S07E72 - Waarom GPT-5 me koud laat (en jou waarschijnlijk ook)

AI-expert Joop Snijder bespreekt de lancering van GPT-5 en de onverwachte reacties hierop. Hij analyseert waarom sommige gebruikers terugverlangen naar eerdere versies en wat dit betekent voor AI-ontwikkeling.

Joop belicht de mythe van grote technologische sprongen en het belang van vertrouwdheid met AI-modellen. Hij benadrukt dat de ware uitdaging ligt in het optimaal benutten van bestaande technologie, niet in het wachten op de volgende grote innovatie.

Onderwerpen

• Lancering en ontvangst van GPT-5
• Incrementele verbeteringen tussen AI-modellen
• Belang van vertrouwdheid met bestaande modellen
• Beperkingen van verbeeldingskracht in AI-toepassingen
• Toekomst van AI-release cycli en focus op optimalisatie

Links

• Podcast: AIToday Live podcast
• Aflevering: S06E91 - Dit is waarom GPT-5 er voorlopig niet komt! En dat is prima.
• Aflevering: S07E68 - Betere AI-prompts in 5 woorden (Chain of Draft)
• Aflevering: S06E62 - Over GPT-4o-mini met maximale prestatie
• Aflevering: S06E36 - Klein is de toekomst voor grote taalmodellen
• Aflevering: S06E72 - 3 promptingtechnieken die je productiviteit verhogen

Aigency
Aigency ontwerpt en ontwikkelt waardevolle, robuuste en betrouwbare Machine Learning-modellen.

Info Support
Info Support is de specialist in maatwerk software en leidend in kunstmatige intelligentie (AI).

Disclaimer: This post contains affiliate links. If you make a purchase, I may receive a commission at no extra cost to you.

Schrijf je in voor onze nieuwsbrief en ontvang exclusieve toegang tot nieuws, blik achter de schermen en meer!

Transcript

1
00:00:02,320 --> 00:00:05,220
Hoi, leuk dat je weer luistert naar een korte aflevering van AIToday Live.

2
00:00:05,640 --> 00:00:07,660
Mijn naam Joop Snijder, CTO bij Aigency.

3
00:00:09,620 --> 00:00:14,100
En ik ga toch wat zeggen over GPT-5.

4
00:00:14,900 --> 00:00:18,260
Ik wilde eigenlijk helemaal niets zeggen over GPT-5.

5
00:00:19,000 --> 00:00:23,960
Het nieuwe model van Open AI is nu ruim een week uit en social media staat er vol mee.

6
00:00:24,180 --> 00:00:27,260
Analyse, meningen, vergelijkingen, het houdt niet op.

7
00:00:27,960 --> 00:00:32,320
Maar er is iets opmerkelijks aan de hand, want mensen zijn teleurgesteld.

8
00:00:32,880 --> 00:00:35,940
Sterker nog, ze willen massaal terug naar GPT-4o.

9
00:00:36,280 --> 00:00:37,540
Dat zou je ook niet zijn ontgaan.

10
00:00:38,140 --> 00:00:41,500
Maar daar zit een belangrijke les in voor iedereen die met AI werkt.

11
00:00:42,140 --> 00:00:43,480
En een les voor de leveranciers.

12
00:00:43,880 --> 00:00:49,880
En niet om de redenen die je denkt, maar omdat ze onbewust een fundamentele waarheid over taalmodellen hebben ontdekt.

13
00:00:50,960 --> 00:00:53,720
Een waarheid die misschien de industrie wel op zijn kop gaat zetten.

14
00:00:55,520 --> 00:01:01,180
Maar even terug. Vorig jaar november verspelde ik dat GPT-5 op dat moment nog niet zou komen.

15
00:01:01,490 --> 00:01:09,520
En niet omdat OpenAI het technisch niet zou kunnen, maar de redenering was toen dat het nog lang niet alles uit de huidige modellen hebben gehaald.

16
00:01:11,580 --> 00:01:15,820
Kijk, we weten nog zo weinig over wat er precies in deze modellen zit.

17
00:01:16,190 --> 00:01:20,600
Dus voor GPT-5 en dan niet technisch gezien, maar juist praktisch.

18
00:01:21,100 --> 00:01:26,740
Hoe krijg je de beste resultaten? Welke aanpak werkt het best voor jouw specifieke situatie?

