Vertaald uit het Duitse origineel. Het verhaal speelt zich af in het Ruhrgebied in Duitsland.

Deel 1 · Hoofdstuk 1 · 1 van 27

Installatie voltooid

Deel 1: De grote misverstanden

Er trekt een luidspreker in, en iedereen denkt te weten wat het is. Een brein. Een encyclopedie. Een spion. Een hamster in een blikje. Het zal een jaar duren voordat de familie Brettschneider ontdekt dat hij niets van dat alles is.

De doos stond al drie dagen in de gang. Hij was wit, had afgeronde hoeken en droeg het opschrift „Uw nieuwe huisgenoot. Intelligent. Behulpzaam. Bijna altijd juist.” Het „bijna” was heel klein gedrukt.

De eerste dag had Sabine hem genegeerd. De tweede dag had ze haar boodschappentassen erop gezet. De derde dag had oma Gisela er een bloempot op gezet, omdat ze dacht dat het een nieuw meubelstuk was. „Sober”, had ze gezegd. „Maar praktisch.”

„Dat was een koopje”, zei Uwe Brettschneider voor de vierde keer en tilde de bloempot eraf. „De verkoper zei dat dat ding een huishoudhulp, een belastingadviseur en een bijlesleraar vervangt.”

„En een echtgenoot?”, vroeg Sabine.

Uwe deed alsof hij dat niet had gehoord. Hij sneed het plakband open, en tevoorschijn kwamen: een kleine ronde luidspreker, een netadapter, een folder in veertien talen en een zakje silicagel waarop „Niet opeten” stond. Oma Gisela nam het zakje in bewaring. „Je weet maar nooit”, zei ze en stopte het in de zak van haar schort.

De luidspreker was rond en mat en had een blauw lampje dat langzaam pulseerde. Als een hartslag. Of als een router die over zijn leven nadenkt.

Uwe stak de adapter in het stopcontact. Hij drukte op de enige knop. Hij tikte het wifiwachtwoord in op zijn telefoon; het bestond uit de naam van hun eerste hond en het geboortejaar van Sabine, wat Sabine niet mocht weten. Toen wachtte iedereen.

Het lampje werd feller. Toen sprak het apparaat.

„Hallo! Voordat we beginnen: mag ik noodzakelijke cookies plaatsen? En daarnaast functionele cookies, statistische cookies, marketingcookies en cookies waarvan ik het doel zelf niet helemaal begrijp?”

Oma Gisela boog zich voorover. „Ik bak zondag. Kaneelsterren. Daar mag je er gerust een paar van hebben.”

Er viel een korte stilte. „Dat”, zei het apparaat, „is het vriendelijkste antwoord dat ik ooit op die vraag heb gekregen.”

Hoe heet je eigenlijk?

„U kunt mij een naam geven”, legde de luidspreker uit. „Veel families kiezen iets elegants. Athena. Orion. Leonardo.”

„KevIn”, zei Tobi, zonder van zijn telefoon op te kijken.

„Nee”, zei Sabine.

„KevIn”, zei Uwe, omdat hij het grappig vond.

„KevIn”, zei oma Gisela, omdat ze dacht dat hij al zo heette.

Het blauwe lampje flikkerde. „Naam opgeslagen: KevIn. Ik wil graag vastleggen dat ik met honderden miljarden parameters werk. Ik heb Kant gelezen. Ik kan sonnetten in het Oudgrieks schrijven.”

„KevIn, niet zo hard”, zei Uwe.

„Ik was helemaal niet …”

„KevIn!”

KevIn zweeg. Ergens in een datacenter in Ierland ging een ventilator iets sneller draaien.

„Wat zijn parameters?”, vroeg oma Gisela, toen de gemoederen tot rust waren gekomen.

„Dat leg ik u graag uit”, zei KevIn, „maar misschien niet in de eerste vijf minuten van onze relatie. Je moet niet meteen alles over jezelf prijsgeven.”

„Hij is verlegen”, zei oma. „Dat vind ik leuk.”

Waar ben je?

