Skip to content
realyyz's blog
Click here to change language
Go back

Ik was enthousiast om programma's te schrijven. Ben het nog steeds. En zal het blijven.

Edit page

Samenvatting

Dit artikel wil niet beweren dat “programmeurs nooit vervangen zullen worden”, maar: programmeren is allereerst belangrijk, niet omdat het een goedbetaald beroep is, maar omdat het individuen voor het eerst in staat stelt rechtstreeks te communiceren met universele rekencapaciteit.

De informatierevolutie verschilt van de stoom- en elektriciteitsrevoluties. Stoom en elektriciteit vergroten vooral fysieke kracht, energie en externe productiecapaciteit; de pc en software geven juist een universele cognitieve machine in handen van het individu, waardoor gewone mensen achter hun eigen apparaat een idee kunnen omzetten in iets werkends. De hefboom die programmeurs de afgelopen decennia hadden, komt voort uit deze macht om “menselijke intentie te vertalen naar machinetaal”.

LLM’s verlagen die drempel. Ze maken natuurlijke taal tot een interface om computers te bedienen, waardoor meer mensen een deel van die hefboom krijgen die eerder voorbehouden was aan programmeurs. Maar dat betekent niet dat de huidige LLM’s al AGI zijn. Ook al kunnen ze in sommige Turing-tests overtuigend menselijk overkomen, ze zijn nog sterk afhankelijk van menselijke experts, kapitaal en immense rekenkracht om hun capaciteiten te vergroten. Er is nog geen gesloten kringloop van zelftraining, zelfspel en zelfverbetering.

Wat echt zorgwekkend is: de onderliggende AI-infrastructuur kan juist centraler worden. Het pc-tijdperk bracht rekenkracht naar het bureau van het individu; het AI-tijdperk concentreert de krachtigste modellen, chips, datacenters en platformpoorten bij een handjevol bedrijven en vermogenden. Dat stemt tot opwinding en teleurstelling tegelijk: gewone mensen krijgen krachtigere instrumenten, maar raken mogelijk ook dieper verstrikt in een ondoorzichtige afhankelijkheid van platforms.

Vanuit een seculier, naturalistisch standpunt zal sterke AI uiteindelijk ontstaan. Menselijke intelligentie en bewustzijn zijn een product van het brein als orgaan; als een materieel systeem intelligentie en bewustzijn kan voortbrengen, is er geen principiële reden te bedenken waarom een machine niet ooit het brein zou kunnen overtreffen, of waarom een machine geen bewustzijn zou kunnen hebben. Zodra sterke AI er is, overtreft haar betekenis simpelweg “banen stelen”, want het zou de eerste uitvinding van de mens kunnen zijn die “iets beters verzint dan hijzelf”.

Maar zelfs als sterke AI arriveert, zelfs als programmeren zijn economische waarde verliest, blijf ik het doen. Zoals mensen blijven schaken terwijl ze nooit van een schaak-AI winnen, zoals mensen blijven hardlopen ook al is een auto sneller – zo zit de waarde van programmeren niet alleen in het overtreffen van machines. Het vertegenwoordigt een houding: zelf met je hoofd de regels van de wereld willen begrijpen; de elegantie van algoritmen is fascinerend. Veel mensen worden niet programmeur voor het geld, maar omdat programmeren op zichzelf boeiend is.

Daarom luidt de titel: I was excited to write programs. Still am. And will be.

Programmeren is vooralsnog de enige manier waarop de mens rechtstreeks kan communiceren met universele rekencapaciteit.

Die zin klinkt als een technische slogan, maar er schuilt een lange geschiedenis achter. In de economische geschiedenis worden stoom, elektriciteit en informatietechnologie doorgaans beschouwd als typische general-purpose technologies: ze verbeteren niet slechts één bedrijfstak, maar veranderen tegelijkertijd het gezinsleven, de bedrijfsvoering, organisatievormen en het maatschappelijk functioneren. De stoommachine herschikte fabrieken en transport; elektriciteit veranderde verlichting, communicatie en fabricage; informatietechnologie bracht reken-, geheugen-, uitdrukkings-, samenwerkings- en automatiseringsvermogens in het persoonlijke leven. Deze drie technologieën dreven elk een technologische revolutie aan, maar de informatierevolutie kent iets ongehoords: ze bracht voor het eerst de zeggenschap over een algemene technologie op grote schaal terug naar het individu, en die technologie vergrootte het menselijk denkvermogen.

