Deze woordenlijst biedt een solide startpunt voor het begrijpen van verschillende AI-gerelateerde termen. Houd er rekening mee dat AI een snel evoluerend vakgebied is, en dat er in de loop van de tijd nieuwe termen en concepten kunnen ontstaan. Het is essentieel om op de hoogte te blijven door te verwijzen naar gerenommeerde bronnen en branchepublicaties.
Deze woordenlijst biedt een solide startpunt voor het begrijpen van verschillende AI-gerelateerde termen. Houd er rekening mee dat AI een snel evoluerend vakgebied is, en dat er in de loop van de tijd nieuwe termen en concepten kunnen ontstaan. Het is essentieel om op de hoogte te blijven door te verwijzen naar gerenommeerde bronnen en branchepublicaties.
Gen AI Prompt “Brian Beeler met een futuristische harde schijf”
We hebben de AI Top-woordenlijst van AI-termen (kunstmatige intelligentie) samengesteld met hun definities:
- Algoritme: Een reeks instructies of regels die machines volgen om een probleem op te lossen of een taak uit te voeren.
- Kunstmatige intelligentie (AI): De simulatie van menselijke intelligentieprocessen door machines, met name computersystemen, om taken uit te voeren waarvoor doorgaans menselijke intelligentie nodig is, zoals visuele perceptie, spraakherkenning, besluitvorming en probleemoplossing.
- Machine learning (ML): Een subset van AI waarmee computersystemen kunnen leren en verbeteren van ervaringen zonder expliciet te worden geprogrammeerd. ML-algoritmen stellen machines in staat patronen te herkennen, voorspellingen te doen en hun prestaties in de loop van de tijd te verbeteren.
- Diep leren: Een specifiek deelgebied van machinaal leren dat gebruik maakt van neurale netwerken met meerdere lagen om gegevens hiërarchisch te verwerken en complexe kenmerken te extraheren. Het is vooral effectief bij taken als beeld- en spraakherkenning.
- Gefedereerd leren: Een aanpak waarbij meerdere apparaten of servers samenwerken om een model te trainen, terwijl de gegevens gedecentraliseerd en privé blijven, vaak gebruikt in scenario's zoals mobiele apparaten.
- Kwantumcomputers: Een baanbrekende benadering van berekeningen waarbij gebruik wordt gemaakt van kwantumbits (qubits) om bepaalde soorten berekeningen aanzienlijk sneller uit te voeren dan klassieke computers.
- Neuraal netwerk: Een computermodel geïnspireerd op de structuur en functie van het menselijk brein. Het bestaat uit onderling verbonden knooppunten (neuronen) die in lagen zijn georganiseerd om gegevens te verwerken en te transformeren.
- Neuro-evolutie: Een techniek die neurale netwerken combineert met evolutionaire algoritmen, die worden gebruikt om neurale netwerkarchitecturen of -parameters te ontwikkelen.
- Groot taalmodel (LLM): Een machinaal leermodel dat is getraind op grote hoeveelheden gegevens met behulp van begeleid leren om het volgende token in een bepaalde context te produceren om betekenisvolle, contextuele reacties op gebruikersinvoer te produceren. Groot verwijst naar het gebruik van uitgebreide parameters door taalmodellen. GPT-3 heeft bijvoorbeeld 175 miljard parameters, waardoor het een van de belangrijkste taalmodellen is die beschikbaar waren op het moment van creatie.
- Natuurlijke taalverwerking (NLP): Een deelgebied van NLP gericht op het genereren van voor mensen leesbare tekst, vaak gebruikt in toepassingen zoals het automatisch maken van inhoud.
- Computer visie: Het vakgebied van AI dat machines in staat stelt visuele informatie uit de wereld, zoals afbeeldingen en video’s, te interpreteren en te begrijpen.
- Versterking leren: Een vorm van machinaal leren waarbij een agent beslissingen leert nemen door interactie met een omgeving. Het ontvangt feedback in de vorm van beloningen of straffen, waardoor het zijn besluitvormingsvermogen kan verbeteren.
- Leren onder toezicht: Een type machine learning waarbij een model wordt getraind op gelabelde gegevens, wat betekent dat voor elke invoer de juiste uitvoer wordt geleverd. Het doel is dat het model leert informatie nauwkeurig in kaart te brengen in de juiste resultaten.
- Ongecontroleerd leren: Een type machine learning waarbij het model wordt getraind op niet-gelabelde gegevens en zonder specifieke begeleiding patronen of structuren in de gegevens moet vinden.
