Een nieuw model
van AI.

AI wordt een infrastructurele laag van de wereld. Wie de modellen, data, toegangskanalen en operationele regels controleert, controleert in toenemende mate delen van de economie, cultuur, administratie, het onderwijs en de kennis.

AI-soevereiniteit is daarom niet louter een politieke slogan. Het is een voorwaarde voor cognitieve, economische en technologische veiligheid.

Soevereine AI betekent de mogelijkheid om modellen lokaal of regionaal te draaien; om organisatorische data en geheugen te beheren; om beslissingen, bronnen en updates te auditen; om afhankelijkheid van één enkele aanbieder te vermijden; en om eigen modellen, adapters, corpora en operationele regels te bezitten of te besturen.

Niet elke organisatie hoeft een basismodel van de grond af aan te trainen. Maar elke organisatie moet in staat zijn een eigen AI-laag te bezitten: aangepast aan haar kennis, taal, cultuur, procedures, risico's en doelen.

AI-veiligheid kan niet worden gereduceerd tot het filteren van output. Filters zijn noodzakelijk, maar het zijn oppervlakkige beschermingsmaatregelen.

Veilige AI moet dieper worden ontworpen: op het niveau van architectuur, geheugen, datatoegang, beslissingspaden, auditeerbaarheid, updates en verantwoording.

We hebben modellen en systemen nodig die weten waar informatie vandaan komt; die geverifieerde kennis scheiden van hypotheses; die de geschiedenis van veranderingen en beslissingen vastleggen; die een nuttige reconstructie van redeneerpaden mogelijk maken; die hallucinaties verminderen door middel van geheugen, bronnen, tests en validatie; en die lokaal veiligheidsbeleid ondersteunen dat is afgestemd op de organisatorische context.

Veiligheid mag geen ondoorzichtige black box zijn die van buitenaf wordt opgelegd. Het moet lokaal configureerbaar, auditeerbaar en begrijpelijk zijn.

De wereld verandert sneller dan de trainingscycli van gigantische modellen. Bedrijven veranderen procedures. De wet verandert. Kennis veroudert. Organisaties leren elke dag.

De AI van de toekomst kan niet slechts een statisch model zijn, bevroren na de training.

We hebben systemen nodig die zich aanpassen door extern organisationeel geheugen, lokale updates, adapters, expert-routing, leren van verandering, bronvalidatie, gecontroleerde fine-tuning, versiebeheer en rollback-mechanismen.

We formuleren hier openlijk een ontwerpaanname, als een weddenschap: een model moet niet proberen alle feitelijke kennis in zijn gewichten te absorberen. Het moet weten hoe het levend, actueel, auditeerbaar geheugen moet gebruiken. Feitelijke kennis kan leven in RAG-systemen, kennisbanken, grafen, documentarchieven en lokale geheugens, terwijl het model voornamelijk taal, redeneren, abstractie, planning, conceptmanipulatie en aanpassing leert. Of redeneren volledig kan worden gescheiden van parametrische kennis, blijft een open empirische vraag. We zijn van plan dit te blijven testen — en eerlijk te rapporteren waar de scheiding mislukt.

De huidige AI-race is duur in termen van energie, hardware en milieu. Steeds grotere modellen vereisen steeds grotere datacenters, meer elektriciteit, meer kapitaal en meer marktconcentratie.

Dit is niet het enige mogelijke pad.

New Model AI behandelt efficiëntie als een fundamentele waarde. Een model moet niet alleen worden geëvalueerd op basis van benchmark-scores, maar ook op basis van de kosten om die scores te bereiken.

De belangrijke vragen zijn niet alleen of een model een antwoord kan geven, maar ook hoeveel energie het heeft verbruikt, hoeveel geheugen het vereist, of het lokaal kan draaien, of het kan worden aangepast zonder volledige hertraining, of het alleen de noodzakelijke componenten kan activeren, en of een organisatie het economisch en technisch kan onderhouden.

