AI Woordenboek

Kernconcepten

Woordenboek van AI-concepten, eenvoudig uitgelegd

42 concepten

Kernconcepten

42 concepten

Illustration: an owl with glasses reading an open book, with rolled scrolls beside it and a mouse following a trail of glowing coins

Beginner

Kernconcepten

AI-inferentie

Inferentie is het moment waarop een getraind AI-model zijn werk doet: het neemt je vraag, tekst of foto en maakt daar een antwoord van, zoals bij elk chatbotantwoord.

Illustration: an old man in a workshop inspecting a toy train with a torch, a glowing brain outline behind him

Intermediate

Kernconcepten

Backpropagation

Backpropagation is de berekening waarmee een AI-model van zijn fouten leert, door uit te rekenen hoeveel elke interne instelling aan een fout bijdroeg.

Illustration: a potter holding a jug while pots fall from the shelf behind him

Intermediate

Kernconcepten

Catastrophic forgetting

Catastrophic forgetting is wanneer een AI-model vaardigheden kwijtraakt die het al had, doordat het verder is getraind op iets nieuws, zoals de eigen data van een bedrijf.

Illustration: a robot chef stirring a pot between growing piles of paper notes

Beginner

Kernconcepten

Context rot

Context rot is de achteruitgang in het werk van een AI-model naarmate een gesprek of taak langer wordt, waardoor het eerdere instructies en feiten gaat missen.

Illustration: clocks, gears and books on workshop shelves

Advanced

Kernconcepten

Continual learning

Bij continual learning blijft een AI-model na zijn eerste training bijleren van nieuwe informatie, zonder te vergeten wat het eerder heeft geleerd.

Illustration: two stacks of books with a glowing angle between them

Intermediate

Kernconcepten

Cosine similarity

Cosine similarity is een score tussen -1 en 1 die zegt hoeveel twee teksten op elkaar lijken, nadat een AI-model ze in getallen heeft omgezet.

Illustration: a sewing machine stitching a glowing pattern in front of bookshelves

Beginner

Kernconcepten

Deep learning

Deep learning is een vorm van AI die taken leert uit veel voorbeelden, met een neuraal netwerk van vele lagen, zoals spraak verstaan of producten op foto's herkennen.

Illustration: small robots with clipboards around a scoreboard, three rubber ducks on a shelf behind them

Beginner

Kernconcepten

AI-benchmark

Een AI-benchmark is een standaardtoets met vaste vragen en bekende antwoorden, waarmee je verschillende AI-modellen op dezelfde manier scoort en vergelijkt.

Illustration: an open book releasing coloured smoke and question marks

Beginner

Kernconcepten

AI-hallucinatie

Een AI-hallucinatie is een antwoord van een chatbot of ander AI-hulpmiddel dat stellig klinkt en toch onjuist of verzonnen is, zoals een bron die niet bestaat.

Illustration: shelves of coloured jars with a walking magnifying glass and small figures in hats

Beginner

Kernconcepten

Classifier

Een classifier is een AI-model dat elke invoer indeelt in een van de categorieën die jij kiest, zoals spam of geen spam, of naar welk team een ticket gaat.

Illustration: an owl on a ladder with a basket of glowing cards while squirrels fetch books from the shelves

Beginner

Kernconcepten

Contextvenster

Een contextvenster is hoeveel tekst een AI-model in één keer kan meenemen, van je vraag en documenten tot zijn eigen antwoord, geteld in tokens.

Illustration: glowing orange spheres floating between library bookshelves

Intermediate

Kernconcepten

Embedding

Een embedding is een rij getallen die de betekenis van een tekst vastlegt, zodat software teksten met dezelfde betekenis vindt, ook als ze andere woorden gebruiken.

Illustration: a purple typewriter trailing a green ribbon in a library full of smiling book-like figures

Beginner

Kernconcepten

Groot taalmodel (LLM)

Een groot taalmodel (LLM) is het soort AI achter chatbots zoals ChatGPT: het heeft van heel veel tekst geleerd om vragen te begrijpen en antwoorden te schrijven.

Illustration: a patchwork tailor's dummy with a yellow measuring tape in a sewing workshop

Intermediate

Kernconcepten

Loss function

Een loss function is de score die een AI-model tijdens de training vertelt hoe fout zijn antwoorden zijn, zodat de training die fouten kan verkleinen.

