We innoveren niet, we vergeten alleen langzamer

In onze haast om oude ideeën in een nieuw jasje te steken met moderne "branding", zijn we de lol kwijtgeraakt van echt snappen hoe dingen werken.

 

Mijn Texas Instruments TI-99/4A-thuiscomputer start nog steeds op. 41 jaar nadat ik hem voor het eerst op onze gezins-tv in fineer-houten kast aansloot, start hij in minder dan twee seconden op en is hij klaar om commando's in TI BASIC te ontvangen. Geen updates nodig. Niks nada cloudverbinding, abonnementskosten, advertenties. Nul. Gewoon puur, deterministisch computeren en precies doen wat je hem opdraagt, elke keer weer.

 

Ondertussen kan mijn Google Nest Wi-Fi-router geen PPPoE-verbinding meer maken met mijn glasvezelmodem na een ‘handige’ update van mijn internetprovider. Maar mijn pc's kunnen dat nog wel, dus heb ik de modem rechtstreeks op de pc aangesloten. Dat betekent geen Google Nest Wi-Fi, en dus nada sturing voor de vele Wi-Fi-lampen in mijn huis. Mijn fout, ik weet het.

Dit is geen nostalgie – het is een erkenning dat we betrouwbaarheid en inzichten hebben ingeruild voor de illusie van vooruitgang. De innovatiecyclus van vandaag is een soort collectief geheugenverlies geworden, waarbij we om de paar jaar fundamentele concepten herontdekken, er een nieuwe afkorting op plakken en doen alsof we een revolutie in de informatica hebben teweeggebracht. Edge computing? Dat is gewoon uitgevente taak-processing met betere marketing. Microservices? Welkom terug bij het modulair programmeren, nu met 300% meer YAML-configuratiebestanden. Server-vrij? Gefeliciteerd, je hebt timesharing herontdekt, alleen betaal je nu per milliseconde.

De levensduurtest

Het is best wel een ontnuchterende ervaring om een 40 jaar oud elektronisch apparaat open te maken en onderdelen te vinden die je nog kunt herkennen. Weerstanden, condensatoren, geïntegreerde schakelingen met onderdeelnummers die je kunt opzoeken. Vergelijk dat eens met de huidige black-box-ontwerpen van system-on-chip, waarbij één defect betekent dat het hele apparaat een dure deurstop wordt. We hebben alles geoptimaliseerd voor productie-efficiëntie en geplande veroudering, terwijl we het radicale idee hebben losgelaten dat gebruikers hun apparaten misschien willen begrijpen of, o jee..., repareren!

De VHS-speler in mijn kelder kon worden gefixt met een schroevendraaier en een onderhoudshandleiding (oké, soms een oscilloscoop). Mijn wifi-router daarentegen vereist een doctorstitel in reverse engineering om erachter te komen waarom hij geen verbinding met internet maakt. (Google is niet erg behulpzaam met een simplistische gebruikersinterface die in feite alleen maar zegt dat er “iets mis is”). We hebben complexiteit verward met verfijning, en abstractie met vooruitgang.

Dit gaat niet alleen over hardware. Software heeft hetzelfde gedaan, met steeds meer abstractie, totdat we een toren van afhankelijkheden hebben gemaakt die zo krakkemikkig is dat het updaten van één pakket een hele app kan platleggen. Moderne ontwikkelaars moeten 17 lagen frameworks doorzoeken om erachter te komen dat hun probleem een ontbrekende puntkomma is in een configuratiebestand dat is gemaakt door een tool die weer een andere tool abstraheert die is gemaakt om een proces te vereenvoudigen dat twintig jaar geleden nog doodsimpel was.

De AI hype-machine

Niets laat ons falende geheugen zo goed zien als de huidige discussie over AI. Grote taalmodellen zijn indrukwekkende statistische tekstvoorspellers – echt handige tools die supergoed zijn in het herkennen van patronen en interpolatie. Maar als je luistert naar de opgewonden verslaggeving van techjournalisten die het verschil tussen RAM en opslag niet kunnen uitleggen, zou je denken dat we bewustzijn hebben bereikt in een serverrack.

Dezelfde publicaties die zonder ironie termen als ‘disruptieve AI’ gebruiken, zijn dezelfde die elke keer dat ze over “machine learning” schrijven, moeten googelen wat een neuraal netwerk is. Ze hebben elke statistische verbetering omgezet in een jubelende aankondiging over de toekomst van de mensheid, waarbij ze volledig voorbijgaan aan het feit dat we decennia oude wiskundige concepten toepassen met meer rekenkracht. Het is minder magie en meer lineaire algebra op grote schaal.

