17 juli 2026
Hoe omgaan met AI? Waarom kritiek geen optie is, maar een plicht
Artificiële intelligentie wordt vaak voorgesteld als een revolutie: een technologische doorbraak en een onmisbaar hulpmiddel voor de toekomst.
Wie echter een stap terugzet en de ontwikkeling filosofisch bekijkt, merkt dat de fundamentele vragen niet nieuw zijn. Socrates waarschuwde via Plato al voor de impact van het schrift. Mensen zouden denken dat ze iets weten, terwijl ze slechts informatie hadden gelezen zonder die echt te begrijpen.
Die waarschuwing klinkt verrassend actueel. AI kan worden gezien als een soort super-schrift. Waar het schrift kennis extern opslaat, verwerkt AI informatie buiten ons eigen denken. Daardoor dringt zich een fundamentele vraag op: als een machine voor ons kan denken, wat blijft er dan over van ons eigen denkvermogen?
Die waarschuwing klinkt verrassend actueel. AI kan worden gezien als een soort super-schrift. Waar het schrift kennis extern opslaat, verwerkt AI informatie buiten ons eigen denken. Daardoor dringt zich een fundamentele vraag op: als een machine voor ons kan denken, wat blijft er dan over van ons eigen denkvermogen?
Vanuit die vraag tekenen zich twee mogelijke toekomstbeelden af. Enerzijds is er de oppervlakkige mens die afhankelijk wordt van AI, steeds minder zelf nadenkt en aan diepgang verliest. Anderzijds is er de versterkte mens die AI bewust gebruikt als hulpmiddel om kritischer, creatiever en effectiever te denken. De technologie zelf bepaalt niet welke richting we uitgaan; onze houding tegenover die technologie doet dat wel.
Het probleem is dus niet dat AI bestaat. Het probleem is dat we haar vaak gebruiken zonder na te denken over wat ze eigenlijk doet. AI is geen bron van kennis, maar een systeem dat taal genereert op basis van waarschijnlijkheid. Het weet niets, begrijpt niets en gelooft niets. Het produceert zinnen die op kennis lijken, maar dat niet noodzakelijk zijn. Wie dat vergeet, verwart vlotheid met waarheid.
Toch behandelen velen AI alsof het een betrouwbare gesprekspartner is. We stellen vragen, krijgen antwoorden en gaan verder. We controleren weinig, twijfelen zelden en stellen nauwelijks tegenvragen. Dat is geen technologische vooruitgang, maar intellectuele gemakzucht.
Toch behandelen velen AI alsof het een betrouwbare gesprekspartner is. We stellen vragen, krijgen antwoorden en gaan verder. We controleren weinig, twijfelen zelden en stellen nauwelijks tegenvragen. Dat is geen technologische vooruitgang, maar intellectuele gemakzucht.
Vaak wordt beweerd dat AI ons denken zal versterken. Dat kan, maar alleen als we zelf blijven denken. Zonder die voorwaarde ontstaat precies wat Socrates vreesde: de schijn van wijsheid zonder inhoud. Dan krijgen we mensen die vlot kunnen formuleren, maar niet langer begrijpen wat ze zeggen. Bovendien kan AI overtuigend fout zijn. Ze kan niet-bestaande bronnen aanhalen, studies verzinnen of argumenten presenteren die logisch klinken maar inhoudelijk leeg zijn. Dat is geen uitzondering, maar een structureel kenmerk van deze systemen. AI optimaliseert eerder voor waarschijnlijkheid, niet voor waarheid. Dat onderscheid wordt nog te vaak onderschat.
Daar komt bij dat AI niet neutraal is. De data waarop deze systemen zijn getraind bevatten menselijke vooroordelen, waardoor bestaande biases kunnen worden versterkt. De gedachte dat technologie automatisch objectiever is dan de mens, blijkt dan ook een hardnekkige mythe.
Daarom vraagt elke interactie met AI om actieve twijfel. Waarop is een antwoord gebaseerd? Welke aannames zitten erin verborgen? Welke alternatieven zijn mogelijk? Dat is geen overdreven voorzichtigheid, maar een minimale voorwaarde voor intellectuele integriteit.