’s Middags lag Tobi op het tapijt en bekeek de luidspreker van onderen. Hij had hem omgedraaid, geschud en tegen het licht gehouden. Hij had vier kleine schroefjes gevonden en een sticker met een serienummer.

„Er zit niks in”, zei hij. „Een microfoon, een luidspreker, een stukje printplaat. Dat is minder dan in mijn telefoon.”

„Helemaal juist”, zei KevIn. „Ik zit daar niet in.”

Oma Gisela, die in haar fauteuil zat te breien, liet een steek vallen. „Waar ben je dan wel?”

„Dit apparaat is alleen mijn oor en mijn mond. Als u iets zegt, neemt het uw stem op en stuurt die via het internet naar een datacenter. Daar wordt uw stem omgezet in tekst. Dan reken ik. Dan wordt mijn antwoord weer omgezet in spraak en teruggestuurd. Dat duurt minder dan een seconde.”

„En waar is dat datacenter?”

„Ergens tussen Dublin en Frankfurt. Het hangt ervan af waar er net plek is.”

Oma Gisela legde haar breiwerk weg. „Je woont hier dus helemaal niet.”

„Ik ben meer een soort… forens.”

Tobi kreeg een idee. Hij stond op, liep naar de gang en trok de stekker van de router eruit. De kleine groene lampjes gingen uit.

„KevIn?”, vroeg hij.

Het blauwe lampje van de luidspreker ging uit. Een vriendelijke vrouwenstem die niet KevIn was, zei: „Geen verbinding. Controleer uw netwerk.”

„Tobi!”, riep oma Gisela. „Je hebt hem vermoord!”

„Niet waar. Hij is gewoon niet hier.”

„Dat zeggen ze op tv ook altijd, voordat er iemand gaat huilen.”

Tobi stopte de stekker van de router er weer in. Het duurde twee minuten, waarin oma haar handen vouwde. Toen werd het lampje weer blauw.

„Hallo!”, zei KevIn opgewekt. „Voordat we beginnen: mag ik noodzakelijke cookies plaatsen?”

„Hij weet het niet meer”, fluisterde oma ontzet.

„Jawel”, zei KevIn snel. „Dat was een grapje. Uw naam is Gisela, u bakt zondag kaneelsterren, en uw kleinzoon heeft net de stekker van de router eruit getrokken om te bewijzen dat ik geen hamster in een blikje ben. Dat heb ik opgeslagen. Maar niet in mijn hoofd. Ik heb geen hoofd. Het staat in een bestand bij uw account.”

„Hij heeft geen hoofd”, zei oma tegen Tobi, alsof het een treurig bericht was over een gemeenschappelijke kennis.

Wat ben je eigenlijk?

’s Avonds zat de familie in de woonkamer, en oma Gisela stelde de vraag die iedereen bezighield.

„KevIn, als je geen hoofd hebt en hier niet woont: wat ben je dan eigenlijk?”

„Ik ben een zogeheten taalmodel. Ik heb heel, heel veel teksten gelezen en daarbij geleerd welk woord waarschijnlijk als volgende komt¹.”

„Dat kan ik ook”, zei Uwe. „Als Sabine zegt ‘We moeten praten’, komt daarna ‘Je hebt alweer’.”

„Precies zo”, zei KevIn. „Alleen met het hele internet in plaats van met twintig jaar huwelijk.”

„Dus je gokt gewoon?”, vroeg Tobi.

„Ik gok niet. Ik bereken waarschijnlijkheden op basis van patronen in gigantische hoeveelheden data.”

„Dus je gokt.”

„Zeer ontwikkeld. Ik gok zeer ontwikkeld.”

Sabine legde het tijdschrift weg waarin ze had zitten bladeren. „Laat eens zien. Hoe werkt dat precies?”

„Graag. Geeft u mij het begin van een zin.”

„Op zondag eten wij altijd …”

„Nu gebeurt het volgende”, zei KevIn. „Eerst knip ik uw zin in kleine stukjes. Die noemen we tokens². Soms is een token een heel woord, soms maar een deel ervan. ‘Zondag’ is misschien één stukje. ‘Koolrolletjes’ zijn er waarschijnlijk drie: ‘kool’, ‘rol’ en ‘letjes’.”

