AIToday Live

Waarom snapt Artificial Intelligence je vraag bijna nooit precies zoals jij hem bedoelt? Het probleem is dat een taalmodel altijd zelfverzekerd antwoordt, ook als het de context mist die jij als vanzelfsprekend beschouwt. Een tik-experiment uit 1990 laat zien waarom: luisteraars raadden een getikt liedje maar in 2,5 procent van de gevallen goed, terwijl tikkers 50 procent verwachtten.
Dezelfde kloof zit in elke prompt die je stelt zonder je context expliciet te maken, van een directierapport tot een klantmail. Morgen kun je die kloof dichten door één prompt aan te vullen met drie zinnen context die je normaal weglaat, en te testen of de output beter aansluit.
Onderwerpen

De 'curse of knowledge' en waarom taalmodellen altijd antwoorden zonder te waarschuwen bij onduidelijkheid

Het tik-experiment van Elizabeth Newton (1990) dat het misverstand tussen tikker en luisteraar blootlegt

Drie concrete methodes om betere AI-output te krijgen: expliciete context, teruggeven opdracht, en vastleggen terugkerende informatie

LinksProefschrift: Newton, E. L. (1990). The rocky road from actions to intentions. Stanford University.
Boek: Heath, C. & Heath, D. (2007). Made to Stick: Why Some Ideas Survive and Others Die. Random House.
Artikel: Zamfirescu-Pereira, J.D., Wong, R.Y., Hartmann, B. & Yang, Q. (2023). Why Johnny Can't Prompt: How Non-AI Experts Try (and Fail) to Design LLM Prompts. CHI '23.
Podcast: AIToday Live S06E84 – 15 prompt engineering tips van de makers van Claude (deel 1)
Podcast: AIToday Live S07E86 – Context engineering: de onzichtbare motor achter betrouwbare AI
Genoemde entiteiten: Stanford University - OpenAI
Stuur ons een bericht
Aigency
Aigency ontwerpt en ontwikkelt waardevolle, robuuste en betrouwbare Machine Learning-modellen.

Info Support
Info Support is de specialist in maatwerk software en leidend in kunstmatige intelligentie (AI).

Disclaimer: This post contains affiliate links. If you make a purchase, I may receive a commission at no extra cost to you.

Schrijf je in voor onze nieuwsbrief en ontvang exclusieve toegang tot nieuws, blik achter de schermen en meer!

Maarten van den Outenaar, oud-datadirecteur bij Schiphol, NS en Volker Wessels, zag telkens hetzelfde patroon: technisch perfecte AI-producten die niemand gebruikt. Het probleem is dat teams beginnen met bouwen voordat ze weten welk probleem een specifieke medewerker daadwerkelijk ervaart. Hij laat zien waarom een goede oplossing op het verkeerde moment evenveel oplevert als geen oplossing, en hoe je dat voorkomt.
Bij Schiphol verhoogde een simpel rood-groen lampjessysteem de productiviteit van beveiligingslanes met 50%, terwijl een uitgebreid dashboard door niemand werd gebruikt. Morgen kun je bij je eigen AI-project een concrete naam en een concreet probleem opschrijven voordat je begint met bouwen.
Onderwerpen
Waarom AI-producten niet gebruikt worden: de kloof tussen technologie en gebruikersbehoefte
De productiviteitsparadox: investeren in AI levert niet automatisch meer op
Simpele oplossingen werken beter: het voorbeeld van Schiphol's lane-lampjes
Bouw met een naam: koppel AI-projecten aan concrete personen en problemen
Timing is belangrijker dan kwaliteit: te vroeg gelijk hebben werkt averechts
Links
Boek: Geen woorden maar data
Kaartspel: AI Game Changer - Generative AI editie
Genoemde entiteiten: Volker Wessels - NS - Schiphol - Alliander
Stuur ons een bericht
Aigency
Aigency ontwerpt en ontwikkelt waardevolle, robuuste en betrouwbare Machine Learning-modellen.

Info Support
Info Support is de specialist in maatwerk software en leidend in kunstmatige intelligentie (AI).

Disclaimer: This post contains affiliate links. If you make a purchase, I may receive a commission at no extra cost to you.

Schrijf je in voor onze nieuwsbrief en ontvang exclusieve toegang tot nieuws, blik achter de schermen en meer!

Waarom stuur je een AI-bericht door zonder de bron te checken? Het probleem is dat hype niet vanzelf ontstaat, maar gemaakt wordt door afzenders met een belang bij jouw aandacht. Zes vragen uit de Hype Literacy Toolkit laten zien wie erbij wint, welke onzekerheid in een voorspelling verstopt zit en of "expert" en "criticus" wel terecht zo genoemd worden.
Een leverancier die "80% tijdsbesparing" claimt, blijkt dat cijfer vaak op één deeltaak te baseren, niet op het hele proces. Morgen kun je bij het eerstvolgende AI-voorstel vragen naar de meetmethode, de vergelijkingsbasis en of het cijfer onafhankelijk getoetst is.
Onderwerpen
Bronnencontrole bij AI-berichten
Belangen achter AI-claims identificeren
Retorische trucs in AI-berichtgeving herkennen
Onderscheid tussen experts en critici
Toepassing van de Hype Literacy Toolkit
Links
E-learning/Cursus: The Hype Literacy Toolkit for journalists
E-learning/Cursus: The Hype Literacy Toolkit for Journalists
Artikel: How to cover hype - Alexander Russo's The Grade
Artikel: Top Content on LinkedIn
Organisatie: DW Akademie's Homepage
Podcast: AIToday Live podcast
Genoemde entiteiten: DW Akademie - OpenAI
Stuur ons een bericht
Aigency
Aigency ontwerpt en ontwikkelt waardevolle, robuuste en betrouwbare Machine Learning-modellen.

