De vragen^The questions

Ada Lovelace schreef aantekeningen over de Analytical Engine van Charles Babbage. Daarin stond wat wordt beschouwd als het eerste algoritme dat bedoeld was om door een machine te worden uitgevoerd. Dat gebeurde bijna een eeuw voordat er daadwerkelijk een machine bestond die dit kon doen.^Ada Lovelace wrote notes on Charles Babbage's Analytical Engine that included what's recognised as the first algorithm intended to be carried out by a machine — nearly a century before a machine existed that could actually run it.

Turing beschreef de test in 1950 als ‘the imitation game’. Daarbij probeert een menselijke beoordelaar via een getypt gesprek te achterhalen of die met een mens of een machine communiceert. Heb je de film ook gezien?^Turing described it in 1950 as “the imitation game” — a party-game setup where a human judge tries to tell a machine from a person through typed conversation alone. Have you seen the movie?

De technologie achter chatbots heet een large language model (groot taalmodel). In de basis voorspelt zo'n model welk woord waarschijnlijk als volgende komt, op basis van de tekst die eraan voorafgaat. Dat is hetzelfde principe als de automatische aanvulfunctie op je telefoon, maar dan getraind op enorm veel meer tekst en met veel meer context.^At its core, an large language model (LLM), the technology behind chatbots, is predicting which word is likely to come next based on the context that came before— the same principle as your phone's autocomplete, just trained on vastly more text and with far more context to draw on.

Dit staat bekend als de paradox van Moravec. Taken die voor mensen vanzelfsprekend lijken, zoals het herkennen van een onbekend voorwerp in een drukke omgeving, zijn het resultaat van miljoenen jaren evolutie. Voor AI bleken zulke vaardigheden veel moeilijker dan 'intellectuele' taken zoals rekenen of spelletjes spelen.^This is Moravec's paradox: tasks that feel effortless to humans — like picking an unfamiliar object out of visual clutter — rely on millions of years of evolved perception, and turned out far harder for AI than “intellectual” tasks like arithmetic or game-playing.

Het 'Grandma Effect' is slechts een bijnaam voor een specifieke variant van dit soort rollenspel. De onderliggende techniek heet prompt injection: instructies worden verpakt als iets anders, zodat ze de ingebouwde veiligheidsmaatregelen van een model proberen te omzeilen.^“Grandma Effect” is just the nickname for this specific bit of roleplay; the underlying technique — smuggling instructions past a model's safety training by dressing them up as something else — falls under the broader category of prompt injection.

Het internet is geen neutrale afspiegeling van de mensheid. Online zijn vooral de stemmen te horen van mensen die veel schrijven en toegang hebben tot internet. Daardoor komen bepaalde talen, landen, perspectieven en tekstsoorten vaker voor dan andere.^“The internet” isn't a neutral sample of human thought — it skews toward whoever writes online most, in whatever genres and moods they write in, from forum arguments to fanfiction, mostly in English and mostly from wealthy, online-connected countries.

Een neuraal netwerk leert welke visuele kenmerken vaak samen voorkomen, zoals vormen, randen en patronen. Op basis daarvan herkent het grotere onderdelen, zoals een oog of oor, en uiteindelijk complete objecten. Het systeem leert dus structuren en onderlinge verbanden herkennen, niet simpelweg pixels onthouden.^The network learns which visual features tend to occur together — for example, shapes, edges and textures — and uses these patterns to recognise larger parts (an ear, an eye) and, ultimately, whole objects. It recognizes structure and composition, not just memorizing or averaging pixels.

Achter elk goed functionerend AI-model zit een grote groep mensen die trainingsvoorbeelden labelt, beoordeelt en corrigeert. Dat werk is vaak onzichtbaar voor gebruikers van chatbots, maar wel essentieel voor het eindresultaat.^Behind every well-behaved model is a large, often outsourced workforce labelling, rating, and correcting training examples — unglamorous work that the finished chatbot makes invisible.

‘Laten we stap voor stap nadenken’ is een bekend voorbeeld van een zogenaamde chain-of-thought-prompt. Die moedigt het model aan om tussenstappen uit te werken in plaats van direct een antwoord te geven. Bij meerstapsproblemen leidt dat vaak tot betere resultaten.^“Let's think step by step” is the classic “zero-shot chain-of-thought” prompt — it nudges the model to write out intermediate reasoning instead of jumping straight to an answer, which measurably improves accuracy on multi-step problems.