AI Woordenboek

In de wereld van kunstmatige intelligentie (AI) word je overspoeld met technische termen en jargon. Of je nu een artikel leest, een presentatie bijwoont of een gesprek voert met techliefhebbers, deze termen komen steeds terug. Dit woordenboek helpt je om de belangrijkste AI-begrippen te begrijpen in duidelijke, eenvoudige taal.

De basis: Wat is wat in AI-land

Kunstmatige Intelligentie (AI)

Een verzamelnaam voor computersystemen die taken kunnen uitvoeren die normaal menselijke intelligentie vereisen. Denk aan het herkennen van spraak en beelden, beslissingen nemen, of menselijke taal begrijpen en genereren.

Machine Learning (ML)

Een tak van AI waarbij computers leren van voorbeelden in plaats van expliciet geprogrammeerd te worden. Net zoals een kind leert fietsen door het te proberen (in plaats van door instructies te lezen), leert ML van ervaring en data.

Deep Learning

Een geavanceerde vorm van machine learning met neurale netwerken die veel verborgen lagen hebben (vandaar "deep"). Het is als een superversie van machine learning die bijzonder goed is in het herkennen van complexe patronen, zoals gezichten in foto's of betekenis in teksten.

Algoritme

Een stappenplan of recept dat een computer volgt om een probleem op te lossen. Als een recept voor appeltaart je vertelt wat je stap voor stap moet doen, vertelt een algoritme de computer precies hoe hij een taak moet uitvoeren.

Dataset

De verzameling informatie waarmee een AI-systeem wordt getraind. Als je een kind leert rekenen met appels, dan zijn die appels de "dataset" waarvan het kind leert.

Leermethoden: Hoe AI kennis opdoet

Supervised Learning (Begeleid Leren)

De AI krijgt voorbeelden met de juiste antwoorden, zoals een student die oefenopgaven maakt en direct feedback krijgt. "Dit is een foto van een kat" of "Dit is spam".

Unsupervised Learning (Onbegeleid Leren)

De AI krijgt data zonder labels en moet zelf patronen ontdekken. Het is alsof je puzzelstukjes krijgt zonder het eindplaatje, en moet uitvogelen welke stukjes bij elkaar horen.

Reinforcement Learning (Versterkend Leren)

De AI leert door beloning en straf, vergelijkbaar met hoe je een hond traint. Als het systeem iets goed doet, krijgt het een "beloning"; doet het iets fout, dan krijgt het een "straf".

Transfer Learning

Een techniek waarbij kennis van één taak wordt gebruikt om een andere taak te verbeteren. Zoals wanneer je kennis van pianospelen helpt bij het leren bespelen van een ander toetsinstrument.

Neurale Netwerken: De bouwblokken van moderne AI

Neuraal Netwerk

Een computermodel geïnspireerd op de hersenen, opgebouwd uit verbonden "neuronen" die signalen naar elkaar sturen. Een neuraal netwerk is als een puzzel waarbij elk stukje (neuron) alleen een klein deel van het geheel "begrijpt".

Convolutional Neural Network (CNN)

Een speciaal type neuraal netwerk dat uitblinkt in het analyseren van visuele beelden. CNNs zijn de technologie achter gezichtsherkenning en zelfrijdende auto's die kunnen "zien".

Recurrent Neural Network (RNN)

Een neuraal netwerk dat goed is in het verwerken van sequentiële informatie zoals tekst of tijdreeksen. RNNs hebben een soort "geheugen" waardoor ze rekening houden met wat ze eerder hebben gezien.

Transformer

Een krachtige architectuur die de basis vormt voor moderne taalmodellen zoals GPT en BERT. Transformers kunnen lange teksten verwerken en de context beter begrijpen dan oudere modellen.

Moderne AI-toepassingen

Large Language Model (LLM)

Een AI-systeem dat getraind is op enorme hoeveelheden tekst om menselijke taal te begrijpen en te genereren. ChatGPT en Claude zijn voorbeelden van LLMs.

