De grote Synthforum LLM-doet-muziekdraad

[krautrock1958]

Is er nog iemand bezorgd om de invloeden van AI op de versnelling van klimaatverandering?
AI vergt enorme rekenkracht waarvoor ook enorme hoeveelheid energie voor nodig is en dat zal alleen nog maar toenemen.

Mooie vraag om aan ChatGPT te stellen, hier m'n vraag;

"Artificíële intelligentie gebruikt veel rekenkracht, is ook in staat om steeds meer complexe problemen op te lossen maar op welke manier zouden we AI kunnen ontwikkelen en toepassen dat het heel weinig energie gebruikt?"

ChatGPT zei:​

Dat is een heel goede vraag, want het energieverbruik van artificiële intelligentie (AI) is een groeiend probleem, vooral bij grote modellen zoals GPT en andere deep learning systemen. Gelukkig zijn er verschillende manieren waarop we AI kunnen ontwikkelen en toepassen op een manier die veel minder energie vraagt. Hieronder geef ik je een overzicht van mogelijke strategieën:

---

Technologische optimalisaties​

1. Efficiëntere hardware​

• Neuromorfe chips (zoals van IBM of Intel) bootsen de werking van het menselijk brein na en gebruiken veel minder energie dan conventionele GPU’s.
• Edge AI-chips (zoals Google's Edge TPU, Apple's Neural Engine of NVIDIA Jetson) zijn ontworpen om AI-taken lokaal en energiezuinig uit te voeren.
• Optische of fotonische chips gebruiken licht in plaats van elektriciteit, wat potentieel extreem energiezuinig is.

2. Modelcompressie en optimalisatie​

• Pruning: Onnodige verbindingen in een neuraal netwerk worden verwijderd, waardoor het model kleiner en efficiënter wordt.
• Quantization: Modellen gebruiken minder bits per parameter (bijv. van 32-bit naar 8-bit), wat rekenkracht en energie scheelt.
• Distillation: Een kleiner, lichter model (de “student”) wordt getraind om de output van een groter, zwaarder model (de “leraar”) na te bootsen.

---

Nieuwe vormen van AI​

3. Small-data en energy-aware AI​

• In plaats van enorme datasets gebruiken, kunnen we AI trainen op kleine, slimme datasets of via few-shot of zero-shot learning.
• Bayesiaanse netwerken en symbolische AI (meer logica-gebaseerde AI) zijn soms veel efficiënter dan neurale netwerken, zeker voor specifieke toepassingen.

4. Bio-geïnspireerde AI​

• Denk aan spiking neural networks (SNNs), die vuren als echte neuronen en alleen energie verbruiken bij activiteit.
• Onderzoek naar hoe het menselijk brein energie zo efficiënt gebruikt, helpt bij het ontwerpen van zuiniger AI-algoritmes.

---

Energiezuinige toepassingen en infrastructuur​

5. AI aan de rand (“edge AI”)​

• In plaats van alles in datacenters te verwerken, worden AI-taken verplaatst naar apparaten zoals smartphones, drones of IoT-sensoren.
• Dit voorkomt energie-intensieve datatransmissie.

6. Gebruik van groene energie​

• AI-datacenters kunnen draaien op hernieuwbare energiebronnen zoals zonne- of windenergie.
• Sommige bedrijven verplaatsen hun trainingsprocessen naar locaties met overtollige hernieuwbare energie (zoals IJsland met geothermische energie).

---

Systeem- en beleidsniveau​

7. Regulering en duurzaamheidseisen​

• Ontwikkel energie-labels voor AI-modellen zodat ontwikkelaars bewuster kiezen.
• Stimuleer “green AI” in plaats van “red AI” (waarbij de focus alleen op prestaties ligt).
• Transparantie over carbon footprint van AI-training (zoals nu al gebeurt bij sommige papers).

---

Samenvattend​

Om AI energiezuiniger te maken, moeten we:

1. Slimmere hardware gebruiken;
2. Kleinere en efficiëntere modellen bouwen;
3. Leren van natuurlijke systemen zoals het brein;
4. AI dichter bij de gebruiker (aan de “edge”) uitvoeren;
5. Gebruik maken van duurzame energie;
6. En vooral: bewust ontwerpen met energie in gedachten.

Als je wil, kan ik een kort overzicht maken in infographic-vorm, of een tabel die je kunt gebruiken voor een presentatie of paper. Laat maar weten!

