Fundamentals van AI

Leestijd 4 min

Door Louis Gossieau

Steeds vaker vragen ondernemers en directeuren zich (terecht) af wat AI precies is en hoe het hun organisatie kan versterken. In dit artikel duik ik daarom in de basis van AI. Want we horen het voortdurend voorbijkomen, allerlei termen volgen elkaar in rap tempo op, maar wat betekent het allemaal?

Ik beantwoord daarom vragen als: Wat is AI? Hoe is het ontstaan? Welke soorten AI zijn er? Wat is machine learning? En wat zijn large language models?

In volgende artikelen ga ik in op de toepassingen van AI en hoe je er zelf mee aan de slag kunt.

De essentie van AI

Misschien verwacht je het niet, maar de roots van AI gaan terug tot de jaren ’50. Destijds werden de eerste computers ontwikkeld die eenvoudige menselijke taken konden nabootsen. Denk aan het spelen van een potje schaak. In de jaren ’80 en ’90 zagen we een groei in de ontwikkeling, maar echte doorbraken bleven uit door beperkte rekenkracht en data.

Met de komst van het internet en de explosieve groei van data in de 21e eeuw, kreeg AI een nieuwe impuls. Data kun je zien als de brandstof van AI. Dankzij krachtige computers en geavanceerde algoritmes is het nu mogelijk om complexe taken uit te voeren, zoals spraakherkenning en beeldanalyse.

In plaats van dat een computer alleen maar vooraf geprogrammeerde taken uitvoert, kan een AI-systeem patronen herkennen, beslissingen nemen en zelfs voorspellingen doen op basis van data.

De verschillende soorten AI

Als we het over AI hebben, blijft het vaak vaag welke vorm van AI bedoeld wordt. AI is een breed begrip en kan worden onderverdeeld in verschillende categorieën:

Narrow AI (of Weak AI): Ontworpen om één specifieke taak uit te voeren. Voorbeelden zijn spraakassistenten zoals Siri of Alexa, die jouw stem herkennen en opdrachten uitvoeren.
General AI (of Strong AI): Dit type AI kan meerdere taken uitvoeren en heeft een intelligentie die vergelijkbaar is met die van een mens. Denk aan het begrijpen van emoties, creatief denken of complexe problemen oplossen. Dit is op dit moment nog toekomstmuziek.
Superintelligentie: Dit gaat een stap verder dan General AI en verwijst naar AI die de menselijke intelligentie in alle opzichten overtreft. Hoewel dit nog in de theoretische sfeer zit, roept het wel belangrijke ethische vragen op.

Je merkt het misschien al: we bevinden ons momenteel in het tijdperk van Narrow AI. Ondanks de enorme hype rondom AI staan we dus nog steeds slechts aan het begin van de mogelijkheden. De systemen die we ontwikkelen en gebruiken zijn gespecialiseerd in specifieke taken. Ze kunnen niet zelfstandig functioneren buiten de parameters waarvoor ze zijn ontworpen. General AI en Superintelligentie zijn nog pure toekomstmuziek.

Machine Learning

Een andere term die je misschien vaak hoort is Machine learning. Dat is een subset van AI en draait om het idee dat systemen kunnen leren van data, patronen herkennen en beslissingen nemen met minimale menselijke tussenkomst. AI wordt daarmee aangedreven door algoritmen.

Er zijn drie hoofdvormen:

Supervised Learning (begeleid leren): Hier wordt het systeem getraind met gelabelde data. Stel je hebt foto’s van katten en honden, en je labelt ze als zodanig. Het systeem leert zo het verschil te herkennen en kan nieuwe foto’s correct classificeren.
Unsupervised Learning (onbegeleid leren): Het systeem krijgt ongeordende data zonder labels en moet zelf patronen ontdekken. Dit wordt vaak gebruikt voor klantsegmentatie, waar je groepen met vergelijkbaar gedrag identificeert.
Reinforcement Learning (versterkend leren): Het systeem leert door trial-and-error en wordt beloond voor correcte acties. Dit wordt veel toegepast in robotica en gaming.