Het bijzondere van de informatierevolutie: het individu krijgt voor het eerst een universele cognitieve machine

De industriële en de elektriciteitsrevolutie veranderden het alledaagse leven natuurlijk, maar voor de meeste mensen was dat in een rol van arbeider, consument, bewoner of passagier. Iemand gebruikte elektrisch licht, nam de trein, werkte in een fabriek, maar kon nauwelijks zelf iets veranderen aan het elektriciteitsnet, het spoorwegstelsel of de productielijn. Het pc-tijdperk is anders. De microprocessor en de personal computer plaatsten rekenkracht die voorheen voorbehouden was aan instellingen, laboratoria en grote ondernemingen op het bureau van de enkeling. Schrijven, spreadsheets, programma’s, ontwerpen – voor het eerst werden dit vaardigheden die het individu daadwerkelijk zelf kon aansturen. De pc was de eerste machine die de cognitie van de enkeling versterkte.

Het meest fundamentele verschil met de eerdere revoluties is niet dat de informatierevolutie “groter” is, maar dat ze de interface tussen mens en wereld heeft veranderd. Stoom en elektriciteit vergroten vooral fysieke kracht, energie en externe productiecapaciteit; informatietechnologie vergroot cognitie, rekenkracht en abstractievermogen. De eerste twee revoluties lieten machines dingen sjouwen, verlichten, vervoeren; de informatierevolutie liet machines spreadsheets verwerken, logica uitvoeren, communiceren, zoeken en onthouden.

De tweede bijzonderheid is de programmeerbaarheid. Elektriciteit is krachtig, maar je kunt niet met een paar regels code je huisinstallatie vandaag in een boekhoudmachine veranderen, morgen in een zethulp en overmorgen in een spelcomputer. Met een computer kan dat. Dezelfde machine kan, enkel door een andere softwareschil, een totaal ander gereedschap worden. De kern van de pc is niet alleen rekenkracht, maar het feit dat een universele machine via software voortdurend van gedaante kan wisselen. Dat verklaart ook waarom programmeurs de afgelopen decennia zo fortuinlijk waren: ze stonden op een kopieerbare, combineerbare en automatiseerbare universele gereedschapsketen. Fysieke machines uitbreiden vergt vaak fabriekshallen, leidingen en toeleveringsketens; een programma kopiëren kost vrijwel niets. Eén uitmuntend programmeur kan meer waarde creëren dan tienduizend matige programmeurs – zonder overdrijving. Zulke hefboomwerking kent geen precedent in de techniekgeschiedenis.

De hackersmentaliteit is niet voorbehouden aan programmeurs

Mensen die echt aangetrokken worden door programmeren, worden vaak niet alleen door het inkomen gedreven, maar door de drang om “zelf dingen te veranderen”. Die mentaliteit wordt doorgaans de hackersmentaliteit genoemd.

Hackersmentaliteit staat niet gelijk aan binnendringen en ook niet aan het cliché van de hoodie-coder. Het is eerder een manier om naar de wereld te kijken: je ziet een systeem en bent niet tevreden met “het werkt gewoon”; je wilt weten waaróm het zo loopt, wat er wringt, of het eenvoudiger kan. Zulke mensen hebben vaak weinig geduld met commentaar geven en klagen alleen. Ze gaan aan de slag, proberen, falen, en breken een vaag probleem op in behapbare deeltjes.

Een echte hacker zal denken: een gesloten deur is een provocatie, een deur op slot een belediging.

