J.Konstapel Leiden 13-2-2024

0 Inleiding

Direct naar de conclusie druk hier

Deze blog is een vervolg op Waar gaat de Technologie Heen?

In die blog heb ik de thema’s Spel en Samenspel uitgewerkt die horen bij het Matriarchaat.

Deze blog gaat over software,hardware en de brug die AI aan het bouwen is tussen alles wat nu mogelijk is wat betekent dat er veel op korte termijn moet of gaat verdwijnen.

Microsoft en NVIDIA zijn niet direct concurrenten, maar hun producten overlappen in bepaalde gebieden zoals AI, cloud computing, en gaming.Microsoft is een enorme software- en cloudspeler, die sterke AI- en cloudinfrastructuur biedt via Azure, en NVIDIA is essentieel voor de hardware-infrastructuur die AI en machine learning aandrijft.

De huidige technologie maakt alles gelijk en gaat over Rang- en Volgorde de kenmerken van de Economie.

Het speelveld

Langzaam maar zeker komen verschillende technologische ontwikkelingen en toepassingen, zoals SAP, samen op het snijvlak van de nieuwe mogelijkheden die kunstmatige intelligentie (AI) biedt.

Dit betekent dat de traditionele, gevestigde merken onder druk staan;

Hoewel AI veel gevestigde merken en systemen uitdaagt, biedt het tegelijkertijd een kans om verouderde technologieën opnieuw te gebruiken, maar met een moderne draai.

Samenvatting behandelde TechnologieTypen

Dit zijn enkele van de belangrijkste technologieën in deze blog met een verwijzing.:

1. GPT Agents: Autonome systemen die zelfstandig taken kunnen uitvoeren, beslissingen nemen en interactie hebben met hun omgeving. Deze agents kunnen steeds complexere taken aan, van klantenservice tot data-analyse.

Hier een voorbeeld van een reeds bestaande AI-Agent.

2. Neural Networks: Netwerken van algoritmen die zijn geïnspireerd door het menselijke brein, en die door AI steeds effectiever worden toegepast in toepassingen zoals beeldherkenning, taalmodellen en voorspellingen.

3. Prompts: In de context van AI, verwijzen prompts naar de tekst of input die een gebruiker aan een taalmodel biedt om een specifieke output te genereren. Bij modellen zoals GPT-3 kan de formulering van de prompt een grote invloed hebben op de kwaliteit en relevantie van het antwoord.

4. IBM Watson: AI-platform ontwikkeld door IBM dat geavanceerde analyses, machine learning en natuurlijke taalverwerking (NLP) combineert om bedrijven en onderzoekers te ondersteunen bij het nemen van datagestuurde beslissingen. Watson is bekend geworden door zijn vermogen om menselijke taal te begrijpen en complexe vragen te beantwoorden, zoals tijdens het winnen van “Jeopardy!”.

5. Smart System: Systemen die in staat zijn om zelfstandig beslissingen te nemen door gebruik te maken van sensoren, data-analyse en machine learning. Ze kunnen bijvoorbeeld in slimme steden worden gebruikt om verkeer te beheren, of in de industrie voor het optimaliseren van productieprocessen. Deze systemen kunnen zich aanpassen aan veranderende omstandigheden en nieuwe informatie verwerken in real-time.

6. SAP (Systeme, Anwendungen und Produkte): Traditionele bedrijfssoftware voor enterprise resource planning (ERP), die nu steeds meer AI-functionaliteiten integreert om processen te automatiseren en data-analyse te verbeteren.

7. Proces-Managers” Software of systemen die de voortgang van werkprocessen beheren, coördineren en optimaliseren. Ze worden vaak gebruikt in bedrijfsomgevingen om workflows te stroomlijnen, resources te alloceren en de efficiëntie te verhogen. AI kan de rol van procesmanager uitbreiden door automatisch verbeteringen voor te stellen of aanpassingen door te voeren op basis van verzamelde data.

8. Pub/Sub-pattern (Publish/Subscribe): Een communicatiepatroon dat steeds vaker wordt gebruikt in gedistribueerde systemen, waarbij berichten dynamisch tussen zender en ontvanger worden gedeeld, vaak ondersteund door AI om meer adaptieve en schaalbare communicatie mogelijk te maken.

9. Kennis-Systemen: Systemen die gegevens verzamelen, structureren en analyseren om informatie en kennis te beheren. Deze systemen worden vaak ingezet voor het maken van beslissingen in complexe omgevingen. AI kan kennis-systemen verder versterken door patronen te identificeren en advies te geven op basis van historische en actuele gegevens.

