Nederland in de eeuw van AI

Over honderd jaar wordt deze eeuw waarschijnlijk herinnerd als het moment waarop we ontdekten wat intelligentie eigenlijk is, en dat die in systemen kan ontstaan, ook boven menselijke limieten. De komende jaren bepalen de toekomst van ons land, onze kinderen en de veiligheid van Europa.

Economische macht verschuift steeds meer naar wie de beslissingen van miljoenen mensen kan sturen, en de waarde die daaruit voortkomt kan afvangen. Als een LLM alleen maar Chinese auto's aanraadt, omdat het geoptimaliseerd is om de economie van China te laten groeien, en 80% van de bevolking gebruikt Chinese modellen, dan groeit de economie van China sneller en die van Nederland minder snel. Dit is een metafoor die overal toepasbaar gaat worden: of je nou een nieuw softwarepakket wilt kopen, een aanbeveling voor een nieuw product in de winkel wilt krijgen, of een robot wilt die toevallig beter werkt als je Chinese onderdelen hebt.

Ik heb persoonlijk niks tegen de mensen uit China. De mensen zijn geweldig, en in AI zijn ze next-level. Dit is een metafoor, maar economisch gezien gaat dit eraan komen, en daar moeten we als land klaar voor zijn.

Bouw niet wat we toch nooit gaan winnen, maar bouw juist datgene waarmee we grip houden. Een eigen frontier-taalmodel vanaf nul trainen is zonde van het geld: dat kost de allerbeste mensen, enorme rekenkracht en enorme datasets, terwijl de sterkste tekstmodellen inmiddels toch al open source zijn. Wél haalbaar is wereldklasse worden in het beoordelen van modellen (evals), in het bijsturen ervan (distillation, fine-tuning en merging: bestaande modellen kleiner, beter of toegespitst maken), en in het kiezen van een paar gebieden waar we echt vooraan kunnen lopen.

GPT-NL is niet de manier

Voor large-scale pretraining moet je de beste mensen ter wereld hebben, en daar hebben we er in Nederland te weinig van. Naast het beste talent heb je ook veel compute en data nodig, en als je die niet hebt, kun je beter finetunen, distilleren, mergen, of agent harnesses om bestaande frontier-modellen heen bouwen. Het is belangrijker dat we heel goed worden in het snel distilleren van open modellen — let wel: van de sterkste open-weight modellen, die nu vaak uit China komen, want van de gesloten Amerikaanse modellen (OpenAI, Anthropic) mág distilleren niet eens volgens hun voorwaarden. Daarnaast in model merging, in fine-tunen, en in evals waarmee we precies kunnen kijken op welke manieren we modellen moeten reguleren. De juiste investering is niet GPT-NL; het is large-scale evals, en agent harnesses om automatisch evals te genereren die je later kunt toepassen voor distillatie, fine-tuning en merging.

Daar komt bij: zelfs als GPT-NL goede pre-training recipes zou vinden, is grootschalige en vooral onderling verbonden rekenkracht (interconnected GPU-clusters) nauwelijks nog op de markt te krijgen. Die capaciteit is grotendeels vergeven aan de grote labs. Een goed recept zonder de hardware om het te draaien brengt je niet ver.

Voorop lopen waar we al sterk zijn

Frontier-capaciteit komt uiteindelijk niet uit het model, maar uit data. Andrej Karpathy vatte het in 2018 al samen: in de academische wereld verlies je je slaap aan modellen en algoritmes, in de industrie aan datasets. Dat is precies waarom Nederland moet inzetten op de gebieden waar we al unieke data en kennis hebben.

Een observatie hierover:

"Many people think any given ML project is 99% training. In reality, it's 50% evaluation, 40% data cleaning, 8% integration, and 2% training. The first two set the noise floor for learning."

— Yun-Ta Tsai (@yunta_tsai)

Nederland zit op het gebied van biologie, chips en natuurwetenschappen al in de frontier. We hebben de mogelijkheid om in die gebieden nog verder voorop te lopen. Het is ook zo dat de general capabilities van de modellen veel mogelijk maken binnen deze velden. Dus het is ook belangrijk dat Nederland proprietary data heel serieus neemt. En data generation. Frontier data leidt tot frontier capabilities.