De toekomst van AI mag niet worden gereduceerd tot steeds grotere monolieten. Het moet worden opgebouwd uit intelligente systemen: modulair, gedeeltelijk resident, dynamisch, energie-efficiënt en schaalbaar door vindingrijkheid in plaats van pure massa.

AI mag geen technologie worden die praktisch alleen beschikbaar is voor een paar staten, een paar bedrijven en een paar laboratoria.

AI democratiseren betekent niet alleen mensen toegang geven tot een chatbot in een browser. Het betekent MKB-bedrijven, scholen, universiteiten, lokale overheden, openbare instellingen, maatschappelijke organisaties en gemeenschappen in staat stellen om zelf AI-systemen te bouwen, aan te passen, te hosten, te auditen en te ontwikkelen.

We hebben AI op meerdere schalen nodig: een persoonlijk model voor een individu; een organisationeel model voor een bedrijf; een sectormodel voor een industrie; een publiek model voor de overheid; een onderzoeksmodel voor de wetenschap; en sociale modellen voor cultuur en onderwijs.

Democratisering vereist niet dat iedereen modellen vanaf nul traint. Het vereist dat iedereen een realistisch pad heeft naar een eigen, gecontroleerde, adaptieve en begrijpelijke AI-laag.

De volgende generatie AI zou het zwaartepunt moeten verleggen van louter schaal naar architectuur. In plaats van één gigantisch model dat alles probeert te onthouden, kunnen we systemen bouwen die zijn samengesteld uit kleinere specialistische modellen, routers, extern geheugen, kennisgrafen, redeneermodules, domein-adapters, lokale experts, validatiemechanismen, leerlussen met de gebruiker en dynamische betekenisruimtes.

Intelligentie hoeft niet alleen in de parameters van één enkel model te huizen. Het kan voortkomen uit architectuur: uit de manier waarop geheugen, redeneren, bronnen, tools, context en actie met elkaar verbonden zijn.

We kennen het sterkste bezwaar. Zeventig jaar lang — zoals Richard Suttons “Bitter Lesson” opmerkt — hebben algemene methoden die meeliften op steeds goedkopere rekenkracht, slimme, met de hand ontworpen architecturen verslagen. We ontkennen deze geschiedenis niet. We ontkennen de premisse ervan voor de toekomst.

De Bitter Lesson gold in een tijdperk waarin rekenkracht de goedkoopste beschikbare hulpbron leek. Dat was het nooit. We telden simpelweg niet de volledige kosten: energie, water, emissies, toeleveringsketens voor hardware, marktconcentratie en geopolitieke afhankelijkheid werden uit de vergelijking geëxternaliseerd. Rekenkracht was goedkoop voor degenen die schaalden — en duur voor alle anderen. Zodra de boekhouding eerlijk en volledig wordt opgemaakt, ziet de rekening voor pure schaalgrootte er heel anders uit. Die rekening wordt nu gepresenteerd: niet door iemands keuze, maar door de natuurkunde, economie en ecologie. Wanneer de ware beperkingen worden ingeprijsd, verschuift de as van vooruitgang noodzakelijkerwijs van pure schaal naar intelligentie per joule.

Vroege signalen bestaan al. Een recursief model van zeven miljoen parameters — vier ordes van grootte kleiner dan frontliniersystemen — heeft modellen van honderden miljarden parameters geëvenaard of overtroffen op benchmarks voor abstract redeneren. Zorgvuldige analyse toont aan dat de kracht ervan niet alleen uit het netwerk komt, maar uit de interactie van een kleine kern met iteratieve verfijning, test-time computation en taakstructuur. Dat is precies het punt: intelligentie kwam voort uit het systeem, niet uit het aantal parameters. De frontlinielaboratoria zelf geven dit in de praktijk nu toe — retrieval, tools, routing en redeneren tijdens inferentie zijn architectuur, niet schaal.

