Wil je meer weten over AI en genAI? Deze microlearnings vormen een snelle en toegankelijke gids. Ze zijn verdeeld over 3 onderwerpen. Ontdek in dit onderdeel meer over effectief gebruik van AI. Van dataverzameling tot patroonherkenning. De techniek achter genAI en hoe het leert van input.
Nieuwe video: GenAI in de praktijk
Microlearnings: starten met AI. Context is de sleutel. Spreker: Jurriaan Raaijmakers, teamlead AI, ministerie van Binnenlandse Zaken en Koninkrijksrelaties.
JURRIAAN: Ik loop naar de bank. Maar loop ik naar de bank in een park of ga ik geld opnemen? Zonder context weet jij het niet, en de AI dus ook niet.
[Microlearnings: starten met AI. Context is de sleutel.]
JURRIAAN: Jouw hersenen vullen automatisch aan wat logisch lijkt. Maar dit hangt af van jouw context.
Als je zegt 'Ik liep naar de bank in het park', dan is het meest logisch dat ik een bank bedoel om op te zitten. Een taalmodel redeneert precies hetzelfde, maar om een andere reden. Een taalmodel lijkt slim, maar 'begrijpt' helemaal niets. Het voorspelt welk woord waarschijnlijk volgt op basis van data. Maar de woorden op zich betekenen helemaal niets. Alles draait om context. Als in trainingsdata 'park' vaak samen voorkomt met 'zitbank', dan liggen die betekenissen dichter bij elkaar dan andere betekenissen. En dan gokt het model sneller op die route.
En hier komt iets belangrijks: het bankje in het park is namelijk de meest logische volgende. Maar het is ook goed om te beseffen dat er nog altijd een bankkantoor in het park kan staan. Het antwoord hoeft dus niet kloppend te zijn, ook al voelt het superlogisch. En het stomme is: hier houden onze menselijke hersenen vaak op met denken, juist omdat de AI voorspelt wat wij verwachten. Daarom moet je extreem scherp blijven op de uitkomsten.
Waarom is dit nou zo belangrijk voor AI? Omdat AI zelf geen bewuste keuzes maakt. Hij gokt. Ik heb dit meegemaakt bij een training die ik gaf aan wijkinspecteurs. Een onderdeel van het werk is het schrijven van een bewonersbrief. Die brief moet duidelijk, vriendelijk en informatief zijn. Maar als de inspecteur aan AI vraagt 'schrijf een bewonersbrief', dan weet het model, net als wij mensen, eigenlijk helemaal niets. Niet waar, wanneer, waarom. Pas als je de context geeft, krijgt het model houvast. Bijvoorbeeld: De Stationsstraat wordt 3 september afgesloten voor het vervangen van de waterleidingen.
Ik vroeg ze de AI meer context te geven. Informatiekrabbels zoals contextuele input, waar, wanneer, waarom, maar ook een voor de AI begrijpelijke template van een bewonersbrief. Het resultaat? Een bewonersbrief die zo goed was dat de inspecteur zei: 'Ik had veel liever deze brief verstuurd dan die bewonersbrief die ik gisteren de deur uit heb gedaan.'
En daarom is jouw input van levensbelang. Jij hebt de kennis van een situatie, jij weet wat je echt bedoelt en jij kan de context leveren die de AI nodig heeft om het goede te doen. Zie het alsof de AI een rugzak met extra informatie krijgt. Elk stukje context is een extra 'gewichtje' aan informatie dat het model moet meenemen. Want hoe slim de techniek ook is, het mist jouw cruciale bedrijfsinformatie. Als de informatie ontbreekt en je vraagt het model toch met iets te komen, zal het altijd iets antwoorden, ook al is het niet mogelijk is om een antwoord te geven. Onthoud: AI vult aan wat ontbreekt, en dus soms ook verkeerd. Jij moet de juiste puzzelstukjes aanleveren. En hoe meer context je geeft, hoe beter de uitkomst.
Context is alles. Modellen zien en kennen geen interpretatie. Ze rekenen. Door te zeggen waar het over gaat, wat de situatie is en welke toon je wilt, krijg je de beste resultaten.
[Veilig en verantwoord starten met AI. Deze serie is ontwikkeld in opdracht van het CDO Office van BZK door de RijksAcademie voor Digitalisering en Informatisering Overheid (RADIO) in samenwerking met JenV en Rijks ICT Gilde, onderdeel van Rijksorganisatie ODI.]
Microlearning: Context is de sleutel
Zonder context weet generatieve AI niet of 'Ik loop naar de bank'’ gaat over een gebouw voor geld, of een bankje in een park. Net als jij mist generatieve AI de context om de gaten op te vullen. In plaats daarvan gokt het op basis van statistische patronen in de trainingsdata wat jij bedoelt. Jouw kennis en context zijn de ontbrekende puzzelstukjes. Hoe specifieker de informatie is die je een generatief AI-model geeft, hoe nauwkeuriger het resultaat. En uiteindelijk hoe kleiner de kans dat het model de verkeerde 'bank' kiest.
