Wat is Large Language Model?

Wat is een Large Language Model eigenlijk?

Een Large Language Model (LLM) is een AI-systeem dat is getraind op miljarden woorden aan tekst — denk aan boeken, websites, artikelen, gesprekken — en daardoor patronen in taal heeft geleerd. Het 'large' verwijst naar twee dingen: de enorme hoeveelheid trainingsdata én het gigantische aantal parameters (verstelbare schroefjes) in het model, vaak honderden miljarden.

Stel je voor: je leest je hele leven miljoenen boeken, artikelen en gesprekken. Op een gegeven moment kun je niet alleen begrijpen wat iemand bedoelt, maar ook voorspellen welk woord logischerwijs volgt in een zin. Dat is in essentie wat een LLM doet — alleen dan op een onvoorstelbaar grotere schaal en met statistiek in plaats van bewustzijn.

Het bijzondere is dat deze modellen niet geprogrammeerd zijn met taalregels. Ze hebben zichzelf taal 'aangeleerd' door te observeren hoe miljarden zinnen zijn opgebouwd. Daardoor kunnen ze niet alleen tekst genereren, maar ook vertalen, samenvatten, vragen beantwoorden en zelfs code schrijven.

Hoe werkt zo'n model?

Een LLM krijgt tijdens training steeds een stuk tekst te zien met één woord weggelaten. Het moet raden welk woord daar hoort. Elke keer dat het fout zit, worden de interne 'schroefjes' (parameters) een heel klein beetje bijgesteld. Na miljarden van zulke oefeningen snapt het model welke woorden meestal op elkaar volgen, welke zinnen logisch zijn, en zelfs welke betekenissen woorden hebben in verschillende contexten.

Wanneer jij een vraag stelt aan zo'n model, voorspelt het woord-voor-woord wat een logisch antwoord zou zijn — gebaseerd op alle patronen die het heeft gezien. Het 'denkt' niet zoals jij of ik, het rekent uit wat statistisch gezien het meest waarschijnlijke vervolg is.

Dat klinkt misschien simpel, maar door de schaal waarop dit gebeurt — met modellen die soms 175 miljard parameters of meer hebben — ontstaan verrassend genuanceerde en menselijk ogende resultaten.

Waar kom je het tegen?

Je gebruikt waarschijnlijk al dagelijks een LLM, bewust of onbewust:

• Chatbots: ChatGPT (OpenAI), Claude (Anthropic), Gemini (Google), Copilot (Microsoft)

• Schrijfhulp: automatische e-mail suggesties, tekst aanvullen in Google Docs, content genereren voor marketing

• Klantenservice: chatbots die vragen beantwoorden op websites

• Programmeren: GitHub Copilot helpt developers code te schrijven

• Zoekmachines: Google en Bing gebruiken LLM-technologie voor betere zoekresultaten en samenvattingen

• Vertalingen: DeepL en Google Translate draaien deels op deze technologie

Bedrijven zetten LLMs in voor alles van juridische contractanalyse tot het schrijven van productbeschrijvingen. Kleinere, gespecialiseerde versies worden gebruikt in apps voor taalcorrectie, samenvattingen van vergaderingen, of het analyseren van klantfeedback.

Wat zijn de grenzen?

Hoe indrukwekkend ook, een LLM heeft geen echt begrip. Het kan geen onderscheid maken tussen waar en onwaar, tenzij dat expliciet in de trainingsdata zat. Daarom kan het soms volstrekt onjuiste informatie produceren met grote overtuiging — wat we 'hallucineren' noemen.

Ook kent het alleen wat het tijdens training heeft gezien. Modellen hebben vaak geen kennis van recente gebeurtenissen, en ze kunnen geen informatie opzoeken tenzij ze gekoppeld zijn aan externe tools zoals zoekmachines.

Wat kun je ermee?

Als je weet hoe een LLM werkt, kun je het effectiever inzetten. Behandel het als een extreem ervaren assistent die alles heeft gelezen, maar soms dingen verzint. Stel duidelijke vragen, geef context, en controleer belangrijke informatie altijd. Voor brainstormen, eerste versies schrijven, uitleg vragen of complexe teksten samenvatten zijn deze modellen fantastisch. Voor feiten of beslissingen waar veel van afhangt: gebruik ze als startpunt, niet als eindpunt.