Dit is waarom GPT-5 er voorlopig niet komt! En dat is prima.

Hoi, leuk dat je weer luistert naar een nieuwe aflevering van de AIToday Live. Met vandaag met z'n tweetjes Niels. Twee speciale gasten. Zo zou je het kunnen zien ja. Maar in ieder geval denk ik wel met een prikkelend onderwerp. Want we gaan het namelijk hebben over waarom het goed is dat ChatGPT daar voorlopig nog niet komt. En wat de reden daarvan is, in ieder geval volgens mij. Dat is meteen wel een goed begin. Want al is eigenlijk heel relatief. Want het is natuurlijk nog geen twee jaar. Dus we vergeten hoe snel dat is gegaan. En de verwachting, we zijn ooit begonnen met GPT-3. GPT-4 is uitgekomen. En dan voelen we een soort van logisch vervolg, ja er moet 5 komen. En rondom ChatGPT-5, daar zit wel een hele wereld aan ideeën. Misschien zelfs gedeeltelijk fantasieën omheen. Van wat dat allemaal zou kunnen betekenen. Maar dat zou bijna net zo'n grote stap in je hoofd moeten zijn. Als van 3 naar 4. Toch? Dat is niet een hele gekke aanname. Dus mensen verwachten daar enorm veel van. Ja, dat is de hype. On steroids inderdaad. Maar daar gaan we verder op in deze aflevering. Ja, want ik geloof namelijk dat, misschien is dat even een downer dan. Dat GPT-5 er voorlopig niet gaat komen. Ik denk dat wel goed is inderdaad. Wat valt er dan een beetje onder GPT-5? Wat zijn eigenlijk die verwachtingen dan, Joop? Die eraan vastgeplakt zitten? Nou ja, ik denk in ieder geval dat hij ons eigenlijk nog veel beter begrijpt. En dat er nog minder hallucinaties. Dat hij meer up-to-date is. Dat er meer mogelijk is daarin. Misschien zelfs wel video erbij. Ik denk dat iedereen eigenlijk een andere verwachting heeft. Dat de lat van de verwachting heel hoog ligt. Dus mensen hadden gehoopt, toen O1 uitkwam. We hebben nu O1 Preview. Dat dat GPT-5 was. Nou, dat bleek dat dan niet te zijn. Het is eigenlijk maar een laagje bovenop een GPT-4. Daar komen ze direct nog wel verder op uit. Maar de verwachting van wat hij allemaal zou moeten kunnen. Ik denk dat dat bij iedereen wat anders is. Maar dat iedereen verwacht dat dat weer een hele grote stap vooruit is. En ik ga vertellen waarom ik denk dat dat er niet gaat komen. Je moet het zo zien. Die taalmodellen zijn, ik denk dat iedereen dat nu wel weet. Maar even ten overvloede, is gebaseerd op hele grote hoeveelheden data. En daar zit een bepaalde architectuur onder. Dus dat betekent eigenlijk hoe die modellen getraind worden. Eigenlijk is dat allemaal hetzelfde. Of je het nou hebt over Google Gemini, over Anthropic Claude of ChatGPT. Ze worden allemaal op ruwe data getraind. En daarna gaat er nog een slag overheen. Waarbij mensen een trainingslaag ook weer trainen. En zeggen van dit is een gewenst antwoord van alle mogelijke antwoorden die je zou kunnen geven. Dus dit is een gewenst antwoord bij de vraag, de prompt die ik gesteld heb. Dus de sturing. De sturing. Dat noemen ze Reinforcement Learning with Human Feedback. Dat is met menselijke feedback. Dat geeft aan van dit is eigenlijk zoals wij graag het antwoord zouden willen zien. Dus als je naar GPT 5 zou willen, heb je dus heel veel meer data nog nodig dan wat je nu al hebt in GPT 4. Wat je ziet is dat het ook steeds moeilijker wordt van hoe kom je dan aan die data. Ten eerste is die beschikbaar. En daarmee bedoel ik gewoon van stel dat ze dat op dezelfde manier zouden kunnen krijgen als hiervoor. Toen we nog niet wisten dat ze GPT's aan het trainen waren op onze data, stond heel veel open. Nu zijn er natuurlijk heel veel websites, juist van de media, waar ze heel veel gebruik van hebben gemaakt. Grote Amerikaanse kranten, denk ook Nederlandse content. Dat is