AI-hallucinaties: wanneer artificiële intelligentie overtuigend de verkeerde kant op gaat

Waarom hallucineert AI?

AI-hallucinaties hebben niet één enkele oorzaak. Ze kunnen ontstaan door een combinatie van beperkingen in het model, ontbrekende informatie, een onduidelijke prompt en problemen met de geraadpleegde bronnen.

Onvolledige of tegenstrijdige trainingsinformatie

Een taalmodel wordt getraind op grote hoeveelheden tekst. Die informatie kan onvolledig, verouderd, onnauwkeurig of onderling tegenstrijdig zijn. Wanneer verschillende bronnen iets anders beweren, moet het systeem tijdens het genereren van een antwoord een waarschijnlijk patroon volgen. Dat patroon hoeft niet overeen te komen met de correcte of meest actuele informatie.

Ontbrekende kennis

Wanneer een AI-systeem onvoldoende informatie heeft, weigert het niet altijd om te antwoorden. Het kan de ontbrekende delen aanvullen op basis van vergelijkbare patronen. Daarbij ontstaat een antwoord dat logisch klinkt, maar niet op echte gegevens is gebaseerd.

Verouderde informatie

Een taalmodel kan kennis gebruiken die tijdens zijn training correct was, maar inmiddels achterhaald is. Denk aan:

• gewijzigde wetgeving;
• nieuwe prijzen;
• aangepaste producteigenschappen;
• gewijzigde bedrijfsgegevens;
• nieuwe directieleden;
• verhuisde vestigingen;
• stopgezette diensten;
• veranderde openingsuren.

Wanneer het systeem geen toegang heeft tot actuele bronnen, kan het oude gegevens als actuele feiten presenteren.

Een dubbelzinnige prompt

Als een vraag meerdere interpretaties toelaat, moet het systeem proberen te achterhalen wat de gebruiker bedoelt. Een verkeerde interpretatie kan het volledige antwoord in de verkeerde richting sturen.

Bijvoorbeeld: Vertel mij meer over Link Optimizer.

Zonder extra context kan het systeem verschillende organisaties, producten of begrippen met een vergelijkbare naam verwarren. Een specifiekere prompt verkleint dat risico:

Vertel mij meer over het Belgische online marketingbureau Link Optimizer, gespecialiseerd in linkbuilding, SEO en AI-optimalisatie.

Een fout uitgangspunt in de vraag

Een gebruiker kan onbewust een onjuiste veronderstelling in een prompt verwerken: Waarom stopte bedrijf X in 2025 met zijn dienstverlening?

Als het bedrijf helemaal niet is gestopt, kan een onvoldoende kritisch AI-systeem het foutieve uitgangspunt toch overnemen en er een verklaring voor bedenken. Dit wordt soms een premise hallucination genoemd: het model aanvaardt de premisse van de vraag zonder eerst te controleren of die wel klopt.

Druk om altijd een antwoord te geven

Gebruikers verwachten doorgaans een direct en volledig antwoord. AI-systemen zijn daarom vaak geneigd behulpzaam te blijven, ook wanneer er onvoldoende zekerheid bestaat. In plaats van te zeggen “Ik beschik niet over voldoende informatie”, kan het model een waarschijnlijke invulling produceren.

Fouten bij het ophalen van externe informatie

AI-systemen die het internet of externe databanken raadplegen, zijn niet automatisch vrij van hallucinaties. Er kan iets misgaan bij:

• het selecteren van zoekresultaten;
• het interpreteren van een webpagina;
• het combineren van verschillende bronnen;
• het herkennen van publicatiedata;
• het koppelen van een bron aan een bewering;
• het onderscheiden van hoofdinhoud en randinformatie;
• het lezen van tabellen, afbeeldingen of pdf-bestanden.

Een AI-systeem kan een betrouwbare bron openen en er toch een verkeerde conclusie uit trekken.

Welke soorten AI-hallucinaties bestaan er?

Niet iedere hallucinatie ziet er hetzelfde uit. Het is nuttig om verschillende vormen te onderscheiden.

Feitelijke hallucinaties

Het systeem geeft een controleerbaar feit dat niet klopt. Voorbeelden zijn een verkeerde datum, een onjuist adres, een fictief marktaandeel of een dienst die een bedrijf niet aanbiedt.

Verzonnen bronnen en citaten

AI kan verwijzen naar een onderzoek, boek, wetenschappelijk artikel, webpagina of uitspraak die niet bestaat. Soms bestaat de auteur wel, maar is de titel verzonnen. In andere gevallen bestaat de publicatie, maar ondersteunt ze de bewering helemaal niet.

Verkeerde bronverwijzingen

Een antwoord kan een echte bron vermelden, terwijl de gekoppelde pagina de uitspraak niet bevestigt. De aanwezigheid van een link of bronvermelding is dus geen absolute garantie voor juistheid.

Een citaat toont alleen aan dat er een bron werd vermeld, niet dat het antwoord die bron correct heeft geïnterpreteerd.

Identiteitsverwarring

Personen, merken, producten en organisaties met gelijkaardige namen kunnen met elkaar worden verward. Het systeem kan bijvoorbeeld:

• reviews aan het verkeerde bedrijf koppelen;
• een zaakvoerder verwarren met een naamgenoot;
• diensten van twee ondernemingen samenvoegen;
• een buitenlands bedrijf aanzien voor een Belgische organisatie;
• kenmerken van verschillende productmodellen combineren.

Relationele hallucinaties

De afzonderlijke feiten kunnen correct zijn, maar de relatie ertussen is fout. Een AI-systeem kan bijvoorbeeld twee bedrijven onterecht als partners voorstellen of beweren dat een persoon voor een bepaalde organisatie werkt.

Samenvattingsfouten

Bij het samenvatten van lange documenten kan AI belangrijke nuances verliezen, uitzonderingen overslaan of conclusies sterker formuleren dan de oorspronkelijke tekst toelaat. Het antwoord is dan niet volledig verzonnen, maar geeft de bron wel verkeerd weer.

Redeneerfouten

Een AI-systeem kan vanuit correcte gegevens een onjuiste conclusie trekken. Dit komt onder meer voor bij berekeningen, juridische interpretaties, oorzaak-gevolgrelaties en complexe vergelijkingen.

Tijdgebonden hallucinaties

Het systeem behandelt oude informatie alsof die nog actueel is of combineert gegevens uit verschillende periodes zonder dat duidelijk te maken.

Visuele hallucinaties

Multimodale AI kan ook afbeeldingen verkeerd interpreteren. Het systeem kan voorwerpen zien die niet aanwezig zijn, tekst verkeerd lezen of verbanden afleiden die de afbeelding niet ondersteunt.

Hallucinatie of gewone fout?

Niet iedere verkeerde uitvoer is strikt genomen een hallucinatie. Een AI-systeem kan ook fouten maken doordat: de gebruiker verkeerde gegevens heeft aangeleverd;

• een geraadpleegde bron foutieve informatie bevat;
• de opdracht verkeerd werd geïnterpreteerd;
• een berekening verkeerd werd uitgevoerd;
• belangrijke context ontbreekt;
• het model een geldige nuance heeft weggelaten.

In de praktijk lopen deze categorieën vaak door elkaar. Voor de gebruiker is het belangrijkste dat het antwoord onbetrouwbaar of onvoldoende onderbouwd is.