Amsterdam & AI: Een persoonlijke kijk op een stad in transitie

Amsterdam heeft altijd een speciale plaats in mijn hart gehad. Mijn band met deze stad begon in 1995, toen ik Mario Lap bezocht, destijds hoofd van de in Amsterdam gevestigde stichting Drugtext, om te spreken over het vooruitstrevende Nederlandse drugsbeleid. Tijdens die bezoeken ontmoette ik ook de voorzitter van de coffeeshopvereniging — ervaringen die mijn respect voor de ethische en pragmatische houding van Nederland alleen maar versterkten. Die benadering had invloed ver buiten de landsgrenzen, tot zelfs in de legaliseringsbewegingen in de VS.

In recentere jaren is mijn band met Amsterdam opnieuw verdiept via mijn professionele werk met het AI- en roboticabedrijf SingularityNET. Ons hoofd van de community, Peter, woont in Amsterdam en speelt een actieve rol in onze wereldwijde activiteiten. Hoewel het officiële hoofdkantoor van het bedrijf inmiddels om strategische en operationele redenen naar Zwitserland is verplaatst, blijft Amsterdam een belangrijke stad binnen ons netwerk — zowel qua talent als ideeën. Juist daarom is het relevant om stil te staan bij de vraag hoe Nederland zich positioneert binnen het mondiale AI-landschap.


Nederland en AI: Te laat, te voorzichtig?

Hoewel Nederland bekendstaat om zijn innovatiekracht, is het AI-beleid van de Nederlandse overheid onderwerp van groeiende kritiek. Experts, bedrijven en maatschappelijke organisaties stellen dat de benadering te reactief is geweest, met onvoldoende visie en daadkracht.

Te laat en te terughoudend

Waar landen als Frankrijk en het VK al jaren werken aan proactieve AI-strategieën, lijkt Nederland vooral in te grijpen nadat er problemen ontstaan. Zo moest het risicoselectiesysteem SyRI, dat bedoeld was om fraude in de sociale zekerheid op te sporen, in 2020 worden stopgezet nadat een rechter oordeelde dat het mensenrechten schond. Het systeem discrimineerde aantoonbaar tegen mensen met een migratieachtergrond en mensen met een laag inkomen.

Ook in Rotterdam veroorzaakte een algoritme voor fraude-opsporing grote onrust: alleenstaande moeders en inwoners met een niet-westerse achtergrond werden onevenredig vaak als ‘risicogeval’ bestempeld — zonder transparantie of duidelijke mogelijkheid tot bezwaar.

Bedrijven vluchten weg

Een ander pijnlijk gevolg van de strikte regelgeving is het vertrek van innovatieve bedrijven. Zo kondigde het Nederlandse softwarebedrijf Bird begin 2025 aan dat het zijn activiteiten grotendeels uit Europa zou terugtrekken, met name vanwege wat het noemt een “verstikkend regelgevingsklimaat” dat niet meegroeit met de AI-tijdgeest. Ook bedrijven zoals Bunq, de digitale bank, vochten juridische gevechten uit over het gebruik van AI bij witwasbestrijding.

⚖️ Goede bedoelingen, maar weinig ruimte voor innovatie

Nederland heeft zich altijd gepositioneerd als voorvechter van ethische technologie. Die ambitie is prijzenswaardig, maar dreigt zonder pragmatiek en innovatiebeleid zijn doel voorbij te schieten. Als bedrijven geen ruimte krijgen om met AI te experimenteren binnen duidelijke kaders, zullen ze hun vleugels elders uitslaan — en dat is precies wat nu gebeurt.


Wat is er nodig?

Voor Nederland om AI-leider te worden zonder zijn ethische kernwaarden te verliezen, zijn een paar duidelijke stappen nodig:

  • Vooruitdenken, niet alleen reageren
    Maak beleid dat risico’s anticipeert in plaats van pas in te grijpen als het misgaat.

  • Transparantie als standaard
    Eis dat AI-systemen uitlegbaar zijn en dat burgers controle hebben over besluiten die hen raken.

  • Samenwerken met het veld
    Betrek niet alleen juristen, maar ook bedrijven, onderzoekers en burgers in beleidsontwikkeling.

  • Een testvriendelijk klimaat
    Creëer veilige experimenteerruimtes waarin AI-initiatieven binnen verantwoorde kaders getest kunnen worden.

When Probabilistic AIs Scale Socially — and Why Ben Goertzel Thinks That Matters

Can randomness organise itself into structure—and might that be our best shot at decentralised AGI?

Benedict Evans recently captured AI’s central tension:

> “If we make probabilistic systems big and complicated enough they might become deterministic. But if we make deterministic systems big and complicated enough, they become probabilistic.”

Most debate focuses on computational scale—larger models, more data. Yet a new Guardian-covered study shows something subtler: when many small language-model agents chat in pairs, they converge on shared norms without any global plan or memory.

In other words, probabilistic systems scale socially.

Emergence in the Wild

Researchers paired 24-100 LLM agents at random and asked each pair to agree on a name from a fixed list. Over successive interactions the entire population adopted one common label, and a tiny minority later tipped the group to a new label. Local noise produced global order—no monolithic model required.

A Micro-Experiment in Life-Hack Land

Borrowing the protocol, we set ten toy agents loose to champion their favourite single life hack.
After three debate rounds (with short-term memory only) the crowd went from 10 different hacks → 1 winner:

Round Followers of “25-minute focus timer”

1 0
2 4
3 8

The timer wasn’t objectively “best”; it was catchy, clear and contagious. Social scaling made a probabilistic crowd behave as if deterministic consensus had been programmed.

Enter Dr Ben Goertzel: Why Size Alone Isn’t Enough

At Consensus 2025, Dr Ben Goertzel (SingularityNET / ASI Alliance) argued that merely scaling today’s transformer LLMs is an “off-ramp” to AGI. His alternative, OpenCog Hyperon, is a modular, hybrid framework where symbolic reasoning, neural nets and evolutionary learning interact inside a distributed knowledge hypergraph .

Goertzel’s thesis fits our micro-experiment like a glove:

Goertzel’s Point Link to Social-Scaling Insight

LLM-only paths plateau Our toy agents needed interaction, not bigger parameters, to generate new order.

Hybrid sub-systems outperform monoliths A network of specialised agents can out-create any single giant model.

Decentralised infrastructure (ASI Alliance) will host the first AGI Emergent norms thrive when cognition is distributed—exactly what a blockchain-based AGI grid provides.

> “If scaling transformers is the crux of AGI, Big Tech wins; but if AI arises from many minds co-operating, decentralisation changes the game.” — B. Goertzel, Consensus 2025 (paraphrased).

Why This Matters for Everyone Building AI

1. Order from Interaction, Not Size
Social scaling shows that modest models, richly connected, can outperform solitary behemoths.

2. Alignment Risks & Opportunities
If agents can invent useful conventions, they can also drift into harmful ones. Understanding social dynamics is now an AI-safety imperative.

3. A Roadmap for Decentralised AGI
Goertzel’s Hyperon aims to harness these dynamics on open, permissionless rails—putting the future of intelligence in everyone’s hands.

For Rejuve.AI and other DeSci projects, the take-away is clear: the next breakthroughs may come less from chasing trillion-parameter models and more from designing vibrant, well-governed agent societies that learn—and align—together.

*What would your crowd of tiny AIs debate? And how would you steer the norms they invent?*