laten we zeggen 5 op de 100,

386
00:25:08,000 --> 00:25:11,000
die weten van, dit komt eigenlijk uit de jaren 50.

387
00:25:11,000 --> 00:25:18,000
Dus in de jaren 50 is de term in ieder geval artificial intelligence ontstaan.

388
00:25:18,000 --> 00:25:23,000
In de jaren 40 waren ze eigenlijk al bezig, Alan Turing, heb je misschien wel eens van gehoord,

389
00:25:23,000 --> 00:25:28,000
was al bezig met de hypothese en het idee van,

390
00:25:28,000 --> 00:25:33,000
zouden we niet een machine kunnen maken die heel goed zou kunnen rekenen?

391
00:25:33,000 --> 00:25:37,000
En zo goed dat hij dat beter zou kunnen dan de mens.

392
00:25:37,000 --> 00:25:40,000
Dus daar is het idee ontstaan.

393
00:25:40,000 --> 00:25:45,000
Maar het is een techniek die eigenlijk in golven is gekomen.

394
00:25:45,000 --> 00:25:50,000
Dus toen in de jaren 50 waren ze er helemaal vol van, ging het weer minder.

395
00:25:50,000 --> 00:25:52,000
In de jaren 80 is dat weer opgeleefd.

396
00:25:52,000 --> 00:25:57,000
Toen liepen ze tegen allerlei plafonds aan en ging dat weer weg.

397
00:25:57,000 --> 00:26:03,000
En je zou dat niet alleen kunnen zien als seizoenen, zo wordt het vaak ook benoemd.

398
00:26:03,000 --> 00:26:06,000
Dus we kwamen uit een AI winter, zeggen ze dan.

399
00:26:06,000 --> 00:26:11,000
Want dan was het koud, niemand hield zich daarmee bezig, was je niet lekker om op te warmen.

400
00:26:11,000 --> 00:26:13,000
Nou, die winter zijn we uit.

401
00:26:13,000 --> 00:26:21,000
Dus we warmen ons allemaal aan de hittegolven van AI, de hittegolven van de hype.

402
00:26:21,000 --> 00:26:27,000
Dus het is een komen en gaan en die technologie heeft zich gewoon steeds verder ontwikkeld.

403
00:26:27,000 --> 00:26:35,000
En op 30 november 2022 heeft OpenAI, heeft ChatGPT opengezet.

404
00:26:35,000 --> 00:26:39,000
En dat was voor heel veel mensen een soort van luik wat open is gegaan.

405
00:26:39,000 --> 00:26:42,000
Van nu is het er, het is ook heel groot.

406
00:26:42,000 --> 00:26:48,000
Maar het is een gevolg van allemaal laagjes onderzoek, allemaal mini doorbraakjes.

407
00:26:48,000 --> 00:26:56,000
Ik denk ook niet, iedereen zit te hopen op GPT 5 en dat dat weer iets gigantisch zal worden.

408
00:26:56,000 --> 00:26:58,000
Ik denk het niet.

409
00:26:58,000 --> 00:27:01,000
We gaan denk ik gewoon echt stapje voor stapje vooruit.

410
00:27:01,000 --> 00:27:04,000
En wel vooruit, stapje voor stapje.

411
00:27:04,000 --> 00:27:07,000
Dus het is allesbehalve nieuw.

412
00:27:07,000 --> 00:27:09,000
Ik heb het zelfs even opgezocht.

413
00:27:09,000 --> 00:27:14,000
Namelijk, AI bestond al eerder dan het internet.

414
00:27:14,000 --> 00:27:20,000
Wij weten dat, maar ik denk een hoop luisteraars misschien daar geen idee van hebben.

415
00:27:20,000 --> 00:27:25,000
Zelfs voor de uitvinding van de post-it.

416
00:27:25,000 --> 00:27:31,000
De post-it is pas in de jaren 70 uitgevonden.

