Begrippen Kunstmatige Intelligentie (AI)

Sinds de komst van AI zijn er veel nieuwe begrippen. Hieronder een opsomming van deze begrippen met daarbij een korte uitleg.

  1. OpenAI: dit is het bedrijf achter onder andere ChatGPT. OpenAI is een organisatie voor kunstmatige intelligentie (AI) onderzoek gevestigd in San Francisco, Californië, Verenigde Staten. Het werd opgericht in december 2015 door Elon Musk, Sam Altman en een team van andere hoog aangeschreven technologen

  1. Kunstmatige Intelligentie (AI): Het overkoepelende concept van machines die taken uitvoeren die normaal menselijke intelligentie vereisen, zoals het begrijpen van natuurlijke taal of het herkennen van patronen. Het doel van AI is om systemen te creëren die in staat zijn om taken uit te voeren en problemen op te lossen op een manier die vergelijkbaar is met menselijke intelligentie. Dit kan worden bereikt door technieken zoals machine learning, waarbij machines leren van ervaring, en deep learning, dat is gebaseerd op kunstmatige neurale netwerken.

  1. Machine Learning (ML): is een subveld van kunstmatige intelligentie (AI) dat zich richt op het ontwikkelen van systemen die kunnen leren en zich aanpassen aan nieuwe data zonder expliciete programmering. De basisgedachte is dat systemen moeten kunnen leren en evolueren door ervaring, net zoals mensen en dieren dat doen.

  1. Deep Learning: is een subveld van machine learning dat zich richt op kunstmatige neurale netwerken met meerdere lagen. Deze netwerken proberen het menselijk brein na te bootsen en zijn in staat om grote hoeveelheden ongestructureerde data te leren en te begrijpen.

  1. Neurale netwerken: Een model geïnspireerd op de menselijke hersenen dat wordt gebruikt in machine learning, met name in deep learning. Het bestaat uit knooppunten (“neuronen”) die met elkaar verbonden zijn.

  1. Supervised Learning: Een type machine learning waarbij het algoritme wordt getraind met een dataset die al gelabeld is. Met andere woorden, het algoritme krijgt zowel de inputdata als de juiste antwoorden, en leert hoe de twee te koppelen.
  1. Unsupervised Learning: is een type machine learning waarbij een algoritme wordt getraind met een dataset zonder labels. Dit betekent dat tijdens de training het model probeert om zelf patronen en relaties in de gegevens te vinden.

  1. Reinforcement Learning: is een vorm van machine learning waarbij een agent leert hoe hij zich in een omgeving moet gedragen door acties uit te voeren en beloningen of straffen te ontvangen. Het basisidee is dat de agent leert door de interactie met zijn omgeving. Bij elke actie die de agent uitvoert, ontvangt hij feedback in de vorm van een beloning (positieve waarde) of straf (negatieve waarde). Deze feedback wordt gebruikt om de agent te helpen de beste volgende actie te kiezen

  1. Natuurlijke taalverwerking (NLP): is een subveld van kunstmatige intelligentie dat zich richt op de interactie tussen computers en menselijke taal. In het bijzonder houdt het zich bezig met het programmeren van computers om tekst of spraak in natuurlijke taal te verwerken, te analyseren en te genereren. Je kan zeggen dat dit het vermogen van computers is om de menselijke taal te begrijpen en te genereren. Dit is de technologie achter dingen zoals bijvoorbeeld spraakherkenning, vertaaldiensten en chatbots.

  1. Large Language Model (LLM): verwijst naar een type kunstmatige intelligentie model dat is ontworpen om menselijke taal te begrijpen en te genereren. Deze modellen zijn “groot” in de zin dat ze getraind zijn op enorme hoeveelheden tekstdata en veel parameters bevatten, wat hen in staat stelt om complexe patronen in de taal te leren en te reproduceren. Een voorbeeld van een Large Language Model is GPT-3 (en GPT-4), ontwikkeld door OpenAI. Deze modellen zijn getraind om voorspellingen te doen over de volgende woorden in een tekst op basis van de woorden die eraan voorafgingen. Hierdoor kunnen ze menselijke taal met een hoge mate van nauwkeurigheid en coherentie genereren

  1. Computer Vision: Het vermogen van computers om beelden en video’s te begrijpen, net zoals mensen dat doen. Dit wordt gebruikt in toepassingen zoals gezichtsherkenning en objectdetectie.
  1. Prompts: Dit kun je zien als een opdracht, instructie of een vraag die aan een model wordt gegeven om het een bepaalde taak te laten uitvoeren of om het een specifieke output te laten genereren. Bijvoorbeeld, bij het werken met een taalmodel zoals GPT-4, kan een prompt zo eenvoudig zijn als een zin waarbij het model de volgende woorden voorspelt, of het kan complexer zijn, zoals een verzoek om een samenvatting te schrijven, een vraag te beantwoorden, of een dialoog voort te zetten
Scroll naar boven