In de vorige modules hebben we ”machine learning” besproken.

Taalmodellen kunnen helpen met het schrijven van teksten.

Net als dat een spamfilter heeft geleerd van alle mailtjes die het ooit heeft bekeken, heeft een taalmodel miljoenen teksten van andere mensen bekeken. 

​Een taalmodel is zo getraind op miljarden zinnen.

Boeken, nieuwsartikelen, websites, handleidingen ... alles wat mensen ooit hebben geschreven. Daardoor heeft het geleerd welke woorden bij elkaar horen. Wat klinkt logisch en wat niet? 

Zo werkt het dus.

Woord voor woord. Het taalmodel raadt steeds het volgende woord. En het woord daarna. En het woord daarna. Zo ontstaat een tekst die klinkt alsof een mens hem heeft geschreven.

Dus: het is geen orakel

Sommige mensen zijn zo onder de indruk van ChatGPT dat ze niet meer verder kijken. Ze stellen een vraag en slikken het antwoord als zoete koek. Dat is heel onverstandig. 

Dat is hetzelfde als alleen het eerste resultaat van een Google-zoekopdracht geloven. Je moet altijd verder kijken en je eigen bronnenonderzoek doen.

Je hoeft je niet schuldig te voelen als je eens iets aan AI vraagt.

Onderzoek laat zien dat een half uur Netflix kijken ongeveer evenveel energie kost als 90 ChatGPT-gesprekken. AI-gebruik voelt nieuw en daardoor extra zichtbaar, maar in de praktijk verbruiken streaming en gamen vaak veel meer stroom dan een paar prompts.

Het echte probleem: om AI te laten draaien zijn nieuwe datacenters nodig.

Enorme gebouwen vol servers waarvan het totale stroomverbruik vergelijkbaar is met het energieverbruik van een heel land.

Kortom: niet jouw prompt is het probleem.

Wel hóe de hele sector (bedrijven, overheden, investeerders) deze groei aanpakt. Iets om in gedachten te houden, ook al kun je daar als individuele gebruiker weinig aan veranderen.