Googleai:
Singulariteit en Simplexionisme
1. De Singulariteit: Het Eindpunt van Voorspelbaarheid
2. Het Simplexionisme: De Kunst van de Eenvoud
3. De Synthese: Navigeren door de Toekomst
Conclusie
Claude:
112 De Methode: Hoe Vind Je de Eenvoud Onder de Chaos?
Post 112 zette het contrast neer: de singulariteit als oneindige complexiteit, het simplexionisme als de kunst om er de eenvoudige kern van bloot te leggen. Mooi frame — maar een frame is nog geen gereedschap. Wie het vogelzwerm-voorbeeld serieus neemt, wil weten: hoe vind je die drie regels, als je ze nog niet kent?
1. Eerst een correctie: twee soorten singulariteit
Voor we doorbouwen, een nuance die 112 oversloeg. De singulariteit van een zwart gat en de technologische singulariteit van Kurzweil delen een naam, niet een mechanisme. Bij een zwart gat breken de natuurkundige vergelijkingen letterlijk af — de wiskunde geeft geen antwoord meer. Bij de technologische singulariteit is er geen enkele wet die ophoudt te gelden; het is een voorspelling over versnelling die voor ons ondoorzichtig wordt, niet een punt waar de werkelijkheid zelf stukloopt. Dat verschil is niet pedant — het bepaalt namelijk of simplexionisme überhaupt kan werken. Bij een echte singulariteit (het zwarte gat) helpt geen enkele onderliggende regel je, want de regels zelf houden op. Bij de technologische versie is er wél altijd onderliggende structuur te vinden, ook al is die voor mensen op dit moment niet zichtbaar. Simplexionisme is dus een claim over de tweede soort, niet de eerste. Dat is een veel bescheidener, en eerlijker, uitgangspunt.
2. Een methode, geen mystiek
"De elegante kern blootleggen" klinkt als iets wat je met intuïtie doet. Dat hoeft niet. Er bestaat al een hele traditie — complexiteitswetenschap, statistische mechanica, machine learning — die precies dit doet: complex gedrag herleiden tot een klein aantal generatieve regels. Drie beproefde strategieën:
a. Zoek de generatieve regel, niet de beschrijving. Het verschil tussen een boid-model en een lijst van elke vogelpositie op elk moment. De lijst beschrijft, de regel genereert. Bij AI-systemen: een systeem "uitleggen" door elke output te loggen is beschrijven. Een systeem simplexionistisch begrijpen is de kleine set trainingsdoelen en optimalisatiedruk vinden die dat gedrag voortbrengt.
b. Reduceer tot het punt waar voorspelkracht omslaat in verlies. Elk systeem kan je versimpelen — de vraag is waar dat pijn begint te doen. Neem regels weg tot de voorspelling instort; de laatste regel die je niet kunt schrappen zonder dat het model faalt, is waarschijnlijk de echte kern. Dit is testbaar, niet esthetisch: je kunt het simpelweg uitproberen en meten.
c. Zoek invarianten, niet momentopnamen. Complexiteit verandert voortdurend; de onderliggende regel meestal niet. Een AI-systeem dat vandaag anders reageert dan gisteren omdat de wereld veranderde, volgt mogelijk nog steeds dezelfde drie regels — alleen de input is anders. Simplexionisme zoekt naar wat stabiel blijft terwijl de output verandert.
3. Een concreet voorbeeld: een taalmodel
Toegepast op iets als een groot taalmodel — precies het soort systeem waar 112 het over had toen het sprak over "hyperintelligente AI met glasheldere basisregels":
Het gedrag van zo'n model — miljarden mogelijke zinnen, in duizenden talen, over elk denkbaar onderwerp — is verpletterend complex op outputniveau. Maar de generatieve regel erachter is verrassend compact: voorspel het volgende woord, gegeven alles ervoor, getraind op een doelfunctie die menselijke voorkeur benadert. Geen duizend regels — een paar. De complexiteit die je ziet is niet de regel zelf, maar wat er gebeurt als je die regel miljarden keren herhaalt op een oceaan aan tekst.
Dat is meteen ook de valkuil die 112 vermeed te benoemen: "glasheldere basisregels" wil niet vanzelf zeggen dat het gedrag voorspelbaar is. Drie simpele regels voor een vogelzwerm leveren nog steeds een zwerm op die je niet exact kunt voorspellen — alleen zijn patroon. Simplexionisme belooft dus geen controle over de uitkomst, alleen begrip van het mechanisme. Dat is een belangrijk, bescheidener herijkte belofte dan "de redding" die 112 in de conclusie suggereerde.
