Op zoek naar een methode om met behulp van AI kennis te structureren en te verwerven op basis van persoonlijke kennis, onderzocht ik de mogelijkheden van de huidige Grote Taal Modellen (Large Language Models afgekort LLM’s). Op basis van hetgeen ik aan kennis op het gebied van de filosofie bestudeerd had en dat oproepbaar was uit mijn persoonlijk geheugen bleek dat bij kennismaking met AI een verrassende reflectie plaatsvond waarmee ik de kennis uit het geheugen kon structureren en aanvullen.
Belangrijk daarbij bleek de compositie van de vraagstelling in de vorm van het prompt. Het begon in de negentiger jaren met ELIZA dat filosofisch interessant is omdat zij geen kennis bezat, geen begrip had, maar wél een dialogische ruimte opende. In ChatGPT maakte ik een prompt op basis van de Socratische methode.
De filosoof Socrates introduceerde de techniek van de Maieutiek (vroedvrouw kunde), een methode die tot doel heeft latente kennis uit de menselijke geest te 'bevallen'. Waar zijn moeder assisteerde bij de geboorte van een kind, assisteerde Socrates de ziel bij de geboorte van een idee.
Plato's theorie van Anamnese stelt dat alle kennis reeds in de ziel bestaat. Leren is geen proces van nieuwe ontdekking, maar van herontdekking van de inherente kennis van de perfecte Ideeënwereld. Wanneer we dit naar AI vertalen, zien we een verschuiving: de kennis van een LLM is niet goddelijk, maar statistisch van aard, afgeleid uit enorme datasets van de menselijke beschaving.
Large Language Models zijn getraind op massale hoeveelheden tekstdata. Een LLM's 'kennis' is in wezen computationeel. Het model reageert op een prompt door de volgende reeks woorden te voorspellen die statistisch gezien het meest waarschijnlijk is.
Prompt Engineering (PE) is de moderne "vroedvrouw techniek". Het doel is om consistente, nauwkeurige en relevante output te verkrijgen uit een model dat inherent niet-deterministisch is. Het vereist dat de prompt duidelijk, beknopt en precies is.
Een goed geconstrueerde prompt bestaat uit: Instructie, Context, Input Data en Output Indicator. De menselijke vrager definieert de 'gezamenlijke open ruimte' voor de AI, net zoals de maieutische dialoog dat doet voor de mens.
CoT-prompting simuleert mensachtige redeneerprocessen door ingewikkelde problemen op te splitsen in intermediaire stappen. Dit is de de facto methode geworden voor het ontlokken van redeneervermogens uit LLM's.
Maieutiek is een iteratief proces. De moderne prompt-engineer gebruikt analoge methoden zoals 'prompt chaining' om de latente statistische kennis te sturen tot een helderder idee.
Socrates verhief onwetendheid (aporia) tot een deugd. AI daarentegen neigt naar 'hallucinatie': het genereren van plausibel klinkende maar onjuiste informatie, omdat het model vaak gestraft wordt voor het antwoord "Ik weet het niet".
In de filosofie stelt het Gettier-probleem dat een overtuiging toevallig waar kan zijn zonder echte kennis te zijn. De LLM vertoont een digitale echo hiervan: de output kan correct zijn, maar de rechtvaardiging is vaak een onkenbare 'black box'.
De mens fungeert als de ultieme ethische poortwachter. AI moet worden gebruikt als een leerpartner (een digitale luis in de pels) en niet als een onfeilbaar orakel. De noodzaak om een goede prompt te formuleren dwingt de mens tot Socratische precisie in het eigen denken.
De metafoor van de vroedvrouw is sterk in de methode, maar faalt in de aard van de kennis. Waar Socrates zocht naar metafysische essentie, ontlokt de Prompt Engineer een statistische waarschijnlijkheid.
De 'levende taal' bevindt zich niet in de databank, maar in de vonk tussen de menselijke vraag en de statistische echo van de machine.
writings/writingswoolf.html