> ## Content Index
> Fetch the complete content index at: https://ontraadseld.nl/llms.txt
> Use this file to discover other available public pages before exploring further.

# Bestaat er zoiets als "algemene intelligentie" bij AI? Groot onderzoek zet vraagtekens
- URL: https://ontraadseld.nl/bestaat-er-zoiets-als-algemene-intelligentie-bij-ai-groot-onderzoek-zet-vraagtekens/
- Published: 2026-09-29T02:10:21.000Z
- Updated: 2026-10-10T15:02:53.000Z
- Author: Ontraadseld
- Tags: Biologie & Evolutie

Is ChatGPT slim? En zo ja, is die slimheid overal in te zetten, net zoals een slim mens vaak op meerdere vlakken goed presteert? Veel ontwikkelaars van taalmodellen gaan daar stilzwijgend van uit. Een nieuw onderzoek zet daar grote vraagtekens bij.

Bij mensen bestaat het idee van een "algemene intelligentiefactor". Dat is een onderliggende eigenschap die verklaart waarom mensen die goed zijn in rekenen, vaak ook goed zijn in taal of ruimtelijk inzicht. Psychologen noemen dit de g-factor. Veel AI-onderzoekers namen aan dat taalmodellen zoals ChatGPT iets vergelijkbaars hebben: één onderliggende "slimheid" die bepaalt hoe goed ze presteren op allerlei taken.

Een onderzoeksteam besloot dit idee eindelijk grondig te testen. Eerdere pogingen gebeurden op veel kleinere schaal. Dit keer analyseerden de onderzoekers 13.251 testresultaten van maar liefst 1.618 verschillende taalmodellen, verzameld uit 456 uiteenlopende tests (benchmarks). Dat is de grootste analyse van dit soort op dit gebied tot nu toe.

### Wat ze vonden

De onderzoekers gebruikten een statistische techniek genaamd factoranalyse. Dat is een methode om te ontdekken of verschillende scores eigenlijk worden aangestuurd door een of enkele onderliggende, niet direct zichtbare eigenschappen. Zo onderzoeken psychologen ook menselijke intelligentie.

De uitkomst is genuanceerd. In het meest gunstige geval verklaarde een algemene intelligentiefactor 70,8 procent van de verschillen in prestaties tussen modellen. Dat klinkt als veel, maar in de meeste andere berekeningen lag dit percentage flink lager. Er was dus geen stabiel, eenduidig bewijs voor één overkoepelende "AI-slimheid".

Nog opvallender: tests die inhoudelijk op elkaar lijken, clusteren niet per se samen. Twee taaltests die allebei over grammatica gaan, voorspellen elkaars resultaten dus niet automatisch goed. En de factor die er wel uitkwam, draaide niet duidelijk om één herkenbaar thema zoals "logisch redeneren" of "taalbegrip". Veelgebruikte "intelligentie"-benchmarks voor AI bleken deze factor ook niet goed te vertegenwoordigen.

**Wat betekent dit (nog) niet**  
Dit betekent niet dat taalmodellen geen capaciteiten hebben, of dat sommige modellen niet beter presteren dan andere. Het betekent vooral dat het idee van één meetbare, onderliggende "algemene intelligentie" bij AI veel wankeler is dan vaak wordt aangenomen. Dit is bovendien het resultaat van één onderzoeksteam. De gebruikte data waren bovendien erg "schaars": niet elk model deed elke test, waardoor de onderzoekers moesten schatten en ontbrekende gegevens moesten aanvullen met verschillende methodes. Ze probeerden dit probleem te ondervangen door meerdere technieken naast elkaar te gebruiken, en kwamen steeds tot dezelfde conclusie. Toch blijft onafhankelijke herhaling van dit onderzoek belangrijk.

Waarom is dit belangrijk? Veel bedrijven en onderzoekers proberen momenteel AI te bouwen die zich richt op "algemene intelligentie" als doel op zich. Dit onderzoek laat zien dat zo'n doel misschien niet goed te definiëren of te meten is. De vaardigheden die een taalmodel nodig zou hebben om "algemeen intelligent" te worden, blijken deels eigenaardig en modelspecifiek, in plaats van één duidelijk te identificeren geheel.

Bron: [Large-scale factor analysis shows machine intelligence is only partially interpretable](http://arxiv.org/abs/2609.36515v1?ref=ontraadseld.nl)