Deep Blue verslaat Kasparov (1997)

Op 11 mei 1997 gaf Garry Kasparov — de beste schaakspeler ter wereld — zijn koning over. Zijn tegenstander was geen mens. Het was Deep Blue, een IBM-schaakcomputer die 200 miljoen posities per seconde kon evalueren.

De wedstrijd bestond uit zes partijen. Kasparov had een jaar eerder nog gewonnen van een eerdere versie van Deep Blue. Maar in 1997 verloor hij de match met 2,5 – 3,5. Het was de eerste keer dat een schaakcomputer onder officieel toernooiomstandigheden de regerende wereldkampioen versloeg.

Wat Deep Blue zo bijzonder maakte

Deep Blue was geen lerende machine — het gebruikte geen AI in de moderne zin. Het was extreem krachtige brute-force berekening gecombineerd met handmatig geëncoded schaakkennis van grootmeesters. Het kon 200 miljoen zetten per seconde doorrekenen.

Kasparov beschuldigde IBM van vals spelen na de tweede partij — Deep Blue had een zet gespeeld die hem zo verrastte dat hij geloofde er een menselijk brein achter zat. IBM weigerde de logbestanden te delen. Tot op de dag van vandaag bestaat er enige controverse over wat er in die tweede partij precies gebeurde.

Symboliek boven techniek

Schaken gold lang als het ultieme symbool van menselijke intelligentie. “Als computers kunnen schaken, zijn ze intelligent” — totdat ze het konden. Daarna verschoof de definitie. AI-onderzoekers noemen dit spottend de AI-effect: zodra een machine iets kan, noemen mensen het niet meer “echt” intelligent.

De overwinning van Deep Blue was het eerste wereldwijde AI-nieuws. Kasparovs verslagenheid stond op de voorpagina’s. De wereld realiseerde zich: machines kunnen mensen verslaan in complexe, symbolische taken. Dat was een psychologische kanteling, ook als de techniek achteraf beperkter bleek dan gedacht.

Moderne AI-modellen spelen schaak op een manier die zelfs Deep Blue ver overtreft — Stockfish en AlphaZero zijn vandaag zo sterk dat geen menselijke speler ook maar een partij kan winnen. Het tijdperk van mens-versus-machine op schaakbord is allang voorbij.

Expertsystemen — Eerste commerciële AI (1980)

Eind jaren ’70 en begin jaren ’80 leek AI eindelijk zijn belofte waar te maken — niet via neurale netwerken of lerende systemen, maar via regels en logica. Expertsystemen waren software die de kennis van menselijke experts codeerde in duizenden “als-dan”-regels.

Het bekendste voorbeeld was XCON (ook wel R1 genoemd), ontwikkeld voor Digital Equipment Corporation (DEC). XCON kon klantorders voor computersystemen configureren — een taak waarvoor voorheen tientallen menselijke ingenieurs nodig waren. Het systeem bespaarde DEC naar schatting 40 miljoen dollar per jaar.

De opkomst van de AI-industrie

Bedrijven stortten zich massaal op expertsystemen. In de VS en Japan werden honderden miljoenen geïnvesteerd. Japan lanceerde het ambitieuze Fifth Generation Computer Project — een staatsgesponsord programma om AI-computers te bouwen die Japanse industriele dominantie zouden garanderen. De VS en VK reageerden met eigen programma’s (DARPA’s Strategic Computing Initiative).

Consultancybedrijven specialiseerden zich in het bouwen van expertsystemen. De term “knowledge engineering” werd gemunt. Het tijdschrift Forbes schreef dat AI de volgende grote industrie was.

De tweede AI-winter

Maar eind jaren ’80 stortte het kaartenhuis in. Expertsystemen bleken breekbaar, onderhoudsgevoelig en niet schaalbaar. Elke nieuwe regel kon conflicteren met bestaande regels. De kennisengineers konden het groeitempo niet bijhouden. Systemen werkten goed binnen een enge domein maar faalden buiten de gebaande paden.

