Naar inhoud
BetaAI Begrippen

AI-begrippen in gewone taal. Zoek een begrip, blader op letter of filter op onderwerp.

AI Begrippen en TrefwoordenAI Trefwoorden

AI-begrippen in gewone taal. Zoek een begrip, blader op letter of filter op onderwerp.

718 resultaten
Neurale netwerken
Kunstmatige neuronen
Artificial neurons
Een kunstmatig neuron is een rekeneenheid in een neuraal netwerk die informatie verwerkt en doorgeeft. Anders dan een vast programma weegt het elke binnenkomende waarde, telt die gewogen getallen op en zet de som met een formule om in één resultaat. Dat resultaat gaat naar de volgende neuronen, zodat het netwerk patronen herkent, zoals of een foto een kat toont.
Kennis en redeneren
Kunsttaal
Constructed language
Een kunsttaal, ook wel geconstrueerde taal genoemd, is een taal waarvan klanken, grammatica en woordenschat bewust zijn bedacht. Een natuurlijke taal ontstaat geleidelijk doordat een gemeenschap haar gebruikt, terwijl een kunsttaal van tevoren een vast klanksysteem, regels en een woordenlijst krijgt. Esperanto is een bekend voorbeeld: de maker ontwierp die taal als neutrale hulp bij contact tussen sprekers van verschillende moedertalen.
Kennis en redeneren
Kwalificatieprobleem
Qualification problem
Het kwalificatieprobleem is een vraagstuk in de filosofie en in kennissystemen van kunstmatige intelligentie. Een kennissysteem legt alleen bekende voorwaarden vast en kan niet elke onverwachte hindernis voorzien die een handeling in de echte wereld tegenhoudt. Het hangt sterk samen met het frame-probleem, maar behandelt onverwachte hindernissen die het resultaat verhinderen, zoals een auto die niet start door een verstopte uitlaat.
Kennis en redeneren
Kwantor
Quantifier
Een kwantor is een teken in de logica dat aangeeft hoeveel gevallen een eigenschap delen. Anders dan een los voorbeeld legt een kwantor vast of die eigenschap voor alle gevallen geldt, of dat er minstens één geval bestaat. Zo toont men in de rekenkunde dat de natuurlijke getallen oneindig doorgaan: voor elk getal n bestaat een getal dat precies één groter is.
Data
Labelen van data
Data labeling
Datalabelen is een methode die ruwe data van de juiste aanduidingen voorziet, zodat een AI-model van voorbeelden leert. Mensen of programma's geven elke foto, elke tekst of elk geluidsfragment een label dat aangeeft welke categorie of betekenis daarbij hoort. Zonder die labels ziet het model alleen losse gegevens en kan het nieuwe foto's, zoals een vogel of een paard, niet goed herkennen.
Machine learning
Latente ruimte
Latent Space
Latente ruimte is een interne, compacte en abstracte voorstelling van complexe gegevens, zoals digitale beelden, tekst of geluid. Een leermodel zet invoer met heel veel losse details om in een kleinere wiskundige ruimte en bewaart alleen de belangrijkste kenmerken en patronen. Daarom combineren beeldgeneratoren nabijgelegen punten in die ruimte en maken nieuwe afbeeldingen die de patronen uit eerdere voorbeelden volgen.
Infrastructuur
Latentie
Latency
Latentie is de tijd die een AI-model nodig heeft om een prompt te verwerken en een antwoord te maken. Die tijd telt twee momenten: hoe snel het eerste tekstdeel verschijnt, en hoe lang het duurt tot het laatste tekstdeel klaar is. Bij een chatbot met een lopend antwoord zien gebruikers eerst het begin van de tekst, terwijl de totale latentie pas stopt bij het laatste tekstdeel.
Machine learning
Lazy learning
Lazy learning
Lazy learning is een methode in machine learning die pas bij een vraag algemene regels afleidt. Anders dan bij eager learning bouwt het systeem niet vooraf een algemeen model, maar bewaart alle trainingsvoorbeelden tot de vraag komt. Pas dan trekt het een conclusie uit die voorbeelden en beoordeelt het een nieuwe situatie met de gegevens die op dat moment beschikbaar zijn.
Machine learning
Leerproces
Machinaal leren (machine learning) is een methode waarbij een AI-model patronen leert uit gegevens. Tijdens de training bekijkt het model veel voorbeelden en stelt het zijn eigen instellingen stap voor stap bij, in plaats van vaste regels te volgen die een programmeur vooraf heeft opgeschreven. Met die patronen beoordeelt het model later nieuwe, onbekende gegevens en geeft het daarover een voorspelling of een indeling.