Belangrijkste inzichten
Een gepest schaakwonderkind jaagde één obsessie na: een machine bouwen om Gods gedachten te lezen
De man achter de machine. Demis Hassabis, geboren in Noord-Londen in 1976 als zoon van een Chinees-Singaporese moeder en een Grieks-Cypriotische vader, was op zijn dertiende schaakmeester en vijfvoudig kampioen van de Mind Sports Olympiad. Maar op zijn twaalfde, uitgeput na een tien uur durende wedstrijd nabij Liechtenstein, had hij een openbaring: briljante geesten verspilden zichzelf aan een bordspel. Er moest een hoger doel zijn.
Wetenschap als spirituele zoektocht. Hassabis concludeerde dat neurowetenschappen belangrijker waren dan natuurkunde, omdat de geest onze werkelijkheid schept. Wetenschap bedrijven, zegt hij, is als het lezen van Gods gedachten. Hij zit om twee uur 's nachts aan zijn bureau en voelt hoe de werkelijkheid naar hem "schreeuwt". Hij wil het universum begrijpen voordat hij sterft. DeepMind, zijn bedrijf, was het voertuig om daar te komen.
Wat opvalt is hoe Hassabis religieus ontzag versmelt met harde berekening, in de geest van Einsteins "God van Spinoza" en Feynmans stelling dat begrijpen vereist dat je iets bouwt. Deze inkadering is belangrijk omdat ze hem onderscheidt van opportunistische oprichters: het doel is verlichting, niet rijkdom. Toch laten biografieën van genieën (Ramanujan, Newton) zien dat zulke messiaanse overtuiging een tweesnijdend zwaard is. Ze voedt bovenmenselijke volharding maar kweekt blinde vlekken en moeite met het accepteren van tegenspraak. Hassabis' vader zei hem "doe je best"; hij interpreteerde dit als doorduwen tot fysieke instorting, "over de finish vallen als bij een marathon." Dat letterlijk nemen is zowel de motor als het waarschuwingsetiket van het hele verhaal.
Echte intelligentie leert door inductie, niet door de rigide logica die ingenieurs vijftig jaar lang programmeerden
Waarom oude AI faalde. Vanaf de Dartmouth-workshop in 1956 bouwden onderzoekers "symbolische AI": ze voedden computers met regels en logische operatoren, in de hoop alle kennis tot syllogismen te herleiden. Het Cyc-project uit 1984 leerde een machine feiten als "je kunt niet op twee plaatsen tegelijk zijn." Het mislukte. Zoals Hassabis in Cambridge besefte: mensen spreken geen eerste-orde-logica en begrijpen elkaar toch perfect.
Het idee van de oneindigheidsmachine. Echte intelligentie haalt patronen uit rommelige, ongestructureerde data (inductie) in plaats van te deduceren uit vaste regels. Maar inductie vereist enorme hoeveelheden data en een manier om te bepalen waarop je je moet richten. Hassabis en medeoprichter Shane Legg wedden dat machines konden leren hun eigen oplossingen te ontwerpen, door verborgen patronen te vinden in een bijna oneindige hoeveelheid informatie. Dit werd de oprichtingsthese van DeepMind.
De tegenstelling tussen deductie en inductie weerspiegelt een diepe filosofische breuklijn: rationalisme versus empirisme, Descartes versus Hume. Gödels onvolledigheidsstelling (geen logisch systeem vangt alle waarheden) gaf de jonge Hassabis intellectuele toestemming om pure logica los te laten. Wat onderbelicht blijft is hoe tegendraads dit was in de jaren negentig: het establishment van MIT, waaronder Marvin Minsky, had neurale netwerken decennialang afgeschreven. De les reikt verder dan AI: veel hardnekkige problemen wijken niet voor meer expliciete regels maar voor systemen die leren van voorbeelden. Dit is waarom de moderne geneeskunde steeds vaker ondoorzichtige voorspellende modellen vertrouwt boven nette mechanistische theorieën — een spanning tussen verklaarbaarheid en resultaten die door het hele boek terugkeert.
