NUS AI Sense Maker maakt 150.000 gedigitaliseerde bronnen doorzoekbaar

Wat is NUS AI Sense Maker?

NUS AI Sense Maker is een webgebaseerd onderzoeksplatform van de bibliotheken van de National University of Singapore (NUS) en NUS Information Technology. De gesprekstool moet het makkelijker maken om gedigitaliseerde wetenschappelijke en historische collecties te ontdekken, verbanden te leggen en terug te gaan naar de oorspronkelijke bronnen. Het doel is vooral om de start van een onderzoek te versnellen — niet om het betoog van de onderzoeker te schrijven of nauwkeurige bronlezing te vervangen.

Wanneer komt de tool uit en wie krijgt toegang?

De lancering staat gepland voor 20 augustus 2026, aan het begin van het nieuwe academische semester. In eerste instantie is toegang bedoeld voor NUS-studenten, medewerkers en alumni.

Daarmee past AI Sense Maker in de bredere inzet van NUS op het gebied van kunstmatige intelligentie in onderwijs en onderzoek. De tool heeft echter een duidelijk afgebakende rol: hij doorzoekt de eigen collecties van de universiteit en is geen algemene chatbot die het hele internet afstruint.

Welke bronnen doorzoekt AI Sense Maker?

De eerste versie combineert materiaal uit twee NUS-opslagplaatsen:

• ScholarBank, met onderzoeksresultaten en wetenschappelijke publicaties van NUS;
• Digital Gems, met gedigitaliseerde zeldzame en bijzondere collecties.

Samen omvatten deze collecties ongeveer 150.000 gedigitaliseerde items. De inhoud beslaat onder meer techniek, levenswetenschappen, geneeskunde, geesteswetenschappen en informatica, naast materiaal over Zuidoost-Azië.

De voorbeelden uit de collectie laten zien waarom een gewone zoekopdracht met trefwoorden soms tekortschiet. Gebruikers kunnen materiaal tegenkomen zoals het Chineestalige dagblad Lat Pau uit 1881, de eerste gedrukte editie uit 1817 van Sir Stamford Raffles’ The History of Java, literaire werken uit de Tang-dynastie en — zodra het materiaal is gedigitaliseerd en opgenomen — originele muziekcomposities en scripts van Wang Sha.

Zo werkt een zoekopdracht

Een gebruiker begint met een vraag in alledaagse taal, in plaats van met een lijst exacte databanktrefwoorden. Het platform biedt snelle, iteratieve en diepgaande zoekmodi. Daarmee kan iemand kiezen tussen een eerste oriëntatie en een uitgebreidere verkenning.

Een zoekresultaat kan verschillende lagen bevatten:

1. Een gestructureerd overzicht van het onderwerp, als eerste routekaart.
2. Verwante begrippen, om de oorspronkelijke vraag te verbreden of scherper te maken.
3. Verwijzingen en verdere literatuur, afkomstig uit de NUS-opslagplaatsen.
4. Citaten en bronverwijzingen, waarmee gebruikers het onderliggende materiaal kunnen controleren.
5. Een kennisgrafiek, die verbanden tussen begrippen, vakgebieden en bronnen zichtbaar maakt.

Een vraag over de reden waarom sommige wijken in Singapore warmer aanvoelen, kan bijvoorbeeld verbanden opleveren tussen bebouwingsdichtheid, begroeiing, bouwmaterialen en waterpartijen. Vervolgens kan de kennisgrafiek deze onderwerpen koppelen aan stedelijke ecologie, milieuwetenschap, atmosferische fysica en microklimatologie.

Daarmee werkt de tool vooral als een oriëntatielaag voor onderzoek. Hij kan helpen bepalen welke termen, disciplines en bronnen relevant zijn voordat een student of onderzoeker de bronnen zelf grondig gaat lezen.

Waarom is de kennisgrafiek interessant?

Een traditionele zoekmachine geeft meestal een gerangschikte lijst documenten. Een kennisgrafiek biedt een ander perspectief: hij laat zien hoe ideeën uit die documenten met elkaar samenhangen.