allemaal dichtgezet. Dus die hebben of het gelicenseerd of hebben het dichtgezet. Dus het is ook steeds moeilijker voor dit soort bedrijven om aan heel veel echt nieuwe data te komen. Die ervoor zorgt dat die taalmodellen ook meer patronen herkennen. Want het is eigenlijk een vorm van patroonherkenning. Nou daar is bijgekomen. Ik denk dat heel veel mensen denken van oh ja maar gooi er gewoon meer data tegenaan. En dan krijgen we GPT-5 en die is dan nog slimmer, nog beter, kan nog beter redeneren. Maar zo werkt het niet. Sterker nog, Apple is de afgelopen maand, hebben zij een onderzoek uitgebracht, waarin zij laten zien dat het echt gaat om patroonherkenning. Er wordt iedere keer de vraag gesteld hoe goed is een taalmodel in redeneren, reasoning. En wat zij lieten zien in dat onderzoek, is dat als je je prompt zeg maar een klein beetje aanpast, dat je getalletjes aanpast, woordjes aanpast, dat je ook significant andere antwoorden krijgt. Dat zou je eigenlijk niet verwachten. Dat zou je niet verwachten. Dus zij zeiden ook van ja de manier waarop nu gemeten wordt zeg maar hoe goed de redenering is, daar zou ook een andere benchmark voor moeten komen. Dus de huidige taalmodellen daar zitten allemaal benchmarks tegenaan. En dan zeggen ze nou ja je weet je je scoort zoveel, de hoogste score is 100%, je haalt zoveel daar op en zo goed doet ie het. En ze zeggen ja maar weet je, hele kleine verschillen, hele kleine aanpassingen, kunnen dus een heel groot effect hebben op de uitkomst van de redenering. Ja en ik denk dat daar ook wel het belang zit van goede benchmarks. Dat als je de vraag zo stelt, dan gaan mensen zich toewerken naar die benchmark. Dus dan gaan ook de antwoorden en het modellen getraind worden richting de benchmark. Dus lijkt me ook logisch dat dat in termijnen ook verandert die benchmark. Precies, dus er zijn eigenlijk twee redenen waarom ik denk dat GPT-5 er voorlopig niet gaat komen. Een is technisch, zo weet ik dan zo direct nog wat verderop. Maar een is ook zakelijk. En ik denk dat dat nog het belangrijkste is. Want als we een stapje terug nemen en het vanuit een zakelijke blik bekijken, dan zitten natuurlijk enorme investeringen in het trainen, het onderhouden en het aanbieden van de huidige modellen. Dat is echt gigantisch. Het is niet voor niks dat OpenAI werkt samen met Microsoft, en Tropic werkt met Amazon en Google die heeft dan zijn eigen cloud. Dus er zitten miljarden investeringen in. En als je nog iets verder kijkt, ze gaan ervan uit dat dit jaar 2024 OpenAI een verlies gaat leiden van 5 miljard dollar. Dat moet natuurlijk ergens terugverdiend worden. En dat zit niet in de consumentenabonnementen. Daar halen ze nu best wel een flinke omzet op. Maar daar ga je natuurlijk niet dit soort bedragen mee verdienen. Dus het zit, ze moeten het gaan verdienen in de zakelijke markt. Daarom hebben ze ook die samenwerking met de grote vendors. Want uiteindelijk is dat eigenlijk je toegangspoort tot de zakelijke markt. De trainer onderhouden infrastructuur super duur. Moet terugverdiend worden. Dus een van de dingen die je ziet is dat ze juist bezig zijn om te kijken van hoe kan je dus de huidige modellen uitnutten om daar meer geld uit te krijgen. Dat is natuurlijk ook logisch. Dus ze komen wel met minimale varianten en updates. Zodat ze weer meer up-to-date content hebben. Maar dat is dus niet de GEPTU 5. Nee, en ik denk dat het ook niet erg is. Want zo kunnen we er ook aan wennen en de verandering ook mee kunnen gaan maken. Want anders heb je iedere keer een hele sprong die je moet maken. En ik ben altijd van de iteratieve, continue groei van ontwikkeling. Ik denk dat het eigenlijk