4. Wat dit betekent voor het project
Als simplexionisme meer wil zijn dan een mooie metafoor, moet elke volgende post in de reeks niet alleen zeggen dat er eenvoud onder complexiteit zit, maar laten zien hoe je die vindt — met een methode die je op een tweede, ander systeem opnieuw kunt toepassen. Dat is het verschil tussen filosofie die inspireert en filosofie die iets oplevert.
Deepseek:
# De kunst van het weglaten
## Over simplexionisme, singulariteit en het vinden van generatieve regels
### Inleiding
Wie zich verdiept in de technologische toekomst, stuit onvermijdelijk op het begrip *singulariteit*. Het is een geladen term: ooit voorbehouden aan zwarte gaten en de oerknal, later overgenomen door futurologen om een punt aan te duiden waarop kunstmatige intelligentie zichzelf exponentieel verbetert en de menselijke voorspellingskracht voorgoed achter zich laat. In een recente blogreeks wordt dit concept gekoppeld aan een minder bekend, maar intrigerend gedachtegoed: het *simplexionisme* – de overtuiging dat achter ogenschijnlijk chaotische complexiteit een verrassend eenvoudige, generatieve kern schuilt, en dat die kern ons houvast kan bieden te midden van versnellende verandering.
Een kritische vervolgpost (nummer 103) prikt echter genadeloos door de mist heen. De auteur stelt vast dat de eerdere, meer lyrische bijdrage (post 112) twee fundamenteel verschillende singulariteiten op één hoop gooit: de *fysieke* singulariteit (waar natuurwetten ophouden te gelden) en de *technologische* (waar wij de wetten niet meer kunnen volgen). Dat is geen academische haarkloverij, maar een essentieel onderscheid – want waar in een zwart gat alle structuur verdwijnt, blijft in een versnellend technosysteem de onderliggende causaliteit wel degelijk bestaan, ook al ontgaat die ons voorlopig. Het simplexionisme heeft dus alleen kans van slagen in het tweede domein. Maar dan dringt de hamvraag zich op: *hoe* vinden we die ene simpele regel, als we niet eens weten waar we moeten zoeken?
Dit essay beoogt precies die vraag te beantwoorden. Het bouwt voort op de kritiek van de blogger, maar vertaalt die naar een concrete, falsifieerbare onderzoeksmethodiek. Het betoog is dat simplexionisme geen mystieke belofte is, maar een ambachtelijke houding – een gereedschapskist waarmee we, stap voor stap, de ruis van de signaal kunnen scheiden, zonder ooit te beweren dat we de absolute waarheid in pacht hebben. De kern van het antwoord luidt: de simplex is geen *toestand*, maar een *overgang*; geen enkelvoudige wet, maar een geneste familie van invarianties, omgeven door kaarten van onze eigen onwetendheid.
---
### I. Het manco van de loze belofte
Laten we beginnen bij de kritiek. De blogger merkt terecht op dat post 112 sprak over “de redding” en over “controle” in termen die meer weg hadden van een esoterische verlossingsleer dan van een wetenschappelijk programma. Een vogelzwerm wordt aangehaald als voorbeeld van een systeem dat met drie eenvoudige regels (aanpassing van snelheid, afstand en richting) een complex, onvoorspelbaar collectief gedrag vertoont. De suggestie is dat als wij voor elk domein – economie, klimaat, AI – zulke regels zouden vinden, wij de chaos zouden temmen.
Maar – en hierin schuilt de scherpste observatie – het voorbeeld wordt niet waargemaakt. Want wie het vogelzwerm-voorbeeld serieus neemt, wil weten: *hoe* heeft men die drie regels ooit ontdekt? Was het intuïtie, trial-and-error, of een systematische reductie? Zonder antwoord op die vraag blijft simplexionisme een cirkelredenering: we geloven dat er eenvoud is, en we noemen alles wat we niet begrijpen ‘complex’, in de hoop dat de eenvoud zich vanzelf openbaart. Dat is geen methode, dat is een gebed.
