Wat is een LLM? Large language model uitgelegd
Cursussen › Cursus 2 · Hoe taal-AI denkt
Een large language model — afgekort LLM — is het type AI dat achter ChatGPT, Claude, Gemini en vergelijkbare chatbots zit. "Large" slaat op de omvang: deze modellen bevatten miljarden interne parameters en zijn getraind op enorme hoeveelheden tekst van het internet, boeken en andere bronnen. "Language" verraadt het doel: ze zijn gebouwd om taal te verwerken en te genereren.
Maar ze werken niet zoals een zoekmachine of een encyclopedie. Een LLM voorspelt het meest waarschijnlijke volgende woord op basis van de context die het heeft gezien — miljarden keren herhalen levert tekst op die vloeiend, informatief en verrassend coherent overkomt. In deze module leer je hoe dat werkt, waarom ze soms dingen verzinnen en wat hen onderscheidt van eerdere AI-systemen.
In deze module leer je
- Wat een large language model is en hoe het verschilt van eerdere AI-systemen
- Hoe een LLM traint op enorme hoeveelheden tekst en wat dat oplevert
- Waarom een LLM voorspelt in plaats van "weet" — en waarom dat belangrijk is
- Hoe begrippen als tokens, contextvenster en temperatuur het gedrag beïnvloeden
- Waarom LLMs soms dingen verzinnen (hallucineren) en wat je daartegen kunt doen
Veelgestelde vragen
Een large language model is een AI-systeem dat getraind is op enorme hoeveelheden tekst en in staat is om taal te begrijpen en te genereren. Het voorspelt steeds het meest waarschijnlijke volgende woord op basis van de context — dat levert vloeiende, samenhangende tekst op.
ChatGPT is een product (van OpenAI) dat bovenop een LLM gebouwd is. Het LLM — GPT-4 of o-serie — is de onderliggende technologie; ChatGPT is de interface met instructietraining en veiligheidsfilters erop.
Een LLM wordt getraind op tekst door keer op keer een woord te voorspellen en te corrigeren op basis van fouten. Na deze voortraining kan het fine-tuned worden op instructies, zodat het beter op vragen en opdrachten reageert. De kern blijft woordvoorspelling op enorme schaal.
Omdat een LLM geen feiten opzoekt maar woorden voorspelt. Waar zijn trainingsdata geen duidelijk patroon geven, vult het model in met iets dat plausibel klinkt maar feitelijk onjuist kan zijn. Verificatie via externe bronnen blijft altijd nodig.
In de meeste gevallen is een foutief antwoord vervelend maar herstelbaar. In professionele contexten kan het echter serieuze gevolgen hebben: een advocaat die een niet-bestaand vonnis citeert, een accountant die een fout getal overneemt, een klantenservicemedewerker die onjuiste informatie verstuurt, of een zorgprofessional die een onjuiste dosering overneemt. Per vakgebied zijn de risico's anders — zie AI voor juristen, AI voor accountants, AI voor klantenservice en AI in de zorg voor de specifieke aandachtspunten.
Deze module zit in de cursus Hoe taal-AI denkt. Module 1 van AILogica is gratis.
Meer uit deze cursus: Embeddings: de landkaart van betekenis · Van GPT naar ChatGPT · Waarom hallucineert AI?