Illustration: a branching wooden tree with gears at its joints, like a network of connected nodes

Beginner

Kernconcepten

Neuraal netwerk

Een neuraal netwerk is een computermodel dat van voorbeelden leert door veel kleine verbindingen bij te stellen; het is de basis van spraakherkenning en chatbots.

Illustration: an owl with a glowing light bulb above its head, at a desk covered in written scrolls

Beginner

Kernconcepten

Prompt

Een prompt is het bericht dat je aan een AI-model als ChatGPT geeft, zoals een vraag of opdracht; hoe duidelijker je bent, hoe bruikbaarder het antwoord.

Illustration: jars with smiling labels on kitchen shelves, with a whisk, a rolling pin and a chalkboard full of scribbles

Beginner

Kernconcepten

Token in AI

Een token is een stukje tekst, zoals een kort woord of een deel van een woord, dat een AI-model leest en schrijft; AI-diensten rekenen het gebruik af in tokens.

Illustration: a craftsman in an apron laying out coloured mosaic pieces on a table, with jars of pieces and puzzle shapes on the wall

Intermediate

Kernconcepten

Tokenizer

Een tokenizer is het onderdeel van een AI-systeem dat tekst in tokens knipt, de stukjes waarmee een taalmodel werkt, en die omzet in nummers en weer terug.

Illustration: a craftsman arranging coloured tiles on a workbench

Intermediate

Kernconcepten

Feature engineering

Feature engineering is ruwe gegevens, zoals kassabonnen of klantdata, omzetten in bruikbare getallen, zodat een voorspelmodel er patronen in kan vinden.

Illustration: three toasters sending puffs of steam towards one bowl

Advanced

Kernconcepten

Federated learning

Bij federated learning trainen telefoons, winkels of ziekenhuizen samen één AI-model, terwijl ieder zijn eigen data houdt en alleen modelupdates deelt.

Illustration: a craftsman shaping a colourful head sculpture in a workshop

Intermediate

Kernconcepten

Fine-tuning

Fine-tuning is een bestaand AI-model verder trainen op je eigen voorbeelden, zodat het een vaste taak of schrijfstijl beter beheerst dan met instructies alleen.

Illustration: a cat painting shapes on a canvas beside an old printing press that prints patterned paper

Beginner

Kernconcepten

Generatieve AI

Generatieve AI is software die op verzoek nieuwe content maakt, zoals een klantmail, een producttekst of een afbeelding, op basis van een opdracht in gewone taal.

Illustration: a chef stirring a large bowl in a kitchen, surrounded by bowls of ingredients

Intermediate

Kernconcepten

Gradient descent

Gradient descent is de methode waarmee de meeste AI-modellen leren: het past de instellingen van het model stap voor stap aan, steeds in de richting van minder fouten.

Illustration: a gardener in a greenhouse between a table of different flowers and a row of tomato plants of increasing height

Beginner

Kernconcepten

Verschil tussen regressie en classificatie

Bij regressie voorspelt een AI-model een getal, zoals de omzet van volgende week, en bij classificatie een categorie, zoals of een e-mail spam is.

Illustration: an adult holding a finished patchwork quilt while a child sews a smaller one at a workbench

Beginner

Kernconcepten

Verschil tussen training en inferentie

Training is hoe een AI-model van voorbeelden leert, een groot karwei voordat het model uitkomt; inferentie is elk gebruik daarna, zoals elk antwoord van een chatbot.

Illustration: a cat in glasses at a desk with books, pattern cards and a small robot

Beginner

Kernconcepten

Kunstmatige intelligentie (AI)

Kunstmatige intelligentie (AI) is software die werk doet dat normaal menselijk denkwerk vraagt, zoals een klantvraag beantwoorden of een ongebruikelijke betaling opmerken.

Illustration: a framed board of colourful puzzle-like shapes on a workbench, with a magnifying glass over one of them

Intermediate

Kernconcepten

Latent space

Latent space is de interne kaart waarin een AI-model wat het over zijn invoer heeft geleerd als getallen opslaat, met vergelijkbare dingen dicht bij elkaar.

Illustration: a robot with a light bulb above its head stirring a cooking pot, with jars of ingredients on shelves

Beginner

Kernconcepten

Machine learning (ML)

Machine learning is software die leert van voorbeelden in plaats van vaste regels, zoals een spamfilter dat uit duizenden e-mails leerde hoe spam eruitziet.