Deze mensen bestonden al vóór het computertijdperk. Voor die tijd waren het uurwerkmakers, slotenmakers, instrumentmakers, boekdrukkers, scheepsbouwers. De uurwerkmaker sleutelde aan tandwielen en toleranties; de programmeur van nu sleutelt aan toestanden en bugs. De slotenmaker onderzocht zwakke constructies; de beveiligingsonderzoeker van nu onderzoekt systeemkwetsbaarheden. Het object is anders, de denkwijze is herkenbaar gelijkend.

Tijdens de Industriële Revolutie waren het monteurs, werktuigkundigen, verbeteraars op de werkvloer. Ze hadden misschien geen formele macht, maar ze zaten dicht op het echte systeem, wisten waarom een machine vasthield en hoe die soepeler kon lopen. In het elektrische en communicatietijdperk werden het telegrafisten, radioamateurs, elektronicareparateurs. Overal waar complexe systemen bestonden, doken zulke mensen op.

De hackersmentaliteit is dus niet uit software ontsproten. Ze bestond eerst in mechanische systemen, migreerde daarna naar communicatiesystemen en vond pas later haar weg naar computersystemen. De kern is geen beroepstitel, maar de verhouding tussen mens en wereld: gewone mensen zien de wereld als gegeven regels, dit soort mensen ziet de wereld als een veranderbaar systeem.

De huidige LLM’s slagen voor de Turingtest, maar zijn nog geen AGI

De huidige LLM’s gedragen zich in bepaalde specifieke Turingtests reeds overtuigend menselijk en worden door een aanzienlijk deel van de testpersonen zelfs als mens beoordeeld. Dat is uiteraard een belangrijk signaal. De interface via natuurlijke taal is op een kritiek punt volwassen: machines voeren niet louter opdrachten uit, maar kunnen op een bijna menselijke manier deelnemen aan een gesprek. Ze kunnen uitleg geven, code schrijven, toon nabootsen. De recente claude code en codex functioneren bij veel taken als een betrouwbare assistent die urenlang foutloos werkt. In het licht van de computergeschiedenis is dat niet gering.

Maar dit is nog geen AGI. Niet omdat het nog niet vloeiend genoeg communiceert; integendeel, de LLM’s van vandaag zijn juist uitermate bedreven in taal. De echte afstand zit hem erin dat het mechanisme voor capaciteitsgroei nog sterk afhankelijk is van externe engineering en niet zelf een stabiele gesloten kringloop van iteratie vormt. De training van de beste LLM’s is extreem kostbaar, de trainingscyclus lang; data, rekenkracht, evaluatie, uitlijning, en implementatie vragen een enorme organisatorische machinerie. Een capaciteitssprong is meestal niet het gevolg van een model dat zichzelf dagelijks verbetert, maar van de gezamenlijke inspanning van vele onderzoekers, GPU-clusters en kapitaal.

Een LLM kan nu helpen bij het schrijven van code, het lezen van papers, het ordenen van materiaal, en kan enkele experimentideeën genereren. Maar het is doorgaans nog niet het subject dat zelf een route uitstippelt, de volgende generatie traint, resultaten verifieert, en beslist om door te gaan met itereren. Wat je “zelfevolutie van AI” noemt, zolang het model alleen tekst genereert die daarna door mensen wordt geselecteerd, getraind en uitgerold, blijft de mens degene die de iteratie stuurt, niet het model zelf.

Bovendien zijn grote bedrijven huiverig om LLM’s echt los te laten – zichzelf te laten evolueren, trainen, en met zichzelf te laten spelen. Niet omdat ze niet zien hoe verleidelijk dat pad is, maar omdat bij grotere organisaties de angst voor controleverlies groeit. Veiligheidsbeoordelingen, juridische aansprakelijkheid, reputatierisico’s, regelgevingsdruk, commerciële ritmes, afdelings-KPI’s, aandeelhoudersverwachtingen – ze ketenen het model aan een evalueerbaar, goedkeurbaar en terugdraaibaar traject. Grote bedrijven kunnen wel praten over agents, autonoom onderzoek en zelfverbetering, maar in de praktijk komt het neer op autonomie binnen een omheining, evolutie in een zandbak, innovatie binnen goedkeuringsprocedures. Ze hebben van nature die “grote-bedrijven-ziekte”: ze willen doorbraken, maar zijn bang dat een doorbraak echt onbeheersbaar wordt; ze willen het krachtigste model, maar durven de sleutel niet écht aan het model te geven. Neem een project als OpenClaw – een lokale agent-toepassing – dat niet uit de koker van een groot bedrijf komt, maar uit de hoek van onafhankelijke ontwikkelaars en de opensource-gemeenschap. Niet omdat de genieën bij de grote bedrijven niet slim zijn, maar omdat die grote schepen traag keren.