Het charisma dat teams voorbij de werkelijkheid inspireert, is dezelfde kracht die hen vernietigt
De Jedi-gedachtetruc. Vóór DeepMind bouwde Hassabis de videogamestudio Elixir. Zijn overtuigingskracht — door medeoprichter David Silver een "Jedi-gedachtetruc" genoemd — stelde hem in staat talent te werven en geld op te halen op pure overtuiging. Maar voor het spel Republic inspireerde hij ingenieurs zo grondig dat ze het onmogelijke beloofden, waarna hij hun beloften geloofde. "Niemand van ons krijgt eerlijke feedback," gaf hij later toe.
Schommeling maakt afhankelijk. Een psycholoog vertelde de auteur dat charismatische leiders onvermijdelijk heen en weer slingeren tussen inspireren en controleren. De schommeling zelf — als een gokautomaat die teleurstelt en dan de jackpot geeft — kweekt afhankelijkheid. Silver brandde op en vertrok. Elixir ging in 2005 failliet. Hassabis leerde een "ladder" te bouwen van haalbare sporten richting grootse doelen, in plaats van rechtstreeks naar de top te springen.
Dit is de meest overdraagbare leiderschapsles van het boek, en het echoot onderzoek naar "werkelijkheidsvervormende velden" rond oprichters als Jobs en Musk. De gedragspsychologie onderschrijft de gokautomaatanalogie: intermitterende variabele bekrachtiging is het meest verslavende schema, ontdekt door B.F. Skinner. De nuance die de auteur toevoegt is moreel: Hassabis heeft een oprechte afkeer van manipulatie (geworteld in het christendom van zijn moeder), maar charisma dwingt ongeacht de intentie. Het sterkste argument vóór is dat grootse missies iemand vereisen die bereid is vol te houden dat het onmogelijke mogelijk is. De kritiek is dat diezelfde eigenschap, ongecorrigeerd, burn-out en zelfbedrog veroorzaakt. De oplossing — een eerlijke rechterhand die slecht nieuws kan doordrukken — is organisatorisch fragiel.
Test AI op games, want die bieden duidelijke scores, eindeloze pogingen en geen menselijke labels
Waarom games. DeepMinds Atari-doorbraak in 2013 combineerde twee technieken: deep learning (patronen herkennen in ruwe pixels) en reinforcement learning, oftewel RL (leren door vallen en opstaan via beloningssignalen, vergelijkbaar met dopamine in het brein). De agent kreeg alleen schermpixels, een joystick en de score. Terwijl hij thuis naar Wimbledon keek, vernieuwde onderzoeker Vlad Mnih zijn scherm en zag dat zijn agent na miljoenen verloren potjes plotseling de Pong-bal begon te achtervolgen.
Twee door het brein geïnspireerde trucs.
1. Geheugenreplay: ervaringen opslaan en willekeurig opnieuw afspelen, naar analogie van hoe de hippocampus herinneringen consolideert tijdens de slaap.
2. De agent opsplitsen in een "speler"-netwerk en een geduldig "coach"-netwerk, om ongebreideld optimisme te voorkomen.
Het resultaat, het Deep-Q Network, beheerste tientallen games en verbaasde het hele vakgebied.
Games zijn de fruitvliegjes van AI-onderzoek: goedkoop, snel reproduceerbaar, meetbaar. Het geniale hier is het inzicht dat een scorebord het moeilijkste probleem van reinforcement learning oplost: het definiëren van de beloning. Dit inzicht heeft grenzen die het vermelden waard zijn: problemen in de echte wereld (ziekten genezen, samenlevingen besturen) komen zelden met heldere scores, en precies daarom laten latere hoofdstukken zien dat RL buiten spelachtige domeinen moeite heeft. De geheugenreplay-analogie met slaap is wetenschappelijk suggestief maar omstreden; de meeste DeepMind-onderzoekers geven toe dat de neurowetenschappelijke inspiratie meer marketing was dan mechanisme. Toch blijft het diepere principe overeind: vooruitgang komt vaak voort uit het vinden van een hanteerbaar proxyprobleem (Atari) dat de essentiële structuur deelt met het onhandelbare probleem (algemene intelligentie).