Toch ergens de frontier in

Tegelijkertijd moet Nederland ergens wél vooraan staan. Het mooie is dat we met chips al in de kopgroep zitten, en mijn aanbeveling is dat ASML alle steun krijgt die nodig is om ver vooruit te blijven. Tegelijk wordt geavanceerde AI zelf heel goed in het ontwerpen van chips, waardoor die markt snel kan verschuiven.

Bovenop het bijsturen van modellen (distillation, merging, fine-tuning) zou ik daarom inzetten op self-improvement harnesses: geautomatiseerde systemen waarin AI-agents zichzelf testen, evalueren en stap voor stap verbeteren — denk aan wat bedrijven als Recursive en Prime Intellect bouwen. Dat is de hefboom waarmee een klein land alsnog snelheid kan maken. En het helpt enorm als er ook vanuit Nederland zelf aan de frontier gebouwd wordt, zodat de kennis, de modellen en de waarde hier blijven in plaats van weglekken naar het buitenland.

AI voor als het van bits naar atomen gaat

Tot nu toe leeft AI vooral in bits: tekst, code, software. De volgende fase is atomen: de fysieke wereld, robotica en drones. Daar geven world models en general agents een pad naar intelligentie dat taal en code alleen niet kunnen leveren.^* Het mooie is dat Nederland hier al een paar bedrijven heeft die het goed beginnen te doen, bijvoorbeeld Monumental in de bouwrobotica en General Intuition rond world models. Het is belangrijk om dit soort bedrijven te helpen opschalen in de Europese markt; zij vormen de brug naar de volgende fase van AI. Ik zou daarnaast opleidingen opzetten en budgetten voor GPUs bij de universiteiten geven, zodat we talent kunnen opbouwen rond deze nieuwe architecturen, wat er nu niet is.

Datacenters

Datacenters kunnen beter op Europees niveau gespeeld worden. Daar heb je uiteindelijk veel energie (denk aan kernenergie) en kapitaal voor nodig. Nederland heeft hier een sterke troef: met ASML zitten we in het hart van de toeleveringsketen voor de chips waar al die datacenters op draaien. Die positie moeten we gebruiken om mee te bouwen aan de Europese datacenters, en om te zorgen dat er ook hier rekenkracht komt te staan.

Interface wint

Uiteindelijk wint het bedrijf dat het interface naar de wereld is, want zij beslissen naar welk model er gerouteerd wordt. Het is belangrijk om bedrijven te backen die boven op de modellen goede interfaces bouwen. Dit kan met de hulp van een aantal super-angels en fondsen die dit al goed kunnen. Kijk naar Operator Exchange als een voorbeeld.

Defensie: drones

Op het gebied van defensie is het vooral belangrijk om in drones te investeren, in de lucht en onder water. Daar komt het meeste voordeel uit, en we doen het al steeds beter op dit gebied. Als klein land heb je autonomie nodig als het ooit fout gaat, want je hebt weinig inwoners vergeleken met Rusland.

Kinderaandelen

De beste manier om een goede toekomst te bouwen, is door participaties van topbedrijven te geven aan kinderen die binnen Nederland geboren worden. Er worden zo'n 166.000 kinderen per jaar geboren. Dit is niet heel veel vergeleken met andere landen. Als een aantal topbedrijven die wel frontier in de race zitten meedoen, dan kunnen we genoeg economische kracht genereren voor de volgende generatie om zich minder zorgen te maken over de rest. General Intuition — het Nederlandse frontier-AI-bedrijf dat ik mee heb opgericht — doet graag mee.

Tot slot: meten & samenwerken

Er moet een klein team in Nederland verantwoordelijk worden om te meten of Nederland een AI-exporteur of -importeur is. Dit kun je meten met tokens. 1 punt voor interface. 2 voor model. 3 voor hardware + model + interface. Als we de data dan hebben, focus op waar we voorop kunnen lopen, en goed samenwerken met andere landen, de EU, en Amerika. Je kunt het niet zonder hulp. En dat is altijd de kracht van Nederland geweest.

Ik heb met veel plezier meegedaan met het AI Deltaplan, en hoop dat dit op de korte termijn vooral met focus helpt.

❤️🇳🇱