Taalmodellen (79)
Alle AI-termen binnen Taalmodellen, in gewone taal.
Taalmodellen
Contextvenster
Context Window
Het contextvenster is de maximale hoeveelheid invoer, zoals tekst, die een AI-systeem tijdens één taak tegelijk kan verwerken. Het systeem baseert zijn antwoord alleen op wat in dat venster staat, anders dan gewone software die alle opgeslagen bestanden kan blijven openen. Wordt een gesprek of document langer dan het venster, dan valt de oudste tekst weg en kan een chatbot eerdere vragen niet meer meenemen in het antwoord.
Taalmodellen
Dialoogsysteem
Dialogue system
Een dialoogsysteem (ook wel gespreksagent) is een computersysteem dat met een mens een samenhangend gesprek in beurten voert. Anders dan een menu met vaste keuzes onthoudt het eerdere beurten en gebruikt het tekst, spraak, beeld, aanraking of gebaren voor invoer en uitvoer. Zo beantwoordt een klantenservicechat of een spraakassistent vragen van gebruikers en rondt het een taak af in gewone taal.
Taalmodellen
Few-shot prompting
Multishot Prompting (Few-Shot Prompting)
Multishot prompting (few-shot prompting) is een methode waarbij een prompt meerdere uitgewerkte voorbeelden bevat. Die voorbeelden, meestal een invoer met het gewenste antwoord, sturen een taalmodel naar een vaste vorm van het antwoord, anders dan one-shot prompting met één voorbeeld of een zero-shot prompt zonder voorbeeld. Goed gekozen voorbeelden verbeteren het resultaat, maar meer is niet vanzelf beter: irrelevante, onevenwichtige of slecht geordende voorbeelden kunnen het resultaat verslechteren.
Taalmodellen
Geautomatiseerde interne links
Automated Internal Linking
Geautomatiseerd intern linken is een methode waarbij AI-hulpmiddelen zelf links tussen pagina's van een website voorstellen of plaatsen. Die software leest de inhoud van alle pagina's en kiest relevante interne links, zonder dat iemand elke verbinding met de hand plaatst. Een nieuwswebsite koppelt zo een artikel automatisch aan een ouder bericht over hetzelfde onderwerp, zodat lezers die pagina ook bereiken.
Taalmodellen
Generative Pre-Trained Transformer
Generative Pre-Trained Transformer
Een generatieve vooraf getrainde transformator (GPT) is een groot taalmodel dat tekst maakt op basis van een prompt. Anders dan software met vaste regels leert het model eerst patronen in grote hoeveelheden tekst en voorspelt het daarna steeds het meest waarschijnlijke volgende woord. Chatbots zoals ChatGPT gebruiken zo'n model om een prompt te beantwoorden, een tekst te schrijven of een gesprek te voeren.
Taalmodellen
Generative Pretrained Transformer (GPT)
Generative Pretrained Transformer (GPT)
Een Generative Pretrained Transformer (GPT) is een familie van grote taalmodellen op basis van transformers die OpenAI als eerste ontwikkelde. In plaats van vaste regels traint het model vooraf op grote hoeveelheden tekst, leert daar patronen en voorspelt steeds het volgende woord. Chatbots zoals ChatGPT gebruiken dit model om vragen te beantwoorden, teksten samen te vatten en nieuwe tekst te schrijven.
Taalmodellen
GEO (Generative Engine Optimization)
GEO (Generative Engine Optimization)
Generative engine optimization (GEO) is een vorm van zoekmachineoptimalisatie voor teksten en de online aanwezigheid in AI-antwoorden. De aanpak overlapt met gewone zoekmachineoptimalisatie, maar makers richten zich vooral op selectie als bron en een juiste aanhaling in het AI-antwoord. Dat vraagt een heldere tekststructuur, controleerbare feiten, korte passages en herkenbare signalen die tonen welke organisatie of welk onderwerp de tekst behandelt.
Taalmodellen
GraphRAG
GraphRAG
GraphRAG is een vorm van RAG (eerst zoeken, dan antwoorden) met een kennisgraaf als kennisbank. Het systeem haalt uit die graaf verbonden eenheden op, zoals personen en organisaties, en ook de relaties die daartussen in de tekst bestaan. Een taalmodel, de techniek achter chatbots, gebruikt die verbanden om vragen over documenten te beantwoorden, bijvoorbeeld hoe twee organisaties via dezelfde persoon samenhangen.
Taalmodellen
Groot AI-model
Large Models
Grote modellen zijn grootschalige systemen voor machine learning met miljarden of biljoenen parameters. Tijdens de training passen ze die parameters aan op basis van grote en uiteenlopende gegevens, zodat ze zelf patronen leren in plaats van vaste programmaregels te volgen. Daardoor kunnen modellen op basis van transformers, zoals GPT en BERT, tekst schrijven, samenvatten of de betekenis van zinnen herkennen.