Info Support
Info Support is de specialist in maatwerk software en leidend in kunstmatige intelligentie (AI).

Disclaimer: This post contains affiliate links. If you make a purchase, I may receive a commission at no extra cost to you.

Schrijf je in voor onze nieuwsbrief en ontvang exclusieve toegang tot nieuws, blik achter de schermen en meer!

Max Welling, hoogleraar machine learning aan de Universiteit van Amsterdam en CTO van CuspAI, bouwt een zoekmachine voor materialen die nog niet bestaan. Het probleem: nieuwe materialen ontwikkelen kost traditioneel jaren, terwijl Artificial Intelligence dat proces drastisch kan versnellen. Welling laat zien hoe generatieve modellen miljoenen materiaalkandidaten voorstellen, waarna andere modellen die filteren op stabiliteit en bruikbaarheid.
Perovskite zonnecellen gaan dankzij deze aanpak al richting de 30% efficiëntie, met een lab dat de meetresultaten terugvoert in het systeem voor de volgende ronde. Morgen kun je in kaart brengen welke data in je team verloren gaat, want zonder geordende data heeft geen enkel AI-model iets om van te leren.
Onderwerpen

CuspAI's platform Namira: een zoekmachine voor niet-bestaande materialen die met AI miljoenen kandidaten genereert, filtert op stabiliteit en valideert in het lab

Probleemgestuurd werken: begin met concrete uitdagingen zoals CO2-opvang of batterijopslag, niet met de vraag welke AI-technologie beschikbaar is

Data-infrastructuur als voorwaarde: organiseer alle data inclusief mislukte experimenten en metadata voordat je AI-modellen inzet

Vertrouwen door verificatie: toets AI-output op meetbare criteria in plaats van elke tussenstap te willen doorgronden

Wetgeving en organisatieprocessen als bottleneck: trage besluitvorming en vergunningsprocedures remmen AI-implementatie meer dan technische beperkingen

LinksOrganisatie: CuspAI | AI-powered materials discovery
Persoon: Geoffrey Hinton - grondlegger moderne neurale netwerken, Nobelprijswinnaar
Evenement: World Summit AI: krijg 20% korting met code AITODAY20
Podcast: AIToday Live podcast
Kaartspel: AI Game Changer - Generative AI editie
Genoemde entiteiten: CuspAI - Universiteit van Amsterdam - AMOLF - Zoom - Google Hangout
Stuur ons een bericht
Aigency
Aigency ontwerpt en ontwikkelt waardevolle, robuuste en betrouwbare Machine Learning-modellen.

Info Support
Info Support is de specialist in maatwerk software en leidend in kunstmatige intelligentie (AI).

Disclaimer: This post contains affiliate links. If you make a purchase, I may receive a commission at no extra cost to you.

Schrijf je in voor onze nieuwsbrief en ontvang exclusieve toegang tot nieuws, blik achter de schermen en meer!

Marijn van Aerle, medeoprichter en CTO van Floryn, bouwde een controlesysteem waarbij een beoordelaar niet zomaar akkoord kan klikken op een AI-voorstel. Het probleem: na tweehonderd keer goedkeuren wordt controleren een reflex, ook bij AI-voorstellen die fout zijn. Van Aerle laat zien hoe zijn systeem afwijkende beslissingen automatisch naar een tweede beoordelaar stuurt, met de vraag wat er anders is aan dit dossier.
Bij Floryn corrigeert het model de mens niet, maar signaleert het wanneer een besluit afwijkt van vergelijkbare zaken - vóór het bericht naar de klant gaat. Uit onderzoek van Info Support blijkt dat minder dan 10% van de organisaties AI-governance formeel heeft vastgelegd, terwijl 80% AI al gebruikt in het ontwikkelproces. Morgen kun je zelf één cijfer opzoeken: hoeveel van de laatste honderd AI-voorstellen zijn afgekeurd.
Onderwerpen

Automatiseringsbias en het verslijten van menselijke controle bij AI-systemen

Het meten van effectiviteit van human-in-the-loop controle aan de hand van afkeurpercentages

Vier concrete aanpassingen om AI-toezicht daadwerkelijk te laten functioneren

Floryn's praktijkvoorbeeld van wederzijds leren tussen AI-model en menselijke beoordelaars

LinksPodcast: AIToday Live S07E64 — Wat is erger: een fout van AI of van ons?
Podcast: AIToday Live S08E78 — AI coding harnas: zo dwing je controle technisch af
Podcast: AIToday Live S05E09 — Vinden van de perfecte balans tussen menselijke beslissingen en AI-modellen (Marijn van Aerle, Floryn, deel 1)
Podcast: AIToday Live S05E11 — Clusteringalgoritmen en vierogenprincipe: hoe Floryn hun model verbetert (deel 2)
Onderzoek: Agentic Engineering-onderzoek, Info Support, onder 330 Nederlandse IT-beslissers
Platform: Een mens in de loop — AI Lab
Framework: Een mens in de loop, maar wie en hoe?
Artikel: Verdieping — Human-in-the-loop
Genoemde entiteiten: gemeente Amsterdam - AI Lab - Floryn
Stuur ons een bericht
Aigency
Aigency ontwerpt en ontwikkelt waardevolle, robuuste en betrouwbare Machine Learning-modellen.

Info Support
Info Support is de specialist in maatwerk software en leidend in kunstmatige intelligentie (AI).

Disclaimer: This post contains affiliate links. If you make a purchase, I may receive a commission at no extra cost to you.

Schrijf je in voor onze nieuwsbrief en ontvang exclusieve toegang tot nieuws, blik achter de schermen en meer!