Waarom AI Vertrouwen, Kernenergie en Crypto-Native Agents Nodig Heeft In deze aflevering van DROPS ga ik in gesprek met Ben Frigon over waarom AI binnenkort enorme delen van je leven kan automatiseren, maar alleen als we drie moeilijke problemen tegelijk oplossen: vertrouwen, energie en infrastructuur. Van kernenergie en gegevensbezit tot AI-agents die geld verplaatsen terwijl je slaapt, schetst @ben_frigon een toekomst die ambitieus maar vreemd praktisch aanvoelt. Van DeFi Zomer naar @TalusNetwork Bens verhaal begint aan de Brown University tijdens de DeFi-zomer, toen Ethereum en vroege DeFi-apps explodeerden. Hij werd president van de blockchainclub en co-ontwierp wat hij noemt "de eerste studiepunten cursus over NFT's aan een universiteit ergens", gegeven precies aan het begin van de NFT-mania. Na zijn afstuderen sloot hij zich aan bij crypto VC Distributed Global, waar hij zijn dagen doorbracht met "het onderzoeken van elk gebied van crypto dat je maar kunt bedenken." Die gewoonte van obsessieve nieuwsgierigheid is een van de weinige eigenschappen die hij denkt dat goede oprichters en goede investeerders echt delen. Het keerpunt kwam toen hij zijn mede-oprichter Mike ontmoette, die werd geïncubeerd door Polychain. @polychain en @SuiNetwork steunden later Talus Network, en Ben maakte de overstap van investeerder naar operator. Als oprichter zegt hij: "je moet echt, echt optimistisch zijn, bijna naïef, dwaas optimistisch," terwijl de taak van een VC is om zich elke manier voor te stellen waarop iets kan falen. Beide rollen leven helpt hem om ambitieus te bouwen, maar met een realistisch gevoel voor risico. Is Er Een AI Bubble? Toen hem werd gevraagd of we in een AI-bubbel zitten, zei Ben: "Ik denk niet dat er een AI-bubbel is. Ik denk dat de multiples kunnen dalen, maar een bubbel zou impliceren dat de investering een verspilling is. Ik denk niet dat het een verspilling is in verhouding tot de kans die we hebben." Het echte probleem, zegt hij, is dat AI niet past in de klassieke venture-economie. Het trainen van concurrerende modellen betekent enorme hardware-uitgaven op de eerste dag, wat het tegenovergestelde is van het "twee mensen in een garage" verhaal dat VC was ontworpen om te financieren. Daarom vindt veel van de vooruitgang plaats binnen grote technologiebedrijven met diepe balansen. Voor Ben is de juiste framing belangrijker dan de financiën. "De hoeveelheid goed dat dit voor de wereld kan doen is ongeëvenaard. "Als we het goed doen, verandert AI hoe we werken, leren, beslissingen nemen en zelfs met elkaar omgaan. Maar die opwaartse potentieel is alleen belangrijk als we twee grote risico's frontaal aanpakken. Grote Risico's: Foute Modellen en Niet Genoeg Energie Het eerste risico is modelontwerp. De huidige grote taalmodellen zijn indrukwekkend maar smal: geweldig in het werken met tekst, zwak in tijdreeksredenering en belichaamde taken zoals handelen of robotica. Ben gelooft dat we uiteindelijk "wereldmodellen" nodig hebben die meer leren zoals mensen als we agents willen die de complexiteit van de echte wereld aankunnen. Als we vast blijven zitten in het huidige LLM-paradigma, kunnen de flashy demo's lang voordat we de gebruiksgevallen bereiken waar mensen van dromen, tot stilstand komen. Het tweede risico is energie. Het trainen en draaien van grensmodellen is wreed energie-intensief, en netwerken worden al onder druk gezet waar datacenters zich clusteren. Ben is hier duidelijk: de Verenigde Staten heeft een "nucleaire New Deal" nodig. Moderne kleine modulaire reactoren zijn veiliger en goedkoper, maar de brandstof, toeleveringsketen en expertise eromheen zijn verwelkt. Het herbouwen daarvan, betoogt hij, zou een top binnenlands prioriteit moeten zijn: "Er is geen andere optie dan nucleaire energie" als Amerika serieus is over het realiseren van het volledige potentieel van AI. Waarom AI en Blockchain Eigenlijk Bij Elkaar Passen Het is gemakkelijk om "AI + crypto" als marketing af te doen, maar Ben splitst de kruising in drie duidelijke lagen: compute, data en agents. ...