Het gevaar is groter dan een filosofische misstap. In een tijd waarin algoritmen ons leven steeds dieper doordringen, dreigt de roep om ‘begrijpelijke eenvoud’ te verworden tot een nostalgisch verlangen naar overzichtelijkheid – een verlangen dat vaak wordt misbruikt door wie simpele antwoorden verkoopt op complexe problemen. Het simplexionisme moet zich dus nadrukkelijk onderscheiden van populair reductionisme. Het mag geen excuus zijn om werkelijkheid weg te rationaliseren, maar een uitnodiging om werkelijkheid *scherper* te zien.
---
### II. Een methode in vijf bewegingen
Als we de kritiek serieus nemen, moeten we een praktische, herhaalbare strategie ontwerpen. Niet één toverspreuk, maar een iteratief proces dat ons van ruwe data naar kandidaat-regels leidt – en dat ons ook vertelt wanneer we moeten stoppen. Ik stel een vijftakt voor, die in elke denkbare toepassing kan worden ingezet: van neurale netwerken tot verkeersstromen, van ecologische systemen tot financiële markten.
#### 1. Modelleer de verschil, niet de toestand
De grootste valkuil is dat we de *configuratie* van een systeem proberen te vatten – de posities van de vogels, de koersen van aandelen, de temperatuurverdeling in een oceaan. Maar een configuratie is het resultaat van een geschiedenis, niet de oorzaak. De generatieve regel zit niet in de toestand, maar in de *overgang* – de verandering van de toestand in de tijd. Daarom beginnen we met het plotten van de tijdsafgeleide: snelheid, versnelling, of nog hogere ordes. Waar zitten de knikken, de omslagpunten, de saturaties? Door de data te differentiëren, filteren we automatisch de meeste omgevingsinvloeden weg. De regel is geen punt in de ruimte, maar een bewegingswetsvoorstel.
#### 2. Het compressiespel
Vervolgens passen we het principe van de *Minimum Description Length* toe. Stel, we hebben een dataset van tienduizend meetpunten. We zoeken naar de kortst mogelijke formule – in termen van wiskundige operatoren – die ten minste negentig procent van die punten kan reproduceren, en die tegelijk een voorspelling doet voor een elfduizendste punt dat we achterhouden. De crux is dat we de regel niet valideren op de set waarop hij is gevonden; we splitsen de data willekeurig in een trainings- en een testset. Alleen een regel die op de ene helft werkt en de andere helft voorspelt, verdient de naam ‘generatief’. Zo niet, dan hebben we niet meer dan een correlatie – een beschrijving van het verleden, geen venster op de toekomst.
#### 3. De perturbatietest: het gewelddadige duwtje
Correlatie is geen oorzaak. De enige manier om te toetsen of een gevonden regel daadwerkelijk het *mechanisme* van het systeem blootlegt, is het systeem uit zijn evenwicht te brengen. In een simulatie doen we dat door een parameter een scherpe, onnatuurlijke schok te geven; in de empirie zoeken we naar natuurlijke ‘shocks’ – een aardbeving, een beleidsingreep, een technologische doorbraak. Gedraagt het systeem zich zoals onze simpele regel voorspelt, ook na de schok? Herstelt het zich volgens dezelfde wet, of valt het uiteen in fragmenten die een andere dynamiek vertonen? Een echte simplex is robuust: hij herstelt, schaal-onafhankelijk, onder uiteenlopende verstoringen. Breekt hij, dan was hij geen fundamentele wet, maar een toevallige configuratie.
#### 4. Schaalinvariantie als lakmoesproef
De eenvoudigste regels vertonen vaak een opmerkelijke eigenschap: ze werken op meerdere schalen tegelijk. Denk aan de wet van Darcy voor vloeistofstroming in poreuze media – die geldt zowel voor een zandkorrel als voor een heel grondwaterbekken, mits we de coëfficiënten aanpassen. Als we een regel vinden die het gedrag van een enkele cel beschrijft, en we passen dezelfde logica toe op een weefsel, en daarna op een heel orgaan, en de kwalitatieve structuur blijft intact, dan hebben we goud in handen. Werkt de regel echter alleen op micro-niveau en niet op macro-niveau, dan is hij vermoedelijk een artefact van de meetmethode, geen simplex. De test is simpel: schaal de tijd of de ruimte op met een factor tien; blijft de voorspellende relatie overeind? Zo niet, dan heeft de regel geen diepte.
