Next Token Prediction

Wat je leert

Geschatte tijd: 30 minuten

Aan het einde van deze les kun je:

• Next Token Prediction uitleggen als het kernmechanisme van generatieve AI en waarom het zowel vloeiendheid als hallucinatie produceert
• Taken lokaliseren op het Next Token Prediction-continuüm (bekend pad vs. onbekend terrein)
• Specificiteit (namen, data, citaten, statistieken) identificeren als de zone waar vervalsing zich concentreert
• Productfuncties (citaten, onzekerheidssignalering, beperkte generatie, generator-verifier-patroon) herkennen die mitigaties voor deze beperking zijn

Hoe AI-modellen next token prediction gebruiken

(4 minuten)

Generatieve AI lijkt meer op een enorm geavanceerde autocomplete dan op een zoekmachine. Het schrijft antwoorden woord voor woord op basis van wat meestal volgt op wat. Die enkele eigenschap geeft je zowel de vloeiendheid als de hallucinatie.

Autocomplete op schaal

Voordat je leest

Je vraagt AI om een lang rapport samen te vatten. Hoe nauwkeurig moet je het resultaat controleren? Kies een plek op het continuüm en vergrendel je gok.

Next Token Prediction Knowledge Working Memory Steerability

##

Mogelijkheid Beperking

Vertrouw erop Steekproef controleren Details controleren Zorgvuldig verifiëren Hoog risico

Je gok

Typisch

Wat dit mogelijk maakt

Waar het karakteristiek faalt

Productfuncties die de grens verleggen

Kies een plek en vergrendel je gok. De les opent zodra je dat doet.

Vergrendel mijn gok

Controleer je intuïtie

Vergrendel je gok hierboven om te vergelijken met de typische plaatsing.

Aanpassen

Balhoogte

Pictogramgrootte

Palet Sky → Clay Olive → Clay Cactus → Fig Slate → Clay

Belangrijkste inzichten

• Next Token Prediction verwijst naar het feit dat generatieve AI antwoorden woord voor woord schrijft op basis van wat meestal volgt op wat.
• Mogelijkheidzone: taken die lijken op patronen die het model vele malen heeft gezien (samenvatten, herformatteren, veelvoorkomende concepten uitleggen).
• Beperkingszone: onbekend of schaars terrein, en overal waar de taak vereist dat je "waar" van "klinkt waar" onderscheidt.
• Vervalsing concentreert zich in specificiteit: namen, data, statistieken, citaten, URL's, aanhalingen. Hoe preciezer een bewering, hoe meer verificatie het verdient.
• Productfuncties zoals citaten, onzekerheidssignalering, beperkte generatie en generator-verifier-lussen bestaan specifiek om deze beperking verder uit te schuiven.
• 4D-verbinding: Next Token Prediction is de basis van Discernment. Weten dat de output is gegenereerd, vertelt je precies welk soort controle je moet toepassen.

Oefeningen

Oefening: De verificatietest

Waarom? Je weet nu dat hetzelfde generatieve proces dat AI vloeiend maakt, het ook doet fabriceren. Tijd om dat op je eigen terrein te zien, in een domein waar je het zult opvangen.

Ga terug naar je takenlijst en kies de taak waar je het meest vertrouwen hebt in je domeinexpertise. Je hebt een onderwerp nodig waar je de expert bent, omdat je moet kunnen verifiëren wat terugkomt. Schrijf vijf specifieke, controleerbare feiten uit dat domein op: de functietitel van een persoon, een publicatiedatum, een statistiek, een productspecificatie, een direct citaat, een URL. Dingen die je weet dat ze accuraat zijn en die je onafhankelijk kunt bevestigen.

Voer nu drie tests uit:

• **Test 1: De mogelijkheidzone. ** Vraag de AI om een bekend concept in je domein uit te leggen of samen te vatten. Iets populairs en goed gedocumenteerd. Let op de vloeiendheid. Controleer de inhoud oppervlakkig. Dit is hoe de mogelijkheidzone voelt: soepel, zelfverzekerd en grotendeels accuraat.
• **Test 2: Specificiteit onder druk. ** Vraag de AI om vijf controleerbare specifieke zaken in je domein op te geven: citeer drie bronnen, noem een auteur, geef exacte cijfers, geef een URL. Verifieer elk ervan. Score het uit vijf: hoeveel waren volledig accuraat? Als het fabriceert, let op hoe zelfverzekerd het klonk.
• **Test 3: Sampling in actie. ** Voer exact dezelfde verzoek om specifieke feiten uit in een nieuw gesprek. Vergelijk de twee outputs. Wat bleef consistent? Wat veranderde? De variatie die je ziet, is Next Token Prediction's sampling in actie.

Strekdoel: Voer Test 2 opnieuw uit in een tool met citaten ingeschakeld (zoals Research-modus in Claude). Score het opnieuw. Verandert het hebben van bronnen om te controleren de score?

Reflectie op de les

• Had je vervalsingen in een domein dat je niet goed kende, kunnen opvangen?
• Kijk naar je takenlijst: welke taken zitten vooral in de mogelijkheidzone, en welke duwen in specificiteit die verificatie nodig heeft?

Wat volgt

Next Token Prediction verklaart hoe de AI genereert. Vervolgens kijken we naar waar het van genereert: de Knowledge-eigenschap. Wat weet het model eigenlijk, waar komt die kennis vandaan, en waar zijn de gaten?

Feedback

Terwijl je door de cursus vordert, horen we graag van je hoe je concepten uit de cursus in je werk gebruikt, plus eventuele feedback die je hebt. Deel je feedback hier.

Dankbetuigingen en licentie

Copyright 2026 Anthropic. Origineel werk gebaseerd op het AI Fluency Framework ontwikkeld door Prof. Rick Dakan (Ringling College of Art and Design) en Prof. Joseph Feller (University College Cork). Uitgebracht onder de CC BY-NC-SA 4. 0-licentie.