Verken transformerende modellen
Modellen fascineren me al mijn hele leven: hoe een diagram, een notatie, een simulatie een onzichtbaar proces ineens zichtbaar maakt. Krachtige AI laat me iets doen met die fascinatie. Een idee wordt nu in uren in plaats van maanden een werkend model: echte variabelen, die op elkaar inwerken in de tijd, live in je browser.
Dat verandert hoe we kunnen leren. In plaats van te lezen over evolutie, inflatie of ongelijkheid beweeg je zelf de knoppen, zie je de gevolgen zich ontvouwen, en trek je je eigen conclusies. Dit is een fascinerende verschuiving: ze zal begrip en uitleg transformeren. Probeer het zelf.
Het Economisch lab: interactieve economische modellen
Elke economische theorie is een model: een bewuste vereenvoudiging waarmee je in discussie kunt. Met deze modellen discussieer je met je handen: beweeg de knoppen, zie twintig jaar zich ontvouwen, en ontdek welke verhalen hun eigen rekensom overleven. Alle modellen zijn fout; deze zijn nuttig.
De Monopoly Machine
economisch model
Waarom eindigt het spel altijd met één winnaar? Een ongelijkheids-zandbak met belastingen, erfenis, basisinkomen en jubeljaren. Verander de regels, zie de bestemming veranderen.
De Oppas-economie
economisch model
De beroemde oppascoöperatie van Capitol Hill, live: te weinig muntjes en niemand durft uit, te veel en niemand wil oppassen. Recessies, klein genoeg om aan te raken.
De Visitekaartjes-economie
economisch model
De keukentafel-parabel van Warren Mosler: waarom belasting geld zijn waarde geeft, en waarom het tekort van de ouders het spaargeld van de kinderen IS. Vier knoppen, één onbreekbare identiteit.
De Nederlandse economie
economisch model
Nederland in eerlijke ronde getallen, door drie lenzen: het EU-regelboek, het grootboek van de investeerder, en de wat-als van een eigen munt. Met de schakelaar voor de hypotheekrenteaftrek van €10 miljard.
De Kunstmatige-Schaarstemachine
economisch model
Eén hendel: hoe afgeschermd is de toegang? Vijf verhalen, van een blockbuster-medicijn tot een designertas, en één getal om te onthouden: voor elke euro die de eigenaar pakt, hoeveel waarde voor iedereen wordt er vernietigd?
Het Vliegwiel
economisch model
Hetzelfde miljard, in andere handen. De armen geven het door, de rijken bergen het op: zie bestedingen door de optocht van inkomens golven, en zie de trickle-down-test in eigen persoon falen.
Klimaatpositiviteit
hefboomcalculator
Wat je als particulier kunt besparen, naast wat je via je werk in beweging kunt zetten. Kies een actie, kies een beroep, en zie de particuliere keuze verdwijnen naast de professionele: het verschil loopt op tot duizend keer en veel verder.
Spelen met AI: van een idee naar iets dat bestaat
Het verrassende van deze gereedschappen is niet dat ze vragen beantwoorden. Het is dat een losse inval, een oud nummer, een kleine dagelijkse gewoonte die je mist, in een middag iets echts kan worden.
No Worries Mate
muziekclip
Een AI-reproductie van een nummer dat ik schreef en speelde met mijn schoolband Midnight Mojo. Video gemaakt met Sora, december 2024.
Otherwise
dagelijkse quote
Eén quote per dag om je denken te verschuiven: een kleine dagelijkse barst in je kader. Gemaakt met mijn vriend Chris. Gratis, voor iPhone en Android. Engelstalige app.
Lerende machines: live demonstraties van hoe AI leert
Eén stelling, drie motoren: bekwaamheid condenseert uit willekeur. Wat ze onderscheidt is één vraag: waar komt het signaal vandaan dat de machine verandert? Een oordeel, een score, of een richting. Alles hieronder draait op één van die drie, of is een manier om er beter materiaal voor aan te leveren. Elke demonstratie begint bij nul en leert waar je bij staat, zonder voorgetrainde binnenweggetjes.
