Wanneer eigenschappen botsen

Wat je leert

Geschatte tijd: 25 minuten

Aan het einde van deze les kun je:

• Herkennen dat de meeste AI-fouten twee of meer eigenschappen betreffen die met elkaar interageren
• Veelvoorkomende foutpatronen diagnosticeren (gefabriceerde citaten, drift in lange gesprekken, zelfverzekerd foutieve wiskunde, akkoord gaan met slechte premissen) door te identificeren welke eigenschappen een rol spelen
• Een gerichte oplossing toepassen op basis van welke eigenschap de beperkende factor is

AI-fouten diagnosticeren

(3 minuten)

De vier eigenschappen werken niet in isolatie. De meeste echte fouten zijn het gevolg van twee eigenschappen die elkaar kruisen. Zodra je kunt benoemen welke twee, weet je welke oplossing je moet gebruiken.

Twee eigenschappen ontmoeten elkaar: diagnosticeren wat er fout ging

De meeste echte AI-fouten zijn het gevolg van twee eigenschappen die tegelijkertijd samenkomen.

Next Token Prediction

Genereert wat juist klinkt

Knowledge

Weet wat het is getraind op

Working Memory

Let op wat dichtbij is

Steerability

Volgt de luidste instructie

sleep twee eigenschappen naar elkaar toe om te zien wat er gebeurt wanneer ze botsen

Belangrijkste inzichten

• Echte fouten in de praktijk zijn meestal twee eigenschappen die met elkaar interageren, niet één.
• Diagnostische paren om te herkennen:
• Next Token Prediction + Knowledge (gefabriceerde specifieke details)
• Working Memory + Steerability (drift in lange gesprekken)
• Het benoemen van de eigenschappen die een rol spelen wijst je direct naar de oplossing: verifieer specifieke details, lever context opnieuw aan, zet uit naar code-uitvoering, of nodigen pushback uit.
• **Deze diagnostische zet is Discernment toegepast. ** Je evalueert beter wanneer je weet wat voor soort fout je ziet.

Oefeningen

Oefening: De foutdiagnose

Waarom? De meeste echte AI-fouten zijn niet één eigenschap die problemen veroorzaakt. Het zijn twee eigenschappen die elkaar ontmoeten. Het benoemen van welke twee verandert de oplossing volledig.

Denk terug aan je ervaring met AI (inclusief wat je tijdens deze cursus hebt waargenomen). Identificeer twee of drie keer dat een AI-output je echt teleurstelde of verraste. Beschrijf voor elk geval in een of twee zinnen: wat je vroeg, wat je kreeg, wat teleurstellend of verrassend was.

• **Loop elk geval door met de AI. ** Beschrijf wat er gebeurde en vraag: "Op basis van de vier eigenschappen (Next Token Prediction, Knowledge, Working Memory, Steerability), welke waren waarschijnlijk aan het werk, en waarom? "
• **Evalueer de diagnose tegen wat je nu weet. ** Ben je het ermee eens? Zo niet, push terug. (Onthoud de sycophancy-vingerafdruk uit les 3: de AI kan het met je framing te snel eens zijn. Als je denkt dat het fout is, zeg dat dan. )
• Voor elke diagnose, vraag: "Gegeven die diagnose, wat is de meest gerichte oplossing? " Probeer de aanpassing nu, als je kunt, op een soortgelijke taak.

Kijk nu naar je takenlijst uit les 1 met alle verzamelde aantekeningen (eigenschap-tags uit les 2, verificatiescores uit les 4, kennismarkeringen uit les 5, contextbehoeften uit les 6, doelstellingen uit les 7). Voor de taken die je de meeste moeite gaven, benoem welke twee eigenschappen botsten. Schrijf de diagnose naast elk ervan.

Reflectie op de les

• Veranderde het benoemen van het eigenschap-paar welke oplossing je zou kiezen? Voor deze cursus zou je een ander (minder effectief) fix hebben geprobeerd?
• Welk eigenschap-paar denk je dat je het meest zult tegenkomen in je dagelijks werk?

Wat volgt

In de laatste les consolideren we wat je hebt opgebouwd, verbinden het terug met het 4D Framework als een compleet systeem, en wijzen we je naar waar je dieper kunt gaan.

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 voortbouwend 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.