- Semi-begeleid leren: Een combinatie van begeleid en onbewaakt leren, waarbij een model wordt getraind op een mix van gelabelde en ongelabelde gegevens.
- Leren overdragen: Een techniek waarbij een vooraf getraind model wordt gebruikt als uitgangspunt voor een nieuwe taak, waardoor sneller en efficiënter kan worden getraind op beperkte gegevens.
- Kennisgrafiek: Een gestructureerde representatie van kennis die entiteiten, hun attributen en relaties vastlegt, waardoor het op geavanceerde wijze ophalen en redeneren van informatie mogelijk wordt.
- Convolutioneel Neuraal Netwerk (CNN): Een type neuraal netwerk dat is ontworpen voor het verwerken van rasterachtige gegevens, zoals afbeeldingen. CNN's zijn bijzonder effectief voor computervisietaken.
- Terugkerend neuraal netwerk (RNN): Een type neuraal netwerk dat zeer geschikt is voor sequentiële gegevens, zoals tekst of tijdreeksen. RNN's houden het geheugen van eerdere invoer bij om opeenvolgende informatie effectief te verwerken.
- Generatief vijandig netwerk (GAN): Een type neurale netwerkarchitectuur bestaande uit twee netwerken, een generator en een discriminator, die met elkaar concurreren om realistische gegevens te genereren, zoals afbeeldingen of audio.
- Vooroordelen in AI: Verwijst naar de aanwezigheid van oneerlijke of discriminerende uitkomsten in AI-systemen, vaak als gevolg van bevooroordeelde trainingsgegevens of ontwerpbeslissingen.
- Ethiek in AI: Het in acht nemen van morele principes en richtlijnen bij het ontwikkelen en inzetten van AI-systemen om ervoor te zorgen dat ze op verantwoorde wijze worden gebruikt en geen schade toebrengen aan individuen of de samenleving.
- Uitlegbare AI (XAI): Het concept van het ontwerpen van AI-systemen die transparante verklaringen kunnen bieden voor hun beslissingen, waardoor mensen de redenering achter door AI gegenereerde resultaten kunnen begrijpen.
- Rand-AI: De inzet van AI-algoritmen rechtstreeks op edge-apparaten (bijvoorbeeld smartphones, IoT-apparaten) in plaats van te vertrouwen op cloudgebaseerde verwerking, waardoor snellere en meer privacybewuste AI-toepassingen mogelijk zijn.
- Grote gegevens: Datasets die te groot of complex worden geacht om met traditionele methoden te worden verwerkt. Het omvat het analyseren van enorme hoeveelheden informatie om waardevolle inzichten en patronen te verzamelen die de besluitvorming verbeteren.
- Internet der dingen (IoT): Een netwerk van onderling verbonden apparaten uitgerust met sensoren en software waarmee ze gegevens kunnen verzamelen en uitwisselen.
- AIaaS (AI als een service): Het aanbieden van AI-tools en -diensten via de cloud, waardoor bedrijven en ontwikkelaars toegang krijgen tot AI-mogelijkheden en deze kunnen gebruiken zonder de onderliggende infrastructuur te beheren.
- chatbot: Een computerprogramma dat NLP en AI gebruikt om mensachtige gesprekken met gebruikers te simuleren, meestal ingezet in klantenondersteuning, virtuele assistenten en berichtentoepassingen.
- Cognitieve computers: Een subset van AI die tot doel heeft menselijke cognitieve vaardigheden na te bootsen, zoals leren, taal begrijpen, redeneren en probleemoplossing.
- AI-model: Een wiskundige weergave van een AI-systeem, geleerd uit gegevens tijdens het trainingsproces, dat voorspellingen of beslissingen kan maken wanneer het nieuwe input krijgt.
- Gegevenslabeling: Het proces waarbij gegevens handmatig worden geannoteerd om de juiste uitvoer voor begeleide machine learning-taken aan te geven.
- Mitigatie van bias: Technieken en strategieën die worden gebruikt om vooroordelen in AI-systemen te verminderen of te elimineren, waardoor eerlijkheid en rechtvaardige resultaten worden gegarandeerd.
- Hyperparameter: Parameters die door de gebruiker zijn ingesteld om het gedrag en de prestaties van machine learning-algoritmen te controleren, zoals leersnelheid, aantal verborgen lagen of batchgrootte.
- Overfitting: Een toestand bij machinaal leren waarbij een model uitzonderlijk goed presteert op basis van de trainingsgegevens, maar er niet in slaagt te generaliseren naar nieuwe, onzichtbare gegevens vanwege het onthouden van de trainingsset in plaats van het leren van patronen.
