Eind 2022 bracht niet alleen verkoopcijfers tijdens de feestdagen. Het veroorzaakte een digitale aardbeving.
ChatGPT explodeerde op het toneel. Geen geleidelijke uitrol. Geen gefluister over bètatests. Op een dag was het een voetnoot in technische blogs; het volgende was het met iedereen aan het praten.
De reactie was onmiddellijk en gepolariseerd. De media bleven zich verbazen over de vlotte gesprekken. Het schreef artikelen. Het brainstormde over ideeën. Het verdiepte zich zelfs in creatieve fictie. Maar naast het ontzag kwam er ook een diepe, verontrustende angst. Mensen beseften dat deze tool niet alleen vragen beantwoordde. Het maakte inbreuk op datgene waar mensen trots op zijn: intellectuele capaciteiten.
De gok van een miljard dollar
Om de bot te begrijpen, moet je naar het geld erachter kijken.
OpenAI werd in december 2015 opgericht met een enkelvoudig, agressief doel: kunstmatige intelligentie zo ver mogelijk pushen. Het gezicht van deze missie is Sam Altman. Misschien ken je de naam van andere uitgangen. Hij was medeoprichter van Airbnb. Hij hielp bij het financieren van reuzen als Reddit, Twitch en Dropbox via Y Combinator.
Altman werkte aanvankelijk samen met Elon Musk om OpenAI te lanceren. Vanaf dag één was de pot enorm. De startup heeft een financieringsronde van $ 1 miljard binnengehaald.
Maar Microsoft zag het teken aan de muur. In 2019 traden ze toe als investeerders. In januari 2023 gingen ze all-in. Microsoft heeft nog enkele miljarden geïnvesteerd in OpenAI.
Waarom? Om Google te controleren.
Beide technologiegiganten raceten om dominantie op het gebied van AI. De enorme injectie van Microsoft was niet alleen maar ondersteuning. Het was een strategische aanval om het geavanceerde onderzoek van Google tegen te gaan.
Met deze financiering zijn niet alleen servers gekocht. Het kocht resultaten. Het onderzoek van OpenAI had al DALL-E opgeleverd, de tool voor het genereren van afbeeldingen die in het voorjaar van 2022 furore maakte met de release van versie 2. ChatGPT was de volgende logische stap. De tekstgenerator. De gesprekspartner.
De motor onder de motorkap
ChatGPT is geen magie. Het is wiskunde. Zware wiskunde.
De kerntechnologie is gebaseerd op Large Language Modeling (LLM). Het doel is op papier eenvoudig: de structuur van de menselijke taal begrijpen. De uitvoering is angstaanjagend complex. De primaire taak van het algoritme is het voorspellen van het volgende woord in een zin. Door deze voorspellingen aan elkaar te koppelen, ontstaat er samenhangende tekst.
Maar je kunt niet zomaar een script in een server invoeren en er het beste van hopen. Je hebt training nodig. Enorme hoeveelheden ervan.
ChatGPT heeft een dataset van 500 miljard documenten opgenomen. We hebben het over het hele internet tot 2021. Plus honderdduizenden boeken. Wetenschappelijke artikelen. Alles.
Het moest leren het belang van elke term in een zin af te wegen om het kernconcept eruit te halen.
De schaal is moeilijk te visualiseren.
- 500 miljard documenten geanalyseerd.
- 175 miljard parameters in het model.
- $2 miljoen aan trainingskosten (in euro’s).
- $100.000 per dag aan operationele kosten, alleen maar om het draaiende te houden.
Er was een prototype van ChatGPT-3 voor nodig om de wereld te laten zien wat mogelijk was. Gelanceerd op 30 november 2022.
Het antwoord brak het internet.
Eén miljoen gebruikersregistraties in vijf dagen.
Het is niet alleen een zoekbalk
Mensen wilden weten wat het kon doen.
In de kern is ChatGPT een conversatie-interface. Maar het gedraagt zich minder als een database en meer als een onvermoeibare onderzoeksassistent die iets te graag wil behagen.
Wij hebben het getest. We gooiden er alles tegenaan.
Encyclopedische feiten? Behandeld.
Recepten koken? Gesorteerd.
Filmografieën? Gesorteerd.
De kwaliteit van de synthese was over het algemeen hoog. Toen hem werd gevraagd de nuance tussen twee complexe onderwerpen uit te leggen, presteerde het verrassend goed.
Maar hier wordt het lastig.
ChatGPT haalt niet alleen gegevens op. Het improviseert. Elke keer dat u een vraag stelt, genereert deze een nieuw antwoord op basis van waarschijnlijkheid. Het is geen statisch antwoord van de plank halen. Het bouwt het antwoord in realtime.
En het onthoudt.
Het volgt de context van het gesprek. Het luistert.
Tijdens het testen hebben we een eenvoudige aardrijkskundevraag gesteld.
“Wat is de langste rivier ter wereld?”
ChatGPT antwoordde: “De Nijl.”
Wij duwden terug.