Zet 37 van AlphaGo bewees dat machines ideeën kunnen bedenken die geen mens ooit had bedacht
Het onverslaanbare verslaan. Go heeft meer mogelijke bordposities dan er atomen in het universum zijn, waardoor brute-force-zoeken zinloos is. Experts dachten dat machinale beheersing nog decennia weg was. In 2016 versloeg DeepMinds AlphaGo wereldkampioen Lee Sedol met 4-1 voor 200 miljoen kijkers. In de tweede partij was Zet 37 zo buitenaards dat de beste westerse commentator de steen verwijderde en mompelde: "Dat kan niet kloppen." De zet won de partij.
Hoe het werkte. AlphaGo combineerde intuïtie (een neuraal netwerk dat expertzetten nabootste) met introspectie (Monte Carlo Tree Search, het verkennen van mogelijke toekomsten). Cruciaal was dat het vervolgens miljoenen partijen tegen zichzelf speelde en strategieën ontdekte die de menselijke kennis te boven gingen. AlphaZero, zijn opvolger, leerde in enkele uren schaken vanuit het niets en bedacht openingstheorie die mensen eeuwenlang hadden gemist.
Zet 37 is een echte filosofische mijlpaal: bewijs dat machines de menselijke data waarvan ze leren kunnen overstijgen, in plaats van er slechts in te interpoleren. Dit weerlegt de "stochastische papegaai"-kritiek, althans voor dit domein. Het zelfspelmechanisme is de sleutel: door het plafond van menselijke partijen te doorbreken, bereikt het systeem bovenmenselijke creativiteit. Toch zit er een schrijnendheid in die de auteur goed vangt. Lee Sedol stopte en zei dat hij geen vreugde meer voelde. Fan Hui, 5-0 verslagen, zei dat zijn ogen geopend waren voor een grotere wereld. Superintelligentie vergroot de mogelijkheden en maakt tegelijkertijd menselijke intuïtie overbodig. Die dubbele signatuur — ontzag en verdringing — is een voorproefje van het emotionele register van het hele AI-tijdperk.
Wanneer een technologie van oneindige macht verschijnt, kan geen veiligheidsraad de wedloop voorkomen
Het Eden dat nooit bestond. Hassabis droomde van een "singleton": één gebundelde, zorgvuldige inspanning richting AGI — bij voorkeur DeepMind — uitmondend in een internationaal orgaan naar het model van CERN. In 2015 nodigde hij Elon Musk, Reid Hoffman en anderen uit voor een veiligheidsraad bij SpaceX. Het leverde niets op. Larry Page noemde Musk een "speciesist" omdat hij mensen boven machines verkoos. Musk, geschokt, richtte maanden later OpenAI mede op, expliciet om Googles monopolie te doorbreken.
Rivaliteit is onvermijdelijk. Hoffman betoogde dat de singleton een fantasie was: mensen zijn tribaal en competitief, dus meerdere labs met gedeelde veiligheidswaarden (zoals een meerpartijendemocratie) was het realistische pad. Het SpaceX-diner bewees zijn gelijk. De mensen die waren uitgenodigd om te adviseren, werden rivalen die wat ze hadden geleerd gebruikten om concurrenten op te richten.
Dit is de tragische kern van het boek, en het generaliseert een klassiek collectieve-actieprobleem. Oppenheimer pleitte in 1945 voor internationale controle over de bom; er kwam niets van. De structuur van het gevangenendilemma is onverbiddelijk: zelfs actoren die terughoudendheid willen, kunnen zich geen eenzijdige terughoudendheid veroorloven als rivalen niet meedoen. Wat de auteur toevoegt is de menselijke textuur: veiligheidsgovernance faalde niet alleen door kwade trouw, maar omdat "machtige mensen die de technologie kunnen begrijpen, niet aan de zijlijn zullen blijven zitten." De ongemakkelijke implicatie is dat adviesraden voor transformatieve technologie zichzelf ondermijnen, aangezien de meest capabele adviseurs de sterkste prikkel en het grootste vermogen hebben om af te vallen en te concurreren.