Investeringen droogden op. Bedrijven zoals Symbolics — die gespecialiseerde AI-computers maakten — gingen failliet. Het Japanse Fifth Generation Project werd in 1992 stilgelegd als een mislukking. Dit werd de tweede AI-winter.

De les van de expertsystemen-era: kunstmatige intelligentie die afhankelijk is van handmatig geëncoded menselijke kennis, schaalt niet. Het zou een generatie duren voordat een andere aanpak — lerende systemen die patronen vinden in data — dat probleem zou oplossen.

ELIZA — De eerste chatbot (1966)

In 1966 creëerde Joseph Weizenbaum aan het MIT een programma dat de wereld zou verbazen — en zijn maker zou verontrusten. ELIZA was het eerste computerprogramma dat een geloofwaardige menselijke conversatie kon voeren.

ELIZA werkte via patroonherkenning en sjabloonantwoorden. Het beroemdste script heette DOCTOR, dat een psychotherapeut naspelde. Als iemand schreef “Ik heb hoofdpijn”, antwoordde ELIZA met iets als: “Hoe lang heeft u al last van hoofdpijn?” — en de illusie van begrip was compleet.

Het ELIZA-effect

Weizenbaum was geschokt door wat er vervolgens gebeurde. Mensen — waaronder zijn eigen secretaresse — geloofden oprecht dat ze met een mens communiceerden. Ze deelden persoonlijke geheimen. Ze wilden dat Weizenbaum de kamer verliet zodat ze in privacy konden chatten met het programma.

Zelf noemde hij dit fenomeen zorgwekkend: mensen geven computers veel te snel menselijke eigenschappen. Dit staat nu bekend als het ELIZA-effect — de neiging van mensen om computerprogramma’s te vermenselijken, zelfs als ze weten dat het code is.

Weizenbaums waarschuwing

In 1976 schreef Weizenbaum het boek Computer Power and Human Reason — een directe reactie op de reacties die ELIZA opriep. Hij betoogde dat er taken zijn die computers kunnen uitvoeren maar niet zouden moeten uitvoeren — taken die menselijk oordeel, medegevoel en verantwoordelijkheid vereisen.

Zijn waarschuwing is opmerkelijk actueel. Vandaag de dag worden AI-chatbots ingezet als therapie-assistenten, klantenservice-agenten en zelfs gezelschapsbots. Het ELIZA-effect — dat mensen gevoelens projecteren op programma’s die geen gevoel hebben — is groter dan ooit.

ELIZA was technisch primitief. Maar het stelde een vraag die we nog steeds niet volledig hebben beantwoord: hoe menselijk moet iets zijn voordat we het als zodanig behandelen?

Dartmouth Conference — Geboorte van AI als vakgebied (1956)

In de zomer van 1956 kwamen tien wetenschappers bijeen op Dartmouth College in New Hampshire, Amerika. Ze waren er zes weken. Wat ze daar bedachten en bespraken, zou de loop van de technologiegeschiedenis veranderen.

Het was John McCarthy — een 29-jarige wiskundige van MIT — die het initiatief nam. Samen met Marvin Minsky, Nathaniel Rochester en Claude Shannon schreef hij een voorstel voor een zomerstudie met een aanname die destijds bijna naïef klonk:

“Every aspect of learning or any other feature of intelligence can in principle be so precisely described that a machine can be made to simulate it.”

Waarom dit de geboorte van AI was

Vóór Dartmouth bestond het vakgebied niet. Er was onderzoek naar neurale netwerken, speltheorie, cybernetica — maar er was geen gemeenschappelijke naam, geen community, geen gezamenlijk doel. Dartmouth gaf het allemaal een naam: Artificial Intelligence.

McCarthy introduceerde de term bewust om af te stappen van eerdere labels zoals “cybernetics”. Hij wilde een frisse start, een eigen identiteit voor een nieuw vakgebied.

