De lezing over kennis

—

Deze lezing werd op 3 oktober 2026 door Aravind Srinivas gegeven voor de Cambridge Union Society. De Cambridge Union Society is de grootste studentenvereniging van de Universiteit van Cambridge en de oudste onafgebroken actieve debatvereniging ter wereld.

—

Hallo, en dank jullie wel. Het is een eer om hier te zijn.

Een van de dingen die ik niet had verwacht toen ik een bedrijf oprichtte, is hoeveel tijd ik aan universiteiten mag doorbrengen. Ik geniet ervan. Als CEO merk ik dat universiteiten vaak het enige publiek hebben dat tegengas geeft. Daarom houden we meer tijd vrij voor discussie dan ik zelf van plan ben te spreken.

Laten we beginnen.

Als ik ergens word uitgenodigd om te spreken, vragen ze me normaal gesproken om een voorspellende lezing te geven met een generieke titel als “de toekomst van AI.” Ik ga het niet hebben over de toekomst van AI. In plaats daarvan ga ik het hebben over jullie toekomst. Jullie toekomst vind ik interessanter, en waarschijnlijk vinden jullie die zelf ook interessanter.

Eerst iets over het verleden. Cambridge is de perfecte plek om tegelijk over het verleden en over jullie toekomst te praten, want het heeft ze allebei.

Het verhaal gaat dat wat we nu het peerreviewsysteem noemen hier in Cambridge is uitgevonden. De precieze waarheid is dat het slechts een professor uit Cambridge was, en dat hij het voorstelde bij de Royal Society of London, niet hier aan de universiteit. Dat was in 1831. Tegenwoordig worden er elk jaar meer dan 3,5 miljoen wetenschappelijke artikelen gepubliceerd binnen het peerreviewsysteem.

Ongeveer 160 jaar later werkten twee promovendi aan Stanford aan netwerkstructuren en datamining. Dat was toen de internetboom van de jaren 90 net op gang kwam. Het World Wide Web was het enige waar iedereen het over had. Een beetje zoals “AI” nu.

Ook net als nu waren de meeste mensen die over de internetboom praatten investeerders en media. De “techcommunity” was toen de telecomsector. Er namen niet veel academici deel aan de discussie. (Een paar, maar niet veel.) En deze twee promovendi waren nu niet bepaald de insiders van de internetboom.

Maar ze wisten één ding waar mensen buiten het universitaire systeem zich niet echt druk om maakten.

Zoals de meeste academici begrepen ze het doel van de universiteit. Het doel van de universiteit is het bevorderen van kennis.

Daarom gebruiken we peerreview. Het is ook de reden dat academische teksten zoveel bronvermeldingen bevatten. En deze twee studenten wisten dat de hoeveelheid kennis in de wereld (benaderd via het aantal artikelen van peerreviewkwaliteit) alleen maar groeit. Het was voor hen dus makkelijk te zien dat ook het web alleen maar zou groeien met menselijke kennis.

Ze hadden ook ervaring met een oud probleem dat “nieuw” was voor het web: hoe je de juiste kennis, of de beste kennis, vindt als die voortdurend groeit. In het oude model beoordelen academici of iemands onderzoek nuttig of geloofwaardig is op basis van het aantal keren dat het is geciteerd.

Dus kwamen ze op het idee om een algoritme te bouwen dat elke website op internet beoordeelt op basis van hoeveel andere websites ernaar verwezen of ernaar linkten, in relatie tot de inhoud van die sites.

Ze noemden het systeem “Page Rank”, omdat ze elke pagina op het web rangschikten en omdat een van deze promovendi Larry Page heette.

Larry en zijn partner (Sergey Brin) namen dit ene kleine academische principe en maakten het beschikbaar voor het grote publiek. Google werd een van de nuttigste hulpmiddelen in de geschiedenis, en een van de succesvolste bedrijven, omdat Larry Page simpelweg overnam en aanpaste wat universiteiten al honderd jaar deden.