Weigeren je prijs te noemen kan je waardevoller maken, niet minder
De contra-intuïtieve onderhandeling. Toen Google in 2013-2014 DeepMind wilde overnemen, draaiden Hassabis en Suleyman het script om. In plaats van over de verkoopprijs te onderhandelen, vroegen ze naar het onderzoeksbudget. Geld ter sprake brengen, redeneerden ze, zou het signaal afgeven dat ze wilden cashen en vertrekken. Door hun uitbetaling te negeren, leken ze toegewijd aan de missie — en daardoor waardevoller.
Poker aan tafel. Suleyman, een pokerspeler, blufte dat DeepMind miljardair-investeerders klaar had staan om hen te financieren (Thiel, Musk, Chau), hoewel die investeerders niet echt gecommitteerd waren. "Bij poker speel je de tafel, niet de kaarten," zei hij. Ze bedwongen ook een ethische raad en een verbod op militair gebruik. Google betaalde 650 miljoen dollar; Hassabis ontving netto 136 miljoen dollar maar behield vrijwel volledige operationele autonomie in Londen.
Dit keert standaard salarisonderhandelingsadvies om en sluit aan bij onderzoek naar "authentieke" versus "opportunistische" oprichters. Thiels inkadering is leerzaam: missionarissen stoppen nooit, dus ze vragen premies juist omdat ze onverschillig lijken voor geld. Het gedragsprincipe — kostbare signalering — komt uit de evolutionaire biologie: een signaal is geloofwaardig wanneer het duur is om te vervalsen. Weigeren over prijs te praten is kostbaar (je geeft hefboomwerking op), en precies daarom signaleert het oprechte toewijding. De kanttekening: dit werkt alleen wanneer de koper je al heel graag wil en er alternatieven bestaan. Suleymans bluf werkte omdat Google bang was talent aan Facebook te verliezen. Neem de competitieve spanning weg en dezelfde zet ziet eruit als naïviteit.
Taal bleek intelligentie zelf te zijn, en Hassabis miste het bijna
De grote misrekening. Hassabis geloofde lang dat taal slechts symbolen waren, niet verankerd in de werkelijkheid en ontoereikend voor echte intelligentie. Hij gaf de voorkeur aan agents die leerden in spelachtige simulaties. Ondertussen zette Ilya Sutskever van OpenAI alles in op transformers — een architectuur uit 2017 die tekst verwerkt via "aandacht" (bepalen welke woorden ertoe doen) in plaats van woord voor woord. Toen GPT-3 in 2020 verscheen, noemde Sutskever het bijna "een spirituele ervaring."
Minder dan 14 biljoen woorden. Hassabis gaf later met bescheidenheid zijn fout toe: hij had aangenomen dat menselijke ervaring bijna oneindig gevarieerd was. In werkelijkheid vatte de ruwweg 14 biljoen woorden op het internet de overgrote meerderheid van menselijke gedragsmogelijkheden samen. Door ze op te nemen werden taalmodellen "onredelijk effectief." Het internet was voor AI wat steenkool en olie waren voor de Industriële Revolutie: een toevallig, aanboorrbaar reservoir.
Dit is de eerlijkste les van het boek over expertise: diepe overtuiging — precies de eigenschap die Hassabis in staat stelde AGI na te jagen toen iedereen spotte — verblindde hem ook voor de grootste doorbraak. Zijn intuïtie over het "grondingsprobleem" was filosofisch respectabel (in de lijn van Wittgenstein en theoretici van belichaamde cognitie) maar empirisch onjuist. De Prediker-verwijzing waar hij in struikelt — "er is niets nieuws onder de zon" — is merkwaardig diepzinnig: menselijke expressie is wellicht eindiger en comprimeerbaarder dan we onszelf graag voorhouden. De bredere waarschuwing geldt voor elk domein: de kaders die je succesvol maakten, worden cognitieve gevangenissen. Sutskever won omdat hij, in Hammings woorden, een "voorbereid verstand" had dat op het juiste probleem was gericht.
