AI Begrippen en TrefwoordenAI Trefwoorden
AI-begrippen in gewone taal. Zoek een begrip, blader op letter of filter op onderwerp.
Basisbegrippen
Opensourcemodel
Open-Source Model
Een opensource model is een AI-model waarvan de code, de gewichten (geleerde getallen) en de ontwikkeltools openbaar zijn. Bij gewone software is vaak alleen het programma te gebruiken, terwijl anderen dit model kunnen downloaden, draaien, de opbouw controleren, nabouwen en verbeteren. Daarbij horen de trainingsdata zelf of een gedetailleerd en controleerbaar verslag daarvan, zodat een onderzoeksgroep het model lokaal aan een eigen taak kan aanpassen.
Infrastructuur
Opensourcesoftware (OSS)
Open-source software (OSS)
Opensourcesoftware is programmatuur waarbij de auteursrechthouder de broncode, de leesbare tekst van het programma, via een licentie vrijgeeft. Anders dan bij gesloten software mogen gebruikers die tekst voor elk doel bestuderen, wijzigen en aan iedereen verspreiden. Vaak werken programmeurs, bedrijven en overheden daarbij samen in het openbaar en delen zij hun aanpassingen, zodat anderen de software kunnen hergebruiken en verder verbeteren.
Ethiek en regelgeving
Operator
Operator
Een exploitant (operator) is een persoon of organisatie met een wettelijke rol rond een AI-systeem. De Europese AI-verordening rekent tot de exploitanten de aanbieder, de productfabrikant, de gebruiksverantwoordelijke, de gemachtigde, de importeur en de distributeur. Een bedrijf dat zo'n systeem bouwt en op de markt brengt, heeft onder die wet andere plichten dan een ziekenhuis dat hetzelfde systeem beroepsmatig inzet.
Machine learning
Optimalisatie
Optimization
Optimalisatie is een methode in machine learning die de interne instellingen van een model aanpast aan een gekozen doel. Anders dan software met vaste regels zoekt een algoritme, zoals gradiëntafdaling, in vele kleine stappen naar instellingen die de voorspelfout verkleinen of de nauwkeurigheid verhogen. Zo maakt een spamfilter na de training minder fouten en laat hij gewone berichten vaker door.
Machine learning
Optimalisatiealgoritme
Optimization Algorithm
Een optimalisatiealgoritme is een methode die een model voor machine learning verbetert. Het vergelijkt elke voorspelling met het juiste antwoord en past daarna de interne instellingen stap voor stap aan, terwijl gewone software vaste regels van een programmeur volgt. Zo herkent een spamfilter na de training beter welke berichten ongewenst zijn, en sorteert een fotodienst gezichten vaker in het juiste album.
Machine learning
Overfitting
Overfitting
Overfitting is bij machine learning het te precies onthouden van trainingsgegevens door een model. In plaats van alleen de algemene trend te leren, onthoudt het model ook fouten en toevallige details uit de oefenset en behandelt die alsof ze altijd gelden. Een model dat huisprijzen schat, raakt de prijzen van de oefenhuizen daardoor precies en zit bij nieuwe huizen ver naast de echte verkoopprijs.
Ethiek en regelgeving
Overmatig vertrouwen
Overreliance
Overmatig vertrouwen is een patroon waarbij mensen een AI-systeem meer gezag geven dan de betrouwbaarheid of de gevolgen rechtvaardigen. Anders dan bij software met vaste regels volgen gebruikers een AI-advies door automatiseringsbias (een machine eerder geloven), weinig hulp bij controle, tijdsdruk of misplaatst vertrouwen. Een personeelsmedewerker kan daardoor een afwijzing van een sollicitant overnemen zonder het cv zelf te lezen, terwijl die beslissing veel gevolgen heeft.
Machine learning
Parameter
Parameter
Een parameter is een interne waarde in een model voor machine learning. Tijdens de training leert het model deze waarde uit voorbeelden en past de waarde steeds aan, anders dan bij software met vaste regels van een programmeur. Die waarden bepalen samen hoe het model een invoer omzet in een uitkomst, zoals een dier op een foto of het volgende woord in een zin.
Ethiek en regelgeving
Participatory AI auditing
Participatory AI auditing
Gebruikerscontrole van AI is een methode waarbij mensen een systeem op fouten en bias controleren. Gebruikers met verschillende achtergronden testen het systeem zelf in echte situaties en melden fouten of een vaste vertekening die een standaardtest van de bouwer mist. Zo komt eerder aan het licht dat een chatbot dezelfde vraag voor de ene groep anders beantwoordt dan voor de andere.




