De term AI is al een tijd in de mode. Kunstmatige intelligentie is een concept dat al vele jaren bestaat, en verschillende technologieën zijn afhankelijk van AI om te functioneren. Maar met tools als ChatGPT en Google Bard die het nieuws halen, voelt het alsof er een nieuw tijdperk van kunstmatige intelligentie is aangebroken. Maar wat is AI? En hoe werkt het?
Hier bekijken we kort wat AI is, waarom het belangrijk is en hoe je meer kunt leren over dit fascinerende vakgebied. Naast voorbeelden van waar kunstmatige intelligentie wordt gebruikt, hebben we ook citaten van experts en bronnen voor verdere verdieping opgenomen.
Wat is AI?
Kunstmatige intelligentie is een deelgebied van de informatica dat zich richt op het creëren van intelligente agenten die taken kunnen uitvoeren waarvoor doorgaans menselijk niveau van intelligentie nodig is. Deze taken omvatten onder andere probleemoplossing, spraakherkenning en besluitvorming.
AI is een interdisciplinaire wetenschap met vele benaderingen; het kan op regels zijn gebaseerd en werken binnen een vooraf gedefinieerde set voorwaarden, of het kan machine learning-algoritmen gebruiken om zich aan te passen aan de omgeving. Dat laatste is bijzonder krachtig, omdat AI-systemen zo van data kunnen leren, waardoor ze veelzijdiger worden en beter kunnen omgaan met onvoorziene situaties.
AI in relatie tot data science en andere kernbegrippen
Veelvoorkomende misvattingen
Het is ook de moeite waard te benoemen wat AI níet is. Er bestaan veel misvattingen over wat kunstmatige intelligentie is, en dit zijn enkele veel voorkomende onjuiste aannames:
- AI is synoniem aan robots. AI is niet beperkt tot robotica; het is een breder veld dat verschillende technologieën omvat, zoals zoekalgoritmen en natural language processing.
- AI kan op korte termijn de menselijke intelligentie overtreffen. Het idee dat AI mensen binnenkort te slim af is, is overdreven; Artificial General Intelligence (AGI) is nog theoretisch en verre van gerealiseerd.
- AI begrijpt inhoud zoals mensen dat doen. AI "begrijpt" geen tekst of spraak in menselijke zin; het verwerkt data op basis van patronen maar mist begrip.
- AI is onbevooroordeeld. In tegenstelling tot wat vaak wordt gedacht, kan AI vooroordelen overnemen uit de trainingsdata of van de ontwerpers, wat betekent dat het niet inherent onbevooroordeeld is. Bekijk onze gids over de ethiek van generatieve AI om meer te leren.
- AI kan alle menselijke banen vervangen. Hoewel AI specifieke taken kan automatiseren, kan het geen banen vervangen die emotionele intelligentie, creativiteit en andere specifiek menselijke vaardigheden vereisen.
Je kunt de verschillen tussen AI en machine learning, en tussen machine learning en deep learning, in aparte gidsen verkennen.
AI-woordenlijst
We gebruiken een reeks termen in onze verkenning van kunstmatige intelligentie, waarvan sommige misschien onbekend zijn. We hebben een lijst gemaakt met belangrijke AI-termen en hun betekenis:
Algoritme
Een set regels of instructies die een computer volgt om een specifieke taak uit te voeren. Algoritmen zijn de bouwstenen van alle AI-systemen.
Artificial General Intelligence (AGI)
Een momenteel theoretische vorm van AI die het vermogen heeft om kennis over verschillende domeinen te begrijpen, te leren en toe te passen, problemen te beredeneren, bewustzijn te hebben en zelfs emotioneel begrip te tonen. Dit in contrast met Narrow AI, dat is ontworpen en getraind voor een specifieke taak.
Deep learning
Een gespecialiseerde vorm van machine learning die nabootst hoe onze hersenen werken, waardoor computers kunnen leren van ervaring en de wereld kunnen begrijpen in termen van een hiërarchie van concepten. Simpel gezegd is deep learning als een virtueel brein dat computers helpt te leren van data zodat ze zelfstandig beslissingen kunnen nemen.
Machine learning
Een manier om computers het vermogen te geven te leren van data en beslissingen te nemen zonder expliciete programmering. Zie het als computers leren van ervaring, net zoals mensen dat doen. In essentie is machine learning de methode waarmee AI het "intelligentie"-gedeelte van zijn naam krijgt. Je kunt meer over dit onderwerp leren in onze cursus Understanding Machine Learning.
Natural Language Processing (NLP)
Een deelgebied van AI dat zich richt op de interactie tussen computers en mensen via natuurlijke taal. Het uiteindelijke doel van NLP is om computers in staat te stellen menselijke talen te begrijpen, te interpreteren en te genereren op een manier die zowel betekenisvol als nuttig is. Bekijk onze cursus Introduction to Natural Language Processing in Python voor meer informatie.
