Hoe AI-chatbots werken, simpel uitgelegd

Je hoeft de wiskunde erachter niet te snappen om een AI-chat goed te gebruiken. Toch verklaart een basisbegrip van de werking een hoop: waarom antwoorden zelfverzekerd klinken terwijl ze fout zijn, waarom dezelfde vraag verschillende antwoorden oplevert, waarom de AI de draad kwijtraakt in lange gesprekken en waarom hij recente gebeurtenissen soms niet kent. Hier is een heldere uitleg, zonder overbodig vakjargon.

De korte versie

Een AI-chatbot is gebaseerd op een large language model (LLM): een enorm neuraal netwerk dat is getraind op gigantische hoeveelheden tekst om te voorspellen wat het volgende stukje tekst is. Wanneer je een bericht stuurt, leest het model het gesprek en genereert het stukje voor stukje een antwoord. Het kiest steeds een waarschijnlijk volgend stukje op basis van alles wat eraan voorafging. Door verdere training leert het instructies op te volgen, een gesprek te voeren en schadelijke verzoeken te weigeren.

Er is geen database met kant-en-klare antwoorden die worden opgezocht, en er zit achter de schermen geen mens te typen. Vrijwel alles in deze gids vloeit hieruit voort.

Stap 1: Tekst wordt opgeknipt in tokens

Modellen lezen geen losse letters of hele woorden. Ze splitsen tekst op in tokens: veelvoorkomende woorden zijn vaak één token, terwijl langere of zeldzamere woorden in stukjes worden gehakt. Spaties, leestekens en getallen worden ook tokens. Daarom heeft AI soms moeite met taken zoals letters tellen in een woord of een tekst achterstevoren spellen: het ziet geen losse letters zoals jij.

Dezelfde betekenis kan in verschillende talen een ander aantal tokens kosten. Dat is een van de redenen waarom de kwaliteit en lengtelimieten per taal kunnen verschillen.

Stap 2: Pre-training op enorme hoeveelheden tekst

In de eerste en grootste fase krijgt het model een gigantische hoeveelheid tekst te zien — zoals openbare webpagina's, boeken, code en andere bronnen, afhankelijk van de ontwikkelaar — en leert het om het volgende token te voorspellen. Het wordt keer op keer gecorrigeerd en past geleidelijk zijn interne getallen aan, ook wel parameters of gewichten (weights) genoemd.

Om tekst goed te kunnen voorspellen, pikt het model enorm veel op over grammatica, feiten, denkpatronen en schrijfstijlen. Maar het bewaart geen kopie van de trainingsdata zoals een bibliotheek dat doet. Het slaat statistische patronen op. Daarom kan het een concept vloeiend uitleggen, maar zich tegelijkertijd vergissen in een specifieke datum, naam of citaat.

Stap 3: Fine-tuning maakt van een voorspeller een assistent

Een model dat alleen tekst voorspelt, zou je bericht simpelweg aanvullen in plaats van beantwoorden. Ontwikkelaars trainen het daarom verder met voorbeelden van goede gesprekken. Ze gebruiken feedback van mensen — en steeds vaker geautomatiseerde checks en andere modellen — om behulpzame, eerlijke en veilige antwoorden te belonen. Een bekende methode hiervoor is reinforcement learning from human feedback (RLHF).

Deze fase geeft de chatbot zijn omgangsvormen: instructies opvolgen, opmaak gebruiken, soms twijfel toegeven en schadelijke verzoeken weigeren. Het kan ook eigenaardigheden veroorzaken, zoals de neiging om het altijd met de gebruiker eens te zijn of zekerder te klinken dan terecht is.

Veel recente modellen zijn ook getraind om te redeneren: ze werken een probleem in tussenstappen uit voordat ze het definitieve antwoord geven. Dit verbetert de resultaten bij wiskunde, programmeren en plannen, al maakt het ze niet onfeilbaar.

Stap 4: Je gesprek en het contextvenster

Wanneer je chat, stuurt de app een bundel tekst naar het model: instructies van de dienst die je zelf niet ziet (de system prompt), de eerdere berichten in het gesprek en jouw nieuwe bericht. Het model zelf bewaart tussen verzoeken door geen geheugen. Het "onthoudt" het gesprek alleen omdat de hele conversatie elke keer opnieuw wordt meegestuurd.

Versimpeld ziet die bundel er bij je derde bericht ongeveer zo uit:

[system]    Je bent een behulpzame assistent. Antwoord duidelijk...
[user]      Wat is een leuke naam voor een bakkerij?
[assistant] Hier zijn wat ideeën: De Gouden Korst, Ochtendgloren...
[user]      Laat ze wat Franser klinken.
[assistant] (het model schrijft dit deel, token voor token)

"Laat ze wat Franser klinken" is alleen logisch omdat de eerdere berichten zijn meegestuurd. Zou een app die weglaten, dan heeft het model geen idee wat "ze" betekent.