- ondermaat: Een toestand bij machinaal leren waarbij een model er niet in slaagt de patronen in de trainingsgegevens vast te leggen en slecht presteert op zowel de trainingsgegevens als nieuwe, onzichtbare gegevens.
- Onregelmatigheidsdetectie: Het proces van het identificeren van patronen in gegevens die niet voldoen aan het verwachte gedrag, vaak gebruikt bij fraudedetectie en cyberbeveiliging.
- Ensemble leren: Een techniek waarbij meerdere modellen worden gecombineerd om een definitieve voorspelling te doen, wat vaak resulteert in betere algehele prestaties dan het gebruik van individuele modellen.
- TensorFlow: Een open-source machine learning-bibliotheek ontwikkeld door Google die een raamwerk biedt voor het bouwen en trainen van verschillende soorten neurale netwerken.
- Py Torch: Een open-source machine learning-bibliotheek ontwikkeld door Facebook die vooral populair is voor deep learning- en onderzoeksdoeleinden.
- Versterkende leeragent: De lerende entiteit in een versterkend leersysteem dat interageert met de omgeving, beloningen ontvangt en beslissingen neemt om de cumulatieve beloningen te maximaliseren.
- GPT (generatieve vooraf getrainde transformator): Een familie van grootschalige taalmodellen die bekend staan om hun vermogen om mensachtige tekst te genereren. GPT-3 is een van de bekendste versies, ontwikkeld door OpenAI.
- Turing-test: Een door Alan Turing voorgestelde test om te bepalen of een machine intelligent gedrag kan vertonen dat niet te onderscheiden is van dat van een mens.
- singulariteit: Een hypothetisch punt in de toekomst waarop AI en machine-intelligentie de menselijke intelligentie zullen overstijgen, wat zal leiden tot radicale veranderingen in de samenleving en de technologie.
- Zwerm intelligentie: Een AI-aanpak geïnspireerd door het collectieve gedrag van sociale organismen, zoals mieren of bijen, waarbij individuele agenten samenwerken om complexe problemen op te lossen.
- Robotica: De tak van AI en engineering die zich richt op het ontwerpen, bouwen en programmeren van robots die taken autonoom of semi-autonoom kunnen uitvoeren.
- Autonome voertuigen: Zelfrijdende auto's en voertuigen die AI, computervisie en sensoren gebruiken om te navigeren en te werken zonder menselijke tussenkomst.
- Gezichtsherkenning: De AI-gestuurde technologie die wordt gebruikt om individuen te identificeren en te verifiëren op basis van hun gelaatstrekken.
- Sentiment analyse: Het proces waarbij NLP-technieken worden gebruikt om het sentiment of de emotie te bepalen die in een stuk tekst wordt uitgedrukt, vaak gebruikt bij het monitoren van sociale media en het analyseren van klantfeedback.
- Zero-Shot-leren: Een type ML waarbij een model een taak kan uitvoeren zonder tijdens de training voorbeelden van die taak te hebben gezien, met behulp van algemene kennis.
- Leren in één keer: Een variant van ML waarbij een model wordt getraind met slechts één of enkele voorbeelden per klasse, met als doel te leren van beperkte gegevens.
- Zelfgestuurd leren: Een leeraanpak waarbij het model zijn eigen toezichtsignaal genereert uit de invoergegevens, vaak gebruikt om modellen vooraf te trainen op enorme ongelabelde datasets.
- Tijdreeksanalyse: Technieken voor het analyseren en voorspellen van gegevenspunten die met regelmatige tussenpozen in de loop van de tijd zijn verzameld, cruciaal op gebieden als financiën en milieuwetenschappen.
- vijandige aanvallen: Technieken waarbij kwaadwillige invoer is ontworpen om AI-modellen te misleiden, vaak gebruikt om de robuustheid van modellen te testen op uitdagingen uit de echte wereld.
- Gegevensvergroting: Een methode die wordt gebruikt om de diversiteit van trainingsgegevens te vergroten door verschillende transformaties toe te passen, zoals rotaties, vertalingen en schaling.
- Bayesiaanse netwerken: Grafische modellen die probabilistische relaties tussen een reeks variabelen weergeven, gebruikt voor redeneren onder onzekerheid.
- Hyperparameterafstemming: Het proces van het vinden van de optimale waarden voor hyperparameters om de beste modelprestaties te bereiken.
Neem contact op met StorageReview
Nieuwsbrief | YouTube | Podcast iTunes/Spotify | Instagram | Twitter | TikTok | RSS Feed
