Author Archives: admin

Williams moet “elke seconde” van april break benutten tegen overgewicht FW48

De Williams FW48 is zwaarder dan toegestaan en onderpresteert aanzienlijk op het circuit. De auto scheelt meer dan 20 kilogram op het minimumgewicht, wat bij de nieuwe motorregelementen een groter verlies betekent vanuit energieoogpunt dan in vorige jaren.

James Vowles, teambaas van Williams, erkent dat het onfortuinlijke gewichtsprobleem niet in weken opgelost kan worden, ondanks dat ingenieurs al duidelijke technische oplossingen hebben geïdentificeerd. De strenge budgetcap dwingt het team tot strategische keuzes bij ontwikkeling.

Williams ziet de verplichte april break echter als een levensredder. “Elke seconde van die pauze hebben we nodig om onszelf terug op de been te krijgen voor Miami,” zei Vowles. Zonder ingrijpende veranderingen dreigt Williams het hele seizoen achter de feiten aan te hinken.

FIA vergadert op 9 april over zes kritieke regelwijzigingen voor 2026

De FIA en Formula 1 beleggen op 9 april een cruciale “crunch meeting” met alle teams en motorenfabrikanten om potentiële regelwijzigingen te bespreken. Dit gebeurt tegen de achtergrond van wat de sport heeft geleerd uit de eerste drie races van het seizoen.

Zes mogelijke aanpassingen staan op de agenda, waaronder voorzitters van technische afdelingen willen onderzoeken onderwerpen als veiligheid in het startkwalificatieproces, de prevalentie van “lift and coasting” strategieën, en extreme snelheidsoverschillen op lange rechte stukken.

Het doel is om wijzigingen door te voeren vóór de Miami Grand Prix op 3 mei, wanneer het kampioenschap na de onverwachte april break voort gezet wordt. Dit is een zeldzaam moment waarin de sport proactief ingrijpt op basis van praktijkervaringen.

McLaren dringt aan op regelwijzigingen voor F1 2026 seizoen

McLaren teambaas Andrea Stella pleit voor aanpassingen aan de F1 2026-regelgeving. Naar zijn zeggen zullen de komende weken “aanzienlijke veranderingen” nodig zijn om het kampioenschap competitief te houden, vooral op het gebied van kwalificatie.

De teams ontmoeten elkaar op donderdag 9 april met de FIA en FOM om de huidige toepassing van de 2026-regelgeving te bespreken. Dit onverwachte overleg vindt plaats in de pauze tussen Japan en Miami, waar het seizoen half mei hervat.

McLaren kampte in China met twee gelijktijdige elektrische storingen bij Lando Norris en Oscar Piastri, die beide voor de start moesten uitvallen. Dit incident vormt slechts een van de vele uitdagingen waarmee de Papaya-renstal dit seizoen worstelt.

Mercedes voordeel reikt verder dan alleen de motor in 2026

Mercedes domineert F1 2026 niet alleen met zijn superieure W17 motor, maar blinkt ook uit in chassis-ontwerp en aerodynamica. De Duitse fabrikant toont een volle acht tienden voorsprong op Ferrari, McLaren en Red Bull in de kwalificatie.

Technisch gezien heeft Mercedes een innovatief concept gekozen voor de bevestiging van de neus aan de voorvleugel. Terwijl alle andere teams de pylonen op het hoofdvlak monteren, bevestigt Mercedes ze aan het secundaire vlak. Dit ontwerp geeft Mercedes aanzienlijke voordelen in aerodynamische efficiëntie.

De combinatie van motorvoordeel, intelligente aero-architectuur en consistent rijderswerk maakt Mercedes op papier de klare favoriet voor beide kampioenschappen. Ondanks eerdere competitie in 2025, heeft niemand het gat in 2026 kunnen overbruggen.

Haas bloeit op: kleine renstal is grote verrassing van 2026

Haas groeit uit tot een onverwachte sterke speler in F1 2026. Het kleinste team op de grid heeft zich reeds in de top vier van de constructeurskampioenschap genesteld na slechts drie races, ondanks dat grotere fabrieken als Mercedes, Ferrari en McLaren hun voornaamste focus op dit seizoen hebben gelegd.

De Amerikaanse formatie profiteert sterk van stabiele Ferrari-motoren en een pragmatisch chassis-ontwerp. Terwijl veel teams nog alle zeilen bijzetten, heeft Haas al vroeg efficiëntie bereikt. Dit succes dwingt af dat zelfs kleinere teams, met beperkte middelen, concurrerend kunnen blijven in de moderne F1.

Ook voerde Haas onlangs uit dat zij Jack Doohan, voormalig Alpine-reserverijder, hebben aangesteld als reserve-coureur voor 2026. Dit getuigt van groeiend vertrouwen in de richting van het team.

Red Bull overtuigd van motorpariteit met Mercedes ondanks chassis-problemen

Red Bull Racing stelt dat hun 2026-motor qua vermogen volledig gelijkwaardig is aan de Mercedes power unit. Dit geluid komt van de top van het team, ondanks de aanzienlijke prestatiekloof die in de eerste races zichtbaar werd.