19
00:01:27,620 --> 00:01:32,180
De beperkende factor zit niet in de kracht van de modellen, die zit in onze eigen fantasie.

20
00:01:33,920 --> 00:01:38,140
Je zou kunnen zeggen, we rijden nu met een Ferrari naar de supermarkt.

21
00:01:38,450 --> 00:01:42,400
We hebben er een boodschappenwagentje van gemaakt, terwijl het zoveel meer kan.

22
00:01:43,780 --> 00:01:48,880
En een paar afleveringen terug besprak ik bijvoorbeeld de Chain of Draft methode.

23
00:01:49,600 --> 00:01:55,260
En dat is een nieuwe manier van prompten die tot 90% minder tokens gebruikt, maar dezelfde resultaten levert.

24
00:01:56,000 --> 00:01:57,760
En dat ging nog over die oude modellen.

25
00:01:58,799 --> 00:02:04,420
En daaraan zie je dat dit soort technieken zijn we nog aan het ontdekken op de oude modellen.

26
00:02:05,060 --> 00:02:12,720
Zonder dat we weten wat er allemaal nog mogelijk is en wat er allemaal opgesloten zit in die oudere modellen.

27
00:02:12,900 --> 00:02:16,120
Ik heb het nu over oude, maar goed, vorige week.

28
00:02:17,680 --> 00:02:21,380
En er is natuurlijk de mythe van de grote sprong.

29
00:02:21,640 --> 00:02:23,940
Mensen verwachten magie van GPT-5.

30
00:02:24,840 --> 00:02:25,800
Onrealistisch natuurlijk.

31
00:02:26,980 --> 00:02:30,760
De sprong van GPT-2 naar GPT-3 was waanzinnig groot.

32
00:02:31,320 --> 00:02:33,940
En van 3 naar 4 was ook indrukwekkend.

33
00:02:34,580 --> 00:02:37,420
Maar vanaf nu worden er steeds kleinere stappen.

34
00:02:37,820 --> 00:02:43,640
Open AI heeft verschillende modellen, redeneermodellen, beeldgeneratoren, kleinere varianten.

35
00:02:43,780 --> 00:02:45,300
Allemaal onder één paraplu gebracht.

36
00:02:46,060 --> 00:02:47,860
En ze allemaal een klein beetje verbeterd.

37
00:02:48,560 --> 00:02:49,780
Maar is dat revolutionair?

38
00:02:50,300 --> 00:02:51,100
Ik denk van niet.

39
00:02:52,740 --> 00:02:58,560
Kijk, Anthropic die bracht een aantal weken geleden een nieuw model Opus 4.1 uit.

40
00:02:58,880 --> 00:02:59,860
Zonder enige ophef.

41
00:03:00,620 --> 00:03:02,780
Want ik denk dat zij het wat beter begrijpen.

42
00:03:02,950 --> 00:03:05,540
Dit zijn namelijk incrementele verbeteringen.

43
00:03:05,880 --> 00:03:06,980
Geen doorbraken.

44
00:03:07,430 --> 00:03:12,040
En zolang er namelijk geen nieuwe aanpak komt om een fundamenteel niveau.

45
00:03:12,820 --> 00:03:15,340
Hoe we naar dit soort modellen kijken, blijven de stappen klein.

46
00:03:17,600 --> 00:03:19,700
Maar hier komt het interessante deel.

47
00:03:19,920 --> 00:03:25,100
Van waarom willen mensen dan wel zo graag terug naar GPT-4o?

48
00:03:26,520 --> 00:03:31,340
Ik denk dat het komt omdat je al een jaar met dat model werkt.

49
00:03:31,580 --> 00:03:33,880
Het is nu een jaar uit ongeveer plus minus.

50
00:03:34,040 --> 00:03:35,080
Ik heb het niet opgezocht.

51
00:03:36,560 --> 00:03:38,660
Maar je hebt er dus al een hele tijd mee gewerkt.

52
00:03:39,120 --> 00:03:40,080
Je kent de nukken.

53
00:03:40,540 --> 00:03:44,260
Je weet wat het goed kan en waar je moet bijsturen.

54
00:03:44,960 --> 00:03:47,640
Het is als een collega waar je vertrouwd mee bent geraakt.

55
00:03:47,760 --> 00:03:49,140
Je spreekt dezelfde taal.

56
00:03:49,960 --> 00:03:51,800
En dan komt er ineens een vervanger.

