Hoe werkt AI?

Hoe werkt AI?

Geen magie, wel indrukwekkend

Er wordt veel gepraat over AI. Vaak met een mix van fascinatie en lichte paniek. Maar hoe werkt het nou eigenlijk écht? Wat gebeurt er onder de motorkap als je een vraag intikt in ChatGPT en er binnen een seconde een verrassend goed antwoord verschijnt?

Het korte antwoord? AI voorspelt wat jij waarschijnlijk wil horen.

Het lange antwoord? Daar gaan we even voor zitten.

Niet denken, maar rekenen

Eerst even iets uit de weg ruimen: AI denkt niet. Het redeneert niet. Het heeft geen intentie. Geen bewustzijn.

Wat het wel doet: statistiek op topsnelheid.

Een model als ChatGPT is getraind op een onmenselijke hoeveelheid tekst. Het leert niet wát waar is, maar wél welk woord er waarschijnlijk volgt op het vorige. Net als jij bij het afmaken van de zin: “De appel valt niet ver van de”

Juist: “boom”

Zo werkt een taalmodel ook. Alleen dan op schaal. En met context. Het herkent patronen in taal, zinnen, verbanden. Niet omdat het weet wat ze betekenen, maar omdat het geleerd heeft welke combinaties vaak voorkomen.

Het is dus eigenlijk een hele goede tekstvoorspeller.

Hoe leert AI dat allemaal?

Door eindeloos te oefenen.

Een model als ChatGPT wordt ‘getraind’ op een gigantische berg tekst. Denk: Wikipedia, boeken, webpagina’s, gescripte dialogen. Tijdens die training krijgt het model telkens een zin, waarbij één woord is weggelaten. Aan het model de taak om te voorspellen wat er op die plek hoort.

Fout? Dan krijgt het een klein seintje: “dichterbij, maar nog niet goed.” Goed? Dan versterkt het die voorspelling.

Dat gebeurt triljoenen keren, over duizenden tekstsoorten. Zo ontstaat er een web van verbanden, patronen en waarschijnlijkheden. Niet handmatig ingestopt door mensen, maar automatisch geleerd door het model zelf. Vergelijk het met hoe jij leert schrijven: veel lezen, veel oefenen, fouten maken, feedback krijgen. Alleen dan op een schaal die je hersens zouden laten smelten.

De bouwstenen: data, patronen en een hoop wiskunde

Het hart van moderne AI is een techniek genaamd deep learning, gebouwd op neurale netwerken. Dat klinkt spannend, maar het zijn gewoon rekenschema’s. Geen hersencellen, maar wiskundige lagen die input omzetten in output.

Je gooit er een prompt in (“Schrijf een openingszin voor mijn pitchdeck”), en ergens tussen al die lagen wordt er gerekend, gewogen, gefilterd , net zo lang tot het systeem denkt: dit antwoord scoort het hoogst op ‘waarschijnlijk goed’.

Dat is alles.

En toch: dat is veel.

Want de modellen zijn groot. Denk: honderden miljarden parameters.

En de rekenkracht waarmee die modellen draaien? Alleen al het trainen van GPT-4 kostte naar schatting miljoenen euro’s aan rekenkracht.

Waarom het werkt (en waarom het soms misgaat)

Omdat AI zo goed is in patroonherkenning, voelt het vaak alsof je met een mens praat. Maar je merkt ook snel de grens.

Vraag het model om bronnen te noemen, en de helft klopt niet. Vraag om advies, en het klinkt overtuigend , maar wie zegt dat het juist is?

Dat komt omdat AI taal begrijpt, maar geen werkelijkheid. Het maakt zinnen die logisch klinken, niet per se kloppen.

Oftewel: het weet niet wat het zegt. Het gokt. Maar wel op een hele slimme manier.

Dat maakt het bruikbaar. Maar ook gevaarlijk, als je het blind vertrouwt.

ChatGPT en de rest

De meeste mensen kennen ChatGPT. Logisch: het is hét “gezicht” van generatieve AI. Maar het speelveld is breder dan dat.

Claude van Anthropic schrijft bedachtzaam en consistent.

Gemini van Google verwerkt tekst, beeld en audio door elkaar.

Mistral is Europees, open source, en technisch indrukwekkend.

Ze werken allemaal volgens hetzelfde principe: trainen op grote hoeveelheden data → genereren op basis van patronen → antwoorden in realtime.

Wat ze onderscheidt?

Niet zozeer de werking, maar de afstemming. De veiligheid. De snelheid. De brondata. De ethiek erachter. En dat laatste is niet onbelangrijk.

Waarom je dit als bedrijf moet snappen

Je hoeft geen AI-engineer te zijn om met AI te werken. Maar het helpt wél als je begrijpt wat er gebeurt.

Als je weet dat een AI geen begrip heeft, maar patronen voorspelt, dan snap je ook waarom het soms fout gaat. En wat je kunt doen om de output te verbeteren: betere prompts, heldere instructies, kritische beoordeling.

En als je weet dat AI goed is in genereren, maar slecht in redeneren, dan weet je ook: je moet het gebruiken als assistent, niet als eindverantwoordelijke.

Hoe wij dat doen bij Stijlbreuk

Wij gebruiken AI niet omdat het hip is, maar omdat het helpt.

Bij het maken van prototypes bijvoorbeeld. Waar we voorheen een week nodig hadden, hebben we nu binnen één dag een werkend concept.

Of bij interne kennisdeling. We zetten AI in om patronen te ontdekken in interviews, feedback, klantvragen. Niet omdat het sneller is, maar omdat het dingen naar boven haalt die je anders mist.

Onze developers werken in tools als Cursor, waarin AI meeleest, meedenkt en soms zelfs corrigeert. En we bouwen micro-tools die processen automatiseren , van datavergelijking tot contentpersonalisatie.

Maar we blijven kritisch. Want de kracht van AI zit niet in de techniek, maar in de toepassing.

Samenvattend (maar niet afsluitend)

AI werkt niet omdat het slim is.

AI werkt omdat wij slim zijn in het gebruiken ervan.

Als je weet wat er gebeurt onder de motorkap, kun je betere beslissingen nemen aan het stuur.

En dat is precies waar wij bij Stijlbreuk op inzetten: geen AI-trucjes, maar duurzame toepassingen die waarde leveren. Voor jou, je team en je klanten.

Wil je ontdekken hoe dat er in jouw context uitziet? Dan drinken we graag een kop koffie. Of we doen het gewoon met prompts. Zeg het maar!