 

[krautrock1958]

Ik ging nog even door op punt 5;

Hier heb ik nog een vraag over; het maakt toch niet uit of alle data gecentreerd verwerkt wordt of bij alle gebruikers (AI aan de rand) want als je alles bij elkaar optelt dan kom je toch op hetzelfde verbruik uiteindelijk?

Het antwoord;

Dat is een hele scherpe vraag — en intuïtief lijkt het inderdaad logisch dat het totaalverbruik gelijk blijft: of je nu 1 groot systeem hebt of 1 miljoen kleine systemen. Maar in de praktijk maakt het wél verschil. Hier is waarom:

---

Waarom Edge AI vaak minder energie verbruikt in totaal​

1. Minder dataverkeer = grote energiewinst​

• Datatransmissie kost veel energie, vooral bij video, audio of sensorstromen (denk aan camera’s of IoT).
• Als je miljoenen apparaten elk hun ruwe data continu naar de cloud sturen, dan kost alleen de verzending al gigantisch veel stroom.
• Bij Edge AI wordt data lokaal verwerkt — en alleen het resultaat (bijv. "beweging gedetecteerd") wordt eventueel verzonden.

Voorbeeld:​

Een slimme camera kan ter plaatse herkennen of er een persoon in beeld is.

• Zonder edge AI: de hele videostream wordt constant naar de cloud gestuurd → hoge netwerkkosten.
• Met edge AI: alleen een melding "persoon gezien om 16:32" → veel minder data, veel minder energie.

---

2. Lokale chips zijn extreem energiezuinig​

• Chips voor Edge AI zijn vaak geoptimaliseerd voor één taak, zoals beeldherkenning of spraakverwerking.
• Deze gespecialiseerde chips (zoals Google's Edge TPU) gebruiken vaak minder dan 1 watt, terwijl een datacenter-GPU soms honderden watts vraagt.
• Daarbij geldt: het stroomverbruik van datacenters omvat ook koeling, netwerken, redundantie — allemaal niet nodig op het randapparaat.

---

3. Gebruikers hebben de hardware toch al​

• Smartphones, slimme horloges en camera's zijn al in gebruik, en de energie die hun chips gebruiken is marginaal extra.
• Een cloud-gebaseerde oplossing zou juist extra infrastructuur vragen: servers, opslag, netwerken, koeling, enzovoort.

---

4. Niet alle data hoeft verwerkt te worden​

• Edge AI kan beslissen wat wél of niet relevant is, waardoor minder energie wordt verspild aan onnodige verwerking.
• Denk aan een sensor die “slaapt” tot er iets gebeurt → event-driven AI is efficiënter dan continu dataverwerken in de cloud.

---

Samenvatting: Waarom Edge AI meestal energiezuiniger is​

Aspect	Cloud / Datacenter AI	Edge AI
Datatransmissie	Hoog (grote hoeveelheden data)	Laag (alleen relevante output verzonden)
Verwerkingskracht	Groot en algemeen (GPU’s)	Klein en taakgericht (speciale AI-chips)
Koeling & overhead	Hoog	Nagenoeg nul
Energie per device	Gecentraliseerd, hoge piekverbruik	Verspreid, maar per unit veel lager
Totale energieverbruik	Hoger, zeker bij schaalvergroting	Lager, door lokale optimalisatie

---

Ik vond vooral het punt wat betreft koeling wel een eyeopener in dit geval want datacenters hebben veel koeling nodig, wat dat betreft zou je kunnen concluderen dat naarmate AI steeds gewoner wordt voor meer mensen dat het logisch zal zijn dat in de (nabije) toekomst AI ook bij de eindgebruiker komt want het huidige model is niet te handhaven op wereldschaal.

 

[JimmyEyckmans]

Ik gebruik Chapgpt voor men covers. Doet zijn werk goed.

 

[FreddyConfetti]

Ik gebruik Chapgpt voor men covers. Doet zijn werk goed.

 

[JimmyEyckmans]

Bekijk bijlage 3861901

Ik begrijp het nu, tis inderdaad chaT GPT lol ma eigenlijk ist menne chap ook met hij doet goed werk en is chap niet een engels woord voor vriend?

