Grenslaboratoria zijn geobsedeerd. Ze racen richting zelfverbeterende modellen, ervan overtuigd dat dit de enige manier is om daar te komen. De logica is circulair maar verleidelijk: AI verbetert AI. Het spiraalt. Het is ons te slim af. Het zou ons zelfs in de val kunnen lokken.
Dat klinkt geweldig voor een dystopie. Nutteloos voor een nieuwsbrief.
Ik moest woorden eruit krijgen. Snel. Daarom stelde ik mezelf een praktische vraag. Kan ik recursieve zelfverbetering gebruiken om mijn eigen drukke werk te automatiseren? Niet voor goddelijke intelligentie. Gewoon voor gruntwerk.
Ik heb het een week lang getest.
Het antwoord is ja. Verrassend genoeg, ja.
Wat nog belangrijker is, het suggereert een ander pad. Eén die niet afhankelijk is van vijf bedrijven die de lucht bezitten.
Klein beginnen (en dingen kapot maken)
Ik begon met het helemaal opnieuw trainen van een klein taalmodel. Met ‘trainen’ bedoel ik dat ik al het harde denkwerk aan Claude heb overgedragen.
Ik heb AutoResearch gebruikt. Het lievelingsproject van Andrej Karpathy. Je kent hem. OpenAI-oprichter, Tesla AI-leider, nu bij Anthropic. Deze tool helpt kant-en-klare AI’s betere, kleinere versies van zichzelf te bouwen.
Ik typte de opdracht. “Hallo, kijk eens naar program.md, laten we een nieuw experiment starten.”
Vervolgens heb ik de rest verzorgd. Hardware (een Nvidia DGX desktop-supercomputer). Elektriciteit (warm, de hele nacht door). En een roekeloze bereidheid om de code de vrije loop te laten, waarbij standaardveiligheidscontroles worden omzeild.
Laat hem koken.
Om de paar uur keek ik naar binnen. Claude was de parameters aan het aanpassen. Trainingsregimes aanpassen. Kijken hoe het kleinere model reageerde. Daarna weer aan het tweaken. Het was een lus. Autonoom. Ongenadig.
Ik heb de eerste resultaten getest. Vraag: “In het begin…”
Uitvoer: “In het begin van het begin van het en einde van einde einde van einde begin…”
Onzin. Repetitief geluid.
Maar later? Terwijl Claude het proces bleef verfijnen, verdween het gebrabbel. De zinnen waren logisch. Nog steeds geen GPT-5. Maar het traject was duidelijk. Het model werd beter door het werk te doen om beter te worden.
Iets nuttigs (echt nuttig)
Het trainen van een speelgoedmodel was leuk. Maar ik schrijf over AI-papieren. Ik heb er stapels van.
Ik had een curator nodig.
Ik ben overgestapt naar Prime Intellect. Een startup die modeltraining wil democratiseren. Hun pitch is eenvoudig. Bouw aangepaste modellen voor specifieke taken. Geen algemene reuzen. Scherp gereedschap.
Ik heb ze 100 inzendingen gegeven uit mijn sectie ‘Elders aan de grens’. Bits en bobs. Onderzoek hoogtepunten. Vervolgens vroeg ik Claude om te helpen bij het bouwen van een model met de naam Frontier_Paper_Curator. Zijn taak? Vind en vat interessante artikelen samen.
Hier werd het ingewikkeld. Claude heeft nog meer papieren gevonden. Het genereerde synthetische gegevens. Vervolgens gebruikte het een ander model om zijn eigen werk te bekritiseren. Het versterkende leren kwam op gang. De omgeving zelf werd de leraar.
Vincent Weisser leidt Prime Intellect. Zijn bedrijf heeft zojuist $ 15 miljoen opgehaald. Hij haat het centralisatieverhaal.
“We willen niet één goddelijke intelligentie. We willen een miljard intelligenties.”
Hij gelooft in niches. Gespecialiseerde tools die door iedereen zijn gebouwd, niet alleen door de laboratoria. Als elk bedrijf grensinfrastructuur krijgt, verslaat de collectieve creativiteit van de markt een paar monopolisten. Hij stelt dat gecentraliseerde AI een knelpunt is. Gedecentraliseerd is prachtig.
Andere startups zijn het daarmee eens. Adaption verkoopt een tool genaamd AutoScientist. CEO Sara Hooker merkt op dat grote bedrijven contant geld aan tokens verbranden. Ze hebben geen experts in huis. Ze hebben automatisering nodig die echt werkt.
Dan is er de risicofactor. Toen Anthropic bepaalde verzoeken voor Claude blokkeerde, werd de kwetsbaarheid van de afhankelijkheid benadrukt. Alex Karp van Palantir waarschuwt ervoor. Het gebruik van grenslaboratoria betekent het opgeven van gegevens. Het betekent dat je de controle verliest.
Ik wilde controle. Of in ieder geval: hefboomwerking.
Ik heb minder dan een dag bij Prime Intellect doorgebracht. Het resultaat was een functionele curator.
Het produceerde deze samenvatting voor iFLYTEK:
Onderzoekers van iFLYTEK ontwikkelden iFLYTEK-Embodied-Ai, een multimodaal model dat visie, taal en actie combineert. Oude methoden scheidden deze taken. Dit model deelt de aandacht over hen heen. Als hersenen en kleine hersenen die rechtstreeks praten. Het vermindert foutcascades. Het traint op diverse videogegevens. Het resultaat is een agent die in staat is om tegelijkertijd te redeneren en te controleren. Een nieuw architectonisch paradigma voor robotica.
Is het perfect? Nee.
Het is te gretig. Het selecteert papieren die ik zou overslaan. De samenvattingen zijn enigszins algemeen.
Maar het werkt.
Het verloste mij van een deel van het gezwoeg. Het is geen god geworden. Het werd een hulpmiddel.
En misschien is dat wel het betere resultaat. Wij bouwen geen goden. We maken betere concepten.
Wie weet wat er gebeurt als ze zichzelf weer verfijnen.