Generatieve AI

AI-systemen die nieuwe content kunnen creëren, zoals tekst, afbeeldingen, muziek of video's. Het is alsof je een kunstenaar hebt die eindeloos nieuwe werken kan produceren op basis van wat hij eerder heeft gezien.

Computer Vision

Het vermogen van computers om beelden te "zien" en te interpreteren. Denk aan gezichtsherkenning op je telefoon of beveiligingscamera's die beweging detecteren.

Natural Language Processing (NLP)

De tak van AI die zich bezighoudt met hoe computers menselijke taal kunnen begrijpen en genereren. Dit maakt stemassistenten, automatische vertalingen en chatbots mogelijk.

Chatbot

Een computerprogramma ontworpen om gesprekken met mensen te voeren, vaak gebruikt in klantenservice. Moderne chatbots zoals ChatGPT kunnen verrassend menselijk overkomen in hun antwoorden.

AI-begrippen in de praktijk

Training

Het proces waarbij een AI-model leert van voorbeelden. Net zoals een student oefent voor een examen, wordt AI "getraind" op voorbeelddata om beter te worden in zijn taak.

Fine-tuning

Het verfijnen van een bestaand model voor een specifieke taak. Als je eerste leert autorijden in het algemeen en daarna specifiek leert hoe je een vrachtwagen bestuurt, dan is dat laatste vergelijkbaar met fine-tuning.

Inference

Het moment waarop een getraind AI-model wordt toegepast op nieuwe data. Na het leren (training) komt het doen (inference).

Bias

Vooroordelen of scheeftrekkingen in AI-systemen, vaak onbedoeld overgenomen uit trainingsdata. Als een AI-systeem alleen foto's van mannelijke dokters heeft gezien, kan het ten onrechte concluderen dat alle dokters mannen zijn.

Explainable AI (XAI)

AI-systemen die kunnen "uitleggen" hoe ze tot bepaalde conclusies komen. In plaats van een zwarte doos die alleen antwoorden geeft, kan XAI laten zien waarom het een bepaalde beslissing heeft genomen.

Soorten AI-systemen

Smalle (of Zwakke) AI

AI die is ontworpen voor één specifieke taak en die taak zeer goed kan uitvoeren, maar niets anders. Alle huidige AI-systemen vallen in deze categorie.

Algemene (of Sterke) AI

Een hypothetisch AI-systeem dat menselijk niveau van intelligentie zou hebben over de gehele breedte van cognitieve taken. Dit bestaat nog niet en is voorlopig toekomstmuziek.

Foundation Model

Een groot, veelzijdig AI-model dat op een enorme hoeveelheid data is getraind en voor diverse taken kan worden gebruikt of aangepast. GPT-4 en Claude zijn voorbeelden.

Multimodale AI

AI-systemen die verschillende soorten input kunnen verwerken en combineren, zoals tekst én beelden én geluid. Net zoals mensen informatie via verschillende zintuigen verwerken.

Ethiek en uitdagingen in AI

Privacy en AI

De spanning tussen het verzamelen van data voor AI-training en het beschermen van persoonlijke informatie. Hoe meer data, hoe beter de AI, maar hoe groter ook de privacyrisico's.

Hallucination (in AI-context)

Wanneer een AI-systeem overtuigend klinkende maar feitelijk onjuiste informatie genereert. Het is alsof de AI "droomt" en dingen verzint die niet kloppen.

Prompt Engineering

De kunst van het formuleren van de juiste instructies (prompts) om het beste resultaat uit een AI-systeem te halen. Net zoals de juiste vraag stellen vaak leidt tot het beste antwoord.

Responsible AI

Een benadering die streeft naar ethische, transparante en eerlijke AI-systemen die mensen dienen zonder schade aan te richten of discriminatie te versterken.