Waarom AI's je verschillende antwoorden geven

Stel ChatGPT, Gemini en Claude precies dezelfde vraag en je krijgt vaak drie verschillende antwoorden. Soms alleen een andere toon. Soms een compleet andere invalshoek. Stel hetzelfde model twee keer dezelfde vraag en zelfs dat kan verschuiven.

Het lijkt of er iets kapot is. Dat is niet zo. Deze tools zijn juist zo gebouwd, en zodra je snapt waarom, kun je het in je voordeel gebruiken in plaats van dat het je van je stuk brengt.

Het korte antwoord: AI voorspelt, het zoekt niets op

Dit begrijpen de meeste mensen verkeerd aan AI-chatbots. Je gaat ervan uit dat er ergens een grote database staat en dat de AI de juiste vermelding ophaalt. Zo werkt het niet.

Een taalmodel werkt meer als de meest belezen automatische aanvulling ter wereld. Het leest je vraag en voorspelt het volgende woord, dan het volgende, dan het volgende, elk op basis van wat het meest waarschijnlijk na alles tot dan toe komt. Rijg genoeg voorspellingen aaneen en je hebt een alinea die leest als een echt antwoord.

Het sleutelwoord is waarschijnlijk. Bij elke stap is er niet één voor de hand liggend woord. Er is een hele reeks prima opties, elk met een andere kans. Het model moet er één kiezen. En hóe het kiest, daar beginnen de verschillen.

Maak kennis met „temperatuur”, de creativiteitsknop

Elk model heeft een verborgen instelling die temperatuur heet. Die bepaalt hoe gedurfd het model is bij dat volgende woord.

Zet hem laag en het model speelt op zeker, en pakt bijna altijd het meest waarschijnlijke woord. Je krijgt stabiele, voorspelbare antwoorden. Zet hem hoog en het model durft minder voor de hand liggende woorden aan, wat de tekst gevarieerder en creatiever maakt, en iets minder voorspelbaar. IBM omschrijft het als het regelen van hoe „scherp” of „vlak” de reeks keuzes is voordat het model kiest.

Een mooi beeld: een model met lage temperatuur is een kok die het recept tot op de gram volgt, dus elke lading smaakt hetzelfde. Een met hoge temperatuur is een kok die improviseert, dus het diner is soms briljant en af en toe vreemd.

Dat is de belangrijkste reden dat hetzelfde model dezelfde vraag op twee manieren kan beantwoorden. Er zit met opzet een snufje gecontroleerde willekeur in, want wat gevarieerde antwoorden voelen natuurlijker en menselijker dan een machine die zichzelf woord voor woord herhaalt.

Waarom twee verschillende modellen nog meer uiteenlopen

Temperatuur verklaart waarom één model wiebelt. Maar waarom klinkt Gemini rustig en grondig terwijl een ander model kort en recht voor z’n raap is? Dat komt door hoe elk is opgevoed, en geen twee zijn hetzelfde opgevoed.

Drie dingen vormen de instincten van een model:

• Wat het las. Elk model wordt op een andere mix van teksten getraind. Een model dat veel academisch schrijfwerk zag, nuanceert meer en klinkt formeel. Een model dat op een bredere, spraakzamere mix is getraind, komt losser over. De trainingsdata leggen stilletjes de woordkeus vast, het ritme en hoe voorzichtig het model geneigd is te zijn.
• Hoe het is bijgesteld. Na de eerste training slijpen bedrijven het gedrag van het model in een gesprek bij. Die stap bepaalt hoe het een antwoord opent, hoe lang zijn antwoorden worden en wat het doet als het niet zeker is.
• Menselijke feedback. Echte mensen beoordelen de antwoorden en het model leert te neigen naar wat zij mooi vonden. Vonden de beoordelaars warmere, kortere, voorzichtigere antwoorden fijner, dan schuift het model die kant op. Deze stap verklaart voor een groot deel waarom elk model eindigt met zijn eigen herkenbare „persoonlijkheid”.