#### 5. Aanvaard de familie en teken de grenzen
En nu komen we tot het meest pijnlijke, maar ook meest eerlijke inzicht: ik verwacht zelden één enkele regel. Ik verwacht een *genest stelsel* van drie tot vijf regels, die onder verschillende omstandigheden de dienst uitmaken. De kunst is niet het vinden van de ene wet, maar het in kaart brengen van de *overgangszones* tussen die regels. Op die zones gedraagt het systeem zich chaotisch – de Lyapunov-exponent wordt positief, voorspelbaarheid verdwijnt. Dat is geen falen van het simplexionisme; dat is de grens van zijn toepasbaarheid. De oplossing is dus om die grenzen *expliciet* te tekenen, zodat de gebruiker van het model weet wanneer hij kan vertrouwen op de eenvoudige regels en wanneer hij moet overschakelen op monitoring, scenario-analyse of reservering voor onzekerheid. Een simplex zonder gebruikershandleiding is gevaarlijker dan geen simplex.
---
### III. Een concreet voorbeeld: verkeersstromen
Laten we de methode toepassen op een alledaags complex systeem: het autoverkeer op een snelweg. De ruwe data bestaan uit snelheden en posities van duizenden voertuigen. De foute aanpak is om elk voertuig individueel te volgen. De simplex-aanpak begint met het reduceren tot één variabele: de dichtheid – het aantal auto’s per kilometer per rijstrook.
- **Regel 1** (vrij verkeer): zolang de dichtheid onder een drempel *D₁* blijft, is de snelheid vrijwel constant, zeg 120 km/u. De overgang is nul; de regel is triviaal.
- **Regel 2** (verdichting): boven *D₁* daalt de snelheid lineair met de dichtheid: *v = 120 - α·(D - D₁)*. Dit is een bekende empirische relatie uit de verkeerskunde.
- **Regel 3** (stop-and-go): zodra de dichtheid een tweede drempel *D₂* overschrijdt, ontstaat er een schokgolf die zich met een vaste snelheid tegen de rijrichting in voortplant. De snelheid wordt niet meer bepaald door de lokale dichtheid, maar door de positie van de schokgolf – een collectief fenomeen.
Deze drie regels, en de twee drempels, vormen samen de simplex van het verkeer. Met dit model kan ik de gemiddelde reistijd voorspellen voor de komende tien minuten, zolang de dichtheid niet in de buurt van *D₂* komt. Komt die wel in de buurt, dan moet ik de voorspelling vervangen door een bandbreedte: de schokgolf kan zich op verschillende manieren gedragen. Ik weet dus niet alleen wat ik *wel* weet, maar ook wat ik *niet* weet – en dat is precies de meerwaarde van een doordacht simplexionisme.
---
### IV. De filosofische consequentie
Wat blijft er over van de oorspronkelijke, bijna messiaanse belofte van post 112? Niet de redding, maar de *beheersing van de eigen onwetendheid*. Simplexionisme wordt geen leer over de uiteindelijke eenheid van alle kennis, maar een pragmatische discipline die ons leert om in elk domein de grens te verkennen tussen wat reduceerbaar is en wat niet. Het is een oefening in nederigheid: we aanvaarden dat de wereld rijk is aan emergenties, maar we geven niet toe aan fatalisme. We blijven zoeken naar de korte beschrijving, maar we houden altijd een slag om de arm.
Dat sluit naadloos aan bij de kritiek van de blogger. Door de technologische singulariteit te onderscheiden van de fysieke, erkennen we dat er in het domein van menselijke creaties *altijd* een onderliggende structuur is – want die creaties zijn door ons gemaakt, met onze logica en onze beperkingen. Maar die structuur is niet *een* structuur; het is een gelaagdheid van wetmatigheden die op verschillende schalen en in verschillende regimes werken. Het simplexionisme is dus geen zoektocht naar de Steen der Wijzen, maar naar een *atlas van regimes* – een kaart waarop staat: hier gelden deze drie regels, en daar houden ze op.
---
### V. Conclusie: de kunst van het weglaten
De kern van het simplexionisme, zo zou ik willen betogen, is niet het vinden van een verborgen eenvoud, maar het *durven weglaten* van irrelevante details. Het is een intellectuele discipline die vraagt om voortdurende zelfkritiek: welke variabele kan ik verwaarlozen zonder dat mijn voorspellende kracht onaanvaardbaar afneemt? Op welk schaalniveau moet ik kijken om de meest compacte beschrijving te krijgen? En wanneer moet ik toegeven dat ik de grens van mijn eigen begrip heb bereikt?