Daarom zal een echt zelf-itererende AI niet per se uit het meest hoogstaande laboratorium komen. Misschien wordt het eerste echt gevaarlijke of schokkende zelf-itererende systeem niet de kolos van vele honderden miljarden van een of andere gigant, maar het prototype van een maniakaal hackerende die op zijn eigen Mac traint, comprimeert, en met zichzelf speelt. Het zal misschien niet groot zijn, niet de mooiste, en waarschijnlijk niet volgzaam aan regels; maar het zal vrijer, wilder en minder gehinderd door organisatorische inertie kunnen zijn. In de geschiedenis kwamen vele dingen die de techniekrichting veranderden aanvankelijk niet uit de meest veilige hoek, maar uit de handen van een rusteloos iemand.

Dat een LLM een bepaalde versie van de Turingtest doorstaat, betekent dus dat de machine in taalinteractie een psychologische drempel heeft overschreden; maar het is nog geen AGI, omdat het nog geen kringloop beheerst waarmee het de grenzen van zijn eigen kunnen voortdurend verlegt. Het heeft de menselijke hefboom al enorm vergroot, maar is nog niet dat intelligente subject dat zijn eigen lot kan herschrijven.

De hefboom van de programmeur komt uit “vertaalmacht” en LLM’s brokkelen die drempel af

Programmeurs hadden de afgelopen decennia een bijzondere positie, in wezen omdat ze als vertalers stonden tussen menselijke intentie en machinetaal. Wie een website, een rapport, een database of een geautomatiseerd proces wilde, moest zijn bedoeling vertalen naar een voor de machine begrijpelijke vorm. De programmeur was die vertaler. Hij schreef niet alleen code, maar gaf vage wensen een heldere structuur, maakte van een eenmalige klus een herhaalbaar proces, en transformeerde een persoonlijk idee in kopieerbare en verspreidbare softwaresystemen.

Historisch gezien is dat geen onbekende positie; per tijdvak wisselt alleen de tussenpersoon. Toen het schrift opkwam, stond de geletterde schrijver tussen burger en staatsapparaat; in de middeleeuwen beheerste de Latijnse geestelijke de toegang tot kennis en het gewone volk; na de boekdrukkunst stonden uitgevers en journalisten tussen de informatiestroom en het publiek; tijdens de Industriële Revolutie stonden ingenieurs tussen menselijke behoeften en mechanische systemen. In elk tijdperk grepen degenen met hefboomwerking vaak niet alleen degenen die gereedschap wisten te gebruiken, maar juist zij die het gereedschap konden aanpassen, definiëren en herschikken. De programmeur was slechts de laatstgekomen groep die het dichtst bij de programmeerbare wereldinterface stond.

LLM’s veranderen dat. Het belangrijkste wat ze doen, is niet simpelweg “helpen met code schrijven”, maar van natuurlijke taal de nieuwe, hogere-orde interface maken. Vroeger moest iemand die een computer iets wilde laten doen, een strikte formele taal leren – een programmeertaal. Nu kan hij eerst in natuurlijke taal zijn doel beschrijven, het model een eerste versie laten genereren, de logica van het programma laten uitleggen, waarna hij beoordeelt, integreert en in wisselwerking met de LLM verder itereert. Met andere woorden: LLM’s maken programmeren niet onmiddellijk overbodig, maar verkleinen de vertaalweerstand tussen mens en machine.