Dus GPT, Gemini, Claude en Grok lopen niet uiteen omdat de een gelijk heeft en de rest niet. Elk leerde van ander materiaal en werd getraind door andere teams met andere smaak. Natuurlijk antwoorden ze anders. Stel vier zeer belezen vrienden dezelfde vraag en je verwacht ook vier meningen.

Snel naast elkaar

Dezelfde vraag, vier modellen. Dit is het soort verschil dat je in het dagelijks gebruik echt merkt.

Zie het als een grove indruk, geen ranglijst. De persoonlijkheden zijn echt en constant genoeg om nuttig te zijn, maar welke de „beste” is, hangt echt van de vraag af. Wil je het zelf voelen? Stel elk dezelfde vraag.

Verandert dit bij de modellen die „nadenken”?

Een beetje, ja. De nieuwere redeneermodellen, die eerst stap voor stap een probleem uitwerken voordat ze antwoorden, leunen minder op dat willekeurige woord kiezen voor hun kernantwoord. Omdat het zorgvuldige redeneren het zware werk doet, heeft de temperatuur minder invloed op of ze het goed hebben. Ze variëren de formulering nog steeds, maar bij een moeilijke feiten- of logicavraag zijn ze vaak stabieler dan een snel, spraakzaam model.

Wil je het verschil tussen de snelle, lichte modellen en de tragere, zorgvuldige goed uitgelegd, dan hebben we het uiteengezet in snelle AI versus slimme AI.

Wanneer verschillende antwoorden wél een probleem zijn

Eerlijk is eerlijk, dus de keerzijde. Variatie is geweldig om te brainstormen en te schrijven. Minder geweldig als je een betrouwbaar feit nodig hebt.

Vraag je een AI om een specifieke datum, een getal of een stap-voor-stap-instructie en krijg je elke keer een ander antwoord, dan is dat een waarschuwing om ter harte te nemen. Het kan betekenen dat het model onzeker is en in feite gokt, en zo ontstaan ook fouten die zelfverzekerd klinken. De oplossing is simpel: als het antwoord er echt toe doet, vraag het aan meer dan één model, en als ze het eens zijn kun je er meer op vertrouwen. Botsen ze, dan is dat je teken om het te controleren bij een betrouwbare bron. We doken dieper in waarom AI met een stalen gezicht onjuiste dingen beweert in waarom AI dingen verzint.

Dezelfde eigenschap die AI een leuke sparringpartner maakt, is dus degene om in de gaten te houden bij harde feiten. Weten in welke van de twee situaties je zit, is het halve werk.

Hoe je de verschillen voor je laat werken

Zodra je stopt met één perfect antwoord te verwachten, valt een betere gewoonte op z’n plek: vergelijken. In plaats van op één antwoord te vertrouwen, leg je dezelfde vraag aan een paar modellen voor en lees je ze naast elkaar.

• Voor feiten is het een goed vertrouwenssignaal als twee of drie modellen het eens zijn. Botsen ze, dan is dat een teken om te verifiëren.
• Voor schrijven haal je dezelfde opdracht door meerdere modellen en houd je de versie die het meest naar jou klinkt.
• Voor ideeën betekent meer modellen meer invalshoeken. Eén oppert iets wat de rest miste.

De haak is dat heen en weer springen tussen losse apps en logins een gedoe is, en daarom doet bijna niemand het. Alle modellen op één plek hebben, maakt vergelijken pas snel genoeg om het echt te doen. Je kunt één keer vragen en zien hoe elk naast elkaar antwoordt, of halverwege een gesprek van model wisselen als er eentje niet raak zit. We zetten de grote drie tegenover elkaar in ChatGPT versus Gemini versus Claude als je er dieper in wilt duiken.

De kern

Verschillende antwoorden zijn geen mankement. Ze zijn het natuurlijke gevolg van hoe deze tools werken: tekst voorspellen met een snufje willekeur, waarbij elk model de instincten draagt van de data en de mensen die het vormden. Van een machine één perfect antwoord verwachten is het verkeerde denkbeeld.

Beter behandel je AI als een panel van slimme, belezen adviseurs en niet als één orakel. Vraag er meerdere, let op waar ze het eens zijn en kies het antwoord dat past. Doe dat en de variatie wordt niet langer verwarrend, maar juist de hele meerwaarde.