Waarom AI soms verkeerd rekent, en hoe je dat voorkomt
← Actueel · 21 oktober 2026
Het overkomt bijna iedereen die AI een tijdje gebruikt. Je vraagt een berekening, krijgt een vlot antwoord met een duidelijke uitleg, en bij nader inzien klopt het getal niet. Hoe kan een systeem dat een essay schrijft in tien seconden, struikelen over een vermenigvuldiging die een rekenmachine foutloos doet? Het antwoord zit in hoe een taalmodel werkt.
Een taalmodel rekent niet, het voorspelt
Een taalmodel is getraind om steeds het meest waarschijnlijke volgende stukje tekst te voorspellen. Dat werkt verbluffend goed voor taal, want taal zit vol patronen. Maar rekenen is geen patroon dat je kunt raden, het is een procedure die je moet uitvoeren. Een taalmodel voert die procedure niet uit zoals een rekenmachine dat doet. Het schrijft op wat er op die plek in de tekst waarschijnlijk staat.
Bij eenvoudige sommen gaat dat meestal goed, omdat die in de trainingsdata eindeloos vaak voorkomen. 7 x 8 = 56 heeft het model ontelbare keren gezien. Bij 4.817 x 2.396 ligt dat anders: die specifieke som kwam waarschijnlijk nooit voor, dus het model moet het antwoord samenstellen uit losse stukjes. Dan ontstaan fouten die er volkomen geloofwaardig uitzien.
Getallen zijn voor een model geen getallen
Er speelt nog iets. Een taalmodel leest geen losse cijfers, maar tokens: stukjes tekst. Een groot getal wordt vaak in een paar stukken geknipt, en hoe dat gebeurt hangt af van het getal zelf. Voor het model is 4817 dus niet één hoeveelheid, maar een reeks tekstfragmenten. Dat maakt het nog lastiger om er netjes mee te rekenen. Meer over hoe die stukjes werken, lees je bij tokens en het contextvenster.
Waarom het antwoord zo overtuigend klinkt
Het verraderlijke is dat een fout antwoord net zo zelfverzekerd wordt opgeschreven als een goed antwoord. Het model heeft geen ingebouwd gevoel van "hier weet ik het niet zeker". Het schrijft een logische uitleg bij een verkeerde uitkomst, omdat zo'n uitleg in die tekst past. Dat is dezelfde eigenschap die zorgt voor verzonnen bronnen en feiten; zie waarom AI soms dingen verzint.
Wordt het beter?
Ja, maar op een andere manier dan je misschien denkt. Nieuwere modellen maken minder rekenfouten, vooral doordat ze leren om eerst stap voor stap te redeneren en vaker zelf gereedschap in te zetten. Het onderliggende principe verandert daardoor niet: het model voorspelt nog steeds tekst. Ga er dus niet van uit dat een nieuwere versie ineens foutloos rekent, en blijf controleren waar het ertoe doet.
Zo werk je er veilig mee
- Laat het rekenen aan gereedschap over. Veel AI-assistenten kunnen een rekenmachine of een stukje programmacode gebruiken om een berekening echt uit te voeren. Vraag daar expliciet om. Dan rekent de computer en schrijft het model alleen de uitleg. Hoe dat samenwerken met gereedschap werkt, lees je bij bronnen, tools en agents.
- Vraag om tussenstappen. Een model dat de berekening stap voor stap uitschrijft, maakt minder fouten dan een model dat direct het eindantwoord geeft. En jij kunt de stappen nalopen.
- Controleer de uitkomst. Bij alles waar geld, doseringen of beslissingen van afhangen: reken het na met een rekenmachine of spreadsheet. Ook een ruwe schatting helpt. Klopt de orde van grootte niet, dan is er iets mis.
- Gebruik AI voor het denkwerk, niet voor het rekenwerk. AI is sterk in het opzetten van een berekening, het uitleggen van een formule of het bedenken welke cijfers je nodig hebt. Het uitvoeren laat je liever aan een rekenmachine over.
Verder leren
Wie snapt dat een taalmodel voorspelt in plaats van rekent, gebruikt het slimmer en vertrouwt het op de juiste momenten. Dat is precies waar AILogica over gaat. Begin met de gratis les over hoe een neuraal netwerk werkt, of bekijk alle cursussen.