Koe gebruikt gereedschap met precisie die voorheen alleen mensen en chimpansees toonden

Een huiskoe in Spanje is gefilmd terwijl ze een krabpaal op geavanceerde wijze gebruikt om zichzelf te verzorgen—gedrag dat wetenschappers tot nu toe exclusief toeschreven aan primaten en mensen. De vondst dwingt biologen om gereedschapsgebruik bij dieren opnieuw te definiëren.

Dit item hoort in een wetenschappelijk vakblad, niet in een AI-nieuwsbrief—maar het raakt wel aan een relevant vraagstuk voor AI-ontwikkelaars: hoe definieer je 'intelligentie'? Als een koe complexer gedrag vertoont dan gedacht, moeten we misschien ook onze benchmarks voor 'slimme' AI-systemen bijstellen.

Voor praktische AI-toepassingen heeft dit geen directe impact, maar het is een nuttige reminder: intelligentie is contextueel en moeilijk te meten. Evalueer je AI daarom altijd op de specifieke taak, niet op abstracte 'slimheid'.

youtube

UPS bespaart 160 miljoen kilometer per jaar met eigen AI-routeplanner ORION

Logistiek gigant UPS (25 miljoen pakketjes per dag, 500.000 medewerkers) gebruikt sinds 2012 zijn zelfgebouwde ORION-algoritme om bezorgroutes te optimaliseren. De nieuwste versie, Dynamic ORION, past routes real-time aan op basis van verkeer en nieuwe orders. Het resultaat: jaarlijks 160 miljoen kilometer minder gereden, wat direct doorwerkt in brandstofkosten en CO2-uitstoot.

De les voor andere organisaties: UPS bouwde ORION op 20+ jaar historische routedata—een datamoat die geen startup kan evenaren. Voor bedrijven met logistieke processen is de vraag: welke operationele data verzamel je al jaren, maar gebruik je nog niet structureel voor optimalisatie?

Kanttekening: ORION startte in 2003 en werd pas 9 jaar later volledig uitgerold. AI-projecten op deze schaal vragen een lange adem en enorme databasis.

Actie: Identificeer één logistiek of planningsproces in je organisatie waar je minimaal 2 jaar historische data hebt. Test of een simpel optimalisatie-algoritme (zelfs rule-based) al winst oplevert voordat je naar complexere AI stapt.

neatprompts

ChatGPT heeft zes verborgen functies die de meeste gebruikers niet kennen

ChatGPT is uitgegroeid van chatbot tot werkplatform, maar veel gebruikers benutten alleen de basisfunctie: vragen stellen. De tool beschikt over geheugen (onthoudt context tussen sessies), image generation, autonome agents, projectorganisatie, privacy-modes voor gevoelige data en diepgaande research-mogelijkheden—allemaal binnen dezelfde interface.

Voor teams die ChatGPT gebruiken betekent dit: je laat waarschijnlijk 80% van de functionaliteit liggen. Vooral geheugen en projectorganisatie kunnen consistentie en herbruikbaarheid enorm verbeteren. Denk aan een sales-team dat standaard gespreksvoorbereidingen automatiseert, of een marketingafdeling die merkstem centraal opslaat.

Kanttekening: meer functies betekent ook meer complexiteit. Niet elk team heeft tijd voor onboarding van 'verborgen features'.

Actie: Open ChatGPT en klik op je profielicoon rechtsboven. Schakel 'Memory' in en voeg één standaard instructie toe die je dagelijks gebruikt (bijvoorbeeld: 'Schrijf altijd in zakelijke taal, max 3 alinea's'). Test of dit je output consistenter maakt.

Verkeersdrukte omgebouwd tot low-power AI-computer door onderzoekers

Wetenschappers hebben een methode ontwikkeld om verkeersstromen te gebruiken als fysieke rekenkracht voor AI-modellen—een onverwachte toepassing van ambient computing. De techniek zet bewegingspatronen in files om in data-input voor simpele machine learning-berekeningen, zonder extra energieverbruik.

De directe business-relevantie is nog beperkt, maar het illustreert een bredere trend: edge computing en energie-efficiënte AI winnen aan belang nu datacenters tegen stroomplafonds aanlopen. Voor organisaties met IoT-infrastructuur (fabrieken, slimme gebouwen) is de vraag relevant: kunnen we sensordata niet alleen verzamelen, maar ook lokaal gebruiken voor real-time beslissingen?

Realiteitscheck: dit is fundamenteel onderzoek, geen product. Praktische toepassingen liggen jaren verder.