NAAR DE het is niet langer slechts een cascade van algoritmen die zijn getraind op enorme hoeveelheden gegevens. Het is een fysiek en infrastructureel fenomeen geworden, waarvan de toekomst niet zal worden bepaald door de vooruitgang op het gebied van benchmarks, maar door de harde realiteit van macht, geografie, regulering en de aard van intelligentie. Bedrijven die dit niet zien, zullen verrast worden.
Datacenters waren ooit de steriele achterkamers van het internet: belangrijk, maar onzichtbaar. Tegenwoordig zijn ze het kloppende hart van generatief NAAR DEde natuurkundige motoren die grote taalmodellen (LLM’s) mogelijk maken. Maar wat als deze motoren, en de modellen die ze aandrijven, op beperkingen stuiten die niet kunnen worden opgelost met meer kapitaal, meer datacenters of krachtigere chips?
In 2025 en 2026 gemeenschappen in de Verenigde Staten hebben zich verzet tegen de bouw van nieuwe datacenters. In Springfield, Ohio; In Loudoun County, Virginia en elders hebben bewoners en lokale functionarissen bezwaar gemaakt tegen het idee van enorme faciliteiten die enorme hoeveelheden elektriciteit overhevelen, wijken ontwrichten en de toch al onder druk staande elektriciteitsnetten onder druk zetten. Deze conflicten staan niet op zichzelf. Ze zijn een teken, een punt van structurele wrijving in de expansie van de AI-economie.
Tegelijkertijd waarschuwen nutsbedrijven voor een dreigende botsing tussen de energiebehoefte van AI en de kosten van de elektriciteitsinfrastructuur. Verschillende staten overwegen hogere tarieven voor data-intensieve operaties en ondersteunen dit het enorme energieverbruik van AI-datacenters verandert de economie van de elektriciteitsdistributie, vaak ten koste van de gewone consument.
Deze wrijving tussen lokale weerstand tegen datacenters, de fysieke beperkingen van het energienetwerk en politieke druk op nutsbedrijven is meer dan een planningsgeschil. Onthult een diepere waarheid: De ernstigste beperking van kunstmatige intelligentie is niet algoritmisch vernuft, maar de fysieke realiteit.
Wanneer de realiteit de AI-droom binnendringt
Het dominante verhaal in de technologie is al jaren dat meer data en grotere modellen gelijk staan aan betere intelligentie. De logica was verleidelijk: verhoog de trainingsgegevens, verhoog de rekenkracht en er zal intelligentie ontstaan. Maar deze logica gaat ervan uit dat drie dingen waar zijn:
- Data kunnen altijd op grote schaal worden verzameld en verwerkt.
- Datacenters kunnen worden gebouwd waar ze nodig zijn.
- Op taal gebaseerde modellen kunnen dienen als proxy voor het begrijpen van de wereld.
De eerste hypothese faalt. De tweede is het ontmoeten van politieke en fysieke weerstand. De derde is dat alleen taal de werkelijkheid kan modelleren in stilte ontrafelen.
Grote taalmodellen worden getraind op enorme corpora van menselijke tekst. Maar die tekst is geen transparante weerspiegeling van de werkelijkheid: het is een distillatie van percepties, vooroordelen, weglatingen en verkeerde interpretaties, gefilterd door het menselijk taalgebruik. Een deel ervan is nuttig. Veel hiervan is bevooroordeeld, anekdotisch of ronduit verkeerd. Naarmate deze modellen groeien, worden hun trainingsgegevens steeds groter de lens waardoor zij de wereld interpreteren. Maar dat doel is inherent gebrekkig.
Dit is belangrijk omdat taal geen realiteit is: het is een representatie van individuele en collectieve verhalen. Een taalmodel leert de taal distributieniet de causale structuur van gebeurtenissen, niet de fysica van de wereld, niet de zintuiglijke rijkdom van geleefde ervaringen. Deze beperking zal zich manifesteren naarmate AI in domeinen wordt geduwd waar contextueel begrip van de wereld, en niet alleen tekstpatronen, essentieel is voor prestaties, veiligheid en bruikbaarheid in de echte wereld.
Een structurele crisis in de maak
We naderen een vreemde paradox: juist het succes van op taal gebaseerde kunstmatige intelligentie leidt tot structurele veroudering ervan.
Terwijl organisaties miljarden investeren in generatieve AI-infrastructuur, doen ze dit in de veronderstelling dat grotere modellen, meer parameters en grotere datasets betere resultaten zullen blijven opleveren. Maar deze veronderstelling is in strijd met drie opkomende beperkingen:
- Energie- en locatiebeperkingen: Nu datacenters te maken krijgen met weerstand vanuit de gemeenschap en netwerkbeperkingen, zal de uitbreiding van de AI-computercapaciteit vertragen, vooral in regio’s zonder overtollige energie en sterke planningssystemen.
- Regelgevende wrijving: Staten en landen zullen het elektriciteitsgebruik, de uitstoot van datacentra en het landgebruik steeds meer reguleren, wat nieuwe kosten en obstakels voor de AI-infrastructuur met zich meebrengt.
- Cognitieve beperkingen van LLM’s: Modellen die alleen op tekst zijn getraind, bereiken een grens in termen van echt begrip. De volgende echte doorbraken in AI zullen modellen vereisen die leren van rijkere, multimodale interacties uit echte omgevingen, sensorische gegevens en gestructureerde causale feedback, en niet alleen tekstcorpora. Taal alleen zal geen dieper begrip van de machine mogelijk maken.
Dit is geen speculatieve zorg. We zien dit in de inconsistenties van de huidige LLM’s: vertrouwen in hun fouten, verankerd in oude dataEN niet in staat om te redeneren over de fysieke of causale aspecten van de werkelijkheid. Dit zijn geen bugs: dat zijn ze structurele beperkingen.
Waarom dit belangrijk is voor de bedrijfsstrategie
CEO’s en leiders die AI-leiderschap blijven gelijkstellen aan grotere modellen en een grotere datacentercapaciteit, maken een fundamentele strategische fout. De toekomst van kunstmatige intelligentie zal niet worden bepaald door Hoe veel rekenkracht die je hebt, maar van hoe goed Integreer intelligentie met de fysieke wereld.
Industrieën zoals robotica, autonome voertuigen, medische diagnose, klimaatmodellering en industriële automatisering vereisen modellen die kunnen redeneren over causaliteit, omgevingen kunnen aanvoelen en kunnen leren van ervaringen, niet alleen taalmodellen. De winnaars op deze gebieden zullen degenen zijn die investeren in hybride systemen die taal combineren met perceptie, belichaming en gegronde interactie.
Conclusie: de werkelijkheid komt in opstand
Het verhaal dat AI een oneindige grens is, is handig geweest voor zowel investeerders, journalisten als technologie-experts. Maar zoals bij alle krachtige verhalen komt het uiteindelijk samen de harde muur van de werkelijkheid. Datacenters worden geconfronteerd met politieke en energiebeperkingen. Exclusief taalkundige modellen laten hun grenzen zien. En de veronderstelling dat schaal alle problemen oplost, wordt in de kern geschokt.
Het volgende hoofdstuk in AI zal niet gaan over wie het grootste model bouwt. Het zal gaan over degenen die de wereld in al zijn fysieke, causale en belichaamde complexiteit begrijpen en systemen bouwen die dat ook zijn geworteld in de werkelijkheid.
Innovatie op het gebied van AI zal steeds vaker niet worden gemeten aan de hand van de grootte van het datacenter of het aantal parameters, maar aan de manier waarop machines de echte wereld waarnemen, ermee omgaan en erover redeneren.
