Waarom AI de R's in strawberry niet telt
Door Chatday Editorial Team ·
Vraag een chatbot om je bruiloft te plannen en het lukt moeiteloos. Vraag hoe vaak de letter R in ‘strawberry’ voorkomt en de kans is groot dat hij twee zegt. Het echte antwoord is drie. Dit is een van de vreemdste dingen aan moderne AI: hetzelfde gereedschap dat je kwantumfysica uitlegt, struikelt over een taak die een kind van zes met een potlood oplost.
Het is geen bug, en de AI is niet dom. Het is een bijverschijnsel van hoe deze systemen om te beginnen lezen. En als je dat eenmaal snapt, vallen veel van die kleine, rare AI-missers ineens op hun plek.
De beroemde ‘strawberry’-misser, uitgelegd
‘Hoeveel R’s zitten er in strawberry?’ werd internets favoriete manier om AI voor schut te zetten. En een tijdlang zaten bijna alle chatbots ernaast, met ‘twee’ als antwoord, met de vrolijke zekerheid van iemand die zich nog nooit van zijn leven vergist heeft.
Spel het zelf: s-t-r-a-w-b-e-r-r-y. Er staat een R vooraan en een dubbele R achteraan. Drie in totaal. Makkelijk voor een mens, want wij kijken naar de echte letters. De AI mag dat niet, en om te snappen waarom, moet je kijken hoe hij leest.
AI leest in stukjes, niet in letters
Dit is het stuk dat bijna niemand kent. Voordat een AI-model je bericht leest, wordt de tekst in stukjes gehakt die tokens heten. Een token is meestal een veelvoorkomend woord of een deel ervan. Het woord ‘strawberry’ wordt vaak opgeknipt in zoiets als ‘st’, ‘raw’ en ‘berry’.
Tel nu de R’s zoals het model dat doet. Het stukje ‘st’ heeft er geen. ‘raw’ heeft er een. ‘berry’ heeft er twee, maar het model ziet het als één blok, niet als b-e-r-r-y. Zo raken de letters begraven in de stukjes, en moet het model ongeveer onthouden hoe elk stukje geschreven wordt in plaats van het meteen af te lezen.
Een onderzoeker verwoordde het perfect: het is alsof je de draden van een touw wilt tellen zonder het eerst los te draaien. Het model ziet het gevlochten touw (het token), niet de losse draden (de letters).
Waarom ditzelfde trekje simpele rekensommen sloopt
Daarom vliegt AI ook door een filosofie-essay maar struikelt hij over een vermenigvuldiging van vier cijfers. Ook getallen worden in stukjes gehakt, en niet eens consequent. Het getal 12345 kan ‘123’ en ‘45’ worden, zodat het model de cijfers nooit netjes uitlijnt zoals jij op papier zou doen.
Bovendien rekent de AI niet. Hij voorspelt het meest waarschijnlijke wat hij vervolgens kan zeggen, op basis van alles wat hij gelezen heeft. Voor taal werkt dat prima, waar ‘ongeveer goed’ genoeg is, en voor rekenen slecht, waar het antwoord óf exact óf fout is. Het model is gebouwd voor waarschijnlijkheid, en wiskunde wil precisie. Die twee gaan niet altijd samen. Het is een neef van de reden waarom AI met volle overtuiging dingen verzint: een vlot en aannemelijk antwoord is niet hetzelfde als een correct antwoord.
Dus waarom hebben sommige modellen het nu wel goed?
Hier komt de wending. Vraag vandaag de meeste chatbots naar strawberry en ze zeggen drie. De vraag werd zo beroemd dat het juiste antwoord inmiddels vastzit in wat ze geleerd hebben. De modellen kregen niet ineens letter-zicht. Ze leerden de clou uit hun hoofd.
Wissel het woord en het masker valt af. In een zorgvuldige test uit 2025 vroegen onderzoekers hoeveel B’s er in ‘blueberry’ zitten. Een populaire chatbot had het ongeveer vier op de tien keer mis, met de stellige bewering dat het er drie waren terwijl het er twee zijn, vinkjes naast het werk en al. Een ander model had het elke keer goed, geduldig letter voor letter. Dezelfde taak, heel andere uitkomsten, wat je vertelt dat dit minder een ijzeren AI-wet is en meer de vraag of een bepaald model de moeite neemt om af te remmen en te controleren.
Dat is de eerlijke versie van het verhaal. Het stukjesprobleem is echt, maar het is niet alles. Zelfs een AI die zijn redenering laat zien kan verkeerd tellen, omdat hij zich door de stappen heen patroon-matcht in plaats van elke letter echt waar te nemen. Nieuwere ‘denkende’ modellen zijn hier veel beter in dan de snelle, een mooi voorbeeld van snelle AI versus slimme AI in de praktijk. Maar beter is niet hetzelfde als gegarandeerd.
Waar AI top in is en wat je moet dubbelchecken
Je hoeft de techniek eronder niet uit je hoofd te kennen. Je hebt alleen een gevoel nodig voor waar AI rotsvast is en waar je hem beter zijn werk laat laten zien.
| Taak | Hoe goed AI is | Wat te doen |
|---|---|---|
| Schrijven, samenvatten, ideeën spuien | Uitstekend | Vertrouw erop, scan daarna even |
| Een begrip in gewone woorden uitleggen | Uitstekend | Vertrouw erop |
| Letters of tekens tellen | Wankel | Laat hem het spellen |
| Lange of exacte rekensommen | Wankel | Vraag stap voor stap, of pak een rekenmachine |
| Precieze details in een lang document | Wisselend | Laat hem de bronregel citeren |
Het patroon is simpel. Gaat het om taal, laat hem lopen. Vraagt het om exactheid, rem hem af of stap over op een model dat zorgvuldig is.
Zo krijg je echt het juiste antwoord
Drie zetten lossen bijna elke tel- of rekenmisser op:
- Laat hem zijn werk laten zien. ‘Ga letter voor letter’ of ‘los het stap voor stap op’ dwingt het model om alles neer te zetten waar het het kan zien, in plaats van een antwoord eruit te flappen.
- Vraag het twee keer, of vraag twee modellen. Als exactheid telt, vertrouw dan niet op het eerste snelle antwoord. Een tweede mening van een ander model vangt verrassend veel van deze fouten op.
- Gebruik het juiste model voor de klus. De snelle, praatgrage modellen zijn gebouwd voor snelheid. Voor alles wat priegelig en exact is, zijn de paar extra seconden van een langzamer, denkend model het waard.
Dat laatste is makkelijker als je niet vastzit aan één AI. Je kunt een paar van de beste modellen op dezelfde vraag zetten en zien wie het echt goed heeft.
Kort samengevat
AI’s telmisser is geen teken dat hij stiekem dom is. Het is een kijkje in hoe deze gereedschappen echt werken: ze lezen in stukjes, voorspellen in plaats van rekenen, briljant met taal en onhandig met het letterlijke. Als je dat weet, ben je niet meer verrast en ga je sturen. Vraag hem af te remmen, laat hem zijn werk laten zien, en als het antwoord echt moet kloppen, haal er een tweede model bij.
De beste manier om dat gevoel te kweken is zelf rommelen. Vraag een model om de R’s te tellen, vraag hem dan om het woord eerst te spellen en kijk hoe het antwoord verandert.