AI-modellen die tekst en beeld combineren zijn vaak nog slordig in het analyseren van beelden. Onderzoekers van een nieuwe studie, gepubliceerd op 17 november 2026, vonden een opvallende oplossing: ze lieten de AI kijken hoe mensen naar beelden kijken.
In het onderzoek, getiteld "Learning Grounded Reasoning from Human Gaze", presenteren Gabriel Sarch en collega's een methode waarbij menselijke oogbewegingen dienen als gids voor kunstmatige intelligentie. De menselijke blik onthult volgens de auteurs in hun publicatie op arxiv.org hoe mensen systematisch visuele informatie verkennen om tot een conclusie te komen. Precies dat proces kan AI-modellen beter leren redeneren.
🧠 Even simpel uitgelegd
Een vision-language model (VLM) is een AI die zowel beelden als tekst begrijpt — denk aan een chatbot die je een foto kunt sturen en vragen over kunt stellen. Het probleem: zo'n model kijkt vaak niet goed naar het hele beeld en mist belangrijke details. De onderzoekers registreerden waar mensen precies naar kijken en in welke volgorde. Die 'kijkroute' gebruikten ze als aanwijzing voor de AI, zodat het model leert eerst rond te snuffelen in een beeld — net zoals jij zou doen — voordat het een antwoord geeft.
Niet kopiëren, maar sturen
Menselijke blikdata is waardevol, maar niet perfect. De onderzoekers benadrukken dat oogbewegingen ook ruis en herhaling bevatten. Een AI die menselijk gedrag klakkeloos imiteert, levert juist slechtere resultaten op.
Om dat te testen, verzamelden de wetenschappers een dataset van 7.109 menselijke blik-experimenten. Die data kwamen uit een breed scala aan uitdagende visuele redeneertaken, met de focus op drie domeinen: het begrijpen van grafieken, visueel zoeken en het tellen van objecten.
De bevindingen waren duidelijk. De menselijke blik werkt het beste als prior — een voorafgaande aanname die het redeneren stuurt — en niet als een exacte kijkroute die het model moet nadoen. Op basis daarvan introduceerden de onderzoekers de Gaze-Guided Reasoner (GGR).
Betere resultaten, ook zonder directe supervisie
De GGR zorgt volgens de publicatie op arxiv.org voor een betere uitlijning met menselijk gedrag én een betrouwbaardere visuele onderbouwing. Het model evenaart of overtreft de nauwkeurigheid van toonaangevende baselines voor visueel redeneren.
Extra interessant: de resultaten lieten zich verder verbeteren met reinforcement learning — een techniek waarbij een AI leert door beloning en feedback. Opvallend is dat die verbeteringen in nauwkeurigheid en onderbouwing werden behaald zonder dat er in die fase directe supervisie met blikdata werd gebruikt.
Eerst scannen, dan antwoorden
De gedragsanalyses laten iets opvallends zien. Modellen die getraind zijn met menselijke blik verkennen beelden veel grondiger voordat ze een definitief antwoord geven. De AI leert dus, net als een mens, eerst de omgeving te scannen en bewijzen te verzamelen — in plaats van meteen een antwoord uit de mouw te schudden.
De kernconclusie van de onderzoekers: de waarde van menselijke blikdata ligt niet in het exact kopiëren van menselijk gedrag. Het gaat erom de ruimtelijke exploratie te sturen en het redeneergedrag van de AI vorm te geven.
Wil je zelf de Engelse terminologie uit dit soort academische papers beter begrijpen? Op bbc.com vind je gratis hulpmiddelen om je taalvaardigheden te verbeteren.