 

[Nap]

Hier nog een aardig filmpje over het verschil tussen large language models, intelligentie en bewustzijn. Ook vooral voor hen die AI allerlei eigenschappen of persoonlijkheidstrekken toedichten (zie daarnaast ook antropomorfisme):

 

[dreamer]

Wel goed artikel dat goed uitlegd waarom LLMs fundamenteel niet zoals mensen kunnen denken of redeneren:

 

[Sander02]

@krautrock1958 Interessant dat Chat op jouw vraag niet antwoord met punt 7: Restrictie op het gebruik, bijv alleen wetenschappers met speciaal abonnement die de zware AI rekenkracht mogen gebruiken. Verhogen van de kosten, tijdslots, etc.

Aan de andere kant, jouw vraag impliceert ook niet dat je AI minder wilt gebruiken de vraag "boxed" het antwoord al iets in. Als je Chat sec zou vragen hoe de footprint van AI kan worden verminderd inclusief de "0", zou het antwoord misschien wel die optie bevatten? Zou Chat antwoorden: "zet mij uit"?

 

[krautrock1958]

@krautrock1958 Interessant dat Chat op jouw vraag niet antwoord met punt 7: Restrictie op het gebruik, bijv alleen wetenschappers met speciaal abonnement die de zware AI rekenkracht mogen gebruiken. Verhogen van de kosten, tijdslots, etc.

Aan de andere kant, jouw vraag impliceert ook niet dat je AI minder wilt gebruiken de vraag "boxed" het antwoord al iets in. Als je Chat sec zou vragen hoe de footprint van AI kan worden verminderd inclusief de "0", zou het antwoord misschien wel die optie bevatten? Zou Chat antwoorden: "zet mij uit"?

AI is soms net een mens; die wil ook af en toe een beetje aandacht natuurlijk.

Ik gebruik sinds kort af en toe AI voor wat prompts bij videobewerking maar verder eigenlijk nog niet, dus ik ben er zuinig mee tot nu toe en beperk mezelf dus ook niet.
Toch zie ik naast de gevaarlijke kanten ook een hele positieve kant en dat is dat AI ons op allerlei manieren kan helpen natuurlijk, van simpele zaken tot hele gecompliceerde vraagstukken, op die manier heb ik op een beetje naïeve manier het idee dat AI ons naar een betere samenleving kan leiden.

filmpje over het verschil tussen large language models, intelligentie en bewustzijn. Ook vooral voor hen die AI allerlei eigenschappen of persoonlijkheidstrekken toedichten (zie daarnaast ook antropomorfisme):

Interessant clipje van die 4 wetenschappers waarin bewustzijn al gauw wordt gezien als intelligentie maar het begrip bewustzijn daar is men het nog niet over eens wat dat nou precies is?
Het woord bewustzijn veronderstelt zich ergens bewust van zijn en zo zou je kunnen stellen dat elk organisme hoe eenvoudig ook al een vorm van bewustzijn is, als een organisme zich alleen maar bewust is van bijv een temperatuurverschil dan kan je stellen dat er enige mate van bewustzijn is.
Een mens kan ook abstract denken itt tot andere dier- en plantensoorten, althans; daar gaan we van uit maar er zijn gevallen bekend dat er diersoorten zijn die kunnen anticiperen op een zich ontwikkelende situatie en da's alweer een stap verder dan alleen het heden want dan is er ook een besef van een soort van toekomst, hoe simpel ook misschien.

Buiten deze opvatting van mezelf is er bijv het bekende geval van de Koreaanse Go speler die tegen AI ging spelen en AI op een gegeven moment met een zet kwam die volkomen onlogisch leek maar wat later juist hel goed bleek en dan lijkt het er op dat AI ook het vermogen heeft om vooruit te denken en dus ook strategisch inzicht heeft en niet alleen maar simpelweg feiten reproduceert.
Die Koreaan zei achteraf dat specifiek die keer dat AI die op het eerste gezicht onlogische zet deed hem wel inzicht had gegeven tot nieuwe mogelijkheden, hij vond het een studie op zich.

Op een gegeven moment is het misschien zo ver dat AI gezien wordt als volwaardig lid van een gemeenschap met rechten al kan AI zich niet voortplanten, gezien de snelheid waarmee AI zich ontwikkelt is dat niet ondenkbaar.

 

[bombario]

Van de week veel gechat over mijn DAW Studio One. Dat is toch wel goud, zeg!

Ik zei: "Ik wil dit bereiken, hoe pak ik dat het makkelijkste aan?" Toen gaf hij antwoord en zei hij: "Ik kan je ook uitleggen hoe je dit en dat doet, wil je dat ook?" En zo een keer of 7 achter elkaar en elke keer gaf hij een helder stappenplan. En bleek dat mijn DAW nog veel meer kan dan ik dacht.

