Op de vorige pagina's zag je op welke manieren output van een GenAI-tool onbetrouwbare informatie kan geven, namelijk hallucinaties, sycophancy en overcompensaties. Hieronder vind je een aantal strategieën om daarop te anticiperen:

1. ❗️ Achterhaal de bron

Binnen academisch onderzoek is het van belang dat de gebruikte literatuur en andere bronnen correct zijn, en dat je diepgaande kennis hebt over het materiaal waarop je je baseert. Vraag expliciet aan een GenAI-tool waarop het antwoord gebaseerd is/om de exacte bron te vermelden en ga in de originele literatuur op zoek naar de waarheid.

Bijvoorbeeld: “Waar heb je die informatie vandaan?” of “Welke bron ondersteunt dit antwoord?” Controleer dan steeds de bron waaruit de informatie komt.
Je mag trouwens niet verwijzen naar output van een GenAI-tool als 'bron', maar zoekt altijd best het originele artikel op. Zo kan je niet alleen controleren of dat effectief bestaat, maar ook of de interpretatie ervan klopt.

2. ❗️ Gebruik majority voting

Stel je vraag op meerdere manieren, of aan meerdere modellen, en vergelijk de antwoorden. Als eenzelfde antwoord duidelijk vaker voorkomt, is de kans veel groter dat dat het juiste antwoord is.

Bijvoorbeeld:
– Vraag aan ChatGPT: “Wat zijn de risico’s van kernenergie?”
– Vraag aan ChatGPT: “Wat zijn de mogelijke problemen van kernenergie?”
- Vraag aan Gemini: “Wat zijn argumenten tegen het gebruik van kernenergie?”
- Vraag aan Copilot: Wat zijn de risico’s van kernenergie?’
Vergelijk de antwoorden.

3. ❗️ Werk met rollen

Laat het model verschillende standpunten innemen om bias of blinde vlekken bloot te leggen

Bijvoorbeeld:
“Je bent niet akkoord met deze stelling. Geef me tegenargumenten.” OF “Je gaat akkoord met deze stelling. Geef me overtuigende argumenten.”
“Geef me feedback op deze tekst alsof je een strenge docent bent.”
“Wat zou een kritische collega hierover kunnen opmerken?”
“Geef me feedback alsof deze tekst van een medestudent is, niet van mijzelf.”

4. ❗️ Gebruik Retrieval Augmented Generation (RAG)

Laat het model zoeken in betrouwbare documenten of geef zelf een tekst mee.
Bijvoorbeeld: “Gebruik alleen deze paper (zie PDF) om een antwoord te formuleren.” Dit beperkt de context tot inhoud die jij zelf controleert.

5. ❗️ Start een nieuwe chat wanneer relevant

Wanneer je in eenzelfde chat verschillende topics behandelt of een gesprek zeer lang laat worden, is de kans op hallucinaties groter. Kies daarom strategisch wanneer het praktisch is om bepaalde vragen in eenzelfde chat te stellen.
vb. Je zet GenAI in als taalassistent bij een zelfgeschreven tekst. Je vraagt feedback op je spelling en grammatica van eenzelfde tekst binnen eenzelfde chat. Nadien wil je ook je woordkeuze controleren. Daarvoor start je een nieuw gesprek waarin je de laatste versie van je tekst kopieert.

6. ❗️ Geef voldoende context mee in je prompt

Wanneer een prompt onvoldoende duidelijk of afgebakend is, vergroot de kans dat een taalmodel een algemeen antwoord genereert of de vraag anders interpreteert dan bedoeld. Het gegenereerde antwoord kan daarbij overtuigend klinken, maar toch onnauwkeurig of niet relevant zijn voor de oorspronkelijke vraag. Dit komt doordat het model patronen in taal volgt op basis van de aangeleverde context, zonder zelf te begrijpen wat de gebruiker precies bedoelt. Het is daarom belangrijk om vooraf duidelijk te bepalen wat je wilt vragen, je het gewenste type antwoord voor te stellen en je pas nadien prompt zo te formuleren dat die zo weinig mogelijk ruimte laat voor meerdere interpretaties