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
Machine learning
Lineaire regressie
Linear regression
Lineaire regressie is een eenvoudige statistische methode die een patroon in data met een rechte lijn beschrijft. Het model legt de best passende rechte lijn door de bekende meetpunten en schat daarmee nieuwe uitkomsten, zonder een vaste rekenregel per situatie. Een winkel schat zo de verwachte omzet uit het aantal bezoekers, ook wanneer die combinatie nog niet eerder is gemeten.
Infrastructuur
Lisp (programmeertaal) (LISP)
Lisp (programming language) (LISP)
Lisp is een familie van programmeertalen die lijsten met symbolen verwerkt. Anders dan veel programmeertalen schrijft Lisp een opdracht als een lijst tussen haakjes, met de functie vooraan en de invoer erachter, en zijn code en gegevens dezelfde soort lijst. Onderzoekers gebruikten Lisp daarom lange tijd als programmeertaal voor kunstmatige intelligentie, bijvoorbeeld om symbolen en regels door een computer te laten verwerken.
Taalmodellen
LLM SEO
LLM SEO
LLM SEO is een methode om inhoud zichtbaar te maken in antwoorden van taalmodellen zoals ChatGPT. Anders dan gewone zoekmachineoptimalisatie, die een pagina hoog in een lijst met links plaatst, richt deze methode zich op hoe zulke modellen een bron kiezen en de tekst samenvatten. Omdat die systemen snel veranderen, is er geen vaste lijst met stappen: makers tonen deskundigheid, geven controleerbaar bewijs en zetten informatie in duidelijke stukken die een model kan hergebruiken.
Taalmodellen
LLM-as-a-judge
LLM-as-a-judge
LLM-as-a-judge is een methode waarbij een sterk taalmodel het resultaat van een ander AI-systeem beoordeelt en een score geeft. Dat taalmodel leest de vraag, het antwoord en de criteria, en beoordeelt de betekenis in plaats van alleen woorden te tellen. Zo controleren ontwikkelaars veel open antwoorden zonder elk antwoord met de hand te lezen, bijvoorbeeld of een samenvatting klopt met de brontekst.
Taalmodellen
LLMO (Large Language Model Optimization)
LLMO (Large Language Model Optimization)
LLMO is een methode om teksten en merkgegevens zo in te richten dat een taalmodel het merk juist begrijpt. Dit verschilt van zoekmachineoptimalisatie, want een taalmodel (de techniek achter chatbots) moet het merk vertrouwen en juist noemen in zijn antwoord. Zo kan een chatbot een bedrijf met de juiste naam en feiten noemen als een gebruiker om advies over een product vraagt.
Infrastructuur
LLMOps
LLMOps
LLMOps is een vaste werkwijze om chatbots en andere toepassingen met grote taalmodellen in productie te beheren. Teams beheren prompts, testen de kwaliteit van antwoorden en volgen na publicatie snelheid, fouten en kosten, omdat een taalmodel niet altijd hetzelfde antwoord geeft. Zo houdt een organisatie een klantenservicechatbot betrouwbaar en betaalbaar, ook nadat teams een prompt of het model hebben vervangen.
Taalmodellen
Llms.txt
Llms.txt
llms.txt is een tekstbestand in de hoofdmap van een website, vergelijkbaar met robots.txt. Het bestand biedt AI-systemen een korte achtergrond, aanwijzingen en links naar de belangrijkste pagina's, in een vaste tekstvorm die een taalmodel direct kan lezen, anders dan een sitemap die elk adres van de site opsomt. Een chatbot die een vraag over een organisatie beantwoordt, kan zo de kernpagina's kiezen en het antwoord op die inhoud baseren.
Kennis en redeneren
Logisch programmeren
Logic programming
Logisch programmeren is een programmeerwijze die kennis als logische zinnen vastlegt. Een programma bestaat uit feiten en regels over een onderwerp, en de computer leidt daaruit zelf conclusies af, in plaats van een door de maker voorgeschreven reeks stappen te volgen. In talen zoals Prolog beantwoordt de computer vragen uit die kennis, bijvoorbeeld wie in een stamboom de grootouder van een persoon is.
Machine learning
Logistische regressie
Logistic regression
Een probabilistisch classificatiemodel berekent voor elke categorie de kans dat een nieuwe invoer daarbij hoort. Een gewoon model noemt vaak alleen het meest waarschijnlijke label, terwijl dit model alle kansen apart toont en die samen tot honderd procent optellen. Gebruikers kunnen daarna zelf een grens kiezen, bijvoorbeeld een spamfilter dat een bericht pas als spam markeert bij een hoge kans.