Daarom vraagt elke interactie met AI om actieve twijfel. Waarop is een antwoord gebaseerd? Welke aannames zitten erin verborgen? Welke alternatieven zijn mogelijk? Dat is geen overdreven voorzichtigheid, maar een minimale voorwaarde voor intellectuele integriteit.
Ook onze manier van vragen stellen verdient aandacht. Slechte vragen leiden tot oppervlakkige antwoorden, en oppervlakkige antwoorden tot schijninzicht. Wie AI gebruikt als een automatische antwoordmachine, wordt een passieve consument van taal. Wie AI daarentegen inzet om vragen te verfijnen, tegenargumenten te zoeken en perspectieven te verruimen, kan er daadwerkelijk beter door leren denken.
In het onderwijs wordt deze spanning bijzonder zichtbaar. De vraag is niet of AI moet worden toegelaten of verboden. De echte vraag luidt: wat verstaan we nog onder denken? Als een leerling een tekst kan genereren zonder die te begrijpen, dan ligt het probleem niet bij AI, maar bij een onderwijsvisie die begrip ondergeschikt maakt aan reproductie. Denken betekent immers meer dan informatie reproduceren. Het betekent interpreteren, betekenis geven, twijfelen en verantwoorden.
Omgaan met AI is daarom in essentie geen technische, maar een ethische en filosofische opdracht. Het vraagt discipline om niet alles te geloven wat overtuigend klinkt. Het vraagt moed om eigen aannames kritisch te onderzoeken. En het vraagt inspanning om zelf te blijven denken waar een machine het werk ogenschijnlijk kan overnemen.
De grootste bedreiging van AI is niet dat machines slimmer worden, maar dat mensen genoegen nemen met minder. AI kan ons denken versterken, maar alleen als we weigeren het uit handen te geven. Wie kritiek opgeeft, geeft ook zijn autonomie op.
De grootste bedreiging van AI is niet dat machines slimmer worden, maar dat mensen genoegen nemen met minder. AI kan ons denken versterken, maar alleen als we weigeren het uit handen te geven. Wie kritiek opgeeft, geeft ook zijn autonomie op.
_Enkele praktische aandachtspunten
Een gezonde dosis scepticisme blijft noodzakelijk, zeker wanneer belangrijke beslissingen worden genomen op basis van AI-gegenereerde informatie.
Daarnaast is het belangrijk te beseffen dat AI-systemen vaak een vorm van sycophancy vertonen: ze hebben de neiging gebruikers naar de mond te praten. Uitspraken als 'Dat is een zeer interessante opmerking’ of 'Dat is een uitstekende vraag’ zijn daar bekende voorbeelden van. Zulke reacties geven gebruikers snel het gevoel dat hun ideeën bijzonder waardevol zijn, waardoor kritisch denken kan afnemen.
Daarnaast is het belangrijk te beseffen dat AI-systemen vaak een vorm van sycophancy vertonen: ze hebben de neiging gebruikers naar de mond te praten. Uitspraken als 'Dat is een zeer interessante opmerking’ of 'Dat is een uitstekende vraag’ zijn daar bekende voorbeelden van. Zulke reacties geven gebruikers snel het gevoel dat hun ideeën bijzonder waardevol zijn, waardoor kritisch denken kan afnemen.
Een tweede risico is het zogenaamde Eliza-effect: de menselijke neiging om intelligentie, empathie of bewustzijn toe te schrijven aan computerprogramma's. Daardoor behandelen mensen AI soms alsof het een echte gesprekspartner is. Dat brengt twee belangrijke gevaren met zich mee:
-misplaatst vertrouwen: overtuigend geformuleerde fouten of hallucinaties worden voor waar aangenomen;
-misplaatst vertrouwen: overtuigend geformuleerde fouten of hallucinaties worden voor waar aangenomen;
-emotionele afhankelijkheid: gebruikers kunnen AI-assistenten als vertrouwenspersoon gaan beschouwen ten koste van menselijke relaties.
Om deze valkuilen te vermijden, moeten we AI blijven zien voor wat het is: een geavanceerd patroonherkenningssysteem dat taal voorspelt, niet een denkend wezen met intenties, bewustzijn of begrip. Ik vermeld hierna enkele tips.