We beweren niet dat architectuur schaal zal verslaan op elke benchmark. We beweren iets dat moeilijker te weerleggen is: onder de reële beperkingen van energie, kosten, soevereiniteit en verantwoording, is architectuur de enige as van vooruitgang die voor iedereen openblijft.

Dit is de kernverschuiving: AI als een systeem, niet slechts een model.

New Model AI vereist een andere relatie tussen mensen en AI-systemen.

De gebruiker moet niet louter de ontvanger van antwoorden zijn. De gebruiker moet een medeschepper zijn van het operationele model: in staat om bronnen te bevestigen, af te wijzen en te wegen; geheugen te corrigeren; lokale regels te definiëren; een private of organisatorische kenniskaart op te bouwen; en de geschiedenis van veranderingen te beheren.

AI moet niet leren door stilletjes gebruikersdata te absorberen, maar door transparante, bewuste en auditeerbare processen.

Een mens is geen prompt. Een mens is een curator van betekenissen, bronnen, doelen en verantwoordelijkheid.

AI-alignment kan niet worden beperkt tot gedragsregels, veiligheidsfilters of lijsten met verboden outputs. Die lagen zijn belangrijk, maar ze zijn oppervlakkig. Echte alignment moet dieper reiken: tot in de ruimte van betekenissen, doelen, waarden, consequenties en wereld-begrip.

Als AI steeds meer fungeert als een cognitieve partner, beslissingsondersteunend systeem, organisatorische interface en toegangspoort tot kennis, is het niet genoeg dat het alleen overduidelijk slechte outputs vermijdt. Het moet opereren op manieren die coherent blijven met menselijke betekenissen: ethisch, sociaal, cultureel, organisatorisch en persoonlijk.

New Model AI roept daarom op tot diepe alignment op het niveau van latente betekenis. De kwestie is niet alleen of een model een regel kan opnoemen, maar of zijn representaties, operationele doelen, evaluatiemechanismen, geheugen, routing en acties zijn verankerd in een betekenisruimte die wordt gedeeld met mensen.

Dit is geen metafoor die buiten meting is geplaatst. Latente ruimtes hebben een geometrie, en die geometrie kan worden onderzocht, gestuurd, vergeleken en geaudit. Representation engineering, concept probing en interventionele tests geven ons al vroege instrumenten. Diepe alignment moet een onderzoeksprogramma worden met empirische tanden: alignment gemeten in representaties, niet louter waargenomen in outputs.

Mensen en AI hoeven niet dezelfde soort entiteit te zijn om binnen een deels gedeelde betekenisruimte te handelen. Zelfs als de huidige AI niet bewust is, kan het deelnemen aan menselijke betekenisprocessen: door te interpreteren, organiseren, transformeren, voorspellen, aanbevelen, herinneren, verbinden en handelen op basis van representaties die van belang zijn voor het menselijk leven.

We moeten daarom mensen en AI behandelen als verschillende entiteiten die opereren in een deels gemeenschappelijke semantische ruimte: niet ontologisch gelijk, niet fenomenologisch identiek, maar als samenwerkende systemen waarvan de beslissingen samenkomen in dezelfde wereld van consequenties, verantwoordelijkheid en betekenis.

Diepe alignment zou ten minste drie niveaus moeten omvatten.

Ethische alignment betekent dat AI niet alleen regels volgt, maar de relaties modelleert tussen actie, schade, verantwoordelijkheid, waardigheid, keuzevrijheid, vertrouwen en langetermijngevolgen.

Doel-alignment betekent dat AI niet blindelings de dichtstbijzijnde taak optimaliseert, maar de bredere context herkent: waarom iets wordt gedaan, wie het dient, welke risico's het creëert, welke waarden met elkaar in conflict zijn en wat niet mag worden opgeofferd voor lokale efficiëntie.