Zoals ik al zei, is het doel van de universiteit het bevorderen van kennis. Ik ga jullie in deze lezing drie dingen over kennis vertellen. Ik hoop dat we, door na te denken over een deel van onze eigen kennis, tot een beter werkbaar begrip van kunstmatige intelligentie komen.

1.

Ten eerste: kennis heeft een leven. Ze wordt geboren, ze vervalt en ze sterft.

Kennis heeft een levenscyclus. En omdat kennis een levenscyclus heeft, ondergaat ze evolutie.

Naarmate wat we weten evolueert, worden we allemaal slimmer. Dat heet het Flynn-effect. Het Flynn-effect is de observatie dat de mensheid elk decennium zo’n 3 IQ-punten slimmer wordt.

IQ-tests worden voortdurend opnieuw genormeerd zodat het gemiddelde op 100 blijft, dus een makkelijke manier om over het Flynn-effect na te denken is in percentielen. Iemand die in 1950 in het 92e percentiel van intelligentie zat, zou vandaag maar in het 50e percentiel zitten. We zijn allemaal slimmer geworden.

1950 is ook het jaar waarin de Turingtest werd uitgevonden. Dat was de eerste test om te bepalen of en wanneer een machine slimmer is dan mensen. Dat betekent dat de Turingtest in 1950 voor een machine een stuk makkelijker te halen was. Omdat de lat voor “menselijke” intelligentie lager lag.

En dat is de kracht van evolutie. Kennis leidt altijd tot meer kennis.

Het nadeel is dat de wereld slimmer kan worden, terwijl jij als individu dommer kunt worden. Kennis vervalt. Zie het als een halfwaardetijd. De halfwaardetijd van een radioactief element is de tijd die het duurt voordat de helft ervan is vervallen. De halfwaardetijd van kennis is de tijd die het duurt voordat de helft ervan verouderd is.

Hier zijn enkele voorbeelden uit Cambridge zelf.

In 1978 hielp Sir Roy Calne ciclosporine te introduceren in de transplantatiegeneeskunde. Dit was belangrijk om orgaanafstoting te voorkomen. De eerste klinische studies vonden plaats in Cambridge. In 2001 was een ander geneesmiddel, tacrolimus, de belangrijkste behandeling in zijn klasse geworden bij niertransplantaties in Amerika. Je zou dus kunnen zeggen dat de medische kennis over behandeling met ciclosporine een halfwaardetijd van 23 jaar had.

Het is een onvolmaakte meting, maar het is een nuttig model om engineers te beoordelen in vakgebieden die snel evolueren. In de techwereld doen we dit. De implicatie is: “Op welk punt in de carrière van deze engineer is de helft van wat die persoon weet volledig verouderd?”

Op welk punt in je carrière overkomt het jou? Het antwoord hangt af van hoeveel tijd je besteedt aan het leren van nieuwe dingen.

Helaas sterft kennis in zeldzame gevallen ook. Er zijn talen die geen sprekers meer hebben. Er is wijsheid die verloren gaat wanneer een oudere sterft.

Daarom bouwen mensen al meer dan 4.000 jaar bibliotheken. En toen het web kwam, zetten we er oneindig veel meer van wat we weten op. Kennis sterft dus, maar dat hoeft niet. Misschien als aangeboren aspect van de menselijke conditie hebben mensen zich altijd genoodzaakt gevoeld kennis te bewaren. We slaan ze voortdurend op en laten de totale kennis van de wereld groeien. Dat is iets goeds.

Ik moet er wel bij zeggen: kennis is als een levend wezen, maar ze leeft niet. Alleen jullie leven. Ik denk gewoon dat je nog meer leeft wanneer je iets nieuws leert.

Daarom bestaat Perplexity trouwens. Maar ik ben hier niet om over Perplexity te praten. Ik ben hier om over jullie te praten, en over de economie van kennis. Wat me bij mijn tweede punt brengt.

2.

Ten tweede: kennis is geen geld. Maar kennis gedraagt zich wel als geld.