“Is de Amazone niet langer dan de Nijl?”
De bot corrigeerde zichzelf onmiddellijk.
“Mijn excuses. Ik heb een fout gemaakt in mijn vorige antwoord. De Amazone is inderdaad de langste rivier ter wereld.”
Dit vermogen om zichzelf te corrigeren binnen een contextvenster is wat moderne LLM’s onderscheidt van oudere zoekalgoritmen. Het is niet alleen het opzoeken van feiten. Het houdt een dialoog in stand.
Maar wordt het daardoor slimmer? Of gewoon beter in het simuleren van een gesprek?
Dat is de vraag die boven elke techwerker, student en nieuwsgierige gebruiker hangt die probeert uit te vinden of hij naar een tool of een rivaal kijkt.
Mogelijkheden voor het genereren van inhoud
Het hulpprogramma gaat verder dan eenvoudige vragen en antwoorden. We hebben het systeem getest met specifieke, enigszins chaotische aanwijzingen. Eén verzoek was eenvoudig: genereer voorbeelden van reacties op een controversieel artikel, compleet met emoji’s. De output was het standaard internettarief. Een algemene uitdrukking van shock gecombineerd met een droevig gezicht. Typisch.
Maar we gingen verder. Het model genereerde Facebook-berichten. Het stelde onderhandelingstips op voor gebruikte auto’s. Het suggereerde beeldbewerkingssoftware. Het aanbod was breed. We wilden het plafond zien, dus vroegen we om een plotoverzicht voor een detectiveroman. Het resultaat was verrassend coherent. Het bracht een mysterie in kaart met een feitelijke structuur.
Er zijn echter grenzen. De creatieve schrijftaken haperden. We vroegen om een rapnummer over 2023. Het resultaat was hol. Een liefdesgedicht deed het niet beter. Het ritme was weg. De emotie ontbrak. Het voelde mechanisch.
Het model is minder geïnspireerd als het rauwe menselijke emoties of culturele nuances probeert vast te leggen.
Deze inconsistentie kan geruststellend zijn. Het bewijst dat de AI niet almachtig is op artistiek gebied. Toch blijft de vraag hangen. Dat comfort is tijdelijk. De kloof tussen een logisch plot en een oprecht vers zal waarschijnlijk gedicht worden. Nog niet.
Wanneer AI voor u schrijft
Samenvatten is een van die functies die ChatGPT echt nuttig maakt in plaats van alleen maar een feesttruc. Ik heb het getest door er een lang artikel over AI-beeldgeneratoren van Futura Sciences aan toe te voegen. De uitvoer was niet alleen nauwkeurig; het was beknopt.
Het artikel bespreekt het gebruik van kunstmatige intelligentie om afbeeldingen uit tekst te genereren. Verschillende applicaties gebruiken deze functie, zoals Dall-e 2, Stable Diffusion en MidJourney. Hun werking bestaat uit het invoeren van tekst en het genereren van een bijbehorend beeld, met een hoog niveau van artistieke kwaliteit. Het artikel maakt ook melding van OpenAI, een non-profitorganisatie die Dall-e 2 heeft opgericht en tot doel heeft de grenzen van AI te verleggen met een ethiek die de menselijke veiligheid waarborgt.
Het vatte de essentie van Dall-e 2, Stable Diffusion en MidJourney samen zonder te verzanden in technisch jargon. Het identificeerde zelfs de non-profitstatus van OpenAI en de gestelde ethische doelen correct. Dat is een aanzienlijke sprong ten opzichte van vroege AI-modellen die vaak de context hallucineerden of door de bomen het bos misten.
Codegeneratie als snelkoppeling
Als samenvatten de snelle overwinning is, is coderen het punt waarop het nut piekt. ChatGPT kan functionele codefragmenten genereren die u daadwerkelijk in een project kunt kopiëren en plakken. Ik vroeg het om een contactformulier te maken. Het resultaat was geldige HTML en CSS, klaar voor implementatie.
Maar hier is de kicker: het kan ook code genereren die specifiek is afgestemd op WordPress. Voor ontwikkelaars en site-eigenaren die niet elke dag PHP helemaal opnieuw schrijven, verkort dit de ontwikkeltijd aanzienlijk. Het geeft je niet alleen de syntaxis; het begrijpt de context van een CMS-omgeving.
De duistere kant: academische en inhoudsfraude
Natuurlijk ziet niet iedereen dit als een behulpzame assistent. Sommigen beschouwen het als een instrument voor sluiproutes die de integriteit ondermijnen. Leraren hebben al gemerkt dat studenten het gebruiken om essays te schrijven.
Denk eens aan een vraag van een professor aan de Universiteit van Lyon: In hoeverre is de held verantwoordelijk voor hun daden?