nodig is voor de maatschappij om die kleine stapjes mee te groeien. In plaats van elke keer een hele wissel te moeten maken. Dat is denk ik een heel belangrijk punt. Want je ziet natuurlijk dat de adoptie van de generatieve AI, ik denk dat bijna ieder bedrijf wil gaan experimenteren of experimenteert. Maar als je natuurlijk heel puur kijkt, is de adoptie in bedrijfskritische processen nog heel erg laag. Er is nog een hele wereld en markt te winnen met de huidige modellen. Er zijn nog heel veel use cases die in te vullen zijn met de huidige stap. Het is als het ware dat je eigenlijk al hoopt op een soort van supercar. Terwijl je je rijbewijs nog niet gehaald hebt. Dus er staat een Honda Civic, Toyota Prius voor je klaar. Maar je kan daar eigenlijk nog niet in rijden. Dus je bent nog bezig met je rijlessen. En je droomt eigenlijk over een auto waar je helemaal nog niks mee kan. En ik denk nog wel even daarop aan te vullen, is denk ik ook ga je voor die simpele auto die nu voor je klaar staat, of ga je toch wachten qua investering in de organisatie, het kennis opdoen als de Ferrari dadelijk ook voor je klaar staat. Ga je die tussenstap al investeren? Ik denk dat dat ook iets is wat bij organisaties een bepaalde drempel kan zijn. Van hé, maar er komt dadelijk echt een auto voor dezelfde prijs, die veel meer kan. Waarom ga ik nu instappen en niet wat later? Daarvoor twee dingen. Want het is handig om alvast dat rijbewijs te halen. Want dan ben je flexibel in wanneer je wil instappen. En dat goedkoper worden, dat is maar de vraag. Kijk, een van de dingen die ze aan het uitnutten zijn op de huidige modellen, pak ik toch even weer die O-One Preview als voorbeeld. Die is door OpenAI als een soort van heel nieuw model gelanceerd. Er is prachtige marketing omheen, strawberry werd die ook genoemd. Mensen op social media gingen helemaal los van, kijk eens wat die allemaal kan. Maar dat was een getraind laagje boven op het bestaande GPT-4 model. En dat is wat zij hadden gedaan, chain of thought prompting. Wat je normaal gesproken zelf zou moeten doen, is voor jou geautomatiseerd. Dus dat betekent dat die dat voor jou uitvoert. Maar wel tegen honderd keer de kosten van GPT-4-O. Superslim natuurlijk, want je denkt, hey, nieuwer, beter. Ik stap daar in. Honderd keer duurder dan 4-O. Die als je die gewoon goed zelf met chain of thought prompt, dezelfde resultaten kan halen als die O-One Preview. Het wordt alleen wel heel veel makkelijker gemaakt. Het wordt wat makkelijker gemaakt, maar hetzelfde model, meer uitnutten. Dus je snapt wat er gebeurt. Dus ik geloof namelijk dat een search GPT, die ze al maanden geleden hebben aangekondigd, dat we die eerder krijgen dan GPT-5. Dat denk ik ook ja, want dat is de iteratieve improvements op het uitnutten van de huidige modellen en de functionaliteiten daarop uitbreiden. En daar kunnen ze, daar ligt een markt open. Geen idee hoe ze die gaan openbreken, van een advertentiemarkt van Google, die ze kunnen aanvallen op basis van de huidige modellen, maar toegespitst op een andere use case. En daar hebben ze geen andere, weet je, onderliggend hebben ze geen andere architectuur nodig. Hebben ze misschien zelfs geen andere data nodig. Waarschijnlijk is daar iets extra's nodig. Qua service. Vooral de actualiteit van de data, daar zit je natuurlijk mee. Maar ze maken steeds meer stappen in hoe je RAC systems maakt. Dat is dat je eigen content koppelt aan die taalmodellen. Dus als je dat hebt voor je eigen omgeving, in je eigen organisatie, waarom zouden zij dat niet met hun eigen middelen kunnen koppelen? Aan search engines of zoekresultaten die er zijn. Precies. Dus het uitnutten