Het probleem zit niet in de motor, maar in het onderstel. Laurent Mekies, teambaas van Red Bull, erkende dat de RB22 “aanzienlijke tekortkomingen” vertoont in zijn opbouw. Beide rijders hebben worstelen met betrouwbaarheidsproblemen: Isack Hadjar viel in Australië uit met motorpech, en Max Verstappen finishte in China slechts zesde.

De motorbetrouwbaarheid verbetert stap voor stap, maar het ontwerp van het chassis eist meer aandacht. Red Bull beschikt niet over de ADUO-motorupgrade die Ferrari net has goedkeurd gekregen, wat de kloof deze races nog groter maakt.

AI Codet Beter dan de Meeste Mensen (2025)

In 2025 werd op meerdere onafhankelijke benchmarks aangetoond dat de beste AI-modellen de meerderheid van menselijke programmeurs overtroffen op gestandaardiseerde coderingstaken. Dat klinkt technisch. De implicaties zijn dat niet.

De benchmarks

SWE-bench — een standaard voor het oplossen van echte GitHub-bugs in open-source projecten — toonde dat Claude 3.7 Sonnet, GPT-4o en vergelijkbare modellen in 2025 meer dan 50% van de taken correct afhandelden. Een jaar eerder was dat onder de 20%. De verbetering was verbluffend snel.

Codeforces — een platform voor competitief programmeren dat door topuniversiteiten wordt gebruikt — toonde aan dat o3 van OpenAI scoorde op het niveau van kandidaat-master, ruim boven de gemiddelde professionele programmeur.

Wat “beter dan mensen” werkelijk betekent

Het is belangrijk te nuanceren: “beter dan de meerderheid” betekent niet “beter dan de besten”. AI-modellen faalden nog steeds op open-ended, creatieve architecturale beslissingen, systeem-niveau ontwerp en taken die diepe kennis van specifieke bedrijfsdomeinen vereisten.

Maar junior en medior programmeurs die standaard taken uitvoerden — bugs fixen, code documenteren, tests schrijven, API-integraties bouwen — werden effectief geconcurreerd door AI-systemen die hetzelfde sneller, goedkoper en zonder klagen deden.

De arbeidsmarktreactie

Grote techbedrijven — waaronder Google, Meta en Amazon — begonnen in 2024-2025 minder junior developers aan te nemen. Vacatures voor entry-level engineering-functies daalden zichtbaar. Sommige bedrijven kondigden aan dat AI hun ontwikkelsnelheid verdubbeld had met minder mensen.

Voor seniors was het ander verhaal: zij werden productiever, niet overbodig. Een goede senior ontwikkelaar met AI-tools produceerde de output van een heel junior team.

Dit patroon — AI als versterker voor experts, als vervanger voor beginners — zou in de komende jaren in meer beroepssectoren zichtbaar worden.

Reasoning-modellen en Multimodale AI (2025)

2025 markeerde een nieuwe fase in de ontwikkeling van grote taalmodellen: de verschuiving van vloeiend antwoorden naar diep redeneren. Reasoning-modellen — modellen die expliciet “nadenken” vóór ze antwoorden — werden het nieuwe paradigma.

Chain-of-thought: hardop denken

OpenAI’s o1 (gelanceerd eind 2024) en de opvolgers o3 en o4-mini (2025) trainden modellen om uitgebreide redeneerketens te genereren vóór ze een definitief antwoord gaven. In plaats van direct te reageren, “dacht” het model stap voor stap — en kon tussentijdse fouten corrigeren.

Anthropic lanceerde Claude 3.7 Sonnet — het eerste Claude-model met extended thinking. Op wiskundige en programmeerbenchmarks scoorde het significant beter dan eerdere generaties. Het kon meerdere minuten “nadenken” over complexe problemen.

Multimodale AI: alles tegelijk

Tegelijkertijd werd multimodaliteit — het vermogen om tekst, beeld, audio en video te begrijpen en te genereren — standaard in alle topmodellen. Gemini 2.0 kon native audio verwerken en genereren. GPT-4o kon realtime gesprekken voeren met emotionele intonatie. Claude kreeg de mogelijkheid computer-use: een scherm bedienen zoals een mens.

De grens tussen “taalmodel” en “algemeen AI-systeem” vervaagde. Modellen werden minder tekstprogramma’s en meer universele kognitieve gereedschappen.

De implicaties voor wetenschap

Reasoning-modellen begonnen in 2025 echte wetenschappelijke bijdragen te leveren. AlphaFold 3 van Google DeepMind voorspelde de structuur van eiwitten met ongekende precisie — een doorbraak voor medicijnontwikkeling. AI-modellen losten wiskundige problemen op uit competities die studenten jaren studie kosten.

De vraag die 2025 opriep: als AI beter is dan mensen in redeneren over gestructureerde domeinen, wanneer — en in welke domeinen — worden mensen overtroffen in alle cognitieve taken?