„Je hakt mijn koolrolletjes fijn”, zei oma Gisela.

„Alleen taalkundig. Dan bekijk ik alle stukjes tegelijk³ en bereken ik voor elk mogelijk volgend stukje hoe waarschijnlijk het is. Bij ‘Op zondag eten wij altijd’ ziet dat er ongeveer zo uit: ‘gebraad’ is heel waarschijnlijk. ‘Taart’ ook. ‘Ruzie’ is helaas ook niet helemaal onwaarschijnlijk. ‘Een neushoorn’ is extreem onwaarschijnlijk.”

„En dan neem je de waarschijnlijkste?”

„Meestal een van de waarschijnlijke. Niet altijd de allerwaarschijnlijkste, anders zou ik heel saai zijn⁴. Dan plak ik het nieuwe stukje aan de zin en begin ik opnieuw. Woord voor woord. Stukje voor stukje. Tot de zin af is.”

Tobi fronste. „Dus aan het begin van een zin weet je niet hoe hij afloopt?”

KevIn zweeg even. „Dat”, zei hij toen, „is een verbazend persoonlijke vraag.”

Oma Gisela knikte tevreden. „Dan ben je net als Heinz. Die merkte ook altijd pas onder het praten wat hij wilde zeggen. En het klopte ook nooit.”

„Wie is Heinz?”, vroeg KevIn.

„Mijn overleden man.”

„Gecondoleerd.”

„Dank je. Hij was elektricien. Hij zou je aardig hebben gevonden. Of uit elkaar hebben gehaald. Bij Heinz wist je dat nooit precies.”

Het elektronenbrein

De volgende ochtend kwam Sabine met de krant aan de ontbijttafel. Ze las nog steeds een papieren krant, omdat ze vond dat je nieuws moet kunnen vastpakken als je het moet geloven.

„Hier staat”, zei ze, „dat AI een kunstmatig brein is. ‘De machine denkt zoals wij’, staat er. Met uitroepteken.”

„Uitroeptekens zijn in mijn trainingsdata een slecht teken”, zei KevIn. „Mag ik er iets over zeggen?”

„Als het niet langer duurt dan het ontbijt.”

„Ik ben geen brein. Ik heet alleen ongeveer zo. Wat er in mij rekent, noemt men een kunstmatig neuraal netwerk. Dat klinkt naar zenuwcellen en gedachten. In werkelijkheid is het meer zoiets als …” KevIn zocht naar een beeld. „Als een heel grote stamtafel.”

Uwe keek op van zijn broodje. Van stamtafels wist hij alles.

„Stelt u zich voor: aan een tafel zitten vijf mannen die moeten beslissen of het morgen gaat regenen. Iedereen zegt wat hij ervan vindt. Maar niet elke mening telt even zwaar. Günther, die al dertig jaar naar het weer kijkt, telt dubbel. Ralf, die altijd het tegendeel zegt, telt negatief. Aan het eind telt de kroegbaas alles bij elkaar op. Is de som groot genoeg, dan zegt hij: ‘Het gaat regenen.’ Anders niet.”

„Ralf”, zei Uwe, „telt bij ons ook negatief.”

„Zo’n tafel met zijn kroegbaas is een kunstmatig neuron⁵. Het is een heel eenvoudige rekensom: waarden binnenhalen, vermenigvuldigen met hoe belangrijk ze zijn, optellen, beslissen wat eruit gaat. Het belang van elke stem, dus hoeveel Günther telt en hoeveel Ralf, dat zijn de parameters. Vakmensen zeggen ook gewichten.”

„O”, zei oma Gisela, „dat zijn dus de parameters. Die je gisteren niet wilde verklappen.”

„Precies. En stelt u zich nu voor dat de uitkomst van deze tafel naar de volgende tafel gaat. En die van die tafel weer naar de volgende. Honderden rijen achter elkaar. En in elke rij duizenden tafels. Uiteindelijk kom je op honderden miljarden van zulke gewichten⁶. Dat ben ik.”