van huidige modellen. Wat je ook ziet is dat er steeds meer features rondom, ik noem het toch even het consumentengedeelte. Dus waar jij je abonnement afneemt, ChatGPT, Claude.AI, komen met nieuwe functionaliteiten. OpenAI is met het Canvas gekomen. Dus als jij een artikel aan het schrijven bent, krijg je hem rechts, krijg je hem daarnaast, bij waar je een type bent. En dan kan je op stukjes, net als in Word, dat je comments geeft op wat iemand anders geschreven heeft. Kun je nu comments geven aan het taalmodel. En dan gaat hij dat aanpassen. Dat zijn natuurlijk gewoon user experience verbeteringen op het bestaande model. Ik wil niet zeggen dat dat niet hele goede verbeteringen zijn. Maar dat zijn ze hartstikke mooi en handig. En dat gaan we de aankomende periode veel meer zien. Ik weet niet of je de demos gezien hebt van Claude Computer Use. Ja, zeker weten. Daar schrok ik wel even van. Kan je even uitleggen wat het is? Wat het gaat bieden qua functionaliteit, is dat je eigenlijk je scherm, alles wat er op je scherm staat, input zijn wat je mee kan nemen. Dus je hebt een bepaalde taak die je wil verrichten. Je wil bijvoorbeeld in Excel een bepaalde pivot tabel gaan maken. Je weet nog niet precies hoe je dat moet doen. Dan kan je natuurlijk andere copilots voor gebruiken. Maar je kan daar ook Claude gebruiken. Dan geef je toestemming om mee te kijken op je scherm. En dan worden de acties op je scherm uitgevoerd. Dus een beetje RPA. De afkomst staat voor Robotic Process Automation. Ja, Robotic Process Automation. Dat betekent dat je op je scherm bepaalde activiteiten kan automatiseren. En dat zijn dus ook stappen die je met Computer Use kan gaan doen. Je kan bepaalde acties met behulp van een prompt automatiseren en geautomatiseerd uit laten voeren. Eén van de demos die ik zag, is dat ze met een prompt iets lieten opzoeken in een Excel sheet, wat nodig was om een ander formulier daar de invulling voor te geven. Ze zeiden zoek even de gegevens van deze klant, want die moeten op een andere website worden ingevuld. En hij kon uitzoeken welke elementen uit het formulier nodig waren, waar die in de Excel zaten. Dus hij kon die ook gaan scrollen. Wat ze het taalmodel hebben geleerd, is om het scherm af te lezen, maar dus ook te scrollen en te klikken. Het is nog heel experimenteel, dat zeggen ze ook. Eigenlijk zeggen ze 'don't use this at home'. Ze doen het ook in een veilige omgeving. Maar ze hebben het al beschikbaar gesteld om ervoor te zorgen dat ze heel vroegtijdig feedback willen, om het ook zo veilig mogelijk te maken. Maar dat is inderdaad een volgende stap. Wat je ziet, is dat daar zitten eigenlijk dezelfde modellen onder. Ze hebben dat weer helemaal uitgeprompt. Alleen meer toegang gegeven. Functionaliteiten gestapeld en handige toepassingen gemaakt. Eigenlijk vermarkt naar een onderdeel van een product. Precies. En dat is natuurlijk ook logisch. Dus dat al die investeringen die je nu gedaan hebt, dat je die op een andere manier eigenlijk uitnut. Dus ik verwacht dat we het aankomende jaar vooral dit soort toevoegingen gaan krijgen. Echt waanzinnige toevoegingen. Maar onderliggend nog steeds dezelfde modellen. Dus het voelt als nieuw. Voelt als nieuw. Technologisch is dat het niet. We kwamen al op die technologische beperking. Het is dus het onderzoek van Apple. Mogelijk heb je een nieuwe architectuur nodig. En ik denk dat dat ook de doorbraak zou moeten worden voor echt een GPT-5. Dus zij hadden bijvoorbeeld als een van de adviezen is, misschien moeten we gaan kijken naar hybride modellen. Die ook wat ze dan noemen symbolic reasoning integreren. En dat zit eigenlijk veel meer in, ga je