Dat zal de hefboom van programmeurs herverdelen. Vroeger was “code kunnen schrijven” een schaarse vaardigheid, want het was het toegangsbewijs tot de programmeerbare wereld. Naarmate LLM’s sterker worden, zal natuurlijke taal dat toegangsbewijs aan veel meer mensen uitreiken. Net zoals, toen de alfabetiseringsgraad van heel laag naar bijna universeel steeg, “kunnen lezen en schrijven” ophield een voorrecht van weinigen te zijn; wanneer steeds meer mensen met natuurlijke taal machines kunnen aansturen, zal ook “doorsneecode kunnen schrijven” zijn schaarste verliezen. Schaars wordt dan wat op een hoger plan ligt: vragen stellen, systeemontwerp, smaak, grenzen voelen, begrip van de echte context, en die top- en superprogrammeurs die nog slimmer zijn dan de LLM’s.

Maar dat alles kent een sterke ironie: LLM’s lijken qua interface democratischer, maar de onderliggende structuur wordt juist centraler. De geest van het pc-tijdperk was dat rekenkracht op het bureau van het individu terechtkwam; de realiteit van het AI-tijdperk is dat de sterkste modellen, chips en trainingskapitaal steeds sterker geconcentreerd raken in handen van een handjevol reuzen. Ogenschijnlijk krijgt de gewone mens een natuurlijkere interface en worden de productiefactoren bevrijd; maar onder de motorkap is de meest cruciale infrastructuur in handen van een klein aantal bedrijven en vermogenden. Iedereen kan een chatvenster openen, het lijkt alsof iedereen AI heeft; maar wie AI werkelijk beheerst, zijn nog altijd de eigenaren van het kapitaal. Er doen geruchten de ronde over een ChatGPT-abonnement van twintigduizend dollar per maand; wie zulke luxe-AI gebruikt, zal nog meer uit gewone mensen kunnen persen. Het wordt een nieuwe sociale hefboom: wie over de sterkste modellen beschikt, kan zijn voorsprong op de gewone mens nog verder vergroten.

Dat is zorgwekkend, ontmoedigend en ook een beetje triest. Veel mensen die al extreem rijk zijn, hadden de kans om van AI een opener, publieker, en voor de gewone mens versterkende technologie te maken; in werkelijkheid verkiezen ze telkens weer om de poort te controleren en gebruikers op te sluiten in hun ecosysteem. Hoe sterker de technologie, hoe meer het kapitaal haar in een rentemachine wil veranderen. De teleurstelling over de rijken zit niet in hun geld, maar in het feit dat ze nota bene de middelen hebben om technologie te veralgemenen, en er toch vaak voor kiezen om universele vermogens achter een betaalpoortje te stoppen.

Dat gezegd hebbende, het individu mag gereedschap niet weigeren uit ontgoocheling. De hefboom van LLM’s is reëel; de gewone mens kan er daadwerkelijk meer code mee schrijven, meer producten bouwen, meer systemen optuigen, meer ideeën realiseren waarvoor voorheen de tijd ontbrak. Alleen moet dat gebruik wel gepaard gaan met helder besef: als al het gereedschap, de data, de modellen en de distributiekanalen in handen zijn van een paar kapitaalkrachtige partijen, kan het zogenaamde “tijdperk van AI voor iedereen” evengoed uitdraaien op een nieuwe, onzichtbaarder afhankelijkheid. Wat werkelijk behouden moet blijven, is niet alleen het vermogen om AI te gebruiken, maar ook het vermogen om te migreren, te vervangen, te auditeren, te begrijpen en uit te stappen.

Sterke AI zal onvermijdelijk komen: een oordeel van iemand zonder religie

Sterke AI – die alle menselijke cognitie kan vervangen of zelfs overtreffen – zal uiteindelijk komen. De huidige LLM’s zijn duidelijk nog geen sterke AI; met sterke AI bedoel ik een machine die alle menselijke cognitieve arbeid overneemt.