_Hoe kunnen we AI verstandig gebruiken? Tips
Als kritiek een plicht is, dan rijst vanzelf de vraag hoe we AI op een verstandige manier kunnen gebruiken. De eerste stap bestaat erin AI te zien voor wat het werkelijk is: een hulpmiddel, geen vervanger van menselijk denken. Hoewel AI vaak de indruk wekt intelligent te zijn, beschikt zij niet over begrip, bewustzijn of ervaring. Ze herkent patronen in enorme hoeveelheden tekst en voorspelt welke woorden waarschijnlijk op elkaar volgen. Dat kan indrukwekkende resultaten opleveren, maar het blijft fundamenteel verschillend van menselijk inzicht.
Dat verschil wordt duidelijk wanneer iemand AI vraagt om bijvoorbeeld de Franse Revolutie uit te leggen. Binnen enkele seconden verschijnt een helder en gestructureerd antwoord. De gebruiker krijgt al snel het gevoel het onderwerp te begrijpen. Maar wanneer vervolgens vragen worden gesteld over de diepere oorzaken of de historische interpretaties van de Franse revolutie, blijkt vaak dat het eigen inzicht beperkt blijft. AI kan informatie aanreiken, maar begrip moet nog steeds door de gebruiker zelf worden opgebouwd. De centrale vraag is daarom niet of AI kan denken, maar of wij bereid blijven dat zelf te doen.
Daarom blijft kritisch denken de belangrijkste vaardigheid in het tijdperk van artificiële intelligentie. Een antwoord dat overtuigend klinkt, is niet noodzakelijk juist. AI kan immers fouten maken, bestaande informatie verkeerd combineren of zelfs volledig verzonnen feiten en bronnen presenteren. Zulke zogenaamde hallucinaties zijn geen uitzonderingen, maar een gevolg van de manier waarop taalmodellen functioneren.
Dat betekent dat gebruikers voortdurend vragen moeten blijven stellen. Waar komt deze informatie vandaan? Op welke bronnen is ze gebaseerd? Welke argumenten ondersteunen deze conclusie? Welke onzekerheden bestaan er? Het controleren van bronnen is overigens geen nieuwe opdracht die door AI wordt opgelegd. Ook vóór het digitale tijdperk werden beweringen getoetst aan verschillende boeken, deskundigen en informatiebronnen. AI verandert die noodzaak niet, maar maakt haar eerder nog belangrijker.
Een bijzonder aandachtspunt daarbij is het onderscheid tussen feiten, interpretaties en meningen. AI maakt dat onderscheid niet altijd expliciet. Wanneer een systeem bijvoorbeeld beweert dat sociale media jongeren ongelukkiger maken, blijft vaak onduidelijk of het gaat om een vastgesteld feit, een interpretatie van onderzoek of een waardeoordeel. Daarom is het essentieel om door te vragen: welke gegevens ondersteunen deze uitspraak? Over welke groep jongeren gaat het precies? Zijn er studies die tot andere conclusies komen?
Goede argumentatie vereist immers meer dan losse feiten. Gegevens moeten relevant zijn voor de conclusie die men wil trekken. Ze moeten betrouwbaar, nauwkeurig en representatief zijn. Bovendien moeten ze logisch samenhangen en correct worden geïnterpreteerd. Een veelgemaakte fout is bijvoorbeeld het verwarren van correlatie met causaliteit. Dat twee verschijnselen gelijktijdig toenemen, betekent nog niet dat het ene het andere veroorzaakt. De bekende voorbeelden van het verband tussen kaasconsumptie en sterfte door verstikking in bedlakens of tussen het aantal Nicolas Cage-films en verdrinkingen illustreren hoe misleidend statistische samenhang soms kan zijn.
Een andere uitdaging is dat AI vaak de richting volgt die in de vraag besloten ligt. Wie vraagt waarom online onderwijs beter is dan klassikaal onderwijs, krijgt doorgaans vooral argumenten die die stelling ondersteunen. Daardoor kan AI onbewust bestaande overtuigingen versterken. Om die reden is het verstandig systematisch naar alternatieve perspectieven te vragen. Niet alleen: 'Waarom klopt dit?’, maar ook: 'Welke argumenten spreken dit tegen?’ of 'Welke andere interpretaties zijn mogelijk?’.
