Artificiële intelligentie

Er zijn veelvoorkomende misverstanden en zorgen die mensen hebben over generatieve AI. Enkele van de meest voorkomende misverstanden zijn:

• AI is zelfbewust
  Nee, AI is niet zelfbewust. De tools zijn gebaseerd op complexe wiskundige berekeningen en patronen in grote datasets. Ze hebben geen bewustzijn, gevoel of begrip van de betekenis achter hun gegenereerde output

• AI is zelflerend
  Nee, AI is niet zelflerend. AI tools worden, voorafgaand aan het gebruik, gedurende een bepaalde tijd, soms tot wel 18 maanden lang,  getraind met grote datasets. Daarna worden ze gedurende het gebruik niet meer slimmer, tenzij ze weer opnieuw getraind worden door de ontwikkelaar van de software. Maar dat vraagt een grote investering in tijd, data en inzet van mensen.

• AI zoekt antwoorden op
  Generatieve AI genereert antwoorden op basis van de training, complexe wiskundige berekeningen en patronen in grote datasets. Daarbij zijn er Ai-tools die hierbij ook het resultaat van zoekacties op het internet of andere databases betrekken.

•  AI heeft een negatieve bias (bias = vooringenomenheid)

  AI heeft niet per definitie een negatieve bias, maar veel van de huidige verschijningsvormen hebben dat wel degelijk. Met name op basis van de bewuste of onbewuste biases in de trainingsdata. Zorgen over het gebruik van AI-modellen voor manipulatie, desinformatie en privacy-inbreuken kunnen dus terecht zijn. De verantwoordelijkheid om ethische richtlijnen te volgen en privacy te waarborgen ligt bij de gebruikers en ontwikkelaars.

• AI is intelligent
  Nee, AI is niet intelligent. Hoewel ze in sommige situaties indrukwekkende resultaten kunnen leveren, zijn ze ook onderhevig aan fouten en kunnen ze onjuiste of misleidende informatie produceren. Zie onderstaand voorbeeld:

De valstrik, waar ChatGPT met beide niet-bestaande voeten intrapt,
is dat er geen boerderijdieren zijn die met een f beginnen. Een AI-chatbot zal niet snel de geldigheid van de vraagstelling ter discussie stellen.

Data Science of datawetenschappen is het overkoepelende vakgebied dat zich bezig houdt met het verwerken en analyseren van grote hoeveelheden data, en/of ongestructureerde data. [3] 

Algoritme in de context van kunstmatige intelligentie (AI) is een stapsgewijze set instructies of regels die een computer of machine volgt om een specifieke taak uit te voeren of een probleem op te lossen. Deze instructies kunnen variëren van eenvoudige wiskundige berekeningen tot complexe besluitvormingsprocessen die gebruikmaken van gegevens en machine learning-technieken. Enkele voorbeelden van algoritmen zijn lineaire regressie, neurale netwerken, beslissingsbomen, K-means clustering en genetische algoritmen. - Met dank aan ChatGPT

Machine Learning is een vakgebied dat algoritmes laat leren zonder dat je ze expliciet hoeft te programmeren. ML-technieken kunnen worden geclassificeerd als "supervised" (de machine leert door gelabelde gegevens te verwerken) of "unsupervised" (de machine leert zelf van gegevens).

Deep Learning is een specifieke vorm van Machine Learning waarbij algoritmes leren van grote hoeveelheden data.

Original file: Avimanyu786SVG version: Tukijaaliwa, CC BY-SA 4.0, via Wikimedia Commons

Natural Language Processing het vakgebied dat zich bezighoudt met het lezen, begrijpen en produceren van menselijke taal door computers.

Computer Vision is het gebied van AI dat computers traint om visuele gegevens te begrijpen; kort gezegd, het stelt machines in staat om te "zien". Met behulp van deep learning-modellen zijn computervisietechnieken gericht op het herkennen van digitale beelden in een context - ze identificeren en classificeren.

Large Language Model, een groot taalmodel is een taalmodel dat bestaat uit een neuraal netwerk met veel parameters, getraind op grote hoeveelheden niet-gelabelde tekst met behulp van zelfgestuurd leren of semi-gesuperviseerd leren. Een voorbeeld van LLM is ChatGPT.