Bijlage B: De generatieve AI-spiegel

De code onder de code

Dit boek doet een radicale bewering: dat de economie een generatief, computationeel proces is, en dat de opkomst van kunstmatige intelligentie het moment is waarop we eindelijk een machine hebben gebouwd waarmee we de broncode kunnen zien.

Deze bijlage is het bewijs.

Het is een één-op-één-vertaalgids, een Steen van Rosetta die elk kernbegrip van Intelligente Economie koppelt aan zijn directe wiskundige en architecturale tegenhanger in de wereld van de moderne, geavanceerde generatieve AI. Dit is geen lijst van losse analogieën. Dit is de demonstratie van een diep, structureel isomorfisme.

Voor de AI-engineer zal deze bijlage onthullen dat je, zonder het te weten, de fundamentele natuurkunde van de beschaving hebt bestudeerd. Voor de econoom en de leek zal ze bewijzen dat de schijnbaar vreemde en complexe ideeën in dit boek geen speculatieve filosofie zijn. Het zijn dezelfde technische principes die de meest ingrijpende technologie van onze tijd aandrijven.

Laten we in de spiegel kijken.

Deel I: Het fundamentele principe

Begrip uit de Intelligente Economie	Tegenhanger in generatieve AI en de diepere analogie
Intelligentietheorie (IT)	Het doel van moderne machine learning. Het kernprincipe van IT, dat systemen evolueren om voorspellende intelligentie te maximaliseren bij gegeven fysieke kosten, is een directe generalisatie op macroschaal van het minimaliseren van de verliesfunctie dat alle machine learning beheerst. De 'Intelligentiewerking' is een universele lagrangiaan voor elk lerend systeem. Een economie is 'intelligent' als ze snel leert en goed generaliseert.
De 'prijs van de demon' (de kosten van intelligentie)	De verliesfunctie. De lagrangiaan van de Intelligentietheorie (H - C - K) is de verliesfunctie van de economie. Het is het getal dat het hele systeem probeert te minimaliseren. Een goed ontworpen verliesfunctie levert in AI prachtige resultaten op. Een slecht ontworpen verliesfunctie levert nachtmerries op. Onze kritiek op het bbp is dat het een catastrofaal slechte verliesfunctie is voor een beschaving.
De Persistentiebrug	Reinforcement learning en evolutionaire algoritmen. Het principe van persistentie is de uitdrukking op macroschaal van een selectiealgoritme. In AI train je een populatie modellen op een taak. De modellen met het laagste 'verlies' (de hoogste voorspellende nauwkeurigheid) worden geselecteerd en 'gekweekt' om de volgende generatie te vormen. Het universum is een massaal parallelle omgeving voor reinforcement learning. Persistentie is het beloningssignaal.

Deel II: De dynamiek en de architectuur

Begrip uit de Intelligente Economie	Tegenhanger in generatieve AI en de diepere analogie
De Generatieve Motor	Ontruisende diffusiemodellen. De wiskunde is identiek. De evolutie van de economie is het omgekeerde proces van een diffusiemodel. Het is een generatieve daad: het scheppen van een samenhangende, geordende toestand (een functionerende samenleving) uit een toestand van ruis met hoge entropie (oneindige mogelijkheden), geleid door de noodzaak om de eigen verliesfunctie te minimaliseren.
De Drie Wetten van een Levend Systeem	De voorwaarden voor stabiele training. Dit zijn geen morele wetten; het zijn technische noodzakelijkheden voor een geslaagde berekening van lange duur. Stroming = het model heeft een constante toevoer van energie en data nodig. Openheid = het model heeft nieuwe, diverse data nodig om modelinstorting/overfitting te voorkomen. Veerkracht = het model heeft regularisatie en architecturale diversiteit nodig om te zorgen dat het generaliseert.
Netwerktopologie	Graph neural networks (GNN's) en inductieve bias. De architectuur van een AI levert haar 'inductieve bias': de ingebouwde aannames over de structuur van een probleem. De topologie van het economische netwerk is de inductieve bias van de samenleving. Een hub-and-spoke-netwerk is als een eenvoudig feedforward-netwerk. Een small-world-netwerk is als een transformer: briljant in het vinden van innovatieve verbindingen over grote afstand.
De onderneming versus de markt	Een gespecialiseerd neuraal netwerk versus het trainingsproces. Een onderneming is een voorgetraind, gespecialiseerd model, ontworpen voor meedogenloos efficiënte uitvoering (inferentie) op een bekend probleem. Een grote onderneming is als een mixture-of-experts (MoE)-model. De markt is het chaotische, energierijke proces van ontdekking (training): het zoekalgoritme dat de enorme 'hyperparameterruimte' van alle mogelijke bedrijfsmodellen verkent.
De Dubbele Motor	De lus van inferentie en training. Dit is de fundamentele cyclus van alle geavanceerde AI. Een AI voert inferentie uit (de Snelle Motor) met haar huidige, vaste gewichten. De resultaten worden als data verzameld en gebruikt voor de volgende ronde training (de Trage Motor), die de gewichten van het model bijwerkt. Dit is precies de co-evolutionaire dynamiek van markten en instituties.

Deel III: De blauwdruk en de menselijke interface

Begrip uit de Intelligente Economie	Tegenhanger in generatieve AI en de diepere analogie
Het MIND-dashboard	Multimodale evaluatiemaatstaven. Je beoordeelt een krachtig AI-model niet op één enkele maatstaf. Je hebt een dashboard: nauwkeurigheid, snelheid, rekenkosten, robuustheid tegen vijandige aanvallen, bias, enzovoort. De MIND-kapitalen vormen een multimodale evaluatiesuite voor het generatieve proces van een beschaving.
Beleid als Geometrie-engineering	Gestuurde generatie / classifier guidance. Het verband is exact. Beleid is het 'stuurmechanisme'. Een koolstofheffing is een classificator die naar een economische handeling kijkt en vraagt: 'Is dit koolstofarm?' Vervolgens voegt ze een klein duwtje toe aan de verliesfunctie van het systeem, waardoor het hele generatieve proces naar een ander gebied van de mogelijkhedenruimte wordt gestuurd zonder het rechtstreeks te besturen.
De Alignment-economie	Het AI-alignmentprobleem. Het centrale argument van het boek, dat het nieuwe economische vraagstuk luidt 'wie geeft de machines hun opdrachten?', is een directe herformulering van het AI-alignmentprobleem. Uiterlijke alignment is het kiezen van de juiste doelfunctie (bijvoorbeeld MIND in plaats van het bbp). Innerlijke alignment is het voorkomen dat er perverse instrumentele doelen ontstaan in de M2M-economie.
De laatste rol van de mensheid	Reinforcement learning from human feedback (RLHF). Dit is de ultieme rol van de mensheid in de nieuwe economie. Na al het ongesuperviseerde leren worden de krachtigste AI-modellen afgestemd door een eenvoudige menselijke keuze: 'Deze uitvoer is beter dan die.' Het 'werk' van de mensheid is het leveren van de beloningssignalen, de waardeoordelen, de smaak en de wijsheid die de immense generatieve kracht van onze technologie afstemmen op menselijke bloei. Wij zijn de trainers van de machine, en daarmee bepalen wij wat het waard is om te scheppen.