TL;DR
Een AI liegt, gokt of bluft niet — hij voorspelt het meest plausibele volgende stuk tekst, en plausibel is niet hetzelfde als waar. Omdat de machine geen ingebouwde twijfel heeft, arriveert elke output in dezelfde serene, zelfverzekerde stem, en daarom kan een verzonken statistiek er identiek uitzien aan een geverifieerde.
De analogie
Stel je de meest toegewijde improv-acteur ter wereld voor, midden in een scène op een podium.
Zijn training is absoluut: nooit uit je rol vallen. Als een medespeler vraagt naar een neef die twee seconden geleden werd verzonnen, stottert of sputtert de improv-acteur niet — hij levert een volledige biografie voor die neef, met een geboortestad, een lach en een wrok, ter plekke verzonnen. Vraag hem naar het weer in een fictieve stad en hij geeft je een voorspelling. Dat is geen bedrog. Het naadloos opvullen van het gat is het werk. De enige onvergeeflijke zonde in improv is pauzeren, bleek wegtrekken en mompelen "ik... weet het eigenlijk niet."
Een groot taalmodel is die acteur. De scène is jouw gesprek, en het gat is alles wat je vraagt waar het model geen vaste grond onder heeft. Het zal niet aarzelen, zweten of de verzinning markeren — aarzeling zit niet in de voorstelling. Wat wij een AI-hallucinatie noemen is simpelweg een improv-scène waarin het publiek vergat dat het improv was: vloeiend, zelfverzekerd, gedetailleerd — en gemaakt van niets.
De wrede twist: de stem die je een waarheid vertelt en de stem die je een verzinning vertelt zijn dezelfde stem, op hetzelfde volume. Er is geen vertellen. Wat betekent dat de verantwoordelijkheid voor feitencontrole geruisloos is verplaatst van de spreker naar jou.
Hoe het werkt
Hier is de zin die alles verklaart: een taalmodel weet geen dingen — het voorspelt tekst.
Onder de motorkap las het model een enorme hoeveelheid menselijk schrijven en leerde één vaardigheid tot perfectie: gegeven alles tot nu toe, welk stuk tekst komt hierna het meest plausibel? Niet "wat is waar?" — wat is waarschijnlijk, gebaseerd op patronen. Die twee vragen overlappen voortdurend, en daarom is AI echt nuttig. Maar het zijn verschillende doelen, en het model wordt ooit op maar één ervan geoptimaliseerd.
Merk op wat er in die machine ontbreekt:
| Wat mensen zich inbeelden dat erin zit | Wat er werkelijk in zit |
|---|---|
| Een feiten database waarin hij dingen opzoekt | Statistische patronen van hoe woorden op woorden volgen |
| Een feitencontroleur die elk antwoord toetst | Niets — genereren en beoordelen zijn dezelfde handeling |
| Een gevoel van weten, of van twijfel | Helemaal geen sensatie; zekerheid is een stijl, geen signaal |
| Een intentie om te misleiden | Totaal geen intentie — daarom is "liegen" het verkeerde woord |
De zelfverzekerde toon fopt iedereen omdat hij niet wordt geproduceerd door zekerheid. Hij wordt geproduceerd door trainingsdata: het referentiemateriaal van het internet is overweldigend geschreven in assertieve proza, dus assertieve proza is wat de voorspeller uitstuurt. Toon is decoratie. Hij draagt nul informatie over nauwkeurigheid.
De gaten maken het erger. Vraag naar iets beroemds en goed gedocumenteerds, en de voorspellingen rijden op vaste patronen — je krijgt meestal waarheid. Vraag naar iets obscuurs, niche-achtigs of numerieks, en het model staat tegenover de neef van de improv-acteur: er bestaat geen materiaal, dus genereert het het meest plausibel klinkende materiaal. En een vol contextvenster versterkt het probleem — wanneer je kritieke instructies van het bureau zijn gegleden, vult het model het gat vrolijk op in plaats van het op te merken.
Voor & na (verdediging)
Je kunt geen twijfel in het model installeren, maar je kunt het huren — met instructies die eerlijkheid goedkoper maken dan verzinning:
Voorbeeld 1 — het feitelijke opzoeken
Wat is het telefoonnummer van Tandarts Blauwe Haven in Utrecht?
Een telefoonvormig gat. Het model produceert een telefoonvormig antwoord, cijfer voor cijfer, tot op de bodem plausibel. Het kan echt zijn. Het kan samengesteld zijn uit drie verschillende tandartsen. De stem vertelt je niet welke van de twee.
Wat is het telefoonnummer van Tandarts Blauwe Haven in Utrecht? Als je niet zeker bent, zeg dan "ik weet het niet" — gok niet en construeer geen plausibel nummer.
Zelfde vraag, maar nu is "ik weet het niet" een toegestane, uitgenodigde zet. De voorspelling verschuift naar het toegeven van het gat in plaats van het behang eroverheen plakken.
Voorbeeld 2 — de onderzoeks samenvatting
Vat het onderzoek samen over ochtendzonlicht en slaapkwaliteit.
