Hoe te werken met elke generatieve AI

Wisselen van ChatGPT naar Claude, Gemini, Grok, of naar welk open-source model dan ook, zou niet moeten betekenen dat je opnieuw moet leren hoe je moet prompten, wat je moet vertrouwen en wat veilig is om uit handen te geven. Onder de motorkap delen ze dezelfde handvol eigenschappen, en met dezelfde paar gewoontes krijg je bij allemaal goede resultaten.

Anthropic onderwijst beide in twee gratis Skilljar-cursussen, AI Capabilities and Limitations en AI Fluency Framework Foundations. De eigenschappen zijn al jaren ML-vocabulaire, en de gewoontes zijn wat goede prompters altijd al deden.

Hoe chat LLM's daadwerkelijk werken

Elke chat LLM heeft onder de motorkap dezelfde handvol eigenschappen. Noem degene die je net heeft gebeten en de oplossing volgt meestal.

• Next-token prediction. Het model raadt het volgende stuk tekst op basis van wat eraan voorafging. Het zoekt niets op. Behandel de output als een concept, verifieer alles wat ertoe doet.
• Kennis. Het model weet alleen wat het is getraind, en dat ook maar ruw. Voor alles wat recent, niche of privé is, plak de bron erbij in plaats van het model te vragen het te onthouden.
• Werkgeheugen. Contextvensters zijn eindig. Dump geen hele repositories. Trim, vat samen of deel op voordat je plakt, en vermijd belangrijke inhoud te begraven in het midden van lange prompts.
• Stuurbaarheid. Modellen reageren op duidelijke instructies, voorbeelden en structuur. Als de output verkeerd is, corrigeer dan eerst de input. Laat het model zien hoe goed eruitziet.
• Wanneer eigenschappen botsen. Een sterkte in de ene setting wordt een zwakte in de andere. Let op prompts die tegelijkertijd vragen om creativiteit en een strikt formaat; het model zal meestal op één van beide afwijken om de andere te dienen.

Door te benoemen welke eigenschap verkeerd ging (het model vergat de systeemprompt, het verzon een functie, het negeerde het formaat) weet je welke hendel je vervolgens moet overhalen.

De 4D's, een manier om met elke AI te werken

Professoren Rick Dakan (Ringling College) en Joseph Feller (University College Cork) bouwden het AI Fluency Framework rond vier gewoontes, de 4D's.

• Delegatie. Bepaal wat je uit handen geeft en wat je zelf doet. Alles wat echt oordeel vereist, verborgen context, of feiten die het model niet kan controleren, is meestal ongeschikt, ongeacht welke tool je gebruikt.
• Beschrijving. Vertel het model duidelijk wat je wilt. Formaat, voorbeelden, voor wie het is, wat je moet overslaan. Goede prompts werken overal.
• Onderscheidingsvermogen. Lees het antwoord met een kritische blik. Elk model kan met volle zekerheid onjuist zijn. De cursus koppelt Beschrijving en Onderscheidingsvermogen als een lus: je vraagt, je controleert, je vraagt opnieuw.
• Zorgvuldigheid. Neem verantwoordelijkheid voor wat je publiceert. Controleer de feiten, respecteer privacy, zeg wanneer AI heeft geholpen. Zo moet je werken, geen functie van één specifieke tool.

Waarom dit het providerdebat overstijgt

Inzetten op "Ik ben goed in ChatGPT-prompts" of "Ik ken de Claude-trucs" betekent dat je de helft opnieuw moet leren elke keer dat je team van tool wisselt. De ranglijst schuift elke paar maanden. De eigenschappen en de 4D's niet, die blijven zich uitbetalen bij elke release.

Beide cursussen zijn gratis en kort. Volg ze in volgorde, eerst Capabilities, daarna Fluency.