Het is de nieuwe sport van de moderne mens. Niet zoeken naar waarheid maar naar bevestiging. De digitale tijd maakt het makkelijk om altijd gelijk te hebben. Je hoeft alleen maar de juiste woorden in te tikken en een AI-systeem serveert je een buffet aan onderzoeken die precies dat zeggen wat jij al dacht. De rest blijft buiten beeld. Dat is de nieuwe vorm van cherry picking. Een oud psychologisch trucje in een nieuw wetenschappelijk jasje.
Vroeger kostte het weken om literatuur te verzamelen voor een studie. Je las alles, ook wat je tegensprak, want dat hoorde bij het vak. Tegenwoordig doet een taalmodel het werk in een seconde en wie slim formuleert krijgt uitsluitend bevestiging terug. De nuance verdwijnt in de ruis van data. Wat overblijft is een overtuiging met bronvermelding.
Cherry picking is de selectieve blindheid die wetenschap langzaam ondermijnt. Het is de drang om enkel dat bewijs te tonen dat past bij een overtuiging. En nu die overtuiging wordt gevoed door kunstmatige intelligentie, groeit het risico dat we onze eigen bubbel tot waarheid verheffen.
Er is iets ironisch aan deze ontwikkeling. De technologie die ooit bedoeld was om kennis toegankelijker te maken, blijkt vooral goed in het bevestigen van onze vooroordelen. Een algoritme kent geen twijfel, het wil enkel efficiënt zijn. Dus zoekt het precies wat gevraagd wordt. Wie vraagt naar bewijs dat suiker verslavend is, krijgt studies die dat bevestigen. Wie zoekt naar bewijs dat suiker onschuldig is, krijgt dat ook. AI is geen bron van waarheid maar een spiegel van verlangen.
Dat maakt het gevaarlijk in handen van wie gezag wil uitstralen. De online coach die zijn volgers overtuigt van een wonderdieet hoeft slechts één onderzoek te vinden. Liefst met ingewikkelde termen, een grafiek en een universiteitslogo. Of het onderzoek klein was, onvolledig of niet gerepliceerd wordt zelden vermeld. Het publiek hoort alleen dat het wetenschappelijk bewezen is. En dat klinkt beter dan toegegeven twijfel.
Je ziet het overal. Influencers die beweren dat intermitterend vasten de sleutel tot gezondheid is. Voedingsdeskundigen die detox-kuren verdedigen met verwijzing naar dierstudies. Biohackers die data uit Aziatische onderzoekslabs presenteren alsof die één op één toepasbaar is op het Europese lichaam. Het zijn allemaal variaties op hetzelfde patroon. Eén correlatie wordt tot causaliteit verheven, één dataset wordt universeel verklaard.
Wat deze tijd extra complex maakt is dat AI dat mechanisme versterkt. Het filtert razendsnel de onderzoeken die een boodschap ondersteunen en laat de rest verdwijnen. Daardoor wordt het steeds moeilijker om onderscheid te maken tussen wetenschap en retoriek. De tekst klinkt deskundig, de bronnen lijken solide, maar het is vaak niet meer dan een zorgvuldig geknipt stukje werkelijkheid.
Het publiek dat deze informatie leest, voelt zich geïnformeerd, maar is in feite gestuurd. We geloven in bewijs, zolang dat bewijs niet schuurt met onze voorkeuren. En de coach die een algoritme gebruikt om die voorkeuren te voeden, weet precies wat hij doet. Hij verkoopt geen waarheid maar geruststelling.
Daar zit de kern van het probleem. Wetenschap is gebouwd op twijfel, maar twijfel verkoopt slecht. Zeker niet in een wereld waarin snelheid belangrijker is dan nuance. AI maakt kennis behapbaar, maar ook oppervlakkiger. Het reduceert de rijkdom van onderzoek tot één overtuigende conclusie en laat de nuance ongelezen achter.
De gevolgen reiken verder dan verkeerde dieetadviezen. Cherry picking ondermijnt vertrouwen in wetenschap zelf. Wanneer mensen zien dat elke claim te onderbouwen valt, verdwijnt het geloof dat wetenschap objectief is. Iedereen kan immers zijn eigen onderzoek vinden. De waarheid wordt vloeibaar.
De ironie is dat we de wetenschap gebruiken om de wetenschap te ondergraven. De coach die zegt dat zijn methode wetenschappelijk bewezen is, gebruikt dezelfde taal als de onderzoeker die juist probeert nuance aan te brengen. De betekenis van bewijs vervaagt. En dat is precies wat de technologie versterkt.
Toch is het niet de technologie zelf die liegt. Het is de mens die haar gebruikt zonder twijfel. Een algoritme is immers niet kwaadaardig, het is gehoorzaam. Het geeft ons wat we vragen, niet wat we nodig hebben. De fout ligt in het gemak waarmee we aannemen dat data gelijk staat aan waarheid.
Er zijn onderzoekers die waarschuwen dat AI de kwaliteit van wetenschappelijk werk aantast. Dat de overvloed aan snel geproduceerde papers de waarde van echt onderzoek overschaduwt. En dat de grens tussen menselijke interpretatie en machine-analyse vervaagt. In dat grijze gebied ontstaat een nieuwe vorm van desinformatie. Niet gebaseerd op leugens, maar op halve waarheden.
Het is verleidelijk om te denken dat dit vooral speelt bij influencers en coaches. Maar ook in journalistiek, politiek en bedrijfsleven wordt selectief bewijs ingezet. Bedrijven kiezen onderzoeken die hun producten rechtvaardigen, politici verwijzen naar data die hun beleid ondersteunt. En wie dat in twijfel trekt, krijgt te horen dat het wetenschappelijk onderbouwd is.
De vraag is niet langer wat waar is, maar wie het mooiste bewijs presenteert. In dat spel wint niet de wetenschap, maar de marketing.
Toch is er hoop. Want de mens is niet gedoemd om te geloven wat hij leest. Kritisch denken is geen verdwenen kunst, alleen een vergeten vaardigheid. Wie leert om vragen te stellen in plaats van antwoorden te zoeken, kan zich wapenen tegen de verleiding van cherry picking.
Vraag niet of iets bewezen is, maar hoe. Vraag naar de omvang van de studie, naar de context, naar de tegenstrijdige resultaten. En vooral naar wie belang heeft bij de conclusie.
Echte wetenschap bestaat bij de gratie van twijfel. Zonder twijfel is kennis slechts geloof met een witte jas aan. In die zin is de strijd tegen cherry picking niet alleen een wetenschappelijke, maar ook een morele. Het gaat over de bereidheid om ongelijk te durven hebben in een wereld die gelijk beloont.
AI zal die strijd niet winnen of verliezen. Dat doen wij zelf. Want technologie is nooit slimmer dan de vragen die we stellen. De uitdaging van onze tijd is niet om meer data te verzamelen, maar om beter te begrijpen wat data níét zegt.
Misschien begint echte intelligentie daar. Niet in de snelheid van algoritmes, maar in de traagheid van menselijk denken. In het vermogen om te zeggen dat we het nog niet zeker weten. En in de moed om ook dan verder te zoeken.
Typify 