Natuurkunde verandert AI: waarom de toekomst van intelligentie niet alleen om code draait

vrijdag, 24 april 2026 om 7:00

Onderzoekers stellen in 2026 steeds vaker dat de volgende doorbraak in kunstmatige intelligentie niet primair uit software komt, maar uit natuurkunde. Volgens recente publicaties uit zowel academische als industriële hoek verschuift de aandacht van puur algoritmisch denken naar fysische systemen die intelligent gedrag mogelijk maken. Deze ontwikkeling kan grote gevolgen hebben voor Nederland, met name voor sectoren als halfgeleiders, energie en high-tech systemen.

De kern van deze trend is helder: huidige AI-systemen, zoals grote taalmodellen, lopen tegen fundamentele grenzen aan. Ze verbruiken enorme hoeveelheden energie, vereisen gigantische datasets en schalen moeilijk verder zonder exponentiële kosten. Fysica-gebaseerde benaderingen bieden een alternatief door intelligentie te verankeren in de eigenschappen van materie zelf.

Waarom voldoet traditionele AI niet meer?

Traditionele AI is gebaseerd op software en digitale hardware. Deze aanpak bereikt nu fysieke en economische limieten. Chips worden weliswaar efficiënter, maar de energievraag van AI groeit sneller dan de optimalisatie kan bijhouden.

Dat probleem is concreet zichtbaar. Datacenters draaien op volle capaciteit, terwijl de vraag naar AI-toepassingen blijft stijgen. In Nederland leidt dit tot discussies over netcongestie en energieverbruik, vooral rond regio’s met veel digitale infrastructuur.

Daarnaast is er een fundamenteel probleem. Huidige AI leert via statistische patronen, niet via begrip. Dat betekent dat systemen krachtig zijn in taal en beeld, maar beperkt in redeneren en generaliseren.

Fysica-gebaseerde AI probeert dit te doorbreken.

Wat betekent ‘AI gebaseerd op fysica’?

AI gebaseerd op fysica betekent dat intelligentie niet alleen uit code komt, maar uit fysieke processen. Denk aan systemen waarin licht, elektriciteit of zelfs quantummechanica berekeningen uitvoeren.

Dit concept kent meerdere vormen:

Analoge computing: berekeningen via continue signalen in plaats van digitale bits
Neuromorfe chips: hardware die het brein nabootst
Fotonische AI: gebruik van licht in plaats van elektriciteit
Quantum computing: berekeningen op basis van quantumtoestanden

Het verschil is fundamenteel. In plaats van software die draait op hardware, wordt de hardware zelf intelligent.

Waarom is deze verschuiving belangrijk?

Deze verschuiving is belangrijk omdat fysische systemen efficiënter kunnen rekenen. Licht bijvoorbeeld kan parallelle berekeningen uitvoeren met minimale energie.

Dat heeft directe implicaties:

Lagere energiekosten voor AI
Snellere verwerking van complexe data
Nieuwe vormen van intelligentie die niet afhankelijk zijn van datahonger

Voor Nederland is dit bijzonder relevant. Het land heeft een sterke positie in fotonica en chiptechnologie. Denk aan bedrijven en onderzoeksinstituten die werken aan geavanceerde lithografie en optische systemen.

Welke rol speelt Nederland?

Nederland speelt al een sleutelrol in de wereldwijde chipindustrie. Die positie kan sterker worden als fysica-gebaseerde AI doorbreekt.

De reden is eenvoudig. Fysische AI vereist nieuwe hardware. Dat betekent:

Nieuwe chiparchitecturen
Innovaties in materialen
Integratie van optica en elektronica

Nederlandse ecosystemen rond Eindhoven en Delft zijn hier actief in. Universiteiten en bedrijven werken aan fotonische chips en neuromorfe systemen.

Dit creëert kansen voor:

Economische groei
Strategische autonomie
Nieuwe werkgelegenheid in deep tech

Hoe verandert dit de AI-markt?

De AI-markt verschuift van softwaredominantie naar hardware-innovatie. Grote technologiebedrijven investeren al in alternatieve rekenmethoden.

Deze verschuiving betekent:

Minder afhankelijkheid van traditionele GPU’s
Opkomst van gespecialiseerde AI-hardware
Nieuwe spelers naast bestaande techgiganten

Start-ups spelen hierin een grote rol. Zij ontwikkelen niche-oplossingen die later opgeschaald worden door grotere bedrijven.

Voor beleidsmakers betekent dit dat investeringen in hardware-innovatie net zo belangrijk worden als softwareontwikkeling.

Wat zijn de uitdagingen?

Fysica-gebaseerde AI staat nog in de kinderschoenen. De technologie is veelbelovend, maar niet zonder risico’s.

Belangrijke uitdagingen zijn:

Complexiteit van ontwikkeling
Hoge kosten van nieuwe hardware
Beperkte schaalbaarheid in vroege fase
Gebrek aan standaardisatie

Daarnaast is er een kennisvraagstuk. Engineers moeten zowel software als fysica begrijpen. Dit vraagt om nieuwe vormen van onderwijs en samenwerking.

Wat betekent dit voor onderwijs en arbeidsmarkt?

De verschuiving naar fysica-gebaseerde AI verandert de vraag naar talent. Bedrijven zoeken niet alleen programmeurs, maar ook natuurkundigen en hardware-specialisten.

Voor het onderwijs betekent dit:

Meer interdisciplinair curriculum
Combinatie van AI, natuurkunde en engineering
Praktijkgericht onderzoek

Voor de arbeidsmarkt betekent dit:

Nieuwe functies in deep tech
Grotere vraag naar gespecialiseerde kennis
Hogere instapdrempel voor bepaalde rollen

Nederlandse universiteiten spelen hierin een cruciale rol. Zij moeten talent opleiden dat deze hybride wereld begrijpt.

Wat betekent dit voor de samenleving?

Fysica-gebaseerde AI kan de impact van technologie op de samenleving veranderen. Efficiëntere systemen betekenen minder energieverbruik en lagere kosten.

Dat kan leiden tot:

Duurzamere digitale infrastructuur
Toegankelijkere AI-toepassingen
Minder druk op energievoorziening

Tegelijkertijd brengt het nieuwe afhankelijkheden met zich mee. Landen die vooroplopen in hardware krijgen meer invloed op de wereldwijde AI-ontwikkeling.

Voor Nederland betekent dit dat strategische keuzes nodig zijn. Investeren in kennis en infrastructuur is essentieel om relevant te blijven.

Is dit het einde van software-AI?

Nee, software blijft belangrijk. De toekomst ligt in de combinatie van software en fysica.

De meest waarschijnlijke ontwikkeling is hybride AI:

Software voor flexibiliteit
Fysische systemen voor efficiëntie
Integratie van beide lagen

Dit betekent dat bestaande AI-systemen niet verdwijnen, maar evolueren.

Conclusie: intelligentie wordt fysiek

De belangrijkste ontwikkeling is dat intelligentie steeds meer een fysieke dimensie krijgt. Waar AI eerst vooral een softwareprobleem was, wordt het nu een vraagstuk van natuurkunde en engineering.

Deze verschuiving kan de volgende fase van AI bepalen. Voor Nederland biedt dit kansen, maar ook verantwoordelijkheid. Investeringen in deep tech, onderwijs en infrastructuur zijn cruciaal om deze transitie te benutten.

De toekomst van intelligentie hangt daarmee niet alleen af van betere code, maar van hoe goed we de wetten van de natuur weten te benutten.