Begrippen die beginnen met E (25)
Alle AI-termen die beginnen met de letter E, in gewone taal.
Neurale netwerken
Encoder
Encoder
Een encoder is het onderdeel van een neuraal netwerk dat de invoer omzet in een interne voorstelling. De encoder zet tekst, beeld of geluid om in een reeks getallen die de belangrijkste kenmerken van die invoer vasthoudt. Bij automatische vertaling geeft het model die getallenreeks daarna door, zodat een volgend onderdeel er een zin in een andere taal van maakt.
Machine learning
Ensemble learning
Ensemble learning
Ensemble learning is een methode in machine learning die meerdere algoritmen tot één model bundelt. Elk algoritme leert apart van gegevens en geeft een eigen voorspelling, waarna bijvoorbeeld een meerderheid van stemmen of een gemiddelde die uitkomsten tot één resultaat samenvoegt. Het doel is een betere voorspelling dan elk algoritme apart levert, zoals een random forest dat veel beslisbomen combineert om een categorie of waarde te schatten.
Machine learning
Ensemble methods
Ensemble Methods
Ensemblemethoden zijn technieken in machine learning die meerdere modellen combineren tot één gezamenlijke voorspelling. In plaats van één enkel model te gebruiken, zetten deze technieken meerdere modellen in die vaak zwakke leerders heten en voegen hun voorspellingen samen. De gezamenlijke voorspelling is daardoor nauwkeuriger en stabieler dan de uitkomst van een afzonderlijk model alleen, bijvoorbeeld wanneer een e-mailfilter spam in berichten herkent.
Machine learning
Epoch
Epoch
Een epoch is bij machine learning één ronde waarin een model de hele trainingsset één keer doorloopt. Een gewoon programma volgt vaste regels, terwijl een neuraal netwerk bij elke epoch zijn instellingen aanpast op basis van alle trainingsvoorbeelden. Kleine modellen trainen doorgaans zoveel epochs als nodig is om het best te presteren op een validatieset, een aparte set om de kwaliteit te meten, terwijl de grootste modellen soms maar één epoch trainen.
Machine learning
Error-driven learning
Error-driven learning
Error-driven learning is een leermethode binnen machine learning voor een systeem dat in een omgeving handelt. Het systeem kiest zelf acties en stuurt die bij met een foutsignaal uit de omgeving, zodat die fout steeds kleiner wordt. Dit is een vorm van reinforcement learning, omdat het systeem leert van terugkoppeling uit de omgeving en niet van een vaste reeks regels.
Ethiek en regelgeving
Ethiek van kunstmatige intelligentie
Ethics of artificial intelligence
De ethiek van kunstmatige intelligentie is het deel van de ethiek van technologie dat over AI-systemen gaat. Het vak onderzoekt hoe mensen AI-systemen ontwerpen en gebruiken, met aandacht voor eerlijkheid, uitlegbaarheid, privacy en verantwoordelijkheid, omdat die systemen zelf patronen leren in plaats van vaste regels. Een zorginstelling kan zo vooraf toetsen of een programma voor medische diagnoses bepaalde groepen patiënten benadeelt door eenzijdige trainingsgegevens.
Ethiek en regelgeving
Ethische AI
Ethical AI
Ethische AI is een werkwijze waarbij AI-systemen morele beginselen, maatschappelijke normen en geldende wetten volgen. Gewone software volgt vooral vaste regels; ethische AI toetst daarnaast vooroordelen in de gegevens, de privacy van personen, de openheid van keuzes en wie aansprakelijk is. Een ziekenhuis beschrijft dan waarom een systeem een behandeling voorstelt en wijst de arts aan die dat voorstel vooraf controleert.
Ethiek en regelgeving
EU AI Act
EU AI Act
De AI-verordening is een Europese wet die regels stelt voor het ontwikkelen en gebruiken van kunstmatige intelligentie. De regels hangen af van het risico: ontoelaatbare toepassingen zijn verboden, en systemen met een hoog risico moeten aan extra eisen voldoen. Zo gelden er extra eisen voor AI bij sollicitaties of in de financiële dienstverlening, en gelden die eisen niet voor toepassingen met weinig risico.
Data
Eval framework
Eval framework
Een evaluatiekader is een herhaalbare set testvragen samen met een vaste methode om de antwoorden te scoren. Teams laten een AI-systeem de vragen beantwoorden en geven elk antwoord een score volgens regels die bij elke meting gelijk blijven. Zo is de kwaliteit van het systeem vóór en na een wijziging te vergelijken, bijvoorbeeld aan de hand van een paar honderd representatieve vragen.




