Naar inhoud
BetaAI Begrippen

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

Uitlegbare AI

Engels: Explainable AI · Ook wel: XAI, explainable artificial intelligence

In het kort

Explainable AI, ook uitlegbare AI genoemd, is een verzameling methoden en systemen die AI-modellen doorzichtig maakt. Anders dan een gewoon model, dat alleen een uitkomst geeft, laat uitlegbare AI zien op welke gronden een actie, beslissing of voorspelling rust. Bij een kredietaanvraag kan zo'n model de gebruiker een begrijpelijke toelichting geven bij de goedkeuring of de afwijzing van de aanvraag.

Waarom is dit belangrijk?

Zonder inzicht in de reden achter een uitkomst is het lastig om een foute of eenzijdige AI-beslissing op tijd te herkennen en bij te sturen. In de zorg gebruiken artsen uitlegbare AI om te controleren waarom een systeem op een scan een diagnose stelt. Voor patiënten en zorgverleners maakt dat zorgvuldige keuzes mogelijk, al blijft het zonder voldoende inzicht lastig om een advies goed te controleren.

Zo werkt het in de praktijk

In de financiële sector komt uitlegbare AI voor bij fraudeopsporing en marktvoorspellingen. Studies gebruiken daar vooral SHAP en LIME, methoden die tonen welke invoer de uitkomst stuurt. Het programma XAI van de Amerikaanse organisatie DARPA wil doorzichtige modellen maken die een mens kan volgen.

Onderzoekers testen waar een taalmodel een feit bewaart, door delen van het model te verstoren. Eén studie wijst de middelste lagen aan. Later werk ziet die kennis verspreid over het model.

De norm ISO/IEC TR 29119-11 legt uitlegbaarheid uit als begrip van een uitkomst. Die norm geeft richtlijnen voor het testen van AI-systemen. De Europese privacywet AVG geeft mensen een recht op uitleg bij een geautomatiseerde beslissing.

Gecontroleerd op 23 oktober 2026