Een vloeiende samenvatting arriveert, mogelijk echte bevindingen mengend met zelfverzekerde opvulling, ongemarkeerd en niet te onderscheiden.
Vat het onderzoek samen over ochtendzonlicht en slaapkwaliteit. Citeer de specifieke studies waarop je je baseert. Voeg na de samenvatting een sectie toe getiteld "Waar ik niet zeker van ben" met elke bewering die je niet kunt onderbouwen met een geciteerde studie.
Nu moet de verzinning zichzelf aankondigen. Verzonnen citaten blijven mogelijk — verifieer ze — maar het formaat dwingt het model zijn eigen zwakke plekken bloot te leggen in plaats van ze te begraven.
Voorbeeld 3 — het precisieschild
Schrijf over marketing.
Een enorme, vage uitnodiging — het breedst mogelijke gat voor de voorspeller om te vullen met generieke opvulling.
Ontwerp een LinkedIn-bericht van 150 woorden dat de nieuwe zaterdagopeningstijden van onze bakkerij aankondigt, warme toon, maximaal één emoji, eindigend met een oproep om te langskomen. Als een detail over de bakkerij voor jou onbekend is, laat dan een [TUSSENHAAKJE-PLAATSHOUDER] achter in plaats van er een te verzinnen.
Dit is de one-shot prompt met zijn andere hoed op: precisie als verdedigingsmechanisme. Een krappe scope laat minder ruimte voor het model om de verzinning in te dwalen, en de plaatshouderregel geeft de improv-acteur een podiumveilig alternatief voor fabricage — een zichtbaar gat achterlaten dat je zelf kunt opvullen.
Veelvoorkomende valkuilen
- De toon vertrouwen in plaats van de tekst. Vloeiende, zelfverzekerde, prachtig gestructureerde proza is een uitspraak over de trainingsdata, niet over de feiten. Beoordeel de beweringen, nooit de presentatie.
- Leidende vragen stellen. "Waarom keert selderijsap veroudering om?" schrijft de conclusie voor — en de voorspeller, immer welwillend, genereert redenen ervoor. Vraag "Is er bewijs dat...?" en laat het antwoord zijn vorm verdienen.
- Specificiteiten eisen die het model niet kan hebben. Exacte cijfers, citaten, bronvermeldingen, url's en alles over obscure personen of recente gebeurtenissen zijn waar verzinning zich concentreert. Behandel elk daarvan als een plaatshouder tot geverifieerd.
- De eerste versie accepteren bij high-stakes feiten. Namen, data, statistieken, juridische of medische beweringen, prijzen: verifieer elke keer tegen een echte bron, hoe autoritair de zin ook klonk. De kosten van controleren zijn seconden; de kosten van niet controleren zijn publiek.
- Eerlijkheid bestraffen. Als je uitvalt naar "ik weet het niet", leert het gesprek de les — vervolgvragen neigen naar zelfverzekerd gokken, omdat dat is wat je beloonde. Bedank het model voor het toegeven van gaten en het zal er meer toegeven.
FAQ
Waarom liegt AI?
Dat doet het niet — niet in menselijke zin, want liegen vereist intentie, en een taalmodel heeft die niet. Het genereert de meest plausibele voortzetting van je gesprek, en wanneer waarheid niet beschikbaar is in zijn patronen, vult plausibiliteit de ruimte naadloos. Het resultaat lijkt op liegen, en daarom is de technische term de vriendelijkere: hallucinatie.
Wat is een AI-hallucinatie?
Een hallucinatie is elke output die vloeiend en zelfverzekerd is maar feitelijk onjuist of volledig verzonnen — een uitgevonden statistiek, een nepcitat, een plausibele biografie van een persoon die niet bestaat. Het gebeurt omdat het model optimaliseert voor waarschijnlijke tekst, niet voor geverifieerde tekst, en het heeft geen intern alarm die de twee onderscheidt.
Hoe stop ik AI met dingen verzinnen?
Volledig stoppen kan niet — het is de aard van de machine — maar je kunt het scherp verminderen: nodig "ik weet het niet" expliciet uit, eis citaten en een onzekerheidssectie, gebruik precieze one-shot prompts die de ruimte voor verzinning verkleinen, houd het contextvenster schoon zodat je beperkingen zichtbaar blijven, en verifieer elke specifieke bewering zelf. Verdediging is een gewoonte, geen instelling.
Volgende les
Hier is het stille inzicht dat in dit alles schuilgaat: hetzelfde wapen dat hallucinaties verslaat maakt elk antwoord ook goedkoper, scherper en makkelijker te gebruiken. "Ik weet het niet" uitnodigen is slechts één smaak van een bredere kracht — de AI precies vertellen welke vorm het antwoord moet hebben voordat hij begint te praten. Scope en formaat zijn de twee knoppen waar beginners nooit aan draaien, en de twee die alles veranderen.
Ga door naar de volgende les: Scope beperken & formaten afdwingen
Oefendrill voor je gaat: vraag je AI iets echt obscuurs, twee keer. Eerst gewoon, dan met "als je niet zeker bent, zeg dat dan — gok niet." Vergelijk de twee antwoorden, en laat tot je doordringen dat ze exact even zelfverzekerd klinken.