57
00:03:52,580 --> 00:03:54,760
OpenAI zegt dat deze slimmer is.

58
00:03:55,420 --> 00:04:00,420
Van een college student niveau, zoals zij dat noemen, naar een PhD niveau beweren ze.

59
00:04:01,200 --> 00:04:05,320
Maar wat heb je daar nou aan als je weer helemaal opnieuw moet leren communiceren?

60
00:04:07,280 --> 00:04:08,520
Ik had het zelf laatst ook.

61
00:04:08,600 --> 00:04:11,280
Dus van de week natuurlijk ook van alles geprobeerd.

62
00:04:11,420 --> 00:04:16,600
En dan krijg je een simpele vraag, wordt toch het reasoning model getriggerd.

63
00:04:17,900 --> 00:04:25,720
Of ik kreeg juist korte antwoorden, terwijl ik een uitgebreide analyse wilde met juist wel een reasoning model.

64
00:04:26,720 --> 00:04:30,260
En met GPT4o wist ik precies hoe ik dat moest aanpakken.

65
00:04:31,160 --> 00:04:32,980
Nu moet ik gewoon weer opnieuw beginnen.

66
00:04:34,840 --> 00:04:37,120
Nou, en ik heb ook gewoon mijn eigen reality check.

67
00:04:38,260 --> 00:04:41,920
We kunnen bijvoorbeeld even kijken naar onze podcastproductie.

68
00:04:42,720 --> 00:04:49,040
We gebruiken namelijk taalmodellen voor de automatisering, transcripties, samenvattingen, onderzoekswerk, van alles en nog wat.

69
00:04:49,740 --> 00:04:55,760
En nou ja, een van de modellen die we daarvoor gebruiken, GPT-4o-mini.

70
00:04:56,400 --> 00:04:57,260
De kleinste variant.

71
00:04:58,940 --> 00:05:04,400
En in een aflevering van vorig seizoen vertelde ik al over de kracht van deze mini-modellen.

72
00:05:05,960 --> 00:05:13,020
Ze zijn snel, vaak goedkoop en onze prompts zijn geoptimaliseerd en de resultaten consistent.

73
00:05:13,780 --> 00:05:16,160
Dus waarom zouden we dan gaan upgraden?

74
00:05:16,160 --> 00:05:19,580
Voor welk probleem is GPT 5 dan de oplossing?

75
00:05:21,080 --> 00:05:24,720
Nou en persoonlijk, ik heb het gelukt dat ik mijn eigen tools kan kiezen.

76
00:05:25,220 --> 00:05:30,320
Om bij te blijven gebruik ik verschillende platforms, want ik moet gewoon weten wat er speelt.

77
00:05:31,080 --> 00:05:35,320
Maar voor mijn dagelijks werk, ja, ik gebruik liever Claude van Anthropic.

78
00:05:35,940 --> 00:05:37,600
En dat is mijn persoonlijke voorkeur geworden.

79
00:05:37,890 --> 00:05:41,340
Net zo goed als andere andere persoonlijke voorkeuren hebben gekregen.

80
00:05:41,920 --> 00:05:44,440
Maar die persoonlijke voorkeur is toch wel belangrijk.

81
00:05:45,240 --> 00:05:51,300
En in dit geval helpt het omdat de manier waarop Claude redeneert, communiceert, past bij hoe ik werk.

82
00:05:52,080 --> 00:05:54,400
Dus waarom zou ik overstappen naar GPT 5?

83
00:05:55,140 --> 00:05:56,640
Alleen omdat het nieuw is.

84
00:05:57,340 --> 00:06:06,940
Kijk, als je in een organisatie zit waarin je verplicht bent om met je GPT te werken, dan heb je daar gewoon geen keuze in.

85
00:06:07,390 --> 00:06:13,080
Maar het blijft dat het lastig is dat je opnieuw moet leren met het nieuwe model te communiceren.

86
00:06:15,240 --> 00:06:19,300
OpenAI beweert dat GPT-5 beter presteert op verschillende benchmarks.

87
00:06:20,560 --> 00:06:25,360
Klopt, maar er zijn ook benchmarks waarop het slechter scoort dan GPT-4o.

88
00:06:27,040 --> 00:06:30,500
En ik moet je zeggen, ik heb me er dit keer niet eens echt in verdiend.

89
00:06:30,900 --> 00:06:33,840
En waarom niet? Omdat het gewoon minder interessant is.