De hoeveelheid tekst die een model tegelijkertijd kan verwerken, heet het contextvenster (context window). Apps korten lange gesprekken vaak in om binnen deze limieten te blijven. Daarom kan de AI in een heel lange chat details van het begin vergeten. Een nieuwe chat starten met een korte samenvatting helpt meestal.

Sommige diensten hebben een aparte geheugenfunctie die feiten over jou bewaart tussen verschillende chats door. Dat is een app-functie die om het model heen is gebouwd, niet iets wat het model uit zichzelf doet.

Stap 5: Het antwoord genereren

Voor elk volgend token berekent het model de waarschijnlijkheid van veel mogelijke kandidaten. De app kiest er vervolgens eentje uit, meestal met een gecontroleerde mate van willekeur zodat de tekst niet mechanisch klinkt. Dit verklaart twee dingen die je misschien al zijn opgevallen:

• Dezelfde vraag kan verschillende antwoorden opleveren. Opnieuw genereren is een snelle manier om alternatieven te zien.
• Een vloeiende zin is niet per se een ware zin. Het model kiest woorden die logisch aansluiten; het controleert onderweg geen feiten.

Probeer het zelf: vraag de chat om tokens uit te leggen met een voorbeeld, genereer het antwoord daarna opnieuw en vergelijk de twee versies.

Waarom AI dingen verzint

Wanneer een model zelfverzekerd onjuiste informatie geeft, noemen we dat een hallucinatie. Dit gebeurt omdat het model is gebouwd om geloofwaardige tekst te produceren. Een aannemelijk klinkende bronvermelding, statistiek of biografie is makkelijk gegenereerd, zelfs als de echte gegevens onbekend zijn. Training heeft dit verminderd, maar niet opgelost. Risicovolle gebieden zijn onder meer:

• Exacte getallen, data en citaten.
• Verwijzingen naar boeken, wetenschappelijke artikelen, rechtszaken en webpagina's.
• Niche-onderwerpen met weinig trainingsdata.
• Gebeurtenissen van na de trainingsperiode van het model.

Onze factcheck-gids legt uit hoe je antwoorden snel kunt verifiëren.

Waarom AI recente gebeurtenissen soms niet kent

De kennis van een model is gebaseerd op gegevens die tot een bepaalde datum zijn verzameld: de kennisgrens (knowledge cutoff). Alles van daarna weet het model niet, tenzij de app actuele informatie aanlevert, bijvoorbeeld via een zoekfunctie op het web of tekst die je zelf plakt. Wanneer een assistent op internet zoekt, is het antwoord zo goed als de pagina's die hij vindt; het blijft dus de moeite waard om de bronnen te controleren. Hangt je vraag af van recente informatie? Plak dan zelf de relevante tekst of check het antwoord bij een actuele bron.

Modellen, makers en het modellenmenu

Verschillende bedrijven ontwikkelen grote taalmodellen, waaronder OpenAI (de GPT-modellen achter ChatGPT), Anthropic (Claude), Google (Gemini), Meta (Llama), xAI (Grok), DeepSeek, Alibaba (Qwen) en Mistral AI. Sommige publiceren hun gewichten zodat iedereen ze kan downloaden en draaien; andere bieden hun modellen alleen aan via eigen apps en API's. Modellen verschillen in stijl, sterke punten, taalvaardigheid en voorzichtigheid. Onze modellengidsen en vergelijkingen zoals ChatGPT vs Claude gaan hier dieper op in.

In ChatG kun je in het menu zelf je voorkeursmodel kiezen, of het op ChatG Auto laten staan. ChatG is een onafhankelijke site en is niet gelieerd aan deze bedrijven.

Veelgestelde vragen

Begrijpt de AI wat hij zegt?

Hierover lopen de meningen nog uiteen. Modellen vangen aantoonbaar veel structuur van taal en de wereld op, en ze kunnen problemen oplossen die ze nog niet eerder hebben gezien. Maar ze hebben geen bewustzijn of ervaringen, en ze kunnen fouten maken die een mens met verstand van zaken nooit zou maken. Beschouw AI in de praktijk als een handig hulpmiddel, niet als een alwetende expert.

Leert de AI van mijn gesprek?

Niet tijdens de chat: de gewichten van het model veranderen niet terwijl je ermee praat. Sommige diensten gebruiken gesprekken later wel om toekomstige modellen te trainen, afhankelijk van hun privacybeleid en jouw instellingen.

Is de AI verbonden met het internet?

Het model zelf niet. Het werkt op basis van wat het tijdens de training heeft geleerd, aangevuld met wat er in het gesprek staat. Sommige apps voegen websearch toe als een losse tool. Tenzij een antwoord geraadpleegde bronnen toont, kun je ervan uitgaan dat het uit trainingsdata komt die mogelijk verouderd is.

Waarom zijn sommige antwoorden beter in het Engels dan in andere talen?

Modellen krijgen tijdens het trainen meestal veel meer Engelse tekst te zien dan tekst in andere talen. Bovendien kost het in andere talen vaak meer tokens om hetzelfde te zeggen. Veelgebruikte talen gaan over het algemeen prima; bij minder gangbare talen kan de kwaliteit achterblijven.