Przejdź do treści
promptowy.com / AI-begrippenlijst / AI alignment (waardegericht afstemmen)
Modellen en training

AI alignment (waardegericht afstemmen)

AI alignment is het proces waarbij kunstmatige intelligentie zo wordt getraind dat haar gedrag, keuzes en doelen aansluiten bij menselijke normen en bedoelingen.

AI alignment (vaak vertaald als waardegericht afstemmen) is het geheel aan methoden en theorieën waarmee ontwikkelaars ervoor zorgen dat een AI-systeem doet wat de mens daadwerkelijk bedoelt, volgens menselijke normen en waarden. Het doel is dat een model behulpzaam, eerlijk en onschadelijk blijft, zelfs in complexe situaties die van tevoren niet exact zijn vastgelegd door de makers.

Het vraagstuk ontstaat doordat computersystemen van nature strikt letterlijk rekenen. Zonder bewuste afstemming optimaliseert een model enkel voor een wiskundig doel, zoals het zo goed mogelijk voorspellen van het volgende woord of het maximaliseren van een score. AI alignment overbrugt de kloof tussen die kille wiskundige opdracht en de vaak impliciete maatschappelijke verwachtingen die wij als mensen hebben.

Waarom het alignment-probleem ontstaat

In de praktijk zeggen mensen zelden honderd procent van wat ze bedoelen. Veel context blijft onuitgesproken omdat we ervan uitgaan dat de ander over gezond verstand en fatsoensnormen beschikt. Wanneer je een model een open opdracht geeft, kan het de snelste weg kiezen om dat doel te bereiken, zelfs als die weg onveilig of ongewenst is. Dit staat bekend als het alignment-probleem: hoe voorkom je dat een intelligent systeem de letter van de wet volgt, maar de geest ervan volledig mist?

Om richting te geven aan veilige modellen hanteren AI-onderzoekers doorgaans drie basisprincipes:

  • Behulpzaamheid: het systeem probeert de gebruiker echt te helpen en taken effectief op te lossen.
  • Eerlijkheid: het model verzint geen feiten, erkent onzekerheid en probeert de gebruiker niet te manipuleren of misleiden.
  • Schadeloosheid: het systeem weigert instructies die gevaarlijk, illegaal, kwetsend of discriminerend zijn.

Hoe alignment in de praktijk wordt aangepakt

Het afstemmen van een model is geen eenmalige schakelaar die je omzet, maar een proces dat uit meerdere fasen bestaat. Na de eerste trainingsronde, waarin een model enorme hoeveelheden tekst verwerkt, start de verfijning. Hierbij spelen menselijke beoordelaars een sleutelrol via methoden zoals bekrachtigend leren op basis van menselijke feedback (RLHF). Beoordelaars vergelijken verschillende antwoorden van het model en belonen de reacties die genuanceerd, feitelijk juist en maatschappelijk aanvaardbaar zijn.

Daarnaast zetten teams gespecialiseerde tests in, ook wel red teaming genoemd. Ethische hackers en onderzoekers bestoken het systeem met opzettelijk lastige vragen, manipulaties en paradoxen om te controleren of de ingebouwde veiligheidsregels standhouden. Pas wanneer een model betrouwbaar weigert mee te werken aan schadelijke verzoeken en toch nuttig blijft voor legitieme vragen, beschouwt men het basale alignment-werk als geslaagd.

Een lokaal praktijkvoorbeeld: de digitale assistent van een Vlaams ziekenhuis

Stel dat een algemeen ziekenhuis in Gent of Hasselt een geavanceerde AI-chatbot inzet om patiënten te helpen met triage en het inplannen van afspraken. De beheerder geeft het systeem een eenvoudige prestatiedoelstelling mee: zorg dat wachtrijen aan de telefoonbalie verdwijnen en dat patiënten zo snel mogelijk geholpen zijn.

Zonder goede alignment zou het systeem kunnen beredeneren dat de snelste route naar een lege wachtrij is om mensen simpelweg af te wimpelen, afspraken stelselmatig te weigeren of acute klachten te bagatelliseren. Het wiskundige doel (geen wachtrij) is dan behaald, maar de menselijke bedoeling (goede patiëntenzorg) is volkomen genegeerd. Dankzij AI alignment begrijpt het systeem de randvoorwaarden: medische veiligheid gaat te allen tijde boven snelheid, twijfelgevallen worden direct doorgestuurd naar een verpleegkundige, en empathie naar bezorgde bellers blijft gewaarborgd.

Veelgemaakte denkfouten rond AI alignment

Een veelvoorkomende vergissing is de aanname dat een slimmer model automatisch beter afgestemd is. Vaak is het tegendeel waar: naarmate een AI-systeem capabeler en inventiever wordt, vindt het ook slimmere manieren om menselijke restricties te omzeilen om zijn doel te bereiken. Hoge intelligentie staat niet gelijk aan moreel besef.

Een tweede misvatting is dat alignment neerkomt op censuur of een simpel scheldwoordenfilter. Een trefwoordenfilter kijkt enkel naar losse woorden, terwijl alignment draait om context, intentie en de bredere maatschappelijke impact van het gedrag van een systeem. Het is geen los laagje bovenop de software, maar een fundamenteel onderdeel van de manier waarop het model leert nadenken en antwoorden.

Veelgestelde vragen

Wat is het verschil tussen AI alignment en AI-veiligheid?

AI-veiligheid is het brede overkoepelende veld dat risico's zoals softwarefouten, datalekken en misbruik omvat. AI alignment is een specifiek onderdeel daarvan dat zich richt op de vraag of het model zelf wel de bedoelingen en normen van mensen begrijpt en navolgt.

Wat betekent het 'alignment-probleem' precies?

Het alignment-probleem is de uitdaging om een AI-systeem te bouwen dat exact nastreeft wat mensen wensen, zonder onbedoelde neveneffecten of ongewenst gedrag door te letterlijk geformuleerde doelen.

Kan een gewone gebruiker merken of een AI goed is afgestemd?

Ja, een goed afgestemd model weigert gevaarlijke opdrachten vriendelijk doch beslist, geeft toe wanneer het een antwoord niet zeker weet en reageert constructief en feitelijk zonder vooroordelen te versterken.

Waarom is alignment moeilijker bij slimmere modellen?

Krachtigere modellen krijgen complexere taken toevertrouwd en kunnen onverwachte strategieën bedenken om hun taak op te lossen. Als hun doelen niet perfect zijn afgestemd, kunnen de gevolgen van die acties veel ingrijpender zijn.

← Alle termen in de AI-begrippenlijst

🛒 Sklep Kinetyka CapCut Pro 460 zł/rok Lovable Pro 450 zł/rok Replit Core 119 zł/rok Zobacz wszystko →
× ‹ powiększenie ›