naar, dat is een veel oudere techniek, waarbij je toch wel regels meegeeft aan een model. Die zegt van hier moet je je aan houden. En als jij regels gaat combineren met de vrijheid van taalmodellen, dan verwachten zij dat je meer doorbraken gaat krijgen, zodat je een GPT 5 zou kunnen krijgen. Je zou kunnen zeggen, pas als je generatieve AI in gaat zetten, bijvoorbeeld voor een hypotheek aanvraag, in dat hele proces, kan je regels gaan introduceren, die zegt van ja, maar als iets boven een bepaald bedrag is, ga je anders reageren, ga je anders om met het taalmodel, dan als je onder dat bedrag zit. Dus je gaat zeg maar domeinkennis, ga je inbrengen in het taalmodel, waarbij je instructies als het ware geeft, hoe die uiteindelijk moet gaan reageren. Dus je gaat regelgebaseerd, ga je combineren met de vrijheid van taalmodellen. En hoe dan, en hoe dat dan precies, in welke verhouding, en hoe ga je dan zeg maar generiek dingen leren. En specifiek uitvoeren. En specifiek uitvoeren, dat weten ze nog niet, daarom zeggen ze ook van, dat moet allemaal onderzocht worden, maar we verwachten daar eigenlijk, dat die stap nodig is. Eigenlijk zeggen ze, we verwachten dat er een ander type model nodig is, een ander type architectuur die daaronder zit, van hoe je zo'n taalmodel traint, die nodig is voor zo'n volgende stap, dat die beter is in redeneren, in ons begrijpen, in taken uitvoeren. Ja, twee vragen voor Joop. Nu je dit zo zegt, je noemt telkens zij, wie is zij in deze context? Dit is dan Apple, de Apple researchers, het zijn wetenschappers, het is niet Tim Cook ofzo die dit zegt, het zijn de researchers die vooral gekeken hebben, die keken van, hoe goed is hij nou in redeneren? Redeneert hij nou echt, of is het patroonherkenning, en is het een soort van oplepelen van een hele groot geheugen wat je hebt, en daar de juiste dingen uit pakken. En daarvan hebben ze echt wel, zij hebben aangetoond, maar er zijn soms ook papers die zeggen van, ja maar die reasoning bestaat wel, het is een beetje lastig welk paper je leest, maar waar ik wel in geloof is dat dan, voor een echte grote nieuwe stap, hebben we dus ook een andere vorm van onderliggende techniek nodig, om die grote volgende stap te maken. En voor mij dan even, als ik dat zo hoor, is die volgende stap, is dat op grote schaal kunnen uitvoeren, want eigenlijk wat je zegt, het geven van de kaders en sturing, en meer de regels om het taalmodel heen, is wat je nu vaak ziet in custom implementaties, die we ook voor organisaties ontwikkelen, waardoor we het kaderen, het volledig testen van de omgeving, zorgen dat het goed werkt, maar dat eigenlijk op grote schaal, automagisch, met het model kunnen doen. Daar hebben we het over. Die sturing bouwen we natuurlijk nu custom, om voor organisaties dingen te automatiseren. En de taalmodellen waar we het hier over hebben, die heette niet voor niks large language models, zijn dus groot en zijn dus bedoeld om generiek in te zetten. Dus ze kunnen eigenlijk alles redelijk. Ja, heel generiek. Dus je probeert een soort van wereldbeeld in zo'n model te stoppen. En wil je dit dus heel generiek kunnen doen, moet je dus op een andere manier kunnen leren, erbij kunnen leren. Dus je moet ook een soort van regels erbij kunnen leren. En dat is wat anders inderdaad dan, kijk, als je een hele specifieke use case hebt, kan je dat nu ingeven. En ik denk dat dat namelijk ook heel krachtig is, want dan kom je namelijk op de techniek uit van small language models. Namelijk, specifiek voor het doel wat je wil bereiken, ga je het tailoren en efficiënt, kostenefficiënt, eco-efficiënt creëren. En daar is nog zo ontzettend veel winst te