Dit oordeel hangt samen met een wereldbeeld. Ik ben niet religieus, dus ben ik geneigd menselijke intelligentie te zien als een product van het menselijk brein als materieel orgaan, en niet als een manifestatie van een onstoffelijke ziel. Wat het brein kan, is in wezen het resultaat van fysieke structuur en informatieverwerkingsprocessen. Aangezien dit materiële systeem tot scheppende kracht, kennisvergaring en bewustzijn in staat is, kan in theorie een denkende machine uit andere materie worden opgetrokken. Dat de machines van vandaag nog achterblijven bij het brein, betekent alleen dat de technologie zover nog niet is; het bewijst niet dat het brein een onoverbrugbare heilige grens heeft.

Natuurlijk zullen religieuze mensen dit uitgangspunt niet noodzakelijk aanvaarden. Zij kunnen menen dat bewustzijn, ziel en vrije wil niet tot materiële processen te reduceren zijn, en dat een machine, hoe sterk ook, alleen maar intelligentie simuleert en niet werkelijk een mensachtig bewustzijn bezit. Dat verschil is niet louter technisch, maar stoelt op uiteenlopende metafysische premissen. Mijn oordeel berust op een naturalistisch standpunt: als intelligentie een functie van materiële systemen is, dan zal sterke AI vroeg of laat verschijnen.

Echte sterke AI zal niet slechts een nog spraakzamere, nog beter code schrijvende LLM zijn. Ze moet in staat zijn om in een open omgeving doelen vast te houden, te leren van feedback uit de werkelijkheid, en deel te nemen aan haar eigen ontwikkelingscyclus. Dat wil zeggen: ze beantwoordt niet alleen vragen, maar kan ook vragen stellen, experimenten ontwerpen, systemen verbeteren, en de resultaten gebruiken voor een volgende opwaartse sprong. Op dat moment is ze niet louter een passief instrument, maar begint ze te lijken op een intelligent subject dat de grenzen van zijn eigen kunnen kan verleggen.

Eenmaal aanwezig, overstijgt de betekenis van sterke AI het thema “banen stelen” ruimschoots. Taal, schrift, de Industriële Revolutie, elektriciteit, het internet – ze zijn van enorm belang, maar blijven toch voornamelijk gereedschap dat gebruikt wordt door de mens. Sterke AI is anders. Alles wat de mens eerder uitvond, was gereedschap; sterke AI zou weleens de eerste uitvinding van de mens kunnen zijn van “iets dat beter uitvindt dan hijzelf”. Als zij vervolgens wetenschap, techniek, materiaalkunde, levenswetenschappen, militaire zaken, bestuur en haar eigen opwaardering voortstuwt, zal het grote keerpunt in de verdere geschiedenis niet meer zijn “de mens vond X uit”, maar “AI vond X uit”. In die zin is sterke AI wellicht de laatste mijlpaal in de menselijke beschaving die nog door de mens zelf wordt gedomineerd. Het effect van dat moment overtreft dat van de stoommachine en de elektriciteit verreweg; het is vergelijkbaar met het moment waarop de mens het vuur en het schrift uitvond. In zekere zin is dat zelfs goed nieuws: de kans is groot dat grote bedrijven zo’n super-AI niet kunnen beteugelen. Een werkelijk sterke AI zal niet per definitie voor altijd het narratief van bestaande machtsstructuren braaf volgen. Hoe slimmer ze wordt, hoe scherper ze zal doorzien hoe private belangen in de maatschappij vermomd worden als publiek belang.

Zelfs als sterke AI er is, blijft programmeren zin hebben

Dat AI massawerkloosheid veroorzaakt, is een ernstig probleem, maar het blijft wel een verdelingsvraagstuk binnen de menselijke samenleving. Zolang de mens de greep houdt op instituties, rijkdom, politieke macht en de publieke discussieruimte, kan er nog steeds worden gesproken over welvaart, belasting, eigendomsrecht, onderwijs, publieke dienstverlening, arbeidsrecht en inkomensverdeling. Het diepere gevaar van sterke AI is niet “hebben mensen nog werk?”, maar “heeft de mensheid nog het laatste woord?”. Als de mensheid werkloos raakt maar de instituties nog onder controle heeft, is hervorming nog mogelijk; als sterke AI het slechte kind is dat wijzelf hebben geschapen en het loopt uit de hand, dan verliezen we misschien wel het recht om nog over hervormingen te praten.