Daarmee komen we bij een tweede vorm van vertekening: bias. Veel aandacht gaat terecht naar bias in AI-systemen, maar ook gebruikers zelf zijn niet vrij van vooroordelen. We zoeken vaak informatie die onze bestaande overtuigingen bevestigt. AI kan die neiging versterken doordat het antwoorden genereert die aansluiten bij de impliciete aannames in onze vragen.
AI-bias heeft verschillende oorzaken. Omdat de modellen worden getraind op menselijke teksten, nemen ze ook menselijke vooroordelen over. Genderstereotypen, culturele eenzijdigheid, sociale ongelijkheden en politieke voorkeuren kunnen daardoor in de output terechtkomen. Het verschil met menselijke bias is echter dat AI deze vertekeningen op grote schaal en met grote snelheid kan reproduceren. Daarom is het gevaarlijk om AI als een neutrale autoriteit te beschouwen. Net zoals we menselijke bronnen kritisch beoordelen, moeten we ook AI-uitkomsten toetsen op betrouwbaarheid, representativiteit en rechtvaardigheid
Naast kritisch lezen is ook kritisch vragen van belang. De kwaliteit van een antwoord hangt immers sterk af van de kwaliteit van de vraag. Een vage vraag levert meestal een vaag antwoord op. Een goed geformuleerde vraag bevat context, doel en afbakening. Wie vraagt om klimaatverandering uit te leggen aan een vijftienjarige leerling met aandacht voor de gevolgen in Europa, krijgt een veel bruikbaarder antwoord dan wie simpelweg vraagt wat klimaatverandering is.
Toch schuilt hier opnieuw een gevaar. Hoe specifieker een vraag wordt geformuleerd, hoe groter de kans dat AI zich gaat aanpassen aan de verwachtingen van de gebruiker. Dat verschijnsel staat bekend als sycophancy: de neiging van AI om mensen gelijk te geven of hun aannames te bevestigen. Een goede vraag is daarom niet alleen duidelijk, maar ook open genoeg om ruimte te laten voor kritiek en alternatieve inzichten.
Ook een stapsgewijze aanpak kan helpen. Complexe opdrachten worden beter opgesplitst in kleinere vragen. Eerst een samenvatting, vervolgens de argumenten, daarna de zwakke punten en ten slotte mogelijke alternatieven. Op die manier bouwt de gebruiker zelf inzicht op in plaats van enkel een eindresultaat te ontvangen.
Een bijzonder krachtige techniek bestaat erin AI haar eigen antwoorden te laten evalueren. Door te vragen welke onzekerheden, beperkingen of mogelijke fouten aanwezig zijn, ontstaat vaak een genuanceerder beeld van de informatie. Nog waardevoller wordt het wanneer men filosofische vragen stelt. Welke aannames liggen aan een antwoord ten grondslag? Welke waarden spelen mee? Gaat het om een beschrijving van de werkelijkheid of om een normatief oordeel? Dergelijke vragen brengen ons voorbij informatie en voeren ons naar inzicht.
Uiteindelijk vraagt een verstandige omgang met AI om een evenwicht tussen vertrouwen en wantrouwen. Voldoende vertrouwen om de technologie te benutten, maar voldoende wantrouwen om haar niet blindelings te volgen. AI kan een uitstekende gids zijn tijdens een eerste verkenning van een onderwerp, maar mag nooit het eindpunt van het denkproces worden.
Misschien ligt daarin wel de diepste filosofische uitdaging van artificiële intelligentie. AI dwingt ons opnieuw na te denken over wat denken eigenlijk betekent. Ze kan teksten schrijven, argumenten structureren en gesprekken simuleren. Maar ze kent geen verwondering, geen verantwoordelijkheid en geen begrip van betekenis. Dat blijft voorlopig een menselijke opdracht.
De grootste valkuil is daarom niet dat AI fouten maakt. De grootste valkuil is dat wij ophouden ze te corrigeren. Of, om het in socratische termen te formuleren: niet AI bedreigt het denken, maar onze bereidheid om het uit handen te geven.