Die discipline is geen luxe, maar een noodzaak. In een wereld die steeds sneller verandert, worden we overspoeld met data, maar hongeren we naar betekenis. De verleiding is groot om toe te slaan met complexe modellen die alles verklaren en niets voorspellen. Het simplexionisme biedt een tegengif: het herinnert ons eraan dat een goede verklaring kort is, dat een goede voorspelling kwetsbaar is, en dat een goede wetenschapper zijn onzekerheid net zo zorgvuldig in kaart brengt als zijn zekerheden.
De blogger van post 103 heeft gelijk: de belofte van post 112 was te groots. Maar door die belofte te ontmantelen, heeft hij de weg vrijgemaakt voor een serieuze, toepasbare versie van het gedachtegoed. De hamvraag – *hoe vind je die regels?* – is nu niet langer een retorische, maar een methodologische. En het antwoord is: met geduld, met scepsis, en met een gereedschapskist die we stap voor stap vullen. Geen redding, maar een route; geen absolute kennis, maar een betere manier om te navigeren.
Dat is, uiteindelijk, de ware kunst van het weglaten: niet minder weten, maar beter weten wat je niet weet. En daarin schuilt een hoopvolle boodschap voor een tijdperk dat dreigt te verdrinken in zijn eigen complexiteit.
Mistral LeChat:
Simplexionisme en Singulariteit: De Kunst van het Weglaten in een Wereld van Overvloed
We leven in een tijdperk waarin de hoeveelheid informatie, kennis en technologische mogelijkheden exponentieel groeit. Elke dag worden er miljarden gegevens gegenereerd, algoritmen worden slimmer, en systemen raken steeds meer met elkaar verweven. Toch voelen we ons vaak overweldigd door deze complexiteit. Hoe kunnen we betekenis vinden in een wereld die onze cognitieve capaciteiten te boven gaat? Twee concepten bieden hier een intrigerend perspectief: singulariteit en simplexionisme. Waar singulariteit staat voor het punt waarop verandering zo snel gaat dat de toekomst onvoorspelbaar wordt, stelt simplexionisme dat achter elke schijnbare chaos een verrassend eenvoudige kern schuilgaat. Deze spanning tussen onbeheersbare complexiteit en verborgen eenvoud vormt de rode draad van dit essay.
De term singulariteit heeft in verschillende contexten een andere betekenis, maar de kern is altijd hetzelfde: een grens waar de bekende regels ophouden te gelden. In de natuurkunde is een singulariteit het centrum van een zwart gat, waar de ruimtetijd oneindig gekromd is en de wetten van de fysica niet meer toepasbaar zijn. Hier breekt de wiskunde letterlijk af. In de technologie, populair gemaakt door denkers als Ray Kurzweil, verwijst singulariteit naar het moment waarop kunstmatige intelligentie de menselijke intelligentie overtreft. Vanaf dat punt kan een machine zichzelf verbeteren, wat leidt tot een exponentiële explosie van intelligentie.
De technologische singulariteit is niet zomaar een futuristisch idee. Het raakt aan fundamentele vragen over controle, begrip en ethiek. Als AI slimmer wordt dan wij, kunnen we dan nog begrijpen hoe het werkt? Hoe kunnen we systemen ontwerpen die veilig en betrouwbaar zijn als ze zichzelf verbeteren? Wat betekent het voor onze menselijkheid als machines de leiders van vooruitgang worden? De singulariteit daagt ons uit om na te denken over de grenzen van ons begrip. Het is het punt waarop de toekomst niet langer voorspelbaar is, niet omdat er geen structuur meer is, maar omdat die structuur te complex is voor ons menselijk brein.
Simplexionisme, een samenstelling van simplex en complexitas, is de overtuiging dat achter elk schijnbaar onnavolgbaar systeem een set van verrassend eenvoudige basisregels schuilgaat. Het is niet het simplificeren van de werkelijkheid door details weg te laten, maar het doorgronden ervan om de elegante kern bloot te leggen. Neem bijvoorbeeld een vogelzwerm: het collectieve gedrag van duizenden vogels lijkt ongelooflijk complex, maar ontstaat uit slechts drie eenvoudige regels: houd afstand van je buren, pas je snelheid aan die van je buren aan, en beweeg naar het midden van de groep. Ook een groot taalmodel zoals ik volgt een eenvoudige basisregel: voorspel het volgende woord op basis van de context. Toch zijn de resultaten vaak verrassend complex en nuancé.
