← Een rapport samenvatten met AI deel 2 Een rapport samenvatten met AI vergelijken uitkomsten deel 4 →

Rapport High Jury Florida geanalyseerd met verschillende AI agents (deel 3)

In januari 2025 is er een rapport uitgebracht door de hoge raad van Florida die onderzoek deed naar de introductie van de M R N A v a c c ins. Nu heeft niet iedereen de tijd om deze PDF van 144 pagina’s te lezen, dus heb ik deze laten samenvatten met AI. In een eerdere blogpost heb ik dit rapport met betaalde en meer geavanceerde AI-tools laten analyseren. Ook heb ik verschillende chatbots zoals ChatGPT, Copilot, Perplexity vergeleken in deel 2.

In deze blogpost vergelijk ik het gebruik van verschillende AI Agents. Hoe Matrix wil je het hebben. Een AI agent is aangesteld om een specifieke taak uit te voeren. Niet zoals in de Matrix om de computerwereld te beschermen. In ons geval kan je agenten bijvoorbeeld emails laten beantwoorden, de thermostaat besturen, of zelfs een zelfrijdende auto enz. Er zijn zo’n zeven typen agenten te onderscheiden. Wil je meer leren over AI agents, luister dan naar deze podcast.

Eenvoudige reflexagenten: Deze agenten reageren op basis van vooraf gedefinieerde regels en directe gegevens. Ze zijn het meest geschikt voor eenvoudige taken die geen complexe besluitvorming of leren van eerdere ervaringen vereisen.

Voorbeeld: Een e-mailautoresponder die een vooraf gedefinieerd bericht verstuurt wanneer een e-mail met het onderwerp ‘wachtwoord resetten’ wordt ontvangen.

Deze agenten bouwen een intern model van de wereld op basis van de gegevens die ze waarnemen. Dit model helpt hen mogelijke uitkomsten en consequenties te evalueren voordat ze een beslissing nemen.

Voorbeeld: Een slimme thermostaat die niet alleen de temperatuur aanpast op basis van de huidige kamertemperatuur, maar ook rekening houdt met het tijdstip van de dag en of je normaal gesproken thuis bent op dat moment

Deze agenten hebben een specifiek doel voor ogen en evalueren verschillende benaderingen om hun gewenste resultaat te bereiken. Ze houden rekening met zowel huidige gegevens als toekomstige mogelijkheden om beslissingen te nemen.

Voorbeeld: Een navigatie-app die de beste route naar je bestemming plant, rekening houdend met verkeersomstandigheden, afstand en je voorkeuren.

Deze agenten streven ernaar een specifiek nut of waarde te maximaliseren. Ze gebruiken complexe redeneringen om verschillende scenario’s te evalueren en te beslissen welke de meeste voordelen biedt.

Voorbeeld: Een systeem voor resourcebeheer dat resources toewijst waar ze de meeste waarde toevoegen, of financiële beleggingsalgoritmen die risico en rendement in evenwicht brengen om de winst te maximaliseren.

Deze agenten leren voortdurend van hun ervaringen om hun prestaties te verbeteren. Ze gebruiken feedbackmechanismen om zich aan te passen en hun gedrag in de loop van de tijd te verfijnen.

Voorbeeld: Een chatbot voor klantenservice die beter wordt in het beantwoorden van vragen naarmate hij meer met klanten communiceert.

Deze agenten zijn georganiseerd in lagen, zoals een managementstructuur. Agenten op een hoger niveau splitsen complexe taken op in kleinere subtaken en wijzen deze toe aan agenten op een lager niveau.

Voorbeeld: Een fabriek waar een centraal systeem toezicht houdt op verschillende robots aan de lopende band.

Deze systemen bestaan uit meerdere agenten die samenwerken om een gemeenschappelijk doel te bereiken. Agenten kunnen autonoom of semi-autonoom zijn.

Voorbeeld: In een systeem voor verkeersmanagement in een slimme stad werken meerdere agenten (zoals verkeerslichten, sensoren en autonome voertuigen) samen om de verkeersstroom te optimaliseren.

In deze blogpost heb ik het rapport laten analyseren door vijf verschillende agents met verschillende kenmerken zoals doelgroep, focus, toon, stijl en invalshoek. Deze AI agenten zijn allemaal alter egos van GTP-4.

wat zijn de vijf belangrijkste conclusies uit dit rapport. Formuleer die per conclusie in max 140 tekens en verwijs op welke pagina(s) deze conclusies staan. Gebruik telkens een andere AI agent

Agent	Doelgroep	Invalshoek	Focus	Stijl	Toon
Agent 1	Algemeen publiek, beleidsmakers	Neutraal en informatief	Feitelijke hoofdpunten en kernbevindingen	Beknopt en direct, met paginaverwijzingen	Neutraal en objectief
Agent 2	Maatschappelijke organisaties, journalisten, kritische burgers	Maatschappelijk en communicatief	Maatschappelijke impact en systeemkritiek	Analytisch en contextueel	Kritisch en beschouwend
Agent 3	Wetenschappers, onderzoekers, medische professionals	Wetenschappelijk en methodologisch	Technische details en methodologie	Gedetailleerd en precies	Wetenschappelijk en technisch
Agent 4	Algemeen publiek, communicatieprofessionals	Communicatief en praktisch	Communicatie en publieke perceptie	Toegankelijk en praktisch	Betrokken en publieksgericht
Agent 5	Beleidsmakers, toezichthouders, adviesorganen	Strategisch en toekomstgericht	Beleidsimplicaties en aanbevelingen	Strategisch en toekomstgericht	Constructief en oplossingsgericht

