Wat is Artificial Intelligence?
Artificial Intelligence (AI) of kunstmatige intelligentie is een van de meest transformerende technologieën van deze tijd. Maar wat is Artificial Intelligence precies? En hoe verschilt traditionele AI van generatieve AI? In dit artikel geven we een duidelijke definitie van AI. Ook leggen we uit wat termen als Machine Learning (ML), Deep Learning (DL), Large Language Models (LLM's) en Natural Language Processing (NLP) betekenen.
Definitie AI: Wat is Artificial Intelligence?
De term artificial intelligence (kunstmatige intelligentie) verwijst naar systemen die menselijke cognitieve functies nabootsen, zoals leren, redeneren, plannen en creativiteit. AI is een paraplubegrip voor verschillende soorten technieken gebaseerd op algoritmes en modellen. Er zijn veel verschillende definities van AI in omloop en dat kan verwarrend zijn.
Korte definitie van AI
AI is een verzamelnaam voor algoritmes en methoden die taken uitvoeren waarvan werd gedacht dat daar menselijke intelligentie voor nodig is.
Definitie van AI in populair taalgebruik
Wanneer iemand het tegenwoordig heeft over AI dan wordt vaak een generatief AI-systeem bedoelt. ChatGPT, Claude, Copilot en DeepSeek zijn voorbeelden van generatieve AI-systemen. Omdat generatieve AI-systemen nieuw zijn en veel aandacht krijgen in het nieuws, is het niet gek dat veel mensen denken dat de term AI vooral slaat op dit soort systemen. Dit is niet correct, want er zijn nog veel meer soorten AI-systemen. We geven later in dit artikel meer uitleg over de verschillende soorten AI-systemen.
Definitie van AI volgens de Europese AI Act
De AI Act (Regulation (EU) 2024/1689) definieert AI als een software-gestuurd systeem dat inferenties maakt op basis van inputdata en verschillende outputs kan genereren (zoals voorspellingen, aanbevelingen of beslissingen). De AI Act benadrukt dat AI-systemen autonome beslissingen kunnen nemen, maar altijd binnen ethische en juridische kaders moeten opereren.
Omdat deze definitie nog niet veel duidelijkheid geeft over wat wél en wat niet een AI-systeem is, heeft de Europese Commissie richtsnoeren gepubliceerd over de definitie van artificial intelligence. Volgens deze richtlijnen is een AI-systeem een systeem dat:
Machine-gebaseerd is.
AI systemen zijn ontwikkeld door machines en hebben machines nodig om te werken. Ze draaien op hardware en software.
Ontworpen is om (deels) autonoom te opereren.
AI systemen kunnen in meer of mindere mate zonder menselijke actie opereren. Ze kunnen bijvoorbeeld op basis van menselijke input zelfstandig, zonder tussenkomst van een mens, output genereren.
Adaptief kan zijn.
Sommige AI-systemen hebben zelflerende capaciteiten, waardoor ze automatisch leren, nieuwe patronen of nieuwe relaties ontdekken en daardoor ander gedrag vertonen terwijl ze worden gebruikt.
Is ontwikkeld met een bepaald doel voor ogen, bijvoorbeeld 'het helpen van een afdeling van deze organisatie bij het uitvoeren van bepaalde taken'. Het doel van een AI-systeem kan expliciet of impliciet zijn.
Infererend is.
Een AI-systeem kan op basis van de input die het krijgt, afleiden (inference in het Engels), hoe het output moet genereren. Dit geldt voor de bouw-fase van een AI model. Een AI model wordt dus niet bedacht maar wordt afgeleid op basis van input(data). Hiervoor gebruik je AI technieken als machine learning of deep learning.
Output genereert.
Een AI-systeem genereert output in de vorm van voorspellingen, content, aanbevelingen of beslissingen:
- Voorspellingen zijn schattingen over een onbekende waarde.
- Content is nieuwe inhoud, zoals tekst, afbeeldingen, muziek, video en andere vormen van output. Deze vorm van output wordt gegenereerd door Generatieve AI-systemen.
- Aanbevelingen zijn suggesties voor acties, producten of diensten voor gebruikers op basis van hun voorkeuren, gedrag of andere input.
- Beslissingen zijn conclusies of keuzes gemaakt door het AI-systeem.
Met zijn output de fysieke of virtuele omgeving kan beïnvloeden.
AI-systemen zijn niet passief, maar beïnvloeden actief de omgeving waarin ze geïmplementeerd zijn.
Is het een AI-systeem of niet?
Zelfs met bovenstaande richtlijnen van de Europese Commissie kan het nog best lastig zijn om te bepalen of iets nu een AI-systeem is of niet.
Wat is wél een AI-systeem?
Dit zijn voorbeelden van technologieën die wel als AI worden gezien:
- Chatbots en spraakassistenten. Systemen zoals ChatGPT, Siri en Alexa genereren tekst of spraak op basis van eerdere interacties.
- Gezichtsherkenningstechnologie. Denk aan beveiligingssystemen die mensen identificeren door gezichtskenmerken te analyseren.
- Voorspellende AI in de zorg. Algoritmes die medische beelden analyseren en op basis van patronen diagnoses stellen.
- Risicoanalyse in de financiële sector. AI-modellen die kredietwaardigheid beoordelen door gebruik te maken van grote hoeveelheden data.
- Autonome voertuigen. Zelfrijdende auto's of drones die real-time beslissingen nemen op basis van hun omgeving.
Wat is géén AI-systeem?
