Van AGI tot Zero-shot Learning: Wat zijn de sleutelwoorden van AI?

Kunstmatige intelligentie is overal – maar begrijp jij wel wat er écht bedoeld wordt met termen als 'fine-tuning', 'hallucinaties' of 'LLM'? De opkomst van AI-tools zoals ChatGPT heeft een hele nieuwe woordenschat met zich meegebracht. Voor wie niet in de techwereld zit, voelt het soms als een nieuwe taal. Tijd dus voor een toegankelijke AI-woordenlijst die iedereen zou moeten kennen.

🔍 Fundamentele begrippen

1. AI (Artificial Intelligence) – Kunstmatige intelligentie: systemen die menselijke intelligentie nabootsen.
2. AGI (Artificial General Intelligence) – Algemene AI die taken kan uitvoeren zoals een mens.
3. Machine Learning – AI die leert uit data zonder expliciete programmering.
4. Deep Learning – Vorm van machine learning gebaseerd op neurale netwerken met meerdere lagen.
5. Neuraal Netwerk – Systeem geïnspireerd op het menselijke brein dat patronen herkent.
6. NLP (Natural Language Processing) – Verwerking van menselijke taal door computers.
7. LLM (Large Language Model) – Groot taalmodel getraind op enorme hoeveelheden tekst.
8. Transformer – AI-architectuur die context begrijpt door aandachtmechanismen.
9. GPT (Generative Pretrained Transformer) – Een type LLM, zoals ChatGPT.
10. Token – Eenheid van tekst (bijv. een woord of een deel ervan) die een AI verwerkt.

💡 Begrippen rond AI-functionaliteit

1. Prompt – De input of vraag die je invoert in een AI-model.
2. Prompt Engineering – Het optimaliseren van prompts voor betere AI-resultaten.
3. Fine-tuning – Een bestaand AI-model verder trainen met specifieke data.
4. Zero-shot learning – AI voert taken uit zonder voorafgaande voorbeelden.
5. Few-shot learning – AI leert van slechts een paar voorbeelden.
6. Training Data – Invoergegevens waarop het AI-model getraind wordt.
7. Inference – De fase waarin AI een voorspelling doet op basis van input.
8. Overfitting – Wanneer een model te goed leert op trainingsdata en slechter presteert op nieuwe data.
9. Underfitting – Wanneer een model te weinig leert en daardoor onnauwkeurig is.
10. Embedding – Een wiskundige representatie van tekst of data in vectorvorm.

🧠 Gedrag en beperkingen van AI

1. Bias – Vooringenomenheid in AI, vaak onbedoeld, door scheve data.
2. Hallucinatie – Foutief of verzonnen antwoord van een AI-model.
3. Black Box – AI-systemen waarvan het interne proces niet transparant is.
4. Explainability – De mate waarin een AI-beslissing begrijpelijk is voor mensen.
5. Reinforcement Learning – Leren door beloning of straf, zoals bij spelletjes.
6. RLHF (Reinforcement Learning from Human Feedback) – AI leren op basis van menselijke beoordelingen.
7. Ethics in AI – De morele en maatschappelijke overwegingen rond het gebruik van AI.
8. Alignment – De mate waarin AI de bedoelingen van mensen volgt.
9. Safety – Het voorkomen van schade door AI-systemen.

🛠️ Techniek, tools en modellen

1. API (Application Programming Interface) – Koppelpunt waarmee apps toegang krijgen tot AI-modellen.
2. Open Source – Software waarvan de broncode publiek beschikbaar is.
3. Model Weights – De parameters die het gedrag van het AI-model bepalen.
4. Latency – De vertraging tussen input en output van een AI-systeem.
5. Throughput – De hoeveelheid data die een systeem tegelijk kan verwerken.
6. GPU (Graphics Processing Unit) – Computerchip die AI-modellen efficiënt laat draaien.
7. Training – Het proces waarbij een AI-model leert van data.
8. Inference Time – De tijd die een model nodig heeft om een output te geven.
9. Pretraining – Het trainen van een AI-model op algemene data vóór de finetuning.

🌐 Praktische toepassingen

1. Chatbot – Virtuele assistent die vragen beantwoordt via tekst of spraak.
2. Voice Assistant – Spraakgestuurde AI zoals Siri, Google Assistant of Alexa.
3. Image Generation – AI die beelden genereert op basis van tekst.
4. Text-to-Speech – AI die tekst omzet in gesproken audio.
5. Speech-to-Text – AI die spraak omzet in geschreven tekst.
6. Translation – AI die taal omzet in een andere taal.
7. Code Generation – AI die programmeercode schrijft.
8. Summarization – AI die samenvattingen maakt van lange teksten.
9. Sentimentanalyse – AI die de toon of emotie van een tekst beoordeelt.

🧩 Strategie, beleid en markt

1. Model-as-a-Service (MaaS) – Toegang tot AI-modellen via de cloud.
2. Tuning – Het aanpassen van modellen om specifieke prestaties te verbeteren.
3. Benchmarking – Het vergelijken van AI-prestaties op standaardtests.
4. Generatieve AI – AI die zelf nieuwe inhoud genereert (tekst, beeld, audio...).
5. Disruptie – De impact van AI op bestaande markten en werkstructuren.