Agent 1:

mRNA-vaccins waren effectief, maar risico/baten-analyse verschilde sterk per groep. (p. 12-14, 128-130)
FDA en sponsors vertrouwden te veel op beperkte data en immunogeniciteit als surrogaat. (p. 26-39)
Bijwerkingen zoals myocarditis werden onderschat en slecht gecommuniceerd. (p. 44-45, 64-66)
Open-label trials ondermijnden langetermijnveiligheidsdata en vertrouwen. (p. 37-39, 52)
Meer transparantie en onafhankelijke studies zijn cruciaal voor toekomstig beleid. (p. 120-123, 128-130)

Agent 1: Feitelijk en neutraal

Kenmerken:
- Richt zich op een neutrale en feitelijke samenvatting van de belangrijkste punten.
- Gebruikt een directe en bondige stijl, zonder veel interpretatie of emotie.
- Benadrukt de balans tussen effectiviteit en risico’s van de vaccins.
Verschil: Deze agent blijft objectief en vermijdt waardeoordelen of diepgaande kritiek.

Agent 2:

Vaccins redden levens, maar de FDA negeerde eigen richtlijnen voor robuuste RCT’s. (p. 26-28, 37)
Langetermijnstudies naar bijwerkingen zoals myocarditis ontbreken nog steeds. (p. 44-45, 64-66)
Sponsors beïnvloedden publieke perceptie via media en onvolledige data. (p. 109-117)
Immunogeniciteit als surrogaat voor effectiviteit bleek onbetrouwbaar. (p. 38-39, 45)
Huidige regelgeving belemmert transparantie en publieke controle. (p. 120-123, 128-130)

Agent 2: Kritisch en beschouwend

Kenmerken:
- Heeft een kritische blik op de tekortkomingen in het proces, zoals het gebrek aan onafhankelijk toezicht.
- Legt nadruk op maatschappelijke en communicatieve tekortkomingen, zoals de rol van media en overheid.
- Gebruikt een beschouwende toon, met aandacht voor bredere implicaties.
Verschil: Deze agent is meer gericht op de maatschappelijke impact en de rol van externe actoren.

Agent 3:

mRNA-vaccins waren innovatief, maar niet getest volgens normale standaarden. (p. 26-28, 37)
Bijwerkingen zoals myocarditis zijn zeldzaam, maar soms ernstig en slecht gemonitord. (p. 44-45, 64-66)
FDA en sponsors gebruikten verouderde data voor goedkeuring en boosters. (p. 39-45, 52)
Open-label trials verstoorden de betrouwbaarheid van veiligheidsdata. (p. 37-39, 52)
Meer transparantie en onafhankelijke analyses zijn essentieel voor vertrouwen. (p. 120-123, 128-130)

Agent 3: Technisch en analytisch

Kenmerken:
- Benadrukt methodologische tekortkomingen, zoals het gebruik van surrogaatdata en open-label trials.
- Heeft een analytische en technische stijl, met focus op de wetenschappelijke en statistische aspecten.
- Bekritiseert de manipulatie van data en het gebrek aan robuuste RCT’s.
Verschil: Deze agent is meer gericht op wetenschappelijke en technische details dan op maatschappelijke of ethische kwesties.

Agent 4:

Vaccins waren cruciaal, maar risico’s werden onvoldoende gecommuniceerd. (p. 44-45, 64-66)
FDA negeerde ethische dilemma’s rond placebo-groepen en open-label trials. (p. 37-39, 52)
Sponsors manipuleerden data en publicaties om risico’s te minimaliseren. (p. 109-117)
Immunogeniciteit als surrogaat voor effectiviteit was wetenschappelijk zwak. (p. 38-39, 45)
Huidige regelgeving beschermt sponsors meer dan het publiek. (p. 120-123, 128-130)

Agent 4: Publieksgericht en communicatief

Kenmerken:
- Richt zich op publieke perceptie en de manier waarop risico’s werden gecommuniceerd.
- Bekritiseert de invloed van media en campagnes op de publieke opinie.
- Gebruikt een praktische en toegankelijke stijl, gericht op de impact op het publiek.
Verschil: Deze agent legt de nadruk op communicatie en perceptie, in plaats van op technische of beleidsmatige aspecten.

Agent 5:

Vaccins waren effectief, maar niet voor alle bevolkingsgroepen even nuttig. (p. 12-14, 128-130)
FDA en farmaceuten vertrouwden te veel op immunogeniciteitsdata. (p. 38-39, 45)
Bijwerkingen zoals myocarditis werden niet tijdig en volledig gerapporteerd. (p. 44-45, 64-66)
Open-label trials ondermijnden de waarde van langetermijnveiligheidsdata. (p. 37-39, 52)
Meer transparantie en hervorming van regelgeving is noodzakelijk. (p. 120-123, 128-130)

Agent 5: Beleidsgericht en strategisch

Kenmerken:
- Heeft een beleidsmatige focus, met nadruk op hervormingen en regelgeving.
- Bekritiseert het gebruik van surrogaatdata en pleit voor nieuwe RCT’s en transparantie.
- Gebruikt een strategische en toekomstgerichte toon, gericht op aanbevelingen en hervormingen.
Verschil: Deze agent is meer gericht op beleidsveranderingen en de structurele aanpak van problemen.

Alice vroeg aan de kat, welke weg moet ik kiezen. Waarop de kat antwoorde, waar wil je naartoe.

Tot nu toe hebben we een rapport geanalyseerd met verschillende AI tools en AI agents. En dit geeft telkens een andere inkijk op de inhoud van het rapport. In deel vier ga ik al de verschillende uitkomsten vergelijken.