Neuraal netwerk
Een rekenmodel geïnspireerd op de structuur van neuronen in het menselijk brein. Neurale netwerken worden gebruikt in diverse toepassingen waarbij patroonherkenning nodig is, zoals beeld- en spraakherkenning. We hebben een heel artikel dat onderzoekt wat neurale netwerken zijn.
Typen kunstmatige intelligentie
AI kan worden ingedeeld op basis van zijn capaciteiten en functionaliteiten.
Als het gaat om capaciteiten, kunnen we typen AI als volgt onderscheiden:
Narrow AI
Ook wel zwakke AI genoemd, is narrow AI ontworpen en getraind om een specifieke taak uit te voeren. Het werkt binnen een beperkte, vooraf gedefinieerde set voorwaarden en bezit niet het brede scala aan capaciteiten dat mensen hebben. De meeste huidige AI-systemen, waaronder reactieve machines en machines met beperkte geheugenfunctie (zie hieronder), vallen in deze categorie.
Artificial General Intelligence (AGI)
Ook wel General AI genoemd, dit type AI zou het vermogen hebben om kennis over verschillende domeinen te begrijpen, te leren en toe te passen. Het zou in staat zijn tot zelfbewustzijn, redeneren en emotioneel begrip. General AI is op dit moment grotendeels theoretisch.
Artificial Super Intelligence
Dit is een geavanceerde vorm van AI die de menselijke intelligentie op vrijwel alle vlakken zou overtreffen, van creativiteit en sociale intelligentie tot probleemoplossend vermogen. Super AI is een concept dat meer bestaat in de wereld van sciencefiction en toekomstspeculatie dan in de huidige realiteit.
We kunnen de typen kunstmatige intelligentie ook verkennen op basis van functionaliteit:
Reactieve machines
Dit zijn de meest basale vormen van AI, ontworpen om specifieke taken uit te voeren. Zo valt IBM's Deep Blue, een schaakspelende supercomputer, in deze categorie. Reactieve machines kunnen geen herinneringen opslaan of eerdere ervaringen gebruiken om huidige beslissingen te informeren.
Beperkt geheugen
AI met beperkt geheugen kan eerdere data opslaan en gebruiken om betere voorspellingen of beslissingen te nemen. Dit type AI komt veel voor in aanbevelingssystemen zoals die van Netflix of Amazon.
Theory of mind
Dit is een theoretisch concept dat verwijst naar AI-systemen die mogelijk menselijke emoties, overtuigingen en gedachten begrijpen. Hoewel intrigerend, hebben we dit niveau van AI-vaardigheid nog niet bereikt.
Zelfbewustzijn
Het summum van AI-ontwikkeling zou zelfbewuste machines zijn die hun bestaan begrijpen en beslissingen kunnen nemen op basis van eigenbelang. Dit blijft onderwerp van lopend onderzoek en ethisch debat.
Toepassingen en voorbeelden van AI
De reikwijdte van AI gaat veel verder dan academische en gespecialiseerde industrieën. Dit zijn enkele manieren waarop kunstmatige intelligentie in de wereld van vandaag wordt gebruikt:
Alledaagse technologie
AI is diep geïntegreerd in de technologieën die we dagelijks gebruiken. Van Google Maps dat je route optimaliseert op basis van realtime verkeersdata tot Siri en Alexa die je wekkers zetten en je vragen beantwoorden: AI is bijna alomtegenwoordig. Deze toepassingen gebruiken vaak Narrow AI om specifieke taken efficiënt uit te voeren.
Bedrijven en industrie
Het bedrijfsleven omarmt AI al, met een IBM-enquête waaruit blijkt dat meer dan een derde van de bedrijven (35%) in 2022 AI in hun bedrijfsvoering gebruikte. Organisaties in veel sectoren vinden toepassingen voor kunstmatige intelligentie, waaronder:
- Gezondheidszorg. AI-algoritmen kunnen medische beelden analyseren om vroege tekenen van ziekten zoals kanker te identificeren. Ze kunnen ook helpen bij medicijnontdekking door te voorspellen hoe verschillende verbindingen ziekten kunnen behandelen.
- Financiën. Kunstmatige intelligentie wordt gebruikt bij fraudedetectie, waarbij machine learning-algoritmen transactiepatronen kunnen analyseren om ongewone activiteiten te signaleren. Het speelt ook een rol in algoritmische handel, het optimaliseren van portefeuilles en het personaliseren van bankdiensten.
- Retail. Tools zoals aanbevelingssystemen op online shoppingplatforms worden vaak aangedreven door AI, waardoor bedrijven producten kunnen upsellen en cross-sellen. Het kan ook helpen bij voorraadbeheer en vraagvoorspelling.