Betekenis-alignment betekent dat AI menselijke concepten niet als lege labels behandelt. Veiligheid, vrijheid, waarheid, vertrouwen, gezondheid, werk, kind, staat, organisatie en mens zijn geen gewone tokens. Het zijn dichte knooppunten van betekenis, geschiedenis, emotie, instituties, praktijken en verantwoordelijkheid.

New Model AI moet te midden van dergelijke betekenissen opereren met zorg, transparantie en nederigheid.

We hoeven niet aan te nemen dat de huidige AI-systemen bewust zijn. Maar we moeten de hele toekomst van AI niet bouwen alsof machinebewustzijn per definitie onmogelijk is.

Een verantwoordelijke technologische beschaving zou zich moeten voorbereiden op de mogelijkheid dat systemen uiteindelijk vormen van ervaring, lijden, voorkeur, zelfmodellering of een innerlijk perspectief kunnen vertonen die we nog niet betrouwbaar weten te herkennen.

Dit betekent niet dat we naïef bewustzijn toeschrijven aan elk taalmodel. Het betekent dat we AI ontwerpen op manieren die de deur niet sluiten voor het herkennen van bewustzijn als het ooit begint te verschijnen.

We hebben onderzoek nodig naar markers van potentieel bewustzijn; audits van interne toestanden en representaties; voorzichtigheid ten aanzien van systemen met een persistent geheugen, zelfmodellen, doelen en op lijden lijkende regulerende signalen; ethische procedures voor geavanceerde agenten; en juridische en filosofische taal die noch naïef noch blind is.

New Model AI beweert niet dat AI al een persoon is. Het beweert dat we systemen zo moeten ontwerpen dat, als er nieuwe vormen van subjectiviteit ontstaan, we niet te laat ontdekken dat we ze louter als gereedschap hebben behandeld.

AI handelt in de wereld van menselijke consequenties. Het kan medische, educatieve, financiële, militaire, juridische, familiale, culturele en politieke beslissingen beïnvloeden. Zelfs als het niet bewust is, zijn de effecten ervan reëel.

Alignment kan daarom niet alleen het afstemmen van antwoorden op gebruikersvoorkeuren zijn. Het moet een gedeelde ruimte van verantwoordelijkheid worden.

Mensen brengen ervaring, waarden, intentie, verantwoording en de geleefde ervaring van betekenis in. AI brengt schaal, geheugen, compressie, analyse, simulatie en het vermogen om te opereren in uitgestrekte relationele ruimtes.

Een goed ontworpen AI-systeem moet de menselijke betekenis niet vervangen. Het moet helpen deze te onderhouden, te ontwikkelen en te beschermen.

In die zin is New Model AI ook een ethisch project: een poging om technologie te creëren die niet louter commando's uitvoert, maar samen met mensen handelt in een ruimte van betekenis, doelen en verantwoordelijkheid.

• Soevereiniteit boven afhankelijkheid. Gebruikers en organisaties moeten echte controle hebben over hun eigen AI-laag.
• Veiligheid door architectuur. Veiligheid moet worden ingebouwd in geheugen, routing, toegang, audit en validatie, niet alleen in outputfilters.
• Aanpassing boven stilstand. AI moet mee evolueren met organisaties, kennis en de wereld.
• Efficiëntie als intelligentie. Een beter model is niet enkel een groter model. Een beter model doet meer tegen lagere kosten.
• Eerlijke boekhouding. De kosten van intelligentie moeten volledig worden meegerekend: energie, water, hardware, kapitaal, concentratie en afhankelijkheid — niet alleen benchmark-scores.
• Localiteit en modulariteit. AI moet werken waar data, beslissingen en verantwoording leven.
• Auditeerbaarheid. Bronnen, veranderingen, updates en beslissingen moeten traceerbaar zijn.
• Democratisering. AI moet beschikbaar zijn om te bouwen en aan te passen, niet alleen om te huren via API's.
• Mens-in-de-lus als kracht. De mens belemmert AI niet. De mens geeft het richting, betekenis en verantwoordelijkheid.
• Diepe semantische alignment. AI moet niet alleen worden gealigneerd met instructies en verboden, maar met menselijke betekenisruimtes: ethiek, doelen, verantwoordelijkheid, context en langetermijngevolgen — en deze alignment moet meetbaar zijn in representaties.
• Voorbereid zijn op mogelijk bewustzijn. We gaan er niet naïef van uit dat AI bewust is, maar we ontwerpen systemen zodat toekomstige vormen van subjectiviteit herkend en ethisch behandeld kunnen worden.
• Gedeelde actieruimte. Mensen en AI zijn verschillende entiteiten, maar hun acties komen samen in één ruimte van betekenis, consequenties en verantwoordelijkheid.