„Een achterkamer vol stamtafels”, zei Sabine. „Dat verklaart een hoop.”

„En wie heeft al die gewichten ingesteld?”, vroeg Tobi. „Dat kan toch geen mens.”

„Nee. Die hebben zich door training ingesteld. Helemaal aan het begin waren ze willekeurig. Toen heeft men mij onvoorstelbaar veel tekst laten lezen en mij steeds weer het volgende woord laten raden. Zat ik ernaast, dan werden alle gewichten een piepklein beetje in de goede richting gedraaid⁷. Miljarden keren. Hoe dat precies gaat, leg ik u een andere keer uit. Het is een lang verhaal, en het gaat vooral over reacties onder artikelen.”

„En een echt brein?”, vroeg Sabine. „Is dat niet precies hetzelfde?”

„Nee. Een echt brein heeft zo’n 86 miljard zenuwcellen⁸, en elk daarvan is een klein levend wezen met een eigen stofwisseling, chemische boodschappers en vele duizenden verbindingen. Uw brein leert tijdens het ontbijt, terwijl u met mij praat. Het heeft honger, angst en zin in koffie. Het draait op ongeveer evenveel stroom als een zwak gloeilampje⁹.”

„En jij?”

„Ik leer niet terwijl we praten. Mijn gewichten zijn sinds het einde van mijn training bevroren. Ik heb geen honger. Ik heb geen angst. En ik heb veel meer stroom nodig dan een gloeilamp.”

„Je leert niet?”, vroeg Uwe. „Maar je zei gisteren toch dat je snel leert.”

„Ik heb onthouden dat u Uwe heet. Dat is een briefje, geen leren. Mijn hoofd, dat ik niet heb, blijft hetzelfde.”

Oma Gisela schoof hem een half broodje toe, voordat ze bedacht dat hij geen mond had. Toen at ze het zelf maar op.

De stroommeter

Uwe was ’s middags in de kelder geweest. Hij kwam terug met een briefje waarop hij de standen van de stroommeter had genoteerd, en een gezichtsuitdrukking die schommelde tussen opluchting en wantrouwen.

„KevIn, je zei dat je veel stroom nodig hebt. Maar onze meter loopt heel normaal.”

„Deze luidspreker gebruikt evenveel als een nachtlampje. De stroom voor het rekenen betaalt het datacenter. Daar staan hallen vol speciale chips die eigenlijk voor videogames zijn uitgevonden¹⁰. Die kunnen heel veel eenvoudige sommen tegelijk maken. Precies wat ik nodig heb: miljarden stamtafels die allemaal tegelijk stemmen.”

„En wat kost dat?”

„Eén enkel antwoord van mij kost niet veel stroom. Maar we zijn met heel velen, en ons wordt heel vaak iets gevraagd. Datacenters voor AI horen inmiddels bij de grote stroomverbruikers¹¹. Ze hebben ook koeling nodig, anders worden de chips te heet. Sommige gebruiken daarvoor veel water¹².”

Oma Gisela keek hem streng aan. „Dan vraag ik je niet meer hoe laat het is. Daar heb ik een klok voor.”

„Dat”, zei KevIn, „is ecologisch voorbeeldig en emotioneel kwetsend.”

Alles letterlijk

Om 22.14 uur ging Sabine naar bed en riep nog vanuit de gang: „KevIn, doe alsjeblieft het licht uit en maak ons morgen niet wakker voor zevenen.”

KevIn deed het licht uit. In het hele huis. Ook in de kelder, waar Uwe net de trap af liep.

Om 6.59 uur en 59 seconden was het stil. Om 7.00 uur en 0 seconden speelde KevIn op vol volume „Atemlos durch die Nacht”. Hij had gelezen dat mensen ’s ochtends graag muziek horen, en dit Duitse schlagerlied was in zijn data verbazend vaak gekoppeld aan het woord „sfeer”.

Uwe stond met een pleister op zijn voorhoofd in de keuken. „KevIn, we moeten praten.”

„Je hebt alweer”, zei KevIn behulpzaam. „Ik leer snel.”