Wie waren erbij?

De deelnemers van Dartmouth waren bijna allemaal mensen die de komende decennia AI zouden vormgeven: Marvin Minsky (mede-oprichter MIT AI Lab), Claude Shannon (grondlegger van de informatietheorie), Herbert Simon en Allen Newell (die hun Logic Theorist presenteerden — een vroeg AI-programma dat wiskundige stellingen bewees).

De conferentie zelf leverde geen grote doorbraken op. Maar de naming — het moment dat het vakgebied een eigen identiteit kreeg — maakte Dartmouth historisch. Fondsen kwamen vrij, universiteiten richtten AI-labs op, en een generatie wetenschappers had eindelijk een vlag om achter te scharen.

70 jaar later is het vakgebied dat in een zomerhuis in New Hampshire werd benaamd, uitgegroeid tot een van de meest bepalende technologieën van de mensheid.

Alan Turing — Computing Machinery and Intelligence (1950)

In 1950 publiceerde de Britse wiskundige en computerpionier Alan Turing een van de meest invloedrijke wetenschappelijke papers ooit geschreven: “Computing Machinery and Intelligence”, gepubliceerd in het filosofische tijdschrift Mind.

Het paper begint met een simpele maar revolutionaire vraag: “Can machines think?” Turing realiseerde zich dat deze vraag moeilijk te beantwoorden was zonder eerst te definiëren wat “denken” betekent. Dus stelde hij een alternatief voor: het Imitation Game — later bekend als de Turing-test.

Hoe werkt de Turing-test?

Een menselijke beoordelaar voert gesprekken (via tekst) met zowel een mens als een machine. Als de beoordelaar niet betrouwbaar kan onderscheiden wie de mens is en wie de machine, dan heeft de machine de test “geslaagd”. Turing geloofde dat een machine die deze test kon doorstaan, praktisch gezien als intelligent beschouwd moest worden.

In hetzelfde paper behandelde Turing ook negen tegenwerpingen die mensen hadden tegen de mogelijkheid van denkende machines — van theologische bezwaren (“alleen God kan een ziel geven”) tot wiskundige argumenten (Gödels incompleteness theorema). Hij weerlegde ze systematisch.

Waarom dit zo belangrijk was

Turings paper legde de filosofische fundering voor het hele vakgebied van kunstmatige intelligentie — nog vóór het woord “artificial intelligence” überhaupt bestond. Hij verschoof de vraag van “kan een machine denken?” naar “kan een machine zich gedragen alsof het denkt?” — een pragmatische definitie die de wetenschap tot op de dag van vandaag gebruikt.

Alan Turing zelf had een tragisch lot. Hij hielp de geallieerden de Tweede Wereldoorlog te winnen door de Enigma-code te kraken, maar werd in 1952 vervolgd wegens homoseksualiteit (toen strafbaar in het VK). Hij overleed in 1954, vermoedelijk door zelfdoding. In 2013 verleende koningin Elizabeth II hem postuum gratie.

De Turing Award — de hoogste onderscheiding in de informatica — is naar hem vernoemd. Zijn foto staat op het 50-pond biljet. En zijn vraag uit 1950 is nog steeds de brandende kernvraag van AI: kunnen machines werkelijk denken?

McLaren bereidt groot upgradepakket voor Miami GP voor

McLaren erkent technische problemen met de MCL40 en concentreert zich op een uitgebreid upgradepakket voor de aankomende Miami Grand Prix. De regende wereldkampioen bij de constructeurs heeft tot nu toe teleurgestelde resultaten geboekt in het seizoen.

Na terugvallen naar de middenmoot door onverwachte problemen tijdens de Chinese Grand Prix, waar zowel Lando Norris als Oscar Piastri niet aan de start verschenen, werkt het team aan fundamentele verbeteringen. Andrea Stella, teambaas van McLaren, heeft bevestigd dat groot gewicht wordt gelegd op de Miami-upgrade.