Niet alles wat 'slim' of geautomatiseerd is, is Artificial Intelligence. Hier zijn voorbeelden van technologieën die buiten de definitie van AI vallen:
- Excel-formules en databases. Deze voeren alleen vaste berekeningen uit op basis van vooraf ingestelde regels.
- Eenvoudige beslisregels. Een webshop die een korting geeft op basis van een vaste regel (bijv. 10% korting bij een minimale besteding van €50).
- Handmatig geprogrammeerde software zonder inferentie. Een thermostaat die de temperatuur aanpast op basis van een vaste tijdsinstelling.
- Klassieke statistische modellen. Lineaire regressie en andere traditionele statistische methoden zonder adaptief of autonoom gedrag.
- Een zoekfunctie op een website. Als deze alleen op basis van vaste trefwoorden zoekt en geen op AI gebaseerde aanbevelingen doet.
Verschil tussen Traditionele en Generatieve AI
AI kan grofweg worden onderverdeeld in twee soorten: traditionele AI en generatieve AI.
Traditionele AI: herkennen en voorspellen van patronen
Traditionele AI-systemen zijn ontworpen om specifieke taken uit te voeren op basis van vooraf geprogrammeerde regels en algoritmes. Dit soort modellen zijn goed in het herkennen en voorspellen van patronen. Ze maken gebruik van algoritmes als beslisbomen, K-nearest neighbors, support vector machines en eenvoudige neurale netwerken.
Deze modellen worden bijvoorbeeld gebruikt voor:
- Klantsegmentatie
- Voorspellende analyses
- (medische) beeldherkenning
- Fraudedetectie
Traditionele AI-systemen zijn over het algemeen betrouwbaar, voorspelbaar en goed te controleren. Ze zijn niet flexibel of creatief, ze kunnen alleen voorspellen op basis van bestaande data en creëren geen nieuwe content.
Generatieve AI (GenAI): nieuwe, originele inhoud genereren
Generatieve AI gaat een stap verder. Deze AI-systemen kunnen nieuwe content genereren, zoals tekst, afbeeldingen, muziek en video’s. Deze modellen zijn gebouwd op basis van geavanceerde neurale netweken zoals GAN's en transformer architecturen (GPT, BERT). Bekende voorbeelden zijn ChatGPT (tekstgeneratie), DALL·E (beeldgeneratie) en Suno (genereert muziek).
Deze modellen kan je gebruiken voor:
- Genereren van productontwerpen en code
- Contentcreatie (tekst, beelden, audio)
- Personaliseren van klantinteractie
Generatieve AI-modellen zijn getraind op enorme datasets en kunnen volledig nieuwe content creëren, in plaats van alleen bestaande patronen te herkennen. Deze modellen zijn flexibel en creatief, maar ook moeilijk te controleren en te voorspellen. Generatieve AI kan leiden tot onjuiste en onverwachte uitkomsten, dit noemen we 'hallucineren'. Ook levert het gebruik van generatieve AI ethische vragen op, zoals bijvoorbeeld in het geval van deepfakes. Dat zijn door generatieve AI gegenereerde video's die heel echt lijken, maar dat niet zijn.
Belangrijke AI-begrippen uitgelegd
Binnen AI worden veel technische termen gebruikt. Hier zijn de belangrijkste begrippen die je moet kennen:
Machine Learning (ML)
Machine learning is een subset van AI. Machine learning betekent het ontwikkelen van algoritmes en statistische modellen. Met behulp van machine learning kunnen computers patronen in data herkennen en voorspellingen doen zonder expliciete instructie. Er zijn drie hoofdvormen van ML:
- Supervised Learning: het model leert van gelabelde data.
- Unsupervised Learning: het model ontdekt patronen in data zonder expliciete labels.
- Reinforcement Learning: het model leert door middel van beloningen en straf.
Deep Learning (DL)
Deep learning is een krachtige machine learning techniek die gebruikmaakt van neurale netwerken met meerdere lagen. Neurale netwerken zijn black box algoritmes die zijn geinspireerd op hoe ons menselijk brein werkt. Dit maakt complexe taken mogelijk zoals:
- Spraakherkenning (bijv. Siri, Google Assistant)
- Beeldherkenning (bijv. automatische objectdetectie in foto’s)
- Automatische vertaling (bijv. Google Translate)
Large Language Models (LLM)
Large Language Models zoals GPT-4, zijn generatieve AI-systemen die enorme hoeveelheden tekst kunnen begrijpen en genereren. Ze worden gebruikt in:
- Chatbots en virtuele assistenten
- Het maken van automatische samenvattingen
- Codegeneratie
Natural Language Processing (NLP)
NLP is een onderdeel van AI dat zich richt op ontwikkelen van machines die menselijke taal kunnen begrijpen, interpreteren en genereren. Dit vakgebied bestaat al sinds 1940, maar heeft de afgelopen 5 jaar (dankzij LLM's) een enorme vlucht genomen. NLP wordt gebruikt voor:
- Sentimentanalyse: Begrijpen of een tekst positief, negatief of neutraal is.
- Entiteitherkenning: Herkennen van namen, locaties en bedrijven in tekst.
- Taalmodellering: Voorspellen van woorden en zinnen in natuurlijke taal.
NLP is cruciaal voor zoekmachines, klantenservice en vertaalsoftware.
Wil je nog meer weten over hoe Artificial Intelligence werkt, en wat mogelijke toepassingen zijn voor jouw bedrijf?
Lees dan ons artikel over AI-geletterdheid of neem contact op met een van onze AI-experts.
Onze AI-experts vertellen je graag meer over de mogelijkheden van AI
Sylvain Bangma
Jip van Seeters
Niels van der Boor