10.: IntelligentAI- Agents zijn autonome systemen die in staat zijn om te reageren op hun omgeving, doelen te bereiken en beslissingen te nemen zonder directe menselijke tussenkomst. Ze gebruiken kunstmatige intelligentie (AI) en machine learning om kennis te verzamelen, te verwerken en aan te passen aan nieuwe situaties. Deze agents kunnen complexere taken uitvoeren, zoals leren van ervaringen, het voorspellen van gebeurtenissen, het optimaliseren van processen en het nemen van beslissingen op basis van data.

Intelligent agents kunnen opereren in verschillende domeinen, zoals virtuele assistenten, zelfrijdende auto’s, robots, en zelfs in systemen voor klantenservice, waarbij ze communiceren met gebruikers en hun gedrag en keuzes kunnen aanpassen op basis van interacties.

Belangrijke kenmerken van intelligente agents zijn onder andere:

Interactie met de omgeving: Ze kunnen communiceren met en reageren op de externe wereld.

Autonomie: Ze functioneren onafhankelijk en maken hun eigen beslissingen.

Aanpassingsvermogen: Ze kunnen leren van ervaringen en zich aanpassen aan veranderende omstandigheden.

Doelgerichtheid: Ze hebben specifieke doelen of taken die ze proberen te bereiken.

11 RAG (Retrieval-Augmented Generation): Een AI-techniek waarbij modellen externe informatie opzoeken (zoals in databases of op het internet) en deze gebruiken om nauwkeurigere en relevantere antwoorden te genereren.

12. Conclusie

1. Agent GPT:

GPT5: Specialisatie:

In tegenstelling tot eerdere modellen, zal GPT-5 beschikbaar zijn in verschillende intelligentieniveaus, afhankelijk van het abonnementsniveau van de gebruiker. GPT-5 zal zich dus specialiseren.

2. Hoe werkt GPT4: Neurale Netwerken

3. Prompts: Gokken:

Het verschil tussen prompt bij een AI zoals GPT en een softwaresysteem is de enorme detaillering, vertaald in soms honderden duizenden regels code.

Een AI gokt dat hij deze details goed kan inschatten, omdat anderen hetzelfde hebben gedaan.

Dat is allemaal in de AI geladen bij het installeren.

4. IBM Watson

De allereerste AI-toepassing was IBM’s Watson. Het heet nu WatsonX. Het is nu een kloon van OpenAI.

5. Smart Systems: Mens als Model:

Smart Systems kunnen worden gedefinieerd met behulp van het model van Paths of Change, dat een Mens beschrijft.

AI zit in het hokje Patterns/Rules/Laws.

Het Sensory Motor System van de mens, het Doen, is in de loop der tijd van de ontwikkeling van de automatisering steeds geavanceerder geworden, waarbij bijvoorbeeld het logistieke proces werd vertaald in een pakket zoals SAP, dat met behulp van een eigen taal kon worden toegespitst op de bestaande situatie. Die werd vrijwel nooit aangepast aan de software.

In een volgende fase werd de kennis gemodelleerd tot kennis- of expertsystemen.

6. SAP<->COPILOT

Tegenwoordig kunnen standaard AIfuncties zoals het samenvatten van gesprekken of rapporten m.b.v. MS COPILOT worden opgeroepen, maar de kern van SAP bestaat nog steeds.

7. Cordys: Proces Manager.

Een workflow is een voorafgedefinieerd proces dat stap voor stap wordt uitgevoerd. Hiervoor wordt de XML-standaard BPML (Business Process Model) gebruikt. XML is een specialisatie van HTML, waarmee je tekst kunt opmaken.

AI maakt workflows efficiënter door knelpunten en inefficiënties te identificeren.

8. Gedistribueerde AI m.b.v. Pub/Sub-pattern:

9. Kennissysteem->AI

AI-systemen werden vroeger kennissystemen genoemd, wat getuigt van hun oorsprong in het beheren en toegankelijk maken van informatie.

De ontwikkeling van deze systemen heeft in de loop der jaren een aanzienlijke evolutie doorgemaakt.

10. Intelligent AI Agents

De Agents kwamen op met Christine Karman’s bedrijf Tryllian,

Echter, met de economische ineenstorting van de Dotcom-hype in het begin van de jaren 2000, ging het bedrijf failliet.

11. Hoe werkt RAG?

Retrieval (Ophalen): In plaats van enkel te vertrouwen op het interne geheugen van het model (de training en kennis die het heeft opgedaan), haalt RAG aanvullende relevante informatie op uit externe bronnen, zoals databases, zoekmachines of andere documenten.

Dit betekent dat het model in staat is om te “zoeken” naar de meest relevante context voordat het een antwoord genereert.

Generation (Genereren): Nadat de relevante informatie is opgehaald, gebruikt het model deze gegevens om een antwoord of tekst te genereren.

Dit maakt het mogelijk voor het model om complexere en meer accurate antwoorden te geven, gebaseerd op actuele informatie die misschien niet direct in het model zelf is opgeslagen.