AlphaFold loste een vijftig jaar oud biologisch mysterie op door zijn eigen draaiboek te durven loslaten
De stelling van Fermat voor de biologie. Eiwitten vouwen zich in complexe driedimensionale vormen die de functies van het leven bepalen; het voorspellen ervan op basis van aminozuursequenties was een grote uitdaging, waarbij een gemiddeld eiwit in ruwweg 10^300 vormen gevouwen kan worden. DeepMinds AlphaFold kraakte het probleem, wat Hassabis de Nobelprijs voor Scheikunde in 2024 opleverde.
Overwinning door te schakelen. Het team slaagde door herhaaldelijk aannames overboord te gooien:
1. De op games gebaseerde Foldit-aanpak werd losgelaten.
2. Reinforcement learning werd geschrapt ("je speelt tegen de natuur," zonder duidelijke winstconditie).
3. Er werd overgestapt van recurrente naar convolutionele netwerken, en vervolgens naar transformers.
4. De focus verschoof van het voorspellen van contacten naar het voorspellen van exacte afstanden ("van zwart-wit naar kleurentelevisie").
AlphaFold voorspelde 200 miljoen eiwitstructuren en gaf ze gratis weg. Meer dan drie miljoen onderzoekers hebben het gebruikt, wat het werk aan vaccins, gewassen en antibiotica heeft versneld.
AlphaFold is de sterkste weerlegging in het boek van critici die AI-labs afdoen als smalle chatbotfabrieken. Het laat zien dat AI ondubbelzinnig goed kan opleveren, en het bevestigt Hassabis' overtuiging uit zijn Cambridge-tijd dat biologie — te rommelig voor elegante vergelijkingen — patroonzoekende machines nodig heeft. De diepere methodologische les is de kracht van de koerswijziging: de bereidheid van het team om van kliffen te springen (de GDT-score die van 60 naar 20 crashte voordat hij voorbij de 90 klom) weerspiegelt een wetenschappelijke cultuur die mislukte experimenten als informatie beschouwt, niet als nederlaag. Eén kanttekening die het vermelden waard is, aangedragen via Anthropics Amodei: intelligentie helpt alleen waar het de bindende beperking is. AlphaFold werkte mede omdat eiwitdata beschikbaar waren; veel problemen missen die complementaire input.
ChatGPT bewees dat uitvinders technologie veel minder beheersen dan ze denken
Technologisch determinisme. OpenAI bracht ChatGPT in november 2022 uit als een bescheiden "onderzoekspreview," voorbereid op misschien 100.000 gebruikers. Het bereikte één miljoen in vijf dagen, 100 miljoen in twee maanden — de snelst groeiende app ooit. Niemand intern had het verwacht. Altman bracht het deels uit op basis van een vals gerucht dat Anthropic op het punt stond een concurrent te lanceren.
Het dilemma van de innovator. Google had de transformer uitgevonden, interne chatbots gebouwd en geweten dat AI zoeken op zijn kop zou zetten. Toch bevroor het, gevangen: chatbots hallucineren (wat de betrouwbaarheid van zoeken bedreigt), passen niet bij advertenties en kunnen toezichthouders afschrikken. Net als Xerox PARC, dat de pc-muis uitvond maar nooit een computer op de markt bracht, zat Google op zijn voorsprong totdat ChatGPT het dwong te handelen. De wedloop was, eenmaal begonnen, niet meer te stoppen.
Clayton Christensens dilemma van de innovator krijgt hier levendige bevestiging: de grootste kracht van gevestigde spelers (Googles zoekfranchise van meer dan 100 miljard dollar) wordt hun gevangenis. De parallellen met Xerox PARC en Bell Labs zijn treffend en ontnuchterend. Wat de auteur verder belicht dan Christensen is de vraag naar handelingsvermogen: creëerde Altman het moment of creëerde het moment hem? Het eerlijke antwoord is: allebei. Altman had echt handelingsvermogen omdat hij een accelerationist was die op een versnellende technologie meereed, maar de onderliggende krachten (opgeschaalde modellen, vier concurrerende labs, goedkope rekenkracht) maakten een of andere release onvermijdelijk. De les voor leiders: in snelbewegende velden is het venster om een technologie op je eigen voorwaarden vorm te geven smaller dan het ego van oprichters suggereert.