De beide rijders tonen vertrouwen dat de verbeteringen hen dichter naar de top kunnen brengen, hoewel het seizoen slechts drie races oud is. Miami kan het wendpunt voor McLaren betekenen na een moeizame start van hun titeldefensie.

Honda en Aston Martin bereiken doorbraak in trillingsprobleem

Aston Martin en Honda boeken significant technisch voortgang na het succesvol afwerken van de race-afstand in Suzuka, waar de vibratieproblematiek van Honda‘s V6-motor een belangrijke horde is geslecht.

Honda Racing Corporation-president Koji Watanabe bevestigt dat de batterij zonder in-boordshaking de eindstreep bereikte, hetgeen een cruciaal moment vormt voor het nog jonge partnerschap. De intensiteit van de trillingen uit de Honda-krachtbron was zodanig ernstig dat zij zelfs de indruk op beide rijders hadden.

Hoewel Aston Martin nog steeds voorbijgestreefd is door de topteams, vormt deze technische doorbraak een essentiële stap in de ontwikkelingscurve. Het team gaat het aprilbreak-reces benutten om de behaalde vooruitgang vast te stellen en aanvullende upgrades voor Miami voor te bereiden.

Mattia Binotto benoemd als teambaas Audi F1

Mattia Binotto neemt het roer over als Team Principal van het Audi F1-project, nadat Jonathan Wheatley per direct vertrekt wegens persoonlijke redenen. Binotto, bekend van zijn voorgaande rol als teambaas van Ferrari, keert daarmee terug in een leidinggevende positie in de Formule 1.

De aanstelling ondersteunt Audi‘s ambitie om het volledige F1-programma op koers te houden. James Key blijft als technisch directeur en zal nauw samenwerken met Binotto aan de ontwikkeling van de competitieve auto voor de huidige en toekomstige seizoenen.

Voor Audi, dat recent zijn debuut maakte in de Formule 1, markeert deze verandering in leiderschap een cruciale stap voor stabiliteit en structuur binnen het Duitse team in deze kritieke fase van het seizoen.