Nobel voor AI — Hinton en Hopfield Winnen Nobelprijs Fysica (2024)

Op 8 oktober 2024 maakte de Koninklijke Zweedse Academie van Wetenschappen bekend dat de Nobelprijs voor Natuurkunde dat jaar zou gaan naar twee mannen die tientallen jaren hadden gewerkt aan de wetenschappelijke fundamenten van kunstmatige intelligentie: John Hopfield en Geoffrey Hinton.

Het was een historisch moment. Nooit eerder had de meest prestigeüeuze wetenschappelijke onderscheiding ter wereld expliciet een AI-onderzoeker gehonoreerd. En het bevestigde iets dat de wereld al begon te beseffen: neurale netwerken zijn niet meer weg te denken.

John Hopfield: het brein als energiesysteem

John Hopfield (91 jaar bij de uitreiking) ontwikkelde in 1982 het Hopfield-netwerk — een neuraal netwerk geïnspireerd op statistisch-mechanische modellen in de fysica. Het netwerk kon informatie opslaan en ophalen als een geheugen, zelfs als de input vervormd of gedeeltelijk ontbrak. Dit was de eerste formele beschrijving van hoe een neuraal netwerk als associatief geheugen kon werken.

Geoffrey Hinton: de vader van deep learning

Geoffrey Hinton (76 jaar) is de man die decennialang in neurale netwerken bleef geloven toen de rest van de wereld was overgestapt op andere methoden. Hij werkte de backpropagation-algoritme verder uit (de techniek waarmee neurale netwerken leren van fouten), ontwikkelde Boltzmann Machines, en was de promotor van het AlexNet-team dat in 2012 deep learning definitief op de kaart zette.

In 2023 verliet Hinton Google om vrijuit te kunnen spreken over de risico’s van AI. Hij verklaarde dat hij spijt had van zijn levenswerk — niet omdat het onbelangrijk was, maar omdat hij bang was voor de gevolgen van wat hij had helpen bouwen. “Ik troost mezelf met de redenering dat als ik het niet had gedaan, iemand anders het had gedaan.”

Wat de Nobelprijs betekende

De toekenning aan twee computerwetenschappers voor de Fysicaprijs — niet Informatica, die geen Nobelprijs heeft — stuurde een duidelijk signaal: de fundamenten van AI zijn vervlochten met de fundamenten van de natuur- en wiskundige wetenschappen. En dat AI-onderzoek inmiddels de wetenschappelijke erkenning verdient die het verdient.

Geoffrey Hinton reageerde bescheiden bij het ontvangen van het nieuws. Hij was op vakantie en kon het telefoongesprek met Stockholm aanvankelijk niet goed horen. Later die dag zei hij: “Ik ben vóór AGI. Maar ik ben ook bang ervoor.”

AI Agents — Modellen die Zelfstandig Handelen (2024)

Tot 2024 waren grote taalmodellen vooral conversatietools: je stelde een vraag, je kreeg een antwoord. Intelligent, soms indrukwekkend, maar passief. In 2024 veranderde dat. Modellen kregen de mogelijkheid om actie te ondernemen.

Dit zijn AI Agents: systemen die niet alleen antwoorden geven, maar taken uitvoeren — code schrijven en runnen, het web doorzoeken, bestanden aanmaken, e-mails sturen, databases raadplegen, formulieren invullen. Ze werken stap voor stap, evalueren hun eigen voortgang en passen hun aanpak aan als iets niet werkt.

Wat agents mogelijk maakt

De sleutel was tool use: modellen leren hoe ze externe tools aanroepen. Een browser. Een Python-interpreter. Een zoekmachine-API. Een database. Met tools kunnen modellen informatie ophalen die niet in hun training zat, berekeningen uitvoeren die te complex zijn voor pure tekstgeneratie, en veranderingen aanbrengen in de echte wereld.

Anthropic lanceerde hiervoor Claude’s tool use (function calling). OpenAI lanceerde GPT Actions en later Operator — een agent die websites kon bedienen. Google lanceerde Project Mariner. Allemaal met hetzelfde doel: van chatbot naar taakuitvoerder.

De implicaties

De verschuiving van “informatie geven” naar “dingen doen” heeft enorme implicaties. Als een agent zelfstandig software kan schrijven, deployen en testen — wat doet dat met de rol van een ontwikkelaar? Als een agent e-mails kan beantwoorden, afspraken kan inplannen en rapporten kan schrijven — wat doet dat met de rol van een assistent?

De eerste agentic toepassingen kwamen in 2024 voorzichtig op de markt. Cowork van Anthropic, Devin (een AI software engineer), AutoGPT en vergelijkbare systemen lieten zien wat mogelijk was. De betrouwbaarheid was nog wisselend — agents maakten fouten en konden soms onbedoelde nevenschade veroorzaken.

Maar de richting was duidelijk: AI gaat van passief antwoorden naar actief handelen. De vraag is niet meer of dat gebeurt, maar hoe snel en hoe veilig.