Ook grappig, ik werk met een oude versie van Studio One. Dus vroeg ik tussendoor: kan dit ook in 4.5 of alleen in 7? Dan antwoordde hij: "Dat kan niet in de oude versie, maar ik heb wel een slimme workaround voor je." En hop... weer een handig stappenplan.

De antwoorden van ChatGPT kun je met markdown (opmaak) kopíëren en plakken in bijvoorbeeld Google Docs of een notitie-app als Evernote of Joplin (gratis). Op deze manier heb ik nu alle stappenplannen direct bij de hand.

 

[one_b]

Tof, maar kan je eens laten weten wat je precies wil doen/bereiken waarvoor je chatgpt aan het werk zet? En waar ie dan mee terug komt?
Of is dat te veel en te complex om hier te posten?
Elke keer als ik op het punt sta om iets aan chatcpt of deepseek op te dragen, heb ik het eigenlijk al in de manual opgezocht.


--edit
misschien ook een prompts thread aanmaken?

 

[Nap]

“Why do my snares sound like shit?”

 

[bombario]

Tof, maar kan je eens laten weten wat je precies wil doen/bereiken waarvoor je chatgpt aan het werk zet? En waar ie dan mee terug komt?

Een voorbeeld. Ik wil in Studio One meer jammend arrangementen maken, net als in Ableton Live. Dus vroeg ik hem of dat kan, bijvoorbeeld op basis van een loop van 16 maten. Dan antwoordt hij:

Ja, dat kan prima in Studio One — en het is een hele fijne manier om arrangementen op gevoel te maken, zonder te knippen en plakken met clips.

Vervolgens zegt hij dit:

1. maak de loop langer​

• Selecteer al je sporen of clips van de 8-maten loop.
• Kopieer (Ctrl+C) en Plak (Ctrl+V) een paar keer achter elkaar.
• Of: gebruik Dupleer (D) om snel te herhalen.
• Plak tot je ongeveer 2 minuten aan muziek hebt.

(Studio One heeft helaas geen ‘loop over time’-functie zoals Ableton, dus je moet het zelf even kopiëren.)

2. zet mute-automatisering aan​

• Ga naar de mixer.
• Klik bij elk kanaal dat je wilt muten op het kleine automatisering-icoon (lijntje met punten).
• Stel de automation mode op Write of Touch. (Touch is vaak veiliger — schrijft alleen als je iets bedient.)

3. activeer je MIDI-controller​

• Zorg dat je MIDI-knoppen zijn gemapt naar de mute-knoppen van de sporen (via MIDI Learn).
• (Dat had je al, zei je.)

4. start opname​

• Klik op Record of Play.
• Jam: mute en unmute kanalen live zoals jij het wilt.

Studio One neemt de mute-automatisering op terwijl je bezig bent!

5. stop en speel terug​

• Studio One speelt jouw mute-bewegingen automatisch af.
• Je hebt nu een basisarrangement, op gehoor gemaakt.

-----

Vervolgens legt hij uit hoe ik dit kan finetunen, automation kan kopiëren en plakken naar andere kanalen, hoe ik deze werkwijze combineer met Arranger Track in Studio One etc. Echt heel handig.

----

Dat is één voorbeeld. Maar je kunt ook gewoon vragen:

"Ik ben edm-producer en ik wil een nummer masteren voor Beatport. Mijn genre is [dit]. Welke hoeveelheid LUFS is ideaal om te concurreren met professionele releases?"

Dan geeft hij netjes antwoord. En zeg ik:

"Ik gebruik Youlean Loudness Meter om dit te monitoren. Hoe lees ik dat af en waar moet ik op letten?"

Chat geeft weer netjes antwoord met screenshots en aanvullende tips. Daarna zeg ik:

"Mijn Master Chain ziet er nu zo uit, wat vind je van deze aanpak?"

Chat geeft weer netjes tips, suggesties en aandachtspunten. Ik ga verder:

"De Ozone Maximizer is de laatste plugin in mijn chain, hiermee zorg ik dat ik het juiste aantal LUFS behaal. True Peak in Youlean wordt nu steeds rood, wat betekent dat?"

