ChatGPT een spiegel voorgehouden

Wie ChatGPT vaker gebruikt weet dat de software vaak in andere woorden en uitgebreider teruggeeft wat je vraagt. Slim en uitgebreid vragen stellen levert dan het beste resultaat anders word je geen steek wijzer. Dit werken met de taalrobot doet denken aan een typetje van Kees van Kooten, namelijk Oost-Europa deskundige Dr Clavan.
Hieronder een chat met ChatGPT over de humor uit Keek op de Week.

Ben jij op de hoogte van het duo Kees van Kooten en Wim de Bie?

ChatGPT zei: ja, ik ben bekend met Kees van Kooten en Wim de Bie. Ze waren een iconisch cabaretduo in Nederland, bekend om hun scherpe satire en humoristische sketches die vaak maatschappelijke en politieke thema's aan de kaak stelden. Ze werkten samen onder de naam Van Kooten en De Bie en zijn vooral bekend van programma's zoals Het Simplisties Verbond, waarin ze typetjes en situaties creëerden die Nederland vaak een spiegel voorhielden. Hun werk heeft een blijvende impact gehad op de Nederlandse cultuur en humor.
Heb je een specifieke vraag over hen of hun werk?

Ken jij het typetje Dr Clavan, de Oost-Europa deskundige?

ChatGPT zei: ja, Dr Clavan is een van de onvergetelijke typetjes van Van Kooten en De Bie, gespeeld door Kees van Kooten. Hij werd gepresenteerd als een Oost-Europa-deskundige met een sterk aangedikte, pseudo-intellectuele uitstraling. Dr Clavan was vooral hilarisch vanwege zijn gekunstelde taalgebruik, eigenaardige uitspraak van woorden en zijn neiging om alles te overanalyseren met een snobistische houding.
Zijn karakter was een satire op de zogenaamde "alleskunners" of de zelfbenoemde experts die in de media opdoken, vaak zonder daadwerkelijke expertise.
Heb je een favoriete scène of citaat van Dr Clavan in gedachten?

Nee, maar er was nog een opvallende eigenschap van Dr Clavan, namelijk dat hij de informatie haalde uit de vraag die hem gesteld werd en er nauwelijks iets aan toevoegde.

ChatGPT zei: dat klopt helemaal! Een van de briljante kenmerken van Dr Clavan was dat hij inderdaad vaak de vraag die hem gesteld werd, als uitgangspunt nam en daar alleen met veel omhaal en wolligheid op terugkwam, zonder echt nieuwe informatie toe te voegen. Dit maakte hem een geniale parodie op zogenaamde experts die veel woorden gebruiken maar weinig substantie bieden.
Zijn uitspraken hadden vaak een tautologisch of cirkelredenerend karakter, wat de satire extra scherp maakte. Het idee dat hij "kennis" haalde uit de vraag zelf en deze terugkaatste als een soort diepzinnige analyse, maakte hem een meesterlijke karikatuur. Zijn gedrag liet kijkers vaak in verwarring achter, net zoals zulke experts dat in het echte leven kunnen doen.

Tot zover de chat.

Hoe werkt een Chatrobot?

Ik stelde ChatGPT de volgende vraag.
Van taalrobots wordt gezegd dat zij werken op basis van statistiek, zo van: welk woord volgt het vaakst op zijn voorganger. Mij lijkt dat er analyse plaats vindt van de inhoud en de betrekking en dat je geprogrammeerd bent om tegelijk een antwoord voor te bereiden op inhoud en op betrekkingsniveau.
Kun je in een zin of 10 samenvatten wat het publiek wel mag weten hoe het werkt?

Ja, het idee dat taalmodellen puur op statistiek werken, doet geen recht aan de complexiteit. Taalrobots zoals ik werken op basis van grote hoeveelheden data en geavanceerde machine learning-technieken. Hier is een samenvatting van wat je mag weten:

1. Training op tekstdata: Het model is getraind op een enorme hoeveelheid tekst uit boeken, artikelen en andere bronnen om patronen in taal te leren.

2. Tokenisatie: Tekst wordt opgesplitst in kleine eenheden (tokens), zoals woorden of woorddelen.

3. Waarschijnlijkheidsmodellen: Het model leert patronen, zoals welke woorden vaak samen voorkomen en in welke volgorde.

4. Transformer-architectuur: De kern van mijn werking is een transformer, een type neuraal netwerk dat tekst contextueel begrijpt door te analyseren hoe woorden zich tot elkaar verhouden binnen een zin of passage.

5. Contextbegrip: Bij elk antwoord analyseer ik niet alleen de woorden maar ook de betekenis in de context van ons gesprek (inhoud) en jouw toon of intentie (betrekking).

6. Genereren van antwoorden: Op basis van context en patronen genereer ik de meest waarschijnlijke en relevante volgende woorden, rekening houdend met jouw vraag en het verloop van de dialoog.

7. Feedbacklus: Tijdens een gesprek gebruik ik eerdere antwoorden om continu de context bij te houden.

8. Geen echte 'kennis': Ik heb geen bewustzijn of kennis, maar kan informatie opslaan, koppelen en toepassen zoals geleerd tijdens mijn training.

9. Aanpassingen door training: Modellen zoals ik worden verfijnd door feedback van gebruikers en regelmatige updates.

10. Beperking tot data: Mijn "begrip" is gebaseerd op de data waarop ik ben getraind, wat betekent dat mijn antwoorden sterk afhankelijk zijn van wat ik in mijn training heb gezien.

Dit alles maakt dat ik niet alleen woorden "voorspel", maar betekenis probeer te construeren uit jouw input en passende antwoorden formuleer.