(Nikolaus Skene)
Soms heeft u zin in witte wijn.
Soms in rode wijn.
En na het sporten is een biertje ook iets heel fijns.
Niemand zou op precies dat moment op het idee komen om alles tegelijk te bestellen.
Geen enkele sommelier ter wereld zou zeggen: "Geen probleem, ik breng u witte wijn, rode wijn, bier, een steak, een handdoek, een massage, een telefoongesprek met uw moeder en voor de zekerheid een skivakantie."
Ons brein is daarin aanzienlijk efficiënter.
Het beslist contextueel. Situationeel. Energiebesparend.
Het activeert alleen die gebieden die op dat moment relevant zijn. De rest blijft "rustig".
En precies hierin ligt een vaak over het hoofd gezien verschil tussen menselijke en hedendaagse kunstmatige intelligentie.
En nu komt ChatGPT in beeld.
ChatGPT werkt in de kern anders.
Het maakt niet uit waar u op dat moment zin in heeft – het vraagt altijd alles uit.
Niet alleen het bier na het sporten, maar tegelijkertijd het bier, de witte wijn, de rode wijn, de steak, het recept, de toeleveringsketen, de CO₂-balans, de wijnregio, de sport en de filosofische betekenis van dorst.
De reden waarom we dat niet merken:
Het gebeurt extreem snel.
De zinloze "gebieden" worden in milliseconden uitgesloten, en uiteindelijk komt er een redelijk zinnig antwoord uit. Maar de rekeninspanning erachter is gigantisch.
Het menselijk brein zou in deze vorm volledig overbelast raken.
En precies daarom is het stroomverbruik van hedendaagse AI-systemen een serieus kritiekpunt.
DeepSeek gaat hierin al een stap verder.
Het probeert verschillende delen van het model gerichter te "activeren", afhankelijk van wat op dat moment waarschijnlijk relevant is. Niet alles, altijd, tegelijk. Maar selectiever. Contextgevoeliger.
En dan komt HuggingGPT.
HuggingGPT is geen nieuw model.
Het is een architectuurgedachte.
Het kernidee:
Een groot taalmodel zoals ChatGPT wordt niet langer als universeel genie gebruikt, maar als controller. Als dirigent. Als planner.
Het luistert naar de gebruiker, begrijpt de bedoeling – en splitst die vervolgens op in concrete deelopdrachten.
Deze deelopdrachten worden niet door hetzelfde model opgelost, maar gericht doorgegeven aan specialisten : beeldmodellen, audiomodellen, classificatoren, tekst-naar-spraaksystemen, objectherkenning, segmentatie. Allemaal modellen die al bestaan, bijvoorbeeld in het Hugging Face-ecosysteem.
Beslissend daarbij is niet alleen wat er wordt gedaan, maar in welke volgorde.
HuggingGPT plant afhankelijkheden.
Sommige taken moeten serieel worden afgehandeld, andere kunnen parallel worden uitgevoerd. Resultaten uit het ene model worden als input voor het volgende gebruikt. Pas aan het einde verzamelt de controller alles weer en formuleert hij een antwoord.
Een eenvoudige vraag als "Beschrijf deze afbeelding gedetailleerd" wordt automatisch opgesplitst in beeldclassificatie, objectherkenning, segmentatie, captioning en visuele vraag-antwoordmodellen – en pas daarna samengevoegd.
Dat is geen nieuwe intelligentie.
Maar het is een andere manier om intelligent te werken.
En hier wordt HuggingGPT echt interessant:
Het systeem schaalt niet via steeds grotere modellen, maar via coördinatie. Via selectie. Via arbeidsverdeling. Via context.
Plotseling ziet AI er niet meer uit als een overbelaste universele student die alles tegelijk moet kunnen, maar als een goed georganiseerd team.
Nog "piept" het hier en daar: hogere latentie, afhankelijkheid van het planningsvermogen van de controller, tokenlimieten, instabiliteit. HuggingGPT is geen afgewerkt product. Het is een denkmodel.
Maar wel een dat op een belangrijke richting wijst:
Weg van "groter, sneller, alles tegelijk".
Op weg naar "juister, selectiever, efficiënter".
En daarmee terug naar het stroomverbruik. Een van de terechte hoofdpunten van kritiek op hedendaagse AI is haar energiehonger. Als intelligentie niet langer ontstaat uit maximale parallelliteit, maar uit gerichte orkestratie, komen we mogelijk dichter bij een efficiëntere machinale manier van denken.
Wat dat op lange termijn betekent – ook voor menselijk werk, menselijke intelligentie en menselijke relevantie – is een andere discussie.
Voor een andere zaterdag.
Vandaag volstaat één observatie:
Er moet weer meer g’huggt worden.
Niet alles tegelijk.
Maar het juiste, op het juiste moment.
(Nikolaus Skene woont en werkt in San Francisco, adviseert bedrijven op het gebied van AI en organiseert al meerdere jaren tours naar Silicon Valley en andere hotspots van technologische ontwikkeling