De kracht van Large Language Models

Een andere veel gebruikte term in relatie tot AI is Large Language Models (LLM’s). Dit zijn geavanceerde AI-modellen die getraind zijn op enorme hoeveelheden tekst. Zie het als een specifieke toepassing van het eerder besproken Machine Learning. LLM’s begrijpen context en kunnen daardoor menselijke taal genereren die natuurlijk aanvoelt.

Een bekend voorbeeld is GPT-4 van OpenAI, een AI model dat iedereen zo kan gebruiken. Deze modellen kunnen:

Teksten schrijven: Van blogs tot artikelen en zelfs poëzie.
Vragen beantwoorden: Ze kunnen informatie opzoeken en samenvatten.
Conversaties voeren: Denk aan chatbots die klantenservice bieden.
Vertalingen maken: Ze vertalen teksten met behoud van context en nuance.

Bekende toepassingen van Large Language Models

Ik noemde net al even ChatGPT (of Chat) van OpenAI, maar er zijn ook andere toepassingen beschikbaar die op basis van LLM’s behoorlijk succesvol zijn. Hieronder een kort overzicht, met ook ter vergelijk ook ChatGPT van Open AI vermeld. Je ziet dat deze toepassingen op elkaar lijken, maar allemaal een iets andere insteek kiezen.

ChatGPT (OpenAI):

Gebruikt voor tekstgeneratie, maar ook klantenservice en het schrijven van creatieve content of brainstormen.
Bekend om zijn natuurlijke taalgebruik en brede kennis dankzij training op grote datasets.

Google BERT (Bidirectional Encoder Representations from Transformers):

Wordt gebruikt voor zoekopdrachten en het verbeteren van contextbegrip in zoekmachines.
Biedt een beter begrip van de betekenis van woorden in zinnen door context te analyseren.

Claude (Anthropic):

Een assistent die vergelijkbaar is met ChatGPT en wordt gebruikt voor vraag-en-antwoord, tekstgeneratie en meer.
Richt zich op veilige en ethische interacties met gebruikers.

Gemini (Google DeepMind):

Toegepast in specifieke domeinen, zoals codeerassistenten en onderzoekstools.
Combineert taalbegrip met geavanceerde analyse van complexere taken.

Copilot (GitHub):

Assistent voor softwareontwikkelaars die code genereert, fouten opspoort en ontwikkelprocessen versnelt.
Verlaagt de instapdrempel voor programmeren en verhoogt de efficiëntie van ervaren ontwikkelaars.

En nu? Ga niet te snel van start…

Nu we de basis van AI hebben besproken, gaan er misschien al direct toepassingen door je hoofd voor jouw bedrijf. Maatwerksoftware, nieuwe portals. Alles kan. Misschien kun je ergens een efficiencyslag slaan door taken te automatiseren. Of ga je betere beslissingen kunnen nemen door data met AI te analyseren en daar gesprekken mee te voeren in een chat. Of ga je een chatbot veel meer kunnen laten doen dan wat je nu gewend bent met vooraf geprogrammeerde vragen en antwoorden

AI is niet langer een buzzword, maar inmiddels een praktische tool die je echt kan helpen. Maar let wel op: AI moet geen doel op zich zijn voor je organisatie. Denk goed na over welke ambitie je hebt, of welk doel je wilt begrijpen. Van daaruit kun je aan de slag om tot een middel te komen dat doel te bereiken, waarbij AI kan helpen. Net zoals wij dat met Rise zouden doen.

In de volgende blogs duik ik dieper in op hoe je AI kunt toepassen binnen jouw organisatie en welke stappen je kunt nemen om ermee aan de slag te gaan.

Wil je meteen al sparren over AI?