Large language models: de motor achter moderne AI

Large language models — ook wel LLM's — zijn de technologische kern van tools als ChatGPT, Copilot en Gemini. Het zijn AI-modellen getraind op enorme hoeveelheden tekst, waardoor ze menselijke taal kunnen begrijpen én genereren. Wie wil begrijpen wat er achter de schermen van deze modellen gebeurt, en hoe ze onze wereld veranderen, heeft aan dit overzicht een goed vertrekpunt.

De boeken hieronder behandelen LLM's vanuit uiteenlopende invalshoeken: technisch, didactisch, strategisch en maatschappelijk. Samen vormen ze een compleet beeld van wat deze modellen zijn, wat ze kunnen en waar hun grenzen liggen.

Hoe werken large language models?

LLM's leren van tekst: door patronen in taal te herkennen over miljarden zinnen heen, leren ze te voorspellen welk woord of welke zin logisch volgt op een gegeven invoer. Ze slaan geen kennis op als feiten, maar als statistische verbanden. Dat verklaart zowel hun indrukwekkende mogelijkheden als hun bekende zwakke punten, zoals het verzinnen van informatie — het zogenoemde hallucineren. Generative AI courseware van Fabienne Mouris gaat diep in op deze architectuur en legt de werking van LLM's uit als fundament voor generatieve AI.

Van taalmodel tot AI-agent: Bob van Duuren

Wie LLM's begrijpt, begrijpt ook beter hoe AI-agents functioneren. Agents bouwen namelijk voort op de mogelijkheden van grote taalmodellen: ze gebruiken LLM's als redeneermotor om taken te plannen en uit te voeren. Bob van Duuren wijdt een volledig hoofdstuk aan de werking van LLM's — inclusief hun beperkingen zoals contextvensters en hallucinaties — in zijn boek Introductie tot AI-agents.

LLM's in het onderwijs: leren over en mét taalmodellen

Het onderwijs is een van de domeinen waar large language models de meeste discussie losmaken. Wanneer een student een LLM kan inzetten om een tekst te schrijven, wat leert die student dan nog? En omgekeerd: welke kansen bieden LLM's voor gepersonaliseerd leren? Leven en leren met AI — geschreven door vier docenten en onderzoekers van Fontys — behandelt deze vragen vanuit een verantwoordelijk perspectief, met aandacht voor inclusiviteit en maatschappelijke impact.

Een klassieker: generatieve AI in leren en ontwikkelen

Terwijl veel boeken over LLM's bij de theorie blijven, richt Beter, leuker, sneller zich resoluut op de praktijk. Het boek laat zien hoe grote taalmodellen concreet kunnen worden ingezet binnen leer- en ontwikkeltrajecten in organisaties. Het is een van de weinige Nederlandstalige werken dat LLM's niet als doel maar als middel behandelt — en dat maakt het tot een klassieker in zijn soort.

LLM's en online vindbaarheid: de opkomst van GEO

Large language models veranderen niet alleen hoe we werken, maar ook hoe we informatie zoeken. Zoekmachines als Google integreren LLM's in hun antwoorden, en dat heeft ingrijpende gevolgen voor online zichtbaarheid. Waar traditionele SEO draaide om zoekwoorden en links, werken LLM's met entiteiten, patronen en betrouwbaarheid. Een nieuwe discipline is ontstaan: Generative Engine Optimization (GEO). Zowel Jarik Oosting als Jaap Jacobs schreven hier recentelijk over.

LLM's in de gezondheidszorg: kansen en zorgen

In de gezondheidszorg is de discussie over large language models bijzonder indringend. LLM's kunnen artsen ondersteunen bij diagnoses, dossierverwerking en onderzoek — maar ze kunnen ook hallucineren, vooroordelen versterken en verantwoordelijkheid vertroebelen. Geneeskunde in tijden van AI van Sigrid Sterckx en Wim Van Biesen biedt een kritisch en genuanceerd overzicht van wat LLM's in de medische context kunnen en wat ze beslist niet mogen.

Conclusie: kennis over LLM's is geen luxe

Large language models zijn geen hype meer — ze zijn infrastructuur. Ze zitten verwerkt in zoekmachines, schrijfhulpen, klantenservicesystemen en medische tools. Wie er als professional mee werkt zonder te begrijpen hoe ze werken, mist de nuance om goede keuzes te maken.

De boeken op deze pagina helpen je dat begrip op te bouwen: van technische architectuur tot maatschappelijke gevolgen, van onderwijs tot gezondheidszorg, van generatieve AI tot GEO. Er is geen één juist vertrekpunt — kies het perspectief dat het dichtst bij jouw praktijk ligt, en bouw van daaruit verder.