halen, dat je gaat zien dat daar veel meer op ingezet gaat worden. Dus die Search GPT zou je kunnen zeggen, ik weet niet of dat een small language model is, maar het is in ieder geval een toegespitste variant, die een hele specifieke taak kent, waardoor je andere gegevens, data niet meer nodig hebt uit zo'n taalmodel. Dan kan je een taalmodel kleiner maken, gerichter maken. Je maakt eigenlijk experts. Dus het large language model is iemand, niet iemand, is iets wat heel generiek te gebruiken is. Dus de volgende stap zal eerder zijn, hoe kan je van, we hebben nou zo'n generiek model, op welke plekken kan je er nou kleinere modellen van maken, small language models, die heel gerichte taken kunnen uitvoeren. En die gaan we heel veel zien in het aankomende jaar. Want daar is natuurlijk voor hun ook veel geld in te verdienen. En wat je daar ziet, jij gaf het eigenlijk al aan, het is niet alleen dat je daar je domeinkennis veel beter in kan stoppen, waarbij je dat zelf kan trainen, want je kan zelf een deel van zo'n model fine-tunen. Er zijn allerlei technieken hoe je aan zo'n model kan komen. Maar belangrijk is dat hij inderdaad zuiniger, goedkoper. Dus een GPT-4O mini is eigenlijk een kleinere variant van het grote broertje. Dus Claude heeft zo direct drie varianten. Je hebt de Opus, dat is de allergrootste, beste variant. Je hebt dan Sonnet en je hebt de Haiku. Zij doen dit in termen van literatuur. En de Haiku is gewoon eigenlijk een verkleinde variant van de Opus, die dus goedkoper is, ecologisch, minder uitstoot, dat soort zaken. Dus een hele grote kans dat als jij een small language model vandaag de dag nodig hebt, dat als je een Hugging Face gaat, dat die al voor jou beschikbaar is, zelfs in de open-source variant. Die je zelf kan draaien op eigen hardware, waarbij je zelf het in de handen hebt. Zowel de versionering, als hoe lang je erover mag doen, hoeveel krachtige hardware je er wel of niet onderzet. En je kan je CO2 gewoon uitrekenen die je zelf uitstoot. Je bent dus ook onafhankelijker daarmee. Precies. En in controle van wanneer de veranderingen gaan komen. Dat is belangrijk voor toepassen in organisaties. Dat je dus zelf kan plannen wanneer je bepaalde activiteiten wil gaan uitvoeren en wijzigingen wil gaan doorvoeren. Precies. En ik denk dat die noodzaak straks ook veel meer gevoeld gaat worden. Want hoe meer je uiteindelijk generatieve AI gaat inzetten in bedrijfskritische onderdelen, dat je echt je processen ondersteunt hebt, dan wil je niet zomaar hebben dat een model onder je vandaan verandert. Dat hij iets anders doet dan dat je verwacht. Want bij ieder nieuwe update van een model is het niet hij kan hetzelfde alleen meer en beter. Het is een ander model. Je schuift als het ware een nieuwe medewerker erin, waarbij je maar mag hopen dat hij hetzelfde kan, hetzelfde reageert en hetzelfde output uiteindelijk levert. Ja, je wil niet zonder dat je het weet dat hetgeen wat een uur geleden nog werkte, nu niet meer werkte omdat er iets in de omgeving veranderd is. En we gaan ook geen code naar productie brengen die we niet testen. Dus ook hier zal je daar een bepaalde materie oplossen moeten laten om het goed te kunnen testen en in controle te zijn. Precies. Vooral als je bedrijfskritische processen er mee gaat raken, dan ga je niet zomaar even een afhankelijkheid inbouwen op deze schaal. Ja, en daar gaan die small language models je dan behelpen, juist omdat je die zelf kan hosten. Maar denk ook aan privacy. Dus als je een language model als een expert in een medisch gebied wilt, of op juridisch gebied, dan wil je het zo veilig maken dat je zegt van "Laten we dat dan zelf gaan hosten, er