90
00:06:34,480 --> 00:06:39,400
Het is veel interessanter om na te denken over wat we uit de bestaande modellen kunnen halen.

91
00:06:40,760 --> 00:06:45,880
Zoals ik in een eerdere aflevering al besprak, de toekomst ligt namelijk niet in steeds grotere modellen,

92
00:06:46,520 --> 00:06:50,960
maar in gespecialiseerdere, efficiëntere varianten, denk ik dan.

93
00:06:51,460 --> 00:06:54,500
Dus modellen die specifiek zijn afgestemd op bepaalde taken.

94
00:06:58,260 --> 00:07:01,460
Maar goed, wat is nu dan de toekomst van de AI-releases?

95
00:07:02,340 --> 00:07:05,660
Want dit wordt namelijk een interessante vraag voor de hele industrie.

96
00:07:06,620 --> 00:07:10,700
Open AI had deze tegenvallende reacties natuurlijk helemaal niet verwacht.

97
00:07:11,580 --> 00:07:13,740
En de concurrentie kijkt mee en die leert.

98
00:07:14,660 --> 00:07:19,880
Het tijdperk van de grote gehypte releases is hiermee voorbij.

99
00:07:20,640 --> 00:07:25,340
We gaan naar een fase van subtiele verbeteringen, specifieke optimalisaties

100
00:07:25,360 --> 00:07:31,180
en hopelijk juist betere integratie met allerlei tools en externe systemen.

101
00:07:32,039 --> 00:07:36,660
Leveranciers zullen voorzichtiger zijn met het ophypen van deze nieuwe modellen.

102
00:07:37,140 --> 00:07:40,160
En ze zien wat er gebeurt als de verwachtingen te hoog gespannen zijn.

103
00:07:41,160 --> 00:07:42,960
En misschien is dat maar goed ook, toch?

104
00:07:44,220 --> 00:07:47,880
Want ja, de echte vooruitgang zit niet in een nieuw modelnummer.

105
00:07:48,080 --> 00:07:51,080
Die zit in het beter begrijpen en gebruiken van wat we al hebben.

106
00:07:52,800 --> 00:08:02,300
Oh ja, en trouwens over discussies over Artificial General Intelligence, waar ik sowieso al helemaal klaar mee was, die mogen we nu wel definitief de prullenbak in gooien, toch?

107
00:08:02,840 --> 00:08:08,840
Dus als de stappen zo klein worden met de huidige technologie, dan is dat science fiction verhaal voorlopig wel van de baan.

108
00:08:10,520 --> 00:08:17,040
Maar goed, wat zouden we er nu zelf van kunnen leren? Dus wat betekent wat er gebeurd is nou voor jou?

109
00:08:17,980 --> 00:08:21,360
Wat mij betreft, weet je, stop met wachten op het volgende grote model.

110
00:08:22,160 --> 00:08:25,540
Stop met denken dat de nieuwste versie al je problemen oplost.

111
00:08:25,700 --> 00:08:27,720
Begin gewoon met leren werken met wat je hebt.

112
00:08:28,760 --> 00:08:29,660
Optimaliseer je prompts.

113
00:08:30,360 --> 00:08:32,280
Gebruik de mogelijkheden en beperkingen.

114
00:08:32,860 --> 00:08:33,900
Bouw expertise op.

115
00:08:34,240 --> 00:08:38,599
Net als investeer tijd in het perfectioneren van je huidige werkwijze.

116
00:08:40,219 --> 00:08:42,919
Want de organisaties die straks het verschil maken met AI,

117
00:08:43,190 --> 00:08:44,820
die zijn niet degene met het nieuwste model.

118
00:08:45,280 --> 00:08:48,480
het zijn degene die het beste uit hun tools weten te halen.

119
00:08:50,140 --> 00:08:52,980
In de show notes vind je nog vijf aanvullende afleveringen

120
00:08:52,980 --> 00:08:55,980
die uitdiepen hoe je het maximale uit je huidige modellen haalt.

121
00:08:56,510 --> 00:08:59,180
En bedenk, AI is niet de oplossing voor elk probleem,

122
00:08:59,430 --> 00:09:00,920
maar onmisbaar waar het past.

123
00:09:05,840 --> 00:09:07,100
Dankjewel weer voor het luisteren.

124
00:09:07,650 --> 00:09:08,440
Tot de volgende keer!