Dit zou niet uitmaken als het alleen maar marketingpraat was, maar het misverstand heeft echte gevolgen. Bedrijven zetten miljarden in op technologieën die ze niet snappen, terwijl echte onderzoekers moeite hebben om wezenlijke vooruitgang te onderscheiden van de roze droom van durfkapitalisten. We verdrinken in een zee van ruis, veroorzaakt door mensen die kennis van terminologie verwarren met begrip van de onderliggende principes.

De maker-cultuur versus dingen maken

De ‘maker movement’ is ook een slachtoffer van ons probleem met vergeten. Wat begon als een legitieme terugkeer naar hands-on techniek, is nu overgenomen door de influencercultuur, waar het niet gaat om iets nuttigs maken, maar om content maken over het in elkaar zetten van iets dat er goed uitziet. Scroll door maker TikTok en je vindt eindeloze video's van mensen die LED's op fruit lijmen en dat ‘innovatieve hardware-hacking’ noemen, terwijl ze totaal geen oog hebben voor de feitelijke techniek die in laboratoria en werkplaatsen over de hele wereld plaatsvindt.

Écht maken is rommelig. Het vereist inzicht in materiaaleigenschappen, thermische kenmerken, storingsmodi en de duizend kleine beslissingen die het verschil maken tussen een werkend prototype en een dure deurstopper. Je moet datasheets lezen, toleranties berekenen en problemen oplossen waarvoor geen antwoord te vinden is op Stack Overflow. Dit alles laat zich niet lekker vastleggen op foto's of in een video van zestig seconden.

De oppervlakkige versie van de maker-cultuur ziet techniek als een lifestylemerk: alle esthetische aantrekkingskracht van technische competentie zonder de jarenlange studie die nodig is om die te ontwikkelen. Het lijkt wel een catwalk voor mensen die innovatief willen lijken zonder het saaie werk te doen om daadwerkelijk te begrijpen hoe dingen functioneren.

De kennisuitstroom

We creëren een generatie ontwikkelaars en techneuten die tools supergoed kunnen gebruiken, maar niet kunnen uitleggen hoe die tools werken. Ze kunnen apps op Kubernetes-clusters zetten, maar geen simpel op-amp schakelingetje ontwerpen. Ze kunnen neurale netwerken trainen, maar hebben moeite met basisstatistieken. Ze kunnen coole webapps bouwen, maar hebben nog nooit met assembler-taal gewerkt of snappen niet wat er gebeurt tussen het drukken van Enter en het zien van de output op het scherm.

Dat is niet hun schuld, het is een structureel probleem. Ons onderwijs en onze industrie belonen breedte boven diepgang, herkenbaarheid boven vaardigheid. We hebben ons gericht op het snel leveren van functies in plaats van het grondig begrijpen van systemen. Het resultaat is een soort technische aangeleerde hulpeloosheid, waarbij professionals afhankelijk worden van abstracties die ze niet kunnen doorgronden.

Wanneer die abstracties onvermijdelijk falen – en dat doen ze altijd – blijven we achter met het debuggen van systemen die we nooit echt hebben begrepen. De foutmeldingen – als we het geluk hebben er een te krijgen – kunnen net zo goed in hiërogliefen zijn geschreven, omdat we de contextuele kennis die nodig is om ze te interpreteren, kwijt zijn.

Wat we nu nodig hebben

We hebben redacteuren nodig die weten wat een Bode-plot is. We hebben technische teksten nodig die uitgaan van intelligentie in plaats van onwetendheid. We hebben onderwijssystemen nodig die naast tools ook principes aanleren, en naast theorie ook praktijk. Maar het allerbelangrijkste is dat we moeten stoppen met nieuwigheid te verwarren met innovatie en complexiteit met vooruitgang.

De beste technische oplossingen zijn vaak elegant eenvoudig. Ze werken betrouwbaar, falen voorspelbaar en zijn begrijpelijk voor de mensen die ze gebruiken. Ze hebben geen constante updates, cloudconnectiviteit of abonnementsdiensten nodig. Ze werken gewoon, jaar na jaar, en doen precies waarvoor ze zijn ontworpen.

Die TI-99/4A start nog steeds op omdat hij is ontworpen door "gasten" die elk onderdeel, elk circuit en elke regel code begrepen. Hij werkt omdat hij is gebouwd om te werken, niet om elk kwartaal inkomsten te genereren, gebruikersgegevens te verzamelen of een of ander ingewikkeld software-as-a-service-bedrijfsmodel mogelijk te maken.

Vroeger bouwden we dingen die lang meegingen. Dat kunnen we weer, maar eerst moeten we ophouden te vergeten wat we al weten.

De auteur heeft tijdens het schrijven van dit artikel een kwartier geprobeerd om zijn slimme deurbel verbinding te laten maken met wifi. De ironie ontging hem niet.