Naar inhoud
BetaAI Begrippen

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

Feedback-loop

Engels: Feedback loop · Ook wel: feedback loop, feedbacklus, terugkoppelingslus

In het kort

Een feedbacklus is een herhalend proces waarbij de output van een AI-systeem dient om dat systeem te verbeteren. Anders dan bij vaste programmaregels krijgt de output een beoordeling, zoals een correctie of een score, en die beoordeling stuurt latere antwoorden bij. Een aanbevelingssysteem gebruikt zo welke voorstellen gebruikers accepteren of afwijzen, en kiest de volgende voorstellen op basis van die signalen.

Waarom is dit belangrijk?

Na ingebruikname kan een AI-systeem via een feedbacklus blijven leren van nieuwe uitkomsten, zodat het systeem zich aanpast aan nieuwe situaties. In de zorg beïnvloeden voorspellingen het handelen van artsen, en de nieuwe patiëntgegevens worden daarna gebruikt om het model bij te werken. Patiënten en zorgverleners krijgen adviezen die aansluiten op de actuele praktijk, maar bij volledige opvolging van foute voorspellingen kan het aandeel onjuiste conclusies stijgen.

Zo werkt het in de praktijk

OpenAI zette een feedbacklus in bij de training van InstructGPT en ChatGPT. DeepMind gebruikte dezelfde aanpak voor de gespreksassistent Sparrow. De lus zit ook in tekst-naar-beeldmodellen en in bots voor computerspellen.

Onderzoek van OpenAI en DeepMind uit 2017 testte een feedbacklus buiten tekst. Agenten leerden Atari-spellen en nagebootste robotbewegingen. Mensen kozen welk gedrag er beter uitzag, zonder de puntenscore van het spel.

MLOps is een werkwijze om modellen na oplevering te bewaken en bij te werken. In het AWS Well-Architected Framework hoort de feedbacklus bij elke fase van die cyclus. Teams meten dalende prestaties, trainen opnieuw en laten mensen twijfelgevallen nakijken met Amazon A2I.

Bron: dewereldvanai.nl

Gecontroleerd op 5 november 2026