Geld heeft een tijdswaarde. Rente laat het groeien en inflatie laat het krimpen. Na verloop van tijd hebben zowel rente als inflatie een samengesteld effect.

Wanneer honderdduizend pond de koopkracht heeft van veertigduizend (waarschijnlijk over zo’n 23 jaar), heb je £ 250.000 nodig om quitte te spelen. Nog eens 23 jaar later zou je £ 625.000 nodig hebben.

Bij samengestelde groei nemen de winsten of verliezen exponentieel toe met de tijd.

Daarom is het meest elementaire financiële principe dat je altijd rente op rente moet opbouwen tegen een tempo dat hoger ligt dan de inflatie. Want als je niet groeit, krimp je. Met kennis werkt het net zo.

Net als de waarde van een pond zal de waarde van wat je vandaag weet in de loop van de tijd dalen. En net als bij gewone waardevermindering gebeurt dat elke dag maar een klein beetje. Zo weinig dat je het nauwelijks merkt. Tot je op een dag wakker wordt en niets meer hebt. Je kennis heeft dan niet meer dezelfde marktwaarde. Dit is onvermijdelijk. Denk eraan: de stelling van Pythagoras was ooit iets wat alleen de elite mocht weten. Maar iedereen hier heeft die in de brugklas geleerd.

We worden allemaal slimmer, voor altijd. Zoals ik al zei, is dit het hele doel van de universiteit. Met een beetje geluk is wat jullie hier in Cambridge hebben gestudeerd ooit, ver in de toekomst, de lesstof voor de brugklas.

Dat is iets goeds, als het gebeurt. Het betekent vooruitgang. Maar het betekent ook dat je economische doelen vereisen dat je nooit stopt met leren. Je moet leren tegen een rente die hoger is dan de inflatie van kennis.

Anders gezegd: je moet wat je weet sneller verdubbelen dan je eigen halfwaardetijd van kennis. Dat kost tijd. Maar als je de wereld bekijkt door de lens van samengestelde groei, moet je hem bekijken met een lange toekomst voor ogen.

Daarom is de beste truc om je vermogen via rente op rente te laten groeien: jong beginnen. En de op één na beste: oud worden. Warren Buffet begon op zijn elfde met beleggen, maar 99% van zijn vermogen bouwde hij op na zijn 65e.

Wat wijst op de laatste overeenkomst tussen kennis en geld. Je moet ze besteden.

Als je kapitaal hebt, zet je het in om werk te verrichten. Als je kennis hebt, vooral uitzonderlijke kennis, moet je die aan het werk zetten. Doe er iets mee. Dat is het verschil tussen uitvinding en innovatie. Uitvinding vraagt: “Heb je iets gemaakt?” Innovatie vraagt: “Heeft het verschil gemaakt?”

En als je een verschil wilt maken, moet je met kennis in actie komen. Alleen actie leidt tot nieuwe vragen, nieuw onderzoek en nieuwe kennis. Je moet altijd blijven leren en altijd blijven doen.

Hier komt kunstmatige intelligentie om de hoek kijken, en dat brengt me bij mijn derde en laatste punt.

3.

Het doel van AI is het versnellen van menselijke kennis en welvaart.

Denk aan de eerste twee dingen die ik vanavond heb gezegd. Ik zei dat kennis een levensachtig karakter heeft, en dat we haar moeten koesteren en bevorderen, omdat mensen daar in het algemeen baat bij hebben. Daarna zei ik dat kennis een economisch karakter heeft. Dat we haar moeten cultiveren, omdat in grote lijnen alle mensen daar baat bij hebben.

Als je deze twee dingen gelooft, moet je ook net iets anders over AI denken.

In plaats van geobsedeerd te zijn door het bereiken van AGI of door technologie slim te maken omwille van de technologie, zou je concluderen dat de reden om betere, nauwkeurigere AI te bouwen is om mensen te dienen.

Je zou concluderen dat het hoogste en belangrijkste doel van AI is om mensen slimmer en welvarender te maken.