Ik heb die exacte prompt aan ChatGPT doorgegeven. Het antwoord was filosofisch, gestructureerd en volkomen plausibel:
De held is verantwoordelijk voor hun daden omdat ze zich bewust zijn van wat ze doen en de consequenties aanvaarden. Ze zijn in staat beslissingen te nemen en deze uit te voeren, zowel positief als negatief. Ze zijn ook verantwoordelijk voor hun daden, omdat ze verantwoording moeten afleggen aan de autoriteiten en de samenleving, en in staat zijn hun fouten te onderkennen en er berouw voor te tonen. Ten slotte is de held verantwoordelijk voor hun daden, omdat ze een vrij en autonoom individu zijn dat verantwoording moet afleggen aan zichzelf en hun dierbaren.
Toen ik vervolgde en vroeg om een essay van 500 woorden over dat thema, leverde ChatGPT het op. De toon was academisch. De structuur was solide. Het zou doorgaan als een inzending voor een competente student. Dit is waar de belofte van “bruikbare code” verandert in een cheat-engine.
Waar de AI struikelt
Ondanks zijn glans is ChatGPT niet onfeilbaar. Het hallucineert. Wat nog belangrijker is, is dat de feiten verkeerd worden weergegeven, soms op flagrante wijze.
Neem René Descartes. Als je begin januari ChatGPT vroeg waar de filosoof woonde, beweerde hij dat hij tijd in Zuid-Amerika had doorgebracht. Dat is historisch onjuist. Descartes stierf in Zweden en woonde voornamelijk in Frankrijk en Nederland. Een maand later corrigeerde het model zichzelf. Toen er specifiek naar Zuid-Amerika werd gevraagd, ontkende het dit.
Het model lijkt zijn gewichten in de loop van de tijd te leren of aan te passen, maar er is geen transparantie over hoe het deze fouten oplost. In tegenstelling tot Wikipedia, dat zijn bronnen citeert, geeft ChatGPT je een antwoord zonder citatiespoor. Als je het voor onderzoek gebruikt, vertrouw je op een zwarte doos. Als je een feit wilt verifiëren, moet je nog steeds teruggaan naar de primaire bronnen.
Het voorspellingsprobleem
Laten we duidelijk zijn: ChatGPT pretendeert niet een kristallen bol te hebben. Wanneer er druk wordt uitgeoefend op de Franse presidentsverkiezingen van 2027, wijkt het model af. Gevraagd naar een specifieke datum waarop mensen voet op Mars zullen zetten, weigert het te raden. We hebben de formulering gevarieerd. Wij hebben de grens verlegd. Het zou niet wijken.
Een deel hiervan is structureel. ChatGPT 3 is gebouwd op een datareservoir dat in 2021 vastloopt. Alles daarna is er onzichtbaar voor. Maar de stilte gaat dieper dan ontbrekende gegevens.
Weigeren een kant te kiezen
Wij vroegen om meningen. Veel van hen. De reacties belandden regelrecht in het rijk van de politieke correctheid. Elk antwoord voelde als een zorgvuldig gekalibreerd persbericht.
Neem de vergelijking tussen Joe Biden en Donald Trump. Het model merkt op dat ze verschillende posities hebben. Het stelt dat bepalen wie ‘beter’ is, afhangt van individuele criteria. Er wordt geen winnaar gekozen.
Vraag of kernenergie ecologisch is. Het model somt argumenten voor en tegen op. Het zit op het hek.
Maar er is één uitzondering. Eén harde lijn.
De rode klimaatlijn
Elke keer dat het onderwerp ‘klimaatsceptici’ ter sprake komt, verandert de toon. Het model wordt stevig. Het wijst alternatieve opties af. Er wordt geen nuance geboden als het gaat om de opwarming van de aarde.
Dit roept een prangende vraag op. Hebben de programmeurs hun eigen vooroordelen in de code geprogrammeerd?
We moeten de mogelijkheid niet negeren dat ontwikkelaars het model hebben beïnvloed op onderwerpen die hen nauw aan het hart liggen.
Het is de moeite waard om je af te vragen of deze rigiditeit een kenmerk is van de trainingsgegevens of een opzettelijke vangrail. Het model speculeert niet. Het versterkt alleen maar de consensus.
Waarom de grappen plat vallen
Humor is een blinde vlek. Toen hem werd gevraagd een grapje te maken, produceerde het model niets dat belandde. Het is niet alleen dat ze slecht waren; ze waren structureel onsamenhangend of pijnlijk duidelijk. De AI mist de intuïtieve sprong die nodig is voor humor. Het simuleert de vorm van een clou zonder de timing of de subtekst te begrijpen.
De kruk van clichés
Er is ook een neiging tot filler. De uitvoer sleept zich vaak voort, opgevuld met uitgebreide frasering die heel weinig zegt. Je krijgt lange, kronkelende zinnen die je in tweeën kunt knippen zonder dat ze aan betekenis verliezen. Erger nog, het leunt zwaar op standaardzinnen. Dezelfde overgangen verschijnen herhaaldelijk, met slechts kleine woordwisselingen. Het is een patroon van aarzeling, vermomd als proza. Als het model het antwoord niet weet, pauzeert het niet. Het praat gewoon meer.