Illustration: a chef stirring a steaming pot, with question marks rising from the steam

Beginner

Kernconcepten

Natural language processing (NLP)

Natural language processing (NLP) is het deel van AI dat computers menselijke taal laat lezen, sorteren, vertalen en schrijven, zoals in chatbots en vertaalapps.

Illustration: a weaver setting up a small wooden loom in front of shelves full of wool

Intermediate

Kernconcepten

Pre-training

Pre-training is de eerste en grootste trainingsfase van een AI-model: het leert taal en algemene kennis uit zeer veel tekst, voordat het voor taken wordt aangepast.

Illustration: a robot on a library ladder studying a large open book full of shapes

Intermediate

Kernconcepten

Redeneren in AI

Redeneren in AI betekent dat een model een probleem stap voor stap doorwerkt voordat het antwoordt; dat helpt bij lastige vragen en maakt antwoorden trager en duurder.

Illustration: a small robot at a board with tools, gold stars and smiley faces, next to shelves of jars

Intermediate

Kernconcepten

Reinforcement learning (RL)

Reinforcement learning traint AI met vallen en opstaan: het systeem probeert acties, krijgt een beloning of straf voor het resultaat en leert welke keuzes lonen.

Illustration: a robot with a magnifying glass examining orange building blocks on a table under hanging light bulbs

Intermediate

Kernconcepten

Self-supervised learning

Self-supervised learning traint AI op ruwe data zonder labels van mensen: het model verbergt een deel van de data, zoals het volgende woord, en leert dat te voorspellen.

Illustration: an owl in glasses showing picture cards to two small birds and a mouse in a workshop

Beginner

Kernconcepten

Supervised learning

Supervised learning traint een AI-model op voorbeelden met het goede antwoord erbij, zoals e-mails gelabeld als spam of geen spam, zodat het nieuwe gevallen zelf kan beoordelen.

Illustration: a woman at a purple machine that makes coloured balls, with jars of similar balls on the shelves

Intermediate

Kernconcepten

Synthetische data

Synthetische data is door een computer gemaakte, verzonnen maar realistische data, voor als echte data schaars, duur of te gevoelig is, zoals klant- of patiëntgegevens.

Illustration: a smiling slice of toast in a toaster with a control dial

Beginner

Kernconcepten

Temperature bij AI

Temperature is een instelling die bepaalt hoeveel een AI-model zijn antwoorden laat variëren: laag geeft voorspelbare antwoorden, hoog meer afwisseling.

Illustration: a chef choosing from numbered baskets of produce on shelves, with a cat watching from a ladder

Intermediate

Kernconcepten

Top-p (nucleus) sampling

Top-p sampling is een instelling waardoor een AI-model elk volgend woord alleen uit zijn waarschijnlijkste opties kiest; een lagere waarde geeft voorspelbaardere tekst.

Illustration: an owl in an apron moving gears from an old machine into a new one on a workbench

Intermediate

Kernconcepten

Transfer learning

Transfer learning is het hergebruiken van wat een AI-model op één taak leerde als startpunt voor een andere, zodat een verwante taak veel minder eigen voorbeelden vraagt.

Illustration: an elderly chef in glasses gesturing over paper bags and bowls of ingredients in a pantry full of jars, with a black cat

Beginner

Kernconcepten

Unsupervised learning

Unsupervised learning is AI trainen op data zonder bijbehorende antwoorden: het model vindt zelf groepen en patronen, en een mens bepaalt wat ze betekenen.

Illustration: a baker kneading a large lump of dough while a hand adds a spoonful of an ingredient

Intermediate

Kernconcepten

Batch size en learning rate

Batch size en learning rate zijn twee instellingen voor het trainen van een AI-model: hoeveel voorbeelden het ziet voor elke bijstelling, en hoe groot die bijstelling is.

Illustration: an old craftsman adding fine detail to an ornate carved panel, next to a small robot with simple cut-out flowers

Intermediate

Kernconcepten

Overfitting en underfitting

Bij overfitting kent een AI-model zijn voorbeelden uit het hoofd en faalt het op nieuwe gevallen; bij underfitting is het te eenvoudig om het patroon te leren.

Illustration: a robot with a magnifying glass studying a small wooden pyramid in front of shelves of stacked jars

Advanced

Kernconcepten

Scaling laws voor LLM's

Scaling laws zijn formules uit experimenten die voorspellen hoeveel beter een AI-taalmodel wordt met meer parameters, meer trainingsdata of meer rekenkracht.