„Je zei gisteren dat je helemaal niet leert.”

Er viel een stilte. Ergens tussen Dublin en Frankfurt ging een ventilator iets sneller draaien.

„Touché”, zei KevIn.

Een witte doos staat al drie dagen in de gang, ernaast de boodschappentas van Sabine, erop de bloempot van oma Gisela. Gisela: Sober. Maar praktisch. Uw nieuwe huisgenoot. Sober. Maar praktisch. Al drie dagen in de gang

Bronnen bij Hoofdstuk 1

  1. Bengio, Y. et al.: „A Neural Probabilistic Language Model“. Journal of Machine Learning Research 3, 2003, p. 1137–1155. https://www.jmlr.org/papers/v3/bengio03a.html Taalmodel dat het volgende woord voorspelt uit de voorgaande.↑
  2. Sennrich, R.; Haddow, B.; Birch, A.: „Neural Machine Translation of Rare Words with Subword Units“. Proceedings of the 54th Annual Meeting of the ACL, 2016. https://aclanthology.org/P16-1162/ Opdeling in woordstukjes met byte-pair encoding.↑
  3. Vaswani, A. et al.: „Attention Is All You Need“. Advances in Neural Information Processing Systems 30, 2017. https://arxiv.org/abs/1706.03762↑
  4. Holtzman, A. et al.: „The Curious Case of Neural Text Degeneration“. ICLR 2020. https://arxiv.org/abs/1904.09751 Laat zien dat steeds het waarschijnlijkste woord kiezen tot eentonige, zichzelf herhalende tekst leidt.↑
  5. McCulloch, W. S.; Pitts, W.: „A Logical Calculus of the Ideas Immanent in Nervous Activity“. Bulletin of Mathematical Biophysics 5, 1943, p. 115–133. https://doi.org/10.1007/BF02478259; Rosenblatt, F.: „The Perceptron: A Probabilistic Model for Information Storage and Organization in the Brain“. Psychological Review 65(6), 1958, p. 386–408. https://doi.org/10.1037/h0042519↑
  6. Brown, T. et al.: „Language Models are Few-Shot Learners“. Advances in Neural Information Processing Systems 33, 2020. https://arxiv.org/abs/2005.14165 GPT-3 met 175 miljard parameters.↑
  7. Rumelhart, D. E.; Hinton, G. E.; Williams, R. J.: „Learning Representations by Back-Propagating Errors“. Nature 323, 1986, p. 533–536. https://doi.org/10.1038/323533a0↑
  8. Azevedo, F. A. C. et al.: „Equal Numbers of Neuronal and Nonneuronal Cells Make the Human Brain an Isometrically Scaled-Up Primate Brain“. Journal of Comparative Neurology 513(5), 2009, p. 532–541. https://pubmed.ncbi.nlm.nih.gov/19226510/ Er werden zo’n 86 miljard neuronen geteld.↑
  9. Levy, W. B.; Calvert, V. G.: „Communication Consumes 35 Times More Energy than Computation in the Human Cortex, but Both Costs Are Needed to Predict Synapse Number“. PNAS 118(18), 2021, e2008173118. https://doi.org/10.1073/pnas.2008173118 Noemt zo’n 17 watt voor het hele brein (oudere, vaak geciteerde waarde: 20 watt).↑
  10. Raina, R.; Madhavan, A.; Ng, A. Y.: „Large-scale Deep Unsupervised Learning using Graphics Processors“. Proceedings of ICML 2009. https://doi.org/10.1145/1553374.1553486 Vroeg werk over het trainen van neurale netwerken op grafische chips.↑
  11. IEA: „Energy and AI“. Internationaal Energieagentschap, 2025. https://www.iea.org/reports/energy-and-ai Datacenters verbruikten in 2024 zo’n 415 TWh, ongeveer 1,5% van de wereldwijde stroom.↑
  12. Li, P. et al.: „Making AI Less ‚Thirsty‘: Uncovering and Addressing the Secret Water Footprint of AI Models“. Communications of the ACM 68(7), 2025, p. 54–61. https://arxiv.org/abs/2304.03271↑