Selectie: het signaal is een oordeel
Varieer willekeurig, houd dan over of gooi weg. Het heeft bijna niets nodig om te werken, en daarom was het het eerste idee dat iemand had, en daarom is het traag.
Weasel
cumulatieve selectie
Dawkins’ programma uit 1986, live: blinde mutatie plus selectie bouwt een regel Shakespeare in zestig generaties, en de apen-schakelaar laat zien waarom toeval alleen dat nooit zou doen.
De auditor die zichzelf herschrijft
cumulatieve selectie (een miniatuur-AlphaEvolve)
2.000 transacties, 60 frauduleus, en tijd om er maar 100 te controleren. Een willekeurige steekproef vindt er vijf. Niemand vertelt de machine hoe fraude eruitziet: hij schrijft zijn eigen regel, herschrijft die, en vindt er 38. De motor van Weasel, met een taalmodel dat de mutaties voorstelt in plaats van een dobbelsteen.
Reinforcement: het signaal is een score, en hij komt laat
Niemand vertelt je wat de juiste zet is. Pas aan het eind weet je of het goed ging, en het lastige is uitzoeken welke zet de eer verdient. MENACE doet het met kralen in luciferdoosjes en zonder één rekensom, en daarom telt dit als een eigen motor en niet als een soort gradient descent.
MENACE
reinforcement learning
Een boter-kaas-en-eieren-machine van luciferdoosjes en kralen die leert winnen: machine learning uit de jaren zestig, herbouwd in je browser. Hij leert ook van jou.
Het Cash-Flow-spel
reinforcement learning
Een AI-boekhouder leert welke facturen je vroeg betaalt en welke je rekt, en verslaat drie benchmarkstrategieën op de boeken van een Nederlands bedrijf.
Het Cash-Flow-spel — live
reinforcement learning
Hetzelfde netwerk, maar ongetraind. Druk op start en zie het in zestig seconden leren, van elke factuur betalen zodra hij binnenkomt, tot het verslaan van de beste menselijke vuistregel. Niets is opgenomen: het traint in je browser terwijl je kijkt.
De Routing Apprentice
reinforcement learning
Een neuraal netwerk leert zichzelf routes plannen voor bezorgbusjes, met vallen en opstaan, en verslaat de klassieke schoolboekmethode met vijf procent.
Gradient descent: het signaal is een richting, voor elke knop tegelijk
Niet “je zat fout” maar “deze knop iets omlaag, die iets omhoog”. Veel sneller dan de andere twee, en het werkt alleen als je het antwoord al hebt om de afstand aan af te meten.
nano-Karim
gradient descent
Een piepklein taalmodel, vanaf nul getraind op mijn eigen teksten. Zie het van tekensoep naar mijn stijl gaan, poging na poging. Stijl zonder gedachte, zichtbaar gemaakt.
nano-Shakespeare
gradient descent
Hetzelfde piepkleine model, opgevoed met Shakespeare. Zelfde architectuur, andere ziel: de data is de bestemming.
En één ding dat geen motor is: self-play
Self-play leert niets. Het lost een ander probleem op: waar komen de partijen vandaan? Speel tegen een kopie van jezelf en de tegenstander is altijd precies even sterk als jij, en je raakt nooit door je materiaal heen.
Vier op een rij
alle drie de motoren, gevoed door self-play
Het volledige DeepMind-recept in miniatuur: geen menselijke voorbeelden, alleen een kopie van zichzelf om tegen te spelen. Self-play maakt de partijen, reinforcement levert winst of verlies, gradient descent verschuift de gewichten. Het maakte zichzelf in één nacht feitelijk onverslaanbaar.
Vraag het van elke lerende machine die je tegenkomt: waar komt het signaal vandaan? Oordeel, score of richting. Die ene vraag ordent het hele veld, en daarom is “is het reinforcement learning of gradient descent?” een verkeerd gestelde vraag: reinforcement learning is het kader, gradient descent is het gereedschap, en AlphaZero is allebei tegelijk.