Wat is Scratchpad?

Wat is een scratchpad eigenlijk?

Stel je voor dat je een ingewikkelde rekensom moet maken. Je pakt een kladblok en schrijft tussenstappen op: eerst dit uitrekenen, dan dat, en dan pas het eindantwoord. Precies zo werkt een scratchpad voor AI-modellen.

Een scratchpad is een werkgeheugen waarin een AI-model zijn 'denkproces' kan opschrijven. In plaats van direct van vraag naar antwoord te springen, genereert het model eerst tussenresultaten, aantekeningen of redeneerregels — vaak zichtbaar voor jou als gebruiker. Zo kun je meekijken hoe het tot zijn conclusie komt.

Dit concept is vooral belangrijk bij modellen die complexe taken uitvoeren: wiskundige problemen, logische puzzels, code schrijven, of meerledige beslissingen. Door expliciet 'hardop te denken', wordt de AI nauwkeuriger en kan je beter vertrouwen of het antwoord klopt.

Hoe werkt het in de praktijk?

Normaal gesproken genereert een taalmodel woord-voor-woord, van links naar rechts. Bij een scratchpad-aanpak schrijft het model eerst zijn redenatie uit — bijvoorbeeld:

• "Eerst bereken ik de oppervlakte van de rechthoek: 5 × 3 = 15."

• "Dan trek ik daar de driehoek vanaf: (4 × 2) / 2 = 4."

• "Het uiteindelijke antwoord is 15 – 4 = 11."

Pas na deze stappen geeft het het definitieve antwoord. Soms wordt het scratchpad verborgen (alleen intern gebruikt), maar vaak zie je het terug in de output — vooral bij modellen die je stap-voor-stap laten volgen.

Deze werkwijze helpt het model om minder fouten te maken. Net zoals jij makkelijker een fout ziet als je je werk opschrijft, 'ziet' het model zijn eigen logica beter als het die expliciteert.

Waarom is dit handig?

Voor jou als gebruiker heeft een scratchpad twee grote voordelen:

• Controleerbaarheid: je ziet waar een redenatie misgaat. Als de AI tot een gek antwoord komt, kun je precies aanwijzen in welke stap de fout zit.

• Vertrouwen: je hoeft niet blind te geloven dat het antwoord klopt — je kunt meekijken hoe het tot stand kwam.

Voor het model zelf zorgt het voor betere prestaties. Door expliciet te redeneren, kan het moeilijkere taken aan. Dit is een vorm van chain-of-thought reasoning — een techniek waarbij modellen door tussen-stappen heen beter leren redeneren.

Waar kom je het tegen?

Je ziet scratchpad-achtig gedrag in verschillende AI-tools:

• ChatGPT, Claude, Gemini — vooral bij ingewikkelde rekensommen of logica-vragen kun je vaak zien dat ze eerst hun redenatie uitschrijven

• OpenAI o1 — een model dat expliciet is getraind om via een 'denkproces' tot antwoorden te komen, waarbij je (deels) meekijkt

• Code-assistenten — zoals GitHub Copilot of Cursor, die soms eerst commentaar schrijven over wat ze gaan programmeren, en dan pas de code genereren

• AI-agents — zelfstandig werkende systemen die hun plan stap-voor-stap opschrijven voordat ze acties uitvoeren

In sommige systemen is het scratchpad zichtbaar als een apart vak waarin het model 'denkt'. In andere gevallen staat het gewoon in de output, voor je neus.

Wat kun je er zelf mee?

Als je met AI werkt aan complexe taken — van data-analyse tot strategische plannen — is het slim om het model te vragen zijn redenatie uit te schrijven. Zet bijvoorbeeld in je prompt:

"Beschrijf eerst stap-voor-stap je aanpak, en geef dan pas het eindantwoord."

Dat activeert dit scratchpad-gedrag, ook als het model er niet standaard mee werkt. Je krijgt beter doordachte antwoorden, en je kunt makkelijker controleren of de logica klopt. Zie het als een kladblok dat jullie samen gebruiken — jij leest mee, en het model denkt hardop.