417
00:27:31,000 --> 00:27:32,000
Wist ik niet, dankjewel Joop.

418
00:27:32,000 --> 00:27:35,000
Het zijn dagen dat ik meer post-its gebruik dan AI.

419
00:27:35,000 --> 00:27:39,000
En zelfs voor de introductie van de magnetron.

420
00:27:39,000 --> 00:27:43,000
Moet ik ook even helpen, want die is van net voor mijn tijd.

421
00:27:43,000 --> 00:27:46,000
Ja maar dan ook echt net.

422
00:27:46,000 --> 00:27:50,000
Ik moet hier eerlijk bij zeggen, hij is uitgevonden in de jaren 40.

423
00:27:50,000 --> 00:27:52,000
Daarom noemde ik ook de introductie.

424
00:27:52,000 --> 00:27:56,000
Dus in de jaren 60 is hij echt geïntroduceerd aan de consument.

425
00:27:56,000 --> 00:27:58,000
Dus is AI nieuw?

426
00:27:58,000 --> 00:28:00,000
Nee, allesbehalve.

427
00:28:00,000 --> 00:28:02,000
En het gaat ook niet meer weg.

428
00:28:02,000 --> 00:28:09,000
Ik denk wel dat we de hitte van de huidige hype, die gaat er wat af.

429
00:28:09,000 --> 00:28:15,000
En wat wel lekker is, laten we in zo'n klimaat komen van zo'n 20 graden,

430
00:28:15,000 --> 00:28:19,000
beentjes op tafel, lekker steady doorgaan, comfortabel.

431
00:28:19,000 --> 00:28:20,000
Precies.

432
00:28:20,000 --> 00:28:24,000
En dat we een beetje van de oververhitte mythes,

433
00:28:24,000 --> 00:28:28,000
dat we die allemaal hoeven in te smeren met die volbrandende zon inderdaad.

434
00:28:28,000 --> 00:28:32,000
Dus hopelijk een aantal mythes doorgebroken.

435
00:28:32,000 --> 00:28:35,000
Busted, zoals hij dan zei bij de Mythbusters.

436
00:28:35,000 --> 00:28:39,000
Ja, mijn snor begint een beetje, die opplaksnor begint een beetje te kriebelen.

437
00:28:39,000 --> 00:28:41,000
De alpinopet gaat af.

438
00:28:41,000 --> 00:28:43,000
En dan...

439
00:28:43,000 --> 00:28:47,000
En heb je dus zelf een mythe of weet je niet of het een mythe is,

440
00:28:47,000 --> 00:28:49,000
en zou je die met ons willen delen, dan graag.

441
00:28:49,000 --> 00:28:52,000
Laat even een berichtje bij ons achter op social media.

442
00:28:52,000 --> 00:28:54,000
Je weet ons wel te vinden.

443
00:28:54,000 --> 00:28:57,000
Neem vooral even contact op, dan kunnen we hem eventueel meenemen

444
00:28:57,000 --> 00:28:59,000
in een volgende Mythbusters variant.

445
00:28:59,000 --> 00:29:01,000
Precies.

446
00:29:01,000 --> 00:29:03,000
Heerlijk.

447
00:29:03,000 --> 00:29:04,000
Ja toch?

448
00:29:04,000 --> 00:29:08,000
Ja, het is een nostalgische gevoelens.

449
00:29:08,000 --> 00:29:09,000
Ja, dat is het.

450
00:29:10,000 --> 00:29:14,000
Hey, jij luisterde weer naar een aflevering van AIToday Live.

451
00:29:14,000 --> 00:29:18,000
Vind je dit nou een leuke aflevering, abonneer je dan via je favoriete podcast app.

452
00:29:18,000 --> 00:29:19,000
En mis geen aflevering.

453
00:29:19,000 --> 00:29:20,000
Tot de volgende keer.

454
00:29:23,000 --> 00:29:29,000
[Muziek]