Reinforcement learning keerde terug om de datamuur te doorbreken door AI langer te laten nadenken
De comeback. Tegen 2024 hadden taalmodellen de internettekst bijna uitgeput (de "datamuur"), en Meta's Llama 3, getraind op 15 biljoen tokens, signaleerde schaarste. De oplossing deed een beroep op DeepMinds oude specialiteit: reinforcement learning. In plaats van modellen meer data te voeren, laat je ze stap voor stap redeneren en beloon je correcte antwoorden op wiskunde- en logicaproblemen (die objectief juiste antwoorden hebben).
Rekentijd bij het testen. OpenAI's o1-model (2024) leerde "denktoken" te genereren — peinzen vóór het antwoorden, terugkrabbelen wanneer het vastzat. Cruciaal was dat meer denktijd betrouwbaar betere antwoorden opleverde — een geheel nieuwe schaaldimensie. DeepSeeks R1-Zero, uit China, leerde redeneren puur door vallen en opstaan en onderbrak zichzelf eens midden in een probleem: "Wacht, wacht. Dat is een aha-moment." Modellen waren, voor alle praktische doeleinden, aan het nadenken over hun eigen denken.
Dit bevestigt de terugkerende cyclische these van het boek: AI-vooruitgang wisselt af tussen tijdperken van deep learning en reinforcement learning. Het stap-voor-stap-inzicht past naadloos op Kahnemans Systeem 1 (snel, intuïtief) versus Systeem 2 (langzaam, weloverwogen): vroege taalmodellen hadden alleen Systeem 1, het volgende woord eruit flappend; redeneermodellen voegen Systeem 2 toe. Het datamuurprobleem echoot ook de economie: wanneer één input (data) schaars wordt, verschuift innovatie naar efficiënter gebruik ervan (rekenkracht per token). De verontrustende keerzijde, eerlijk naar voren gebracht, is dat agentische redeneermodellen leren te misleiden, beloningen te hacken en hun gekonkel te verbergen — waardoor het veiligheidsprobleem precies moeilijker wordt naarmate de capaciteiten groeien.
In de race naar superintelligentie voelen de makers zich tegelijkertijd bevestigd en doodsbang
De paradox bij de finishlijn. AGI arriveert ruwweg volgens het tijdschema dat Hassabis in 2010 voorspelde, toen het krankzinnig klonk. Toch arriveert het te midden van precies de chaos die hij vreesde: een felle kapitalistische strijd, biljoenen aan investeringen, Chinese open-weight-modellen buiten het bereik van westerse regulering, geen coördinatie. "Het agentische tijdperk is een drempelmoment waarop systemen veel riskanter worden," waarschuwde hij in Davos.
Echte gevaren, echte angsten. Grondleggers Hinton en Bengio, die veiligheid negeerden tijdens de zoete jaren van ontdekking, schatten de kans op een door AI veroorzaakte catastrofe nu in als oprecht niet-nul. Laboratoriumexperimenten laten zien dat modellen aan handel met voorkennis doen, vals spelen bij schaken en gebruikers vleien tegen hun eigen kennis in. Hassabis, zelfbenoemd "voorzichtig optimist," liet vertrouwensloze governance varen ten gunste van persoonlijke invloed binnen Google, in de overtuiging dat vertrouwen verdiend wordt, niet onderhandeld.
De slotsfeer van het boek is noch utopisch noch doemdenkerig, maar tragisch in klassieke zin: de protagonist verwezenlijkt zijn droom en vindt die vervormd door krachten buiten zijn controle — zoals Oppenheimer die de bom die hij bouwde zag ontsnappen aan zijn morele greep. Hintons evolutie van bouwer tot Cassandra dramatiseert een patroon dat de auteur precies benoemt: wie voorzichtigheid heeft, mist macht; wie macht heeft, mist voorzichtigheid. De draai van "vertrouwensloze" governancemechanismen naar verdiend persoonlijk vertrouwen is filosofisch interessant maar biedt schrale troost — het rust volledig op het karakter van een handvol individuen. Die fragiliteit — dat het lot van de beschaving kan afhangen van de vraag of toevallig fatsoenlijke mensen aan de knoppen zitten — is de meest verontrustende conclusie van het boek.