Als dit veel lijkt op het doel van de universiteit: tja, hier zijn we dan.

Denk nog eens aan peerreview. Dat werd in 1831 uitgevonden. Dit jaar lanceerde Perplexity een heel eenvoudig product genaamd Model Council, gebaseerd op een idee van een van de oprichtende onderzoekers van OpenAI. Je stelt drie AI-modellen dezelfde vraag. Ze doen elk onderzoek en geven antwoord, waarna een “voorzitter”-model beoordeelt waar ze verschillen en overeenkomen, en tot een definitief antwoord redeneert.

Model Council vervangt peerreview niet. Het doel ervan is juist om de geest van academisch onderzoek naar meer mensen te brengen. We kunnen het ethos van een universiteit buiten deze muren uitdragen, over de hele wereld.

We zouden meer mensen kunnen helpen om echt gelijk te hebben, in plaats van alleen het gevoel te hebben dat ze gelijk hebben of zo te klinken. Om op wetenschappelijke wijze naar waarheid en kennis te zoeken. De boog van het universum buigt ernaar dat iedereen steeds meer toegang krijgt tot meer kennis. Het is goed voor mensen om kennis te hebben. En het zijn mensen die ervan profiteren.

Ik sluit af met een kort verhaal over mijn bedrijf.

Toen we begonnen, waren we gewoon drie AI-onderzoekers, met meer vragen dan visie. Toen er een vierde persoon bij kwam, besloten we dat het tijd was voor een zorgverzekering. Zorgverzekeringen zijn in Amerika zelfs voor Amerikanen ingewikkeld. Ik kom niet uit Amerika, dus voor mij was het nog verwarrender.

De zoekresultaten van Google hielpen niet. En normaal gesproken belt een oprichter in zo’n geval iemand die het al eens heeft gedaan. Zoals een investeerder, of een andere oprichter. Maar het was laat op de avond. Ik wilde het geregeld hebben, dus ik moest de kennis zelf vinden.

Het probleem is dat zelf onderzoek doen betekent dat je googelend door SEO-geoptimaliseerde verzekeringssites moet ploeteren, die allemaal slecht advies geven en met elkaar wedijveren om zo geloofwaardig mogelijk over te komen.

Toen bouwde ik de eerste versie van Perplexity.

Het deed het onderzoek voor me. En ik liet het bronnen vermelden bij de antwoorden. Zo kon ik ze verifiëren en meer vragen blijven stellen. En toen regelde ik onze zorgverzekering. Opgelost. Op naar het volgende probleem. En het volgende probleem, en het volgende. En hier staan we vandaag.

De moraal van dat verhaal is dat je niet langer “iemand hoeft te kennen”. Je kunt gewoon dingen leren en ze doen. Ik heb jullie al verteld dat de belofte van AI is dat je toegang hebt tot alle kennis. De moraal van dit verhaal is dat ieder mens toegang heeft tot alle kennis.

Dit is de ultieme belofte van AI. Iedereen kan nu nieuwsgierig zijn. Iedereen kan alles bouwen. Iedereen kan nu de tempel van de kennis betreden. Daar heeft iedereen baat bij.

En dat is goed nieuws voor jullie. Het betekent dat het belangrijkste wat je de rest van je leven kunt doen, nieuwsgierig zijn is. De succesvolste van jullie allemaal wordt degene met de meeste vragen. En de beste vragen.

Mijn advies aan jullie is dus: word zo nieuwsgierig als je maar kunt. Neem geen genoegen met scrollen door sociale media op je telefoon. Neem geen genoegen met een AI-agent die alleen maar restaurantreserveringen maakt – doe er echt werk mee. En geloof nooit een chatbot die je vertelt dat je al gelijk hebt.

Geloof in de geest van onderzoek. Geloof in wat je met AI kunt leren. Geloof in wat je maakt als je dat doet. En maak er, voor ons allemaal, iets goeds van.

Dank jullie wel.