Ook nu geeft Chat weer keurig antwoord en legt hij uit dat ik de ceiling in de maximizer kan verlagen om dit probleem op te lossen. Dit haal ik allemaal niet uit de handleiding En bij elk antwoord kan ik doorvragen: waarom is dat belangrijk, hoe werkt dit precies, is dit hiervoor de beste plugin etc.

 

[one_b]

oh dat soort dingen. duidelijk, handig hoor. dank voor de uitleg!

 

[mossie23]

Dat is één voorbeeld. Maar je kunt ook gewoon vragen:

"Ik ben edm-producer en ik wil een nummer masteren voor Beatport. Mijn genre is [dit]. Welke hoeveelheid LUFS is ideaal om te concurreren met professionele releases?"

Dan geeft hij netjes antwoord. En zeg ik:

"Ik gebruik Youlean Loudness Meter om dit te monitoren. Hoe lees ik dat af en waar moet ik op letten?"

Chat geeft weer netjes antwoord met screenshots en aanvullende tips. Daarna zeg ik:

"Mijn Master Chain ziet er nu zo uit, wat vind je van deze aanpak?"

Chat geeft weer netjes tips, suggesties en aandachtspunten. Ik ga verder:

"De Ozone Maximizer is de laatste plugin in mijn chain, hiermee zorg ik dat ik het juiste aantal LUFS behaal. True Peak in Youlean wordt nu steeds rood, wat betekent dat?"

Ook nu geeft Chat weer keurig antwoord en legt hij uit dat ik de ceiling in de maximizer kan verlagen om dit probleem op te lossen. Dit haal ik allemaal niet uit de handleiding En bij elk antwoord kan ik doorvragen: waarom is dat belangrijk, hoe werkt dit precies, is dit hiervoor de beste plugin etc.

Als ik ChatGPT vraag "How do you create loudness in a dancemusic master?" Dan krijg ik wat algemene technieken die je in praktisch elke tutorial tegenkomt. Nu weet ik wat van het onderwerp af, en dan blijkt dat een groot gedeelte van de tips wel geschikt is om beginners op weg te helpen, maar wel veel te kort door de bocht zijn. Zoals:

- Clean and Controlled Mix: High-pass non-bass elements: Remove unnecessary low frequencies from pads, vocals, etc., to leave space for the sub - NEEEEEEEEEEEEE
- Bus compression: Use slow attack and fast release for punch retention - recept voor een onrustige master, wat soms goed werkt
- Limiting: Gain staging: Push the input gain until you get 3–6 dB of gain reduction - da's wel heel veel
- Clipping: Before the limiter, add a clipper to shave off peaks more musically than a limiter can - ehhhhh, "more musically"? Ik weet niet of ik het verschil zo zou omschrijven.
- Loudness: Aim for -7 to -5 LUFS (integrated), depending on how aggressive you want it - Dat zijn gangbare waarden voor commerciële platen, maar niet voor een heleboel andere dancemuziek

Dan vraag ik door op het eerste punt: "High-pass non-bass elements". You know this is bad advice, right?

En dan krijg ik dit:

"You're right to question that—because it's a nuanced point that's often oversimplified in tutorials. Here's the real answer...."

En dan krijg ik weer een antwoord met een mix van goede tips, halve waarheden en onzin.

Laatst legde ik een groep Valhalla Room uit, en toen vroeg iemand of de modulatie in Valhalla Room door een chorus wordt gedaan, zoals in de Ableton reverb. Ik zei van niet, maar diegene stelde live dezelfde vraag aan ChatGPT en die zei dat er wel een chorus in zat. Handleiding erbij gepakt, en er zit inderdaad geen chorus in. MAAR.... de modulatie wordt in de plugin omschreven als 'Chorused modulation', wat betekent dat het klinkt als de periodieke pitch modulatie die je ook bij een chorus hebt. Dus daar ging ChatGPT de mist in.

Mijn conclusie: ChatGPT werkt prima als een snelle en geavanceerde zoekmachine (je krijgt bijvoorbeeld een redelijke samenvatting van een heleboel relevante tutorials). Maar als je ergens meer van af weet, dan is het vrij frusterend (net als de meeste tutorials). Wellicht is het bij hele praktische zaken prima (zoals: hoe bak ik een cake?). Maar zodra het genuanceerder wordt, dan is duidelijk dat een LLM heel overtuigend kan klinken, maar niets begrijpt.