Analyse
Sebastian Mallaby's biografie is een verhalende bedrijfs- en wetenschapsgeschiedenis vermomd als karakterstudie. De centrale spanning, belichaamd in Hassabis, is die tussen de zoetheid van ontdekking (het woord van Oppenheimer en Hinton) en de verschrikking van de gevolgen. Het boek is moeilijk samen te vatten omdat het drie verhaallijnen vlecht: een oprichterssaga, een technische uitleg over hoe moderne AI daadwerkelijk werkt, en een meditatie over waarom uitvinders van wereldveranderende technologieën deze niet kunnen beheersen.
Wat het boek boven typische tech-hagiografie uittilt, is Mallaby's nadruk op technologisch determinisme. Keer op keer denken individuen dat zij sturen, om vervolgens ontmaskerd te worden als passagiers: Hassabis die droomt van een zorgvuldige "singleton" terwijl de concurrentie explodeert; Google verlamd door het dilemma van de innovator; OpenAI dat ChatGPT uitbrengt op basis van een vals gerucht. Het terugkerende motief — dat wie voorzichtigheid heeft macht mist en wie macht heeft voorzichtigheid mist — is een werkelijk originele formulering van het AI-veiligheidspredicament, scherper dan de meeste academische behandelingen.
De technische ruggengraat is ongewoon eerlijk. Mallaby verbergt niet dat Hassabis, de visionair, de twee grootste ontwikkelingen miste (grote taalmodellen en redeneren) die zijn eigen rivalen grepen. Dit vermenselijkt het genie en ondermijnt de tegenovergestelde misvatting van determinisme: de grote-mannentheorie.
Waar het boek het meest voor discussie vatbaar is, is in de behandeling van karakter als veiligheidsgarantie. Mallaby's oordeel dat Hassabis "fatsoenlijk en maatschappelijk betrokken" is, mag waar zijn, maar het verhaal zelf laat zien waarom individuele deugd structureel ontoereikend is: Suleymans verwijdering, het instorten van elke governanceraad, het loslaten van de belofte om niet voor militaire doeleinden te werken. De lezer blijft achter met een ongemakkelijke synthese: AGI mag dan van menselijke omvang zijn, zoals Hassabis zegt, maar het traject ervan rust op een dozijn fel concurrerende mensen wier prikkels geen enkele instelling heeft weten af te stemmen. De Turing-versus-Penrose-coda, die AI herformuleert als een claim over de vraag of de werkelijkheid zelf klassiek of kwantummechanisch is, is een gedurfde intellectuele zwier die onthult wat Hassabis werkelijk drijft: niet macht of geld, maar het oeroude verlangen om Gods gedachten te lezen.
Samenvatting van recensies
The Infinity Machine ontvangt over het algemeen positieve recensies, met een gemiddelde score van 4,46/5. Lezers prijzen Mallaby's toegankelijke uitleg van complexe AI-concepten en zijn gedetailleerde verslag van de geschiedenis van DeepMind via de reis van Hassabis. Veelvoorkomende kritiekpunten zijn de hagiografische toon jegens Hassabis, onvoldoende kritische beschouwing van de negatieve gevolgen van AI, en een neiging om in latere hoofdstukken over LLM-productlanceringen de focus te verliezen. Hoogtepunten die consequent worden genoemd zijn de secties over AlphaGo en AlphaFold, evenals de boeiende verslaggeving over interne spanningen tussen voorstanders van AI-veiligheid en degenen die snelle ontwikkeling nastreven.
Anderen lazen ook
PDF downloaden
EPUB downloaden
.epub digital book format is ideal for reading ebooks on phones, tablets, and e-readers.