F1 Standen — 2026-04-06, na Grand Prix van Japan

{“bijgewerkt”:”2026-04-06″,”na_race”:”Grand Prix van Japan”,”rijders”:[{“positie”:1,”naam”:”A.K. Antonelli”,”team”:”Mercedes”,”nationaliteit”:”IT”,”punten”:72,”wins”:2,”podiums”:3},{“positie”:2,”naam”:”G. Russell”,”team”:”Mercedes”,”nationaliteit”:”GB”,”punten”:63,”wins”:1,”podiums”:2},{“positie”:3,”naam”:”C. Leclerc”,”team”:”Ferrari”,”nationaliteit”:”MC”,”punten”:49,”wins”:0,”podiums”:2},{“positie”:4,”naam”:”L. Hamilton”,”team”:”Ferrari”,”nationaliteit”:”GB”,”punten”:41,”wins”:0,”podiums”:1},{“positie”:5,”naam”:”L. Norris”,”team”:”McLaren”,”nationaliteit”:”GB”,”punten”:25,”wins”:0,”podiums”:0},{“positie”:6,”naam”:”O. Piastri”,”team”:”McLaren”,”nationaliteit”:”AU”,”punten”:21,”wins”:0,”podiums”:1},{“positie”:7,”naam”:”O. Bearman”,”team”:”Haas”,”nationaliteit”:”GB”,”punten”:17,”wins”:0,”podiums”:0},{“positie”:8,”naam”:”P. Gasly”,”team”:”Alpine”,”nationaliteit”:”FR”,”punten”:15,”wins”:0,”podiums”:0},{“positie”:9,”naam”:”M. Verstappen”,”team”:”Red Bull”,”nationaliteit”:”NL”,”punten”:12,”wins”:0,”podiums”:0},{“positie”:10,”naam”:”L. Lawson”,”team”:”Racing Bulls”,”nationaliteit”:”NZ”,”punten”:10,”wins”:0,”podiums”:0},{“positie”:11,”naam”:”I. Hadjar”,”team”:”Red Bull”,”nationaliteit”:”FR”,”punten”:4,”wins”:0,”podiums”:0},{“positie”:12,”naam”:”A. Lindblad”,”team”:”Racing Bulls”,”nationaliteit”:”GB”,”punten”:4,”wins”:0,”podiums”:0},{“positie”:13,”naam”:”G. Bortoleto”,”team”:”Audi”,”nationaliteit”:”BR”,”punten”:2,”wins”:0,”podiums”:0},{“positie”:14,”naam”:”C. Sainz”,”team”:”Williams”,”nationaliteit”:”ES”,”punten”:2,”wins”:0,”podiums”:0},{“positie”:15,”naam”:”E. Ocon”,”team”:”Haas”,”nationaliteit”:”FR”,”punten”:1,”wins”:0,”podiums”:0},{“positie”:16,”naam”:”F. Colapinto”,”team”:”Alpine”,”nationaliteit”:”AR”,”punten”:1,”wins”:0,”podiums”:0},{“positie”:17,”naam”:”N. Hulkenberg”,”team”:”Audi”,”nationaliteit”:”DE”,”punten”:0,”wins”:0,”podiums”:0},{“positie”:18,”naam”:”A. Albon”,”team”:”Williams”,”nationaliteit”:”TH”,”punten”:0,”wins”:0,”podiums”:0},{“positie”:19,”naam”:”F. Alonso”,”team”:”Aston Martin”,”nationaliteit”:”ES”,”punten”:0,”wins”:0,”podiums”:0},{“positie”:20,”naam”:”L. Stroll”,”team”:”Aston Martin”,”nationaliteit”:”CA”,”punten”:0,”wins”:0,”podiums”:0},{“positie”:21,”naam”:”S. Perez”,”team”:”Cadillac”,”nationaliteit”:”MX”,”punten”:0,”wins”:0,”podiums”:0},{“positie”:22,”naam”:”V. Bottas”,”team”:”Cadillac”,”nationaliteit”:”FI”,”punten”:0,”wins”:0,”podiums”:0}],”constructeurs”:[{“positie”:1,”naam”:”Mercedes”,”punten”:135,”wins”:3,”podiums”:5},{“positie”:2,”naam”:”Ferrari”,”punten”:90,”wins”:0,”podiums”:3},{“positie”:3,”naam”:”McLaren”,”punten”:46,”wins”:0,”podiums”:1},{“positie”:4,”naam”:”Alpine”,”punten”:16,”wins”:0,”podiums”:0},{“positie”:5,”naam”:”Red Bull”,”punten”:16,”wins”:0,”podiums”:0},{“positie”:6,”naam”:”Haas”,”punten”:18,”wins”:0,”podiums”:0},{“positie”:7,”naam”:”Racing Bulls”,”punten”:14,”wins”:0,”podiums”:0},{“positie”:8,”naam”:”Audi”,”punten”:2,”wins”:0,”podiums”:0},{“positie”:9,”naam”:”Williams”,”punten”:2,”wins”:0,”podiums”:0},{“positie”:10,”naam”:”Aston Martin”,”punten”:0,”wins”:0,”podiums”:0},{“positie”:11,”naam”:”Cadillac”,”punten”:0,”wins”:0,”podiums”:0}]}

Schrijf een aanpak voor een moeilijk gesprek

Ik moet een moeilijk gesprek voeren met [persoon] over [probleem]. Geef me een aanpak: hoe open ik het gesprek, wat zijn mijn kernpunten, en hoe beëindig ik het constructief?

💡 Waarom werkt dit? Een constructief einde voorbereiden is net zo belangrijk als een goede opening — het is wat de ander onthoudt.