Grote taalmodellen zoals ChatGPT veranderen de manier waarop we met software omgaan. Of het nu gaat om klantenservice, projectmanagement of data-analyse, deze AI-tools verhogen de efficiëntie, nauwkeurigheid en productiviteit in alle sectoren.
Noelle Silver Russel, Global AI Solutions & Generative AI & LLM Industry Lead at Accenture
Gaming en entertainment
Zoals we zagen in ons artikel over creativiteit en generatieve AI, is er een geheel nieuw grensgebied van kunst dat kunstmatige intelligentie kan helpen mogelijk maken. Dit zijn enkele manieren waarop het momenteel wordt gebruikt:
- Videogames. Algoritmen sturen non-playable characters (NPC's) aan, waardoor ze responsiever en realistischer worden. Geavanceerde AI kan zich zelfs aanpassen aan het gedrag van individuele spelers om het moeilijkheidsniveau van het spel aan te passen.
- Muziek en film. Contentaanbevelingen op platforms zoals Spotify en Netflix gebruiken AI, en het kan zelfs helpen in het creatieve proces, zoals het componeren van muziek of ondersteunen bij filmediting.
Publieke diensten en infrastructuur
We zien overheidsinstanties en vergelijkbare organisaties kunstmatige intelligentie gebruiken voor tal van verschillende taken:
- Verkeersmanagement. AI-algoritmen kunnen verkeersdata in realtime analyseren om signaaltijden te optimaliseren, files te verminderen en de verkeersveiligheid te verbeteren.
- Noodhulp. Domeinen zoals het voorspellen van natuurrampen en de respons daarop kunnen profiteren van kunstmatige intelligentie, zoals het voorspellen van orkanen en het optimaliseren van evacuatieroutes.
Hoe werkt AI?
Om de essentie van kunstmatige intelligentie echt te begrijpen, is het handig om de stappen te kennen die nodig zijn om een AI-systeem te laten functioneren. Laten we het op een beginnersvriendelijke manier opsplitsen. Je kunt een volledig begrip van de AI-basics krijgen met onze skill track, die praktische kennis behandelt over populaire AI-onderwerpen zoals ChatGPT, large language models, generatieve AI en meer.
De workflow van AI en machine learning
Stap 1: Dataverzameling
De eerste stap in elk AI-project is het verzamelen van data. Dit kan van alles zijn, van afbeeldingen en tekst tot complexere data zoals menselijk gedrag. De data dient als de grondstof waarvan het AI-systeem zal leren.
Stap 2: Datavoorbereiding
Zodra de data is verzameld, moet deze worden voorbereid en opgeschoond. Dit betekent irrelevante informatie verwijderen en de data omzetten naar een formaat dat het AI-systeem kan begrijpen.
Stap 3: Een algoritme kiezen
Een algoritme is als een recept voor hoe het AI-systeem de data zal verwerken. Verschillende algoritmen zijn beter geschikt voor verschillende taken. Zo kun je een specifiek algoritme gebruiken voor beeldherkenning en een ander voor natural language processing. Je kunt verschillende typen algoritmen in een apart artikel verkennen.
Stap 4: Het model trainen
De voorbereide data wordt in het gekozen algoritme ingevoerd om het AI-model te "trainen". In deze fase leert het model voorspellingen of beslissingen te maken op basis van de data. Zie dit als het AI-systeem dat voor een examen studeert.
Stap 5: Het model testen
Na de training wordt het model getest om te zien hoe goed het presteert. Als het niet nauwkeurig genoeg is, moet het mogelijk verder worden getraind of aangepast.
Stap 6: Inzet
Als het model eenmaal getraind en getest is, is het klaar om in een real-world toepassing te worden ingezet. Dit kan van alles zijn: van een chatbot die klantvragen beantwoordt tot een medisch AI-systeem dat röntgenfoto's analyseert.
Stap 7: Doorlopend leren
Veel moderne AI-systemen hebben het vermogen om in de loop van de tijd te leren en zich aan te passen. Dit betekent dat ze hun prestaties kunnen verbeteren naarmate ze meer data verzamelen, waardoor ze efficiënter en nauwkeuriger worden.
Aan de slag met AI
Dit artikel heeft enkele van de absolute basics van AI behandeld. Als je nieuwsgierig bent geworden en meer wilt leren over dit fascinerende vakgebied, hebben we een uitgebreide gids over hoe je AI vanaf nul leert, die alles behandelt wat je moet weten om te beginnen aan het pad naar AI-meesterschap. Je vindt er bronnen om je op weg te helpen, evenals een voorbeeldleerplan dat je door je eerste maanden van het leren van AI kan begeleiden.