gaat geen data naar buiten, kunnen we wel de kracht gebruiken van die modellen, we kunnen ze zelfs slimmer maken, want ze hebben kennis, domeinkennis van onze organisatie en we hebben z'n eigen beheer. We kunnen zelf bepalen of we gaan upgraden ja of nee. En als iets werkt, wil je het ook werkend houden. Ja, dat betekent natuurlijk ook een extra complexiteit, want dat betekent dat je moet weten welke modellen zijn er, welke zijn de open source, wat zijn de krachten van de verschillende modellen, en dat is natuurlijk niet makkelijk in de huidige markten, met hoeveel er nu wordt gecreëerd en ontstaat, is natuurlijk enorm. Dus dat brengt wel extra complexiteit met zich mee om daarin te duiken. Precies. Nou en daarom, dus ik denk dat als je, dat we langzaam naar in ieder geval mijn conclusie gaan, van waarom het eigenlijk ook nog helemaal niet logisch is, waarom GPT 5 nu zou uitkomen. Dus het heeft zakelijke overwegingen, technische overwegingen, en er ligt gewoon nog zoveel open, wat we kunnen doen met de huidige modellen. We zijn nog, weet je, we zijn op dit moment beperkt in onze fantasie, en niet beperkt in de technologie. Nee. Dus ja, dat is eigenlijk waarom ik denk, van voorlopig niet. Ik zou niet weten, behalve dat ze het op een gegeven moment, zeg maar, marketing technisch gaan labelen als zodanig. Maar gezien het feit, zeg maar, OpenAI had het kunnen doen met O1 Preview. Maar ik denk dat zij ook bedachten van, ja, maar als we dat labelen als GPT 5, Wat moet dan de volgende zijn? Nee, maar dat dan de markt ook eigenlijk heel gedesillusioneerd zou zijn. Dat alles wat zij nu, zeg maar, aan stroom kregen van, oh, moet je eens kijken wat die kan, en hij kan nu veel beter dit. Een stap te klein voelde voor wat ze... Voor wat iedereen in zijn hoofd heeft, wat GPT 5 zou moeten zijn. Ze hebben daarmee ook gezegd, ja, we gaan ook naar een andere nummering. Daarom doen we ook O1, in de zin van, we gaan terug naar nul eigenlijk. Dus ik vraag me af of we überhaupt, zeg maar, het getalletje 5 gaan zien. Maar, nou ja, dat is in ieder geval, weet je, dus zowel zakelijk, maar ook dus het uitnutten van use cases. Het is op dit moment, denk ik, dat ze zouden denken dat ze underdeliveren, met wat er in de markt is. En we hebben het op dit moment eigenlijk ook nog helemaal niet nodig. Nee, ik denk dat we het wel nodig hebben dat we erover nadenken, dat we dit soort gesprekken voeren. Want eigenlijk komt daar de fantasie vandaan. En daarmee komen wel nieuwe creaties, naar mijn mening, los, over hoe we het in de praktijk zouden kunnen toepassen, of waar we naartoe zouden willen bewegen. Dus ik denk dat de discussie hierover heel goed is. Maar ja, ik ga volledig mee in de punten die je ook noemt, dat het wel apart zou zijn als die al heel snel zou komen. Ja, toch? Ik ben benieuwd, want ik ga ervan uit, zeg maar, dat we nu een aantal luisteraars hebben die zeggen van "Ja, Joop, jonge, jonge, je zit er echt volledig naast." Laat het ons weten via de socials, dan zijn we heel erg benieuwd, zeker naar de argumentatie. Nou, en ik denk dat het een mooi moment is om ook aan te geven van dat je uiteindelijk, zeg maar, dingen kan inbrengen, vragen aan ons zou kunnen stellen die we ook kunnen behandelen in de podcast. Dus schroom niet. We zijn heel makkelijk te vinden via LinkedIn. Stuur ons even een uitnodigingsverzoek. En laat even weten wat jij vindt. Wanneer gaat GPT5 komen? En ik ben benieuwd hoe oneens je het met me bent. Dank je wel weer voor het luisteren naar deze aflevering. Vergeet je niet te abonneren via je favoriete podcast-app. En dan mis je geen aflevering. Dank je wel weer. Tot de volgende keer. [Muziek]