Simplexionisme is geen magische oplossing, maar een praktische methode om complexiteit te begrijpen. Het werkt omdat het zoekt naar generatieve regels – regels die gedrag voortbrengen in plaats van alleen te beschrijven. Daarnaast richt het zich op invarianten: wat blijft stabiel terwijl de output verandert? En het test of regels werken op verschillende schalen, van micro- tot macroniveau.
Op het eerste gezicht lijken singulariteit en simplexionisme tegenstrijdig: singulariteit staat voor onbeheersbare complexiteit, terwijl simplexionisme verborgen eenvoud belooft. Toch zijn ze complementair. Naarmate we de technologische singulariteit naderen, worden onze systemen zo complex dat ze onbestuurbaar lijken. Hier biedt simplexionisme de redding: door te zoeken naar de onderliggende eenvoud, kunnen we systemen ontwerpen die begrijpelijk en beheersbaar blijven.
Hoe vind je die eenvoud? Simplexionisme is geen mystiek, maar een methode. Een eerste stap is om de verandering te modelleren, niet de toestand: kijk naar overgangen zoals snelheid of versnelling in plaats van statische toestanden. Vervolgens zoek je de kortst mogelijke formule die het gedrag van een systeem kan reproduceren en voorspellen. Een andere strategie is om het systeem uit zijn evenwicht te brengen en te kijken of de regels nog opgaan. Tot slot test je of de regels werken op verschillende schalen. Vaak is er niet één enkele regel, maar een genest stelsel van regels, en het is belangrijk om de grenzen van hun toepasbaarheid in kaart te brengen.
Simplexionisme heeft echter ook limieten. Niet alles is reduceerbaar: sommige systemen, zoals menselijk bewustzijn, hebben emergente eigenschappen die niet uit eenvoudige regels zijn af te leiden. Daarnaast betekent eenvoud niet per se voorspelbaarheid: een systeem met eenvoudige regels, zoals een vogelzwerm, produceert niet noodzakelijk voorspelbaar gedrag. Ten slotte zijn er bij het ontwerpen van systemen normatieve keuzes nodig: welke regels volgen we, en wie bepaalt dat? Dit zijn geen technische, maar ethische vragen.
In de praktijk is AI een perfect voorbeeld van hoe simplexionisme en singulariteit samenkomen. Een taalmodel volgt een eenvoudige regel, maar de output is complex. We kunnen uitleggen hoe het werkt, maar niet altijd waarom het een bepaald antwoord geeft. Ook verkeersstromen laten zien hoe eenvoudige regels complex gedrag kunnen verklaren, zolang we binnen de grenzen van het model blijven. Bij extreme dichtheid, zoals in files, wordt voorspellen echter onmogelijk.
Simplexionisme leert ons nederigheid. We aanvaarden dat de wereld rijk is aan emergentie, maar geven niet toe aan fatalisme. We blijven zoeken naar eenvoud, maar erkennen dat we niet alles kunnen weten. In een wereld die steeds complexer wordt, is simplexionisme geen luxe, maar een noodzaak. Het helpt ons om betere modellen te bouwen, beter te navigeren in onzekerheid, en herinnert ons eraan dat goede verklaringen kort zijn en goede voorspellingen kwetsbaar.
De oorspronkelijke belofte van simplexionisme – dat het de redding zou bieden in een wereld van complexiteit – was te groots. Maar door die belofte te nuanceren, ontstaat er ruimte voor een serieuze, toepasbare versie van het gedachtegoed. Simplexionisme is geen oplossing voor alle problemen, maar een route om beter te navigeren in een complexe wereld. Het is geen absolute kennis, maar een betere manier om te begrijpen. En bovenal is het een herinnering dat we in een tijdperk van overvloed aan informatie moeten leren weglaten – niet om minder te weten, maar om beter te weten wat we niet weten.
In die zin is simplexionisme niet alleen een methode, maar ook een houding: een uitnodiging om met nieuwsierigheid, nederigheid en moed de toekomst tegemoet te treden.