En ik denk ook niet dat dat snel (of ooit) gaat gebeuren. Ik hoor te vaak de extrapolatie "kijk waar we 2 jaar geleden met AI waren, en bedenk waar we over 10 jaar zullen zijn". Dat is blind vooruitgangsdenken. Kan een iPhone van nu nou echt zoveel meer dan de eerste iPhone? En we zijn met de technologie die in een moderne wasmachine zit naar de maan gegaan, maar zelfs met de explosie aan technologie sinds die tijd zijn we niet verder gekomen. Sterker nog, iemand op de maan zetten kunnen we niet meer. ChatGPT5 zou vorig jaar uitkomen, maar die werd maar uitgesteld. En het is de vraag of die ooit nog komt. Af en toe is en weer een demo van de volgende kleine stap (demo's die voor een gedeelte niet echt zijn), maar de stappen worden steeds kleiner, terwijl de problemen (zoals hallucinaties) blijven.

 

[Nicolas 2000]

Dat overtuigd klinken maar fout zijn vind ik het lastigste van deze generatie LLM's.

 

[rvanommen]

Ik doenl er zelf steeds vaker iets mee en heb wel het idee dat het me soms helpt.
De kwaliteit van output word ook voor een groot deel bepaald door de kwaliteit van de input.
En inderdaad... Je moet uitkijken want er zitten soms (grote) fouten in, en soms moet je echt aandringen voor ie "snapt" dat ie het verkeerd had... Ze zijn soms best vasthoudend in de misinformatie...

Maar vooral als je al wat van het onderwerp weet en gericht kan doorvragen en vooral herformuleren of samenvatten en terugfeeden in het model ter confirmatie (in de vorm van "begrijp ik goed dat...") is het vaak een stuk makkelijker om op een bruikbaar antwoord te komen dan zelf allemaal shit googelen en te combineren tot een bruikbaar stuk informatie.


Ook het vermogen om teksten samen te vatten of om te zetten naar een bulletpoint achtig overzicht is best bruikbaar.

Die modellen gebruiken voor simpele vragen waarvan je zelf geen idee hebt wat het antwoord is, is tricky... Ze zitten er soms enorm naast.

Je gebruikt ze denk ik het beste als tool om hardop na te denken en ze te behandelen als een soort gesprekspartner die niet per se meer weet dan jij, maar wel nuttige informatie kan hebben voor je. Of een fijn klankbord om je eigen ideeen te trsten in een discussie. Maar vergeet dan niet om de bot eerst opdracht te geven om kritisch te zijn... Want per default vinden ze alles wat je ezegt een goed idee... Dat mag van mij ook wel minder in de toekomst....
Ik zou een LLM die durft te zeggen: "holy fuck, wat een kut-idee..." best fijn vinden

Het zou ook wel fijn zijn als de foutmarge omlaag kan... Want het gaat best regelmatig mis...
Maar goed, nu is het wel zo dat de gemiddelde gebruiker snel geconfeonteerd word met dit gegeven en dan dus ook voortaan op zn hoede is.
Het word pas eng als ze er minder vaak naast zitten en dus geloofwaardiger worden. dan is het risico dat je de misinfo voor waarheid aanneemt groter

Ik ben dus echt niet 100% overtuigd, maar ik speel en probeer er wel veel mee om er vertrouwd en handig mee te worden.

En dan zien we vanzelf wel of een AI label over 10 jaar een ingeburgerd synoniem is geworden matig functionerende rommel van slechte kwalitiet, of dat het echt een tool is geworden wat niet meer weg te denken is.

 

[mossie23]

En dan zien we vanzelf wel of een AI label over 10 jaar een ingeburgerd synoniem is geworden matig functionerende rommel van slechte kwalitiet, of dat het echt een tool is geworden wat niet meer weg te denken is.

Het kan ook en-en zijn. Dus slecht funcitionerende rommel die toch niet meer weg te denken is. Dat is met social media gebeurd, en eigenlijk ook met het internet. Als je bedenkt wat voor hoge verwachtingen mensen daarvan hadden, en wat het geworden is, dan belooft het niet veel goeds voor AI. Volgens mij komt het omdat het niet alleen een gereedschap is, maar ook een verdienmodel moet zijn.

 

[Nap]

Ik denk niet dat je 10 jaar hoeft te wachten, het is nu al een veelgebruikte tool die niet meer weg te denken is in diverse bedrijfstakken.

 

[rvanommen]

Stiekum boeit het me alleen of de games er mooier van worden