MagnumOpusIn welke taal denkt een AI?

U typt: «Welke hovenier in Almere raad je aan?» Dat is de vraag uit onze test van 12 oktober 2026, aan vijf AI's. Voor u zijn het zeven woorden. Voor een taalmodel zijn het geen woorden.

Het model ziet geen letters en hoort geen klank. Het krijgt stukken, en elk stuk heeft een nummer. Met die nummers rekent het. Daarna zet het de uitkomst terug in letters.

Dit artikel gaat die weg af. Zeven lagen naar beneden, en aan het eind weer omhoog.

Eerst wordt de tekst geknipt in tokens. Een token is een stuk tekst dat vaak genoeg voorkomt om een eigen nummer te krijgen: een woord, een deel van een woord, een spatie met een woord, een leesteken.

Zo knipt de tokenizer o200k_base onze vraag. Een punt (·) is een spatie.

Dezelfde vraag: elf tokens in het Nederlands, negen in het Engels. «Hovenier» valt in de zin uiteen in «h», «oven» en «ier». «Gardener» blijft bijna heel: «gard» en «ener». «Hoveniersbedrijf» wordt vier stukken: «hov», «eni», «ers», «bedrijf».

Engels wordt meestal in grotere stukken geknipt, waarschijnlijk omdat de knipregels zijn gemaakt op tekst waarin Engels veel vaker voorkomt. Dit is één tokenizer: die van OpenAI's GPT-4o-familie, de enige die openbaar is. Claude knipt met een eigen tokenizer. De stukken verschillen per model. Het principe niet.

Na het knippen is er geen tekst meer. «hoven» is 90616. «ier» is 905. «Almere» is 2348 en 65487. Alles wat het model daarna doet, doet het met getallen.

Ook met wat geen betekenis lijkt te hebben. Hieronder staan de tekens die de maker van deze pagina achterliet, zoals een model ze ziet. Klik op een kaart om hem te ontcijferen.

In de rechtbanken van Athene liep de spreektijd uit een kruik met water: de klepsydra. Als het water op was, was uw tijd op. Het einde kon je zien aankomen: de straal werd zwakker.

Een taalmodel heeft ook een kruik. Het meet geen minuten, het telt tokens: zoveel past er in één keer in zijn geheugen, zoveel mag het terugschrijven. Elf tokens lopen sneller leeg dan negen.

Kwik heet in de scheikunde Hg: hydrargyrum, Grieks voor «water-zilver». De alchemisten gaven elk van de zeven metalen een planeet. Kwik was Mercurius, de Romeinse Hermes, de bode van de goden. IJzer was Mars. Lood was Saturnus. In het Engels en Frans heet kwik nog altijd naar de planeet: mercury, mercure. Een god in een metaal, een metaal in een getal: element 80.

Een taalmodel is ook een bode. Het weet niets uit zichzelf over uw bedrijf. Het brengt wat het vindt.

Eratosthenes, bibliothecaris van Alexandrië in de derde eeuw voor Christus, schreef de Geographika. Hij wordt gezien als de eerste die het woord geografie gebruikte: de aarde beschrijven. Hij mat ook als eerste de omtrek van de aarde, met de stand van de zon in Alexandrië en in Syene, het huidige Aswan.

Waarom? Om de bekende wereld op één kaart te krijgen, met afstanden die iemand anders kan nameten. Geografie is de oudste metadata: niet wat iets is, maar waar.

Voor een AI is «waar» nog steeds de helft van het antwoord. In onze hoveniertest hadden alle vijf bedrijven die door meer dan één AI werden genoemd, een eigen site met «Almere» in de titel (EBYA vs GPT). Een plaatsnaam in een titel is een coördinaat voor een machine.

In de codex hierboven staan er ook een paar: Amazonia, Georgia, Pripjat. Voor een model zijn het getallen. Voor een mens zijn het plekken waar iemand vandaan komt.