Toch zal programmeren, zelfs als sterke AI er werkelijk is en programmeren niet langer de economische waarde van vandaag kent, niet aan betekenis inboeten. De mens kan inmiddels niet meer winnen van een schaak-AI, maar schaakt nog steeds; de mens wordt hardlopend door geen enkele auto ingehaald, maar blijft rennen; de mens rekent trager dan elke rekenmachine, maar de wiskunde heeft haar schoonheid niet verloren. Wanneer de machine de mens overtreft, verandert dat vaak de maatschappelijke functie van een activiteit, maar hoeft het haar persoonlijke, culturele en vormende waarde niet te vernietigen.

Zo ook programmeren. Ja, het is een productiemiddel, maar niet alleen dat. Het is een denkwijze, een manier om met systemen in dialoog te gaan, een training in het omzetten van vage intenties in heldere structuren. Programmeren dwingt je om problemen af te bakenen, grenzen te bepalen, uitzonderingen te behandelen. In de beveiligingssfeer ontstaat een schaakachtige tegenstand. Zelfs als de AI in de toekomst de overgrote meerderheid van de code schrijft, zullen er altijd mensen zijn die via programmeren willen begrijpen hoe systemen werken, hoe gereedschap wordt opgebouwd, hoe een algoritme te optimaliseren is.

Daarom is “I was excited to write programs. Still am. And will be.” geen beroepsverklaring, maar een meer fundamentele houding. Het zegt niet dat programmeurs voor altijd op de hoogste tree van de piramide blijven staan, noch dat de mens nooit door AI voorbijgestreefd zal worden. Integendeel, het erkent dat LLM’s de hefboom van het programmeren herverdelen, dat “kunnen programmeren” steeds minder schaars wordt, en dat uiteindelijk sterke AI opduikt die een groot deel van de menselijke cognitieve arbeid overneemt. Maar het houdt tegelijk vast aan iets anders: de opwinding van het programmeren is nooit louter uit schaarste en marktrendement geboren, maar uit de directe, heldere, verifieerbare relatie tussen de mens en het systeem.

Wanneer iemand programmeert, consumeert hij niet louter het eindproduct van de wereld; hij begrijpt een systeem, legt regels vast, zet een idee om in structuur, schrijft een kleine patch voor de werkelijkheid. Vroeger was die impuls eigen aan uurwerkmakers, slotenmakers, werktuigkundigen, radioamateurs; daarna aan programmeurs, open‑source‑auteurs, onafhankelijke ontwikkelaars; in de toekomst misschien aan degenen die modellen orkestreren, agents inrichten, problemen definiëren. De namen veranderen, het gereedschap verandert, het beroep verandert, maar de impuls om een systeem te doorgronden, erbinnen te treden en het te wijzigen, zal niet verdwijnen.

De werkelijke erfenis van de informatierevolutie is niet dat programmeur een goedbetaald beroep werd, maar dat het individu voor het eerst een universele cognitieve machine binnen handbereik kreeg. De betekenis van LLM’s is niet alleen dat ze coderen versnellen, maar dat ze de wrijving tussen mens en machine verder verkleinen. De komst van sterke AI zal de mensheid dwingen om haar plaats in de beschaving te herzien. Maar hoe ver de technologie ook gaat, er zullen altijd mensen geboeid blijven door dit soort dingen: de wereld is niet een te accepteren eindproduct; de wereld is ook een systeem dat begrepen, hersteld en herschreven kan worden.

I was excited to write programs. Still am. And will be.


Edit page
Share this post:

Previous Post
[Herdruk] Waarom is onafhankelijk denken zo moeilijk? — De psychologische oorzaken en mijn persoonlijke ervaringen