12. Conclusie

Pictures from Chapter 7: Proces Managers

Microsoft

De CEO van Microsoft, Satya Nadella, voorspelt dat traditionele zakelijke applicaties (SaaS) vervangen zullen worden door AI-gestuurde agents.

Deze agents zullen direct met databases communiceren, waardoor de noodzaak voor de gebruikelijke gebruikersinterfaces en applicatielagen komt te vervallen.

In essentie zal de zakelijke software, zoals we die nu kennen, evolueren naar een systeem waarin AI-agents de bedrijfslogica en taken afhandelen op basis van gegevens, zoals het schrijven van e-mails of het maken van rapporten, met minimale menselijke tussenkomst.

Deze verschuiving zou de behoefte aan ontwikkelaars drastisch kunnen verminderen en de gehele software-industrie hervormen.

De visie van Nadella houdt in dat, in plaats van afzonderlijke applicaties, de toekomst zal steunen op AI-agents die de kerngegevens direct begrijpen en verwerken.

In dit model wordt de back-end van applicaties minder belangrijk, omdat AI-agents naadloos over verschillende databases zullen werken. Deze agents zullen taken op zich nemen die traditioneel door mensen werden gedaan, zoals het maken van aangepaste rapporten of het verzenden van gerichte communicatie.

Daarnaast zou tools zoals Excel overbodig kunnen worden, aangezien AI de gegevensanalyse automatiseert via Python-code, waardoor traditionele gegevensmanipulatie niet meer nodig is.

Dit vertegenwoordigt een ingrijpende verandering in de manier waarop software in zowel zakelijke als consumentomgevingen zal functioneren, wat leidt tot meer AI-native omgevingen in de toekomst.

Deze verschuiving zal bestaande SaaS-bedrijven uitdagen, en degene die zich niet aanpassen, zullen het moeilijk hebben in het nieuwe AI-gedreven tijdperk.

NVIDIA

Jensen Huang, CEO van NVIDIA, bespreekt zijn visie voor de toekomst van computing en technologie, waarbij hij de nadruk legt op het belang van GPU’s en AI in het hervormen van industrieën.

Sinds de vroege jaren ’90 heeft NVIDIA onder leiding van Huang een transformerende verschuiving in computing teweeggebracht, eerst door graphicsverwerking te revolutioneren met GPU’s en later door CUDA te creëren, een platform om computing te versnellen in verschillende sectoren.

Deze technologische basis heeft doorbraken mogelijk gemaakt in AI, robotica, zelfrijdende auto’s en gezondheidszorg.

De reis van NVIDIA begon met videogames, waar GPU’s werden gebruikt om parallelle verwerking te versnellen, wat krachtige graphics en simulaties mogelijk maakte.

Deze GPU’s evolueerden vervolgens om meer diverse toepassingen aan te drijven, waaronder AI, zoals te zien is bij het succes van AlexNet in 2012, dat de kracht van GPU’s voor deep learning aantoonde.

Huang benadrukt hoe deze verschuiving ons dichter bij een toekomst heeft gebracht waarin AI alle sectoren beïnvloedt, van taalverwerking tot robotica.

Kijkend naar de toekomst, ziet Huang een wereld waarin alles wat beweegt – auto’s, robots, zelfs grasmaaiers – robotisch wordt. Technologieën zoals Omniverse en Cosmos, de simulatieplatformen van NVIDIA, zullen robots trainen in digitale omgevingen, waardoor hun leren en inzet in de echte wereld sneller gaat.

Huang gelooft dat dit zal leiden tot een toekomst waarin robots geïntegreerd worden in het dagelijks leven, van humanoïde assistenten tot autonome voertuigen.

Huang bespreekt ook de kernprincipes die NVIDIA aandrijven, met de nadruk op de schaalbaarheid van AI en deep learning, het belang van energie-efficiënt computing en de inzet van het bedrijf om tools te creëren die mensen in alle industrieën versterken.

Naarmate AI blijft evolueren, benadrukt Huang de noodzaak voor ethische overwegingen, waaronder het aanpakken van vooroordelen en het waarborgen van veiligheid in AI-systemen.

Over tien jaar voorspelt Huang een toekomst waarin AI diep verweven is in elk aspect van ons leven, van onderwijs tot digitale biologie, waardoor mensen meer “supermenselijk” worden door hun capaciteiten te versterken met AI.

Hij adviseert individuen, vooral studenten, om te leren werken met AI, aangezien het een fundamenteel hulpmiddel zal zijn in elk beroep. Het komende decennium zal volgens Huang niet alleen draaien om de wetenschap van AI, maar ook om de toepassing ervan om echte wereldproblemen op te lossen, zoals klimaatverandering, gezondheidszorg en meer.

Terug naar het begin druk hier