De grafiek van AI Sense Maker is gebaseerd op een beheerde taxonomie. Die taxonomie is aanvankelijk geïnspireerd door Wikidata en daarna ingeperkt en verfijnd voor de NUS-collecties. Dat redactionele werk is belangrijk. De waarde van een kennisgrafiek hangt niet alleen af van het taalmodel, maar ook van de manier waarop begrippen binnen de doorzochte collectie worden gedefinieerd en verbonden.

Voor interdisciplinaire projecten kan dit onverwante zoekpaden zichtbaar maken: relevante vaktermen of aangrenzende onderzoeksgebieden waar een gebruiker in de eerste zoekvraag niet aan had gedacht. De verbanden zijn wel aanwijzingen voor verder onderzoek, geen bewijs dat elke voorgestelde relatie wetenschappelijk correct is.

GPT-4.1, RAG en afgeschermde bronnen

Het platform gebruikt GPT-4.1 van OpenAI in combinatie met retrieval-augmented generation (RAG). Bij een RAG-systeem haalt het model eerst relevante informatie uit een afgebakende broncollectie op en gebruikt het die informatie vervolgens om een antwoord samen te stellen. AI Sense Maker is ontworpen om antwoorden te baseren op gevonden NUS-bronnen en daarbij citaten toe te voegen, zodat gebruikers de bronnen kunnen openen en controleren.

De ingebouwde beperkingen moeten de tool bovendien binnen het academische domein van NUS houden. AI Sense Maker is niet bedoeld om het openbare internet te doorzoeken en op basis daarvan antwoorden samen te stellen. Die afbakening kan het risico op ongefundeerde uitkomsten verkleinen, maar maakt controle nog altijd noodzakelijk. Gebruikers moeten de geciteerde documenten zelf bekijken, primaire bronnen interpreteren en nagaan of het antwoord het bewijs eerlijk weergeeft.

GPT-4.1 is het model dat in de berichtgeving over AI Sense Maker wordt genoemd. OpenAI beschrijft GPT-4.1 als een modelfamilie met verbeteringen in het opvolgen van instructies en het begrijpen van lange contexten. Die algemene modelcapaciteiten zijn geen garantie dat AI Sense Maker foutloos onderzoek oplevert.

Beperkingen van de eerste versie

Bij de lancering zijn er enkele belangrijke beperkingen:

• De tool ondersteunt losse zoekopdrachten en bewaart nog geen gesprekscontext voor een reeks vervolgvragen.
• Alleen materiaal dat al is gedigitaliseerd en aan de relevante NUS-opslagplaatsen is toegevoegd, kan worden doorzocht.
• De tool kan bronnen en verbanden helpen vinden, maar kan niet elk wetenschappelijk argument beoordelen of namens de gebruiker een definitieve onderzoeksthese formuleren.

NUS werkt aan geheugen voor de chatgeschiedenis, zodat langere onderzoeksgesprekken mogelijk worden, en aan spraak-naar-tekst als toekomstige uitbreidingen.

De beperkingen maken ook duidelijk hoe de tool het best kan worden gebruikt: als startpunt voor ontdekking. Daarna moeten gebruikers de geciteerde bronnen zelf openen, interpretaties vergelijken en hun uiteindelijke analyse zelfstandig opbouwen.

Kan de tool onderzoek sneller maken?

NUS schat dat de eerste ontdekking- en oriëntatiefase van een onderzoek — een proces dat ongeveer twee weken kan duren — met AI Sense Maker kan worden teruggebracht tot ongeveer 30 minuten of minder.

Dat is een inschatting van de universiteit en geen onafhankelijk gevalideerd productiviteitsresultaat. Een voorzichtiger verwachting is dat de tool tijd kan besparen die anders verloren gaat aan onbruikbare zoekresultaten en dat hij sneller een eerste, onderbouwde bronnenlijst kan opleveren.

De grootste winst ligt waarschijnlijk aan het begin van het onderzoeksproces: sneller een onderwerp afbakenen, betere zoektermen vinden en eerder verbanden tussen vakgebieden en collecties zien. Het lezen, beoordelen van bronnen en formuleren van een overtuigend argument blijft mensenwerk.