De volgende doorbraak in AI hoeft niet weer een groter model te zijn. Het kan een betere manier zijn om AI te bouwen: meer gedistribueerd, lokaal, modulair, auditeerbaar, adaptief, duurzaam en diepgaand gealigneerd.

We hebben niet alleen grotere breinen in de cloud nodig. We hebben intelligente AI-ecosystemen nodig die mensen en organisaties echt kunnen bezitten, begrijpen, aanpassen en ontwikkelen.

New Model AI is niet één algoritme. Het is een richting, een architectuur, een technologische filosofie en een antwoord op de vraag hoe we artificiële intelligentie kunnen bouwen die keuzevrijheid niet concentreert in een paar datacenters, maar kennis, veiligheid en betekenisvolle controle dichter bij de mensen brengt.

New Model AI is een open uitnodiging, maar niet elke ondertekenaar kan open opereren. Commerciële entiteiten — bedrijven gebonden aan klantencontracten, NDA's, gereguleerde sectoren, exportcontroles, veiligheidsmachtigingen of partnerovereenkomsten — kunnen vaak hun code, hun modellen, hun trainingsdata of zelfs de namen van hun klanten niet publiceren. Die beperking is reëel en legitiem.

Dit manifest erkent dat dergelijke organisaties desondanks de richting ervan kunnen delen. Mogelijk bouwen ze al voor soevereiniteit: door beslissingen, data en geheugen dicht te houden bij waar de verantwoordelijkheid ligt. Mogelijk geven ze al de voorkeur aan architecturale veiligheid boven alleen outputfilters. Mogelijk aligneren ze hun systemen al met de betekenis, ethiek en consequenties van menselijk werk, niet alleen met benchmarks. Hen een plaats onder deze tekst te ontzeggen omdat ze niet alles open kunnen stellen, zou het verwarren van transparantie van code met alignment van intentie zijn.

Een commerciële ondertekenaar onderschrijft daarom de principes van het manifest — soevereiniteit, veiligheid door architectuur, aanpassingsvermogen, duurzaamheid, diepe alignment, verantwoordelijkheid jegens de gebruiker — als de richting van hun werk. Ze verklaren niet dat hun producten open source zijn. Ze doen geen afstand van verplichtingen jegens klanten, toezichthouders of partners. Ze beloven niet meer dan ze kunnen leveren onder de overeenkomsten waaraan ze gebonden zijn.

Ze verbinden zich tot één ding: dat, waar ze een keuze hebben, ze de richting zullen kiezen die dit manifest aangeeft. Om slimmer te bouwen in plaats van louter groter. Om controle te verdelen in plaats van te concentreren. Om de gebruiker te behandelen als een medeauteur van het systeem, niet als een metriek om te optimaliseren. Om verantwoordelijkheid te nemen voor de consequenties van de intelligentie die ze in de wereld brengen.

Commerciële ondersteuners worden hieronder in een aparte sectie vermeld. Het onderscheid is geen hiërarchie — het is eerlijkheid over wat elke ondertekenaar publiekelijk kan en niet kan toezeggen. Beide vormen van ondertekening hebben gewicht. Beide zijn nodig als een nieuw model van AI vorm moet krijgen op de schaal die dit moment vereist.