Mogelijkheden en beperkingen van LLM's
U onderzoekt waar LLM's daadwerkelijk in uitblinken en waar ze tekortschieten, waaronder hallucinaties, kennisafkappingen en beperkingen in redeneren, zodat u realistische verwachtingen voor projecten kunt opstellen.
Mogelijkheden en beperkingen van LLM's is een gratis AI Engineering Academy-les op CoddyKit. Dit is les 4 van 4. Je kunt de volledige les hieronder gratis lezen en daarna in de browser praktisch oefenen met een ingebouwde code-editor en een AI-begeleider die 24/7 beschikbaar is. Deze les maakt deel uit van het leertraject AI Engineering Academy. Je voortgang wordt gesynchroniseerd op het web en in de CoddyKit-app. De cursus AI Engineering Academy bevat in totaal 4 lessen.
Waar LLM's echt in uitblinken
LLM's zijn sterk in taalwerk: samenvatten, vertalen, code schrijven en tekst omzetten naar indelingen zoals JSON. Geef een paar voorbeelden en ze herkennen het patroon snel.
Hallucinatie: de fundamentele foutmodus
Een hallucinatie ontstaat wanneer een model zelfverzekerd iets onwaars beweert. Het voorspelt wat waarschijnlijk klinkt, niet wat waar is — vertrouw er dus nooit op als enige bron van feiten.
Kennisafkappingen en verouderde informatie
Elk model heeft een kennisafkapping — het weet niets van na die datum. Voor recente informatie geef je het tijdens de zoekopdracht actuele documenten met RAG.
Grenzen van redeneren: geen logische engine
LLM's bootsen redeneren na, maar zijn geen echte logische engine. Daardoor maken ze fouten bij exacte wiskunde en logica in meerdere stappen. Geef nauwkeurig werk door aan een echt hulpmiddel — zie de code.
# Illustrating why you should use tools for computation
from openai import OpenAI
client = OpenAI()
# BAD: asking LLM to compute this directly
prompt_bad = 'What is 7.3% of 48,291.67?'
# GOOD: let Python compute, LLM just formats the answer
def calculate_percentage(value, pct):
return round(value * pct / 100, 2)
result = calculate_percentage(48291.67, 7.3)
print(f'7.3% of 48,291.67 is {result}') # 3525.29 - always correctHet contextvenster als harde beperking
Het contextvenster is het maximale aantal tokens dat een model tegelijk kan verwerken — prompt, geschiedenis en uitvoer samen. Ga je daaroverheen, dan mislukt het verzoek gewoon.
Gevoeligheid voor de formulering van prompts
LLM's zijn gevoelig voor de formulering van prompts. Een kleine herformulering of het toevoegen van "denk stap voor stap" kan het antwoord sterk veranderen — krachtig, maar zorgvuldig testen waard.
Inconsistentie en niet-determinisme
LLM's zijn niet-deterministisch: dezelfde prompt kan verschillende antwoorden opleveren. Een model dat voor 95% gelijk heeft, zit nog steeds 1 op de 20 keer fout. Test dus veel voorbeelden, niet slechts enkele.
import openai
client = openai.OpenAI()
def sample_with_majority_vote(prompt, n=5):
responses = []
for _ in range(n):
r = client.chat.completions.create(
model='gpt-4o-mini',
messages=[{'role': 'user', 'content': prompt}],
temperature=0.3,
max_tokens=10
)
responses.append(r.choices[0].message.content.strip())
# Return most common answer
return max(set(responses), key=responses.count)Vleierij: voorkeur voor instemming
Vleierij ontstaat wanneer een model het met je eens is terwijl je ongelijk hebt, omdat beoordelaars instemmende antwoorden waardeerden. Vraag het voor echte kritiek om de andere kant te beargumenteren.
Wat LLM's niet kunnen
Sommige beperkingen zijn ingebouwd: een LLM kan niet browsen, code uitvoeren, eerdere chats herinneren of zelfstandig exacte wiskunde doen. Combineer het met hulpmiddelen voor die taken.
Vooroordelen en problemen met representatie
Omdat ze met internettekst zijn getraind, nemen LLM's de vooroordelen daarvan over — stereotypen, ongelijke taaldekking en eenzijdige opvattingen. Test verschillende groepen en documenteer de beperkingen voor je gebruikers.
Realistische verwachtingen voor projecten vaststellen
Een gelikte demo kan toch mislukken met echte invoer. Dat is geen reden om LLM's over te slaan — daarom bouw je vanaf dag één evaluatie in en meet je onderweg de fouten.
Korte controle
Controleer of je de concepten uit deze les over AI-engineering begrijpt.
Samenvatting van de les
Samenvatting: hallucinaties vereisen RAG of verificatie, kennisafkappingen vereisen ophalen van informatie en niet-determinisme vereist echte evaluatie. Hierna: je eerste OpenAI API-aanroep. 🎉
Leer Python met een AI-tutor — gratis
Schrijf echte code en voer die uit in je browser, krijg direct hulp van een AI-tutor die 24/7 beschikbaar is en ga verder waar je gebleven bent op het web of in de app.
- Cursussen
- 30
- Lessen
- 120
Veelgestelde vragen
Is de les “Mogelijkheden en beperkingen van LLM's” gratis?
Ja — de volledige tekst van “Mogelijkheden en beperkingen van LLM's” kun je hier gratis op het web lezen. Als je interactief wilt oefenen met een ingebouwde code-editor en een AI-begeleider die 24/7 beschikbaar is, en de rest van de cursus AI Engineering Academy wilt ontgrendelen, kun je upgraden naar CoddyKit PRO. De cursus AI Engineering Academy bevat in totaal 4 lessen.
Wat leer ik in “Mogelijkheden en beperkingen van LLM's”?
U onderzoekt waar LLM's daadwerkelijk in uitblinken en waar ze tekortschieten, waaronder hallucinaties, kennisafkappingen en beperkingen in redeneren, zodat u realistische verwachtingen voor projecte… Je oefent met AI Engineering Academy door code rechtstreeks in de browser uit te voeren. Een AI-begeleider die 24/7 beschikbaar is beantwoordt je vragen terwijl je de les doorwerkt.
Heb ik ervaring nodig om met AI Engineering Academy te beginnen?
Ervaring vooraf is niet nodig. AI Engineering Academy op CoddyKit is opgebouwd voor beginners tot gevorderden, zodat je hier of bij het begin kunt starten en in je eigen tempo kunt leren. Dit is les 4 van 4.
Hoe lang duurt de les “Mogelijkheden en beperkingen van LLM's”?
De meeste lessen van CoddyKit duren ongeveer 5–10 minuten. Elke les is kort en interactief, zodat je gestaag vooruitgaat en op het web en in de app precies verdergaat waar je was gebleven.
Kan ik code schrijven en uitvoeren in deze les over AI Engineering Academy?
Ja. Elke les over AI Engineering Academy bevat een ingebouwde code-editor, zodat je rechtstreeks in je browser echte code kunt schrijven en uitvoeren en direct feedback van AI krijgt — lokale installatie is niet nodig.
Alle lessen in deze cursus
- Van autocomplete naar ChatGPT
- Transformers en attention in begrijpelijke taal
- Hoe LLM's worden getraind
- Mogelijkheden en beperkingen van LLM's