Wat is AI?

Basisconcepten van AI, machine learning en hun toepassingen

30 minuten

Introductie

Welkom bij de eerste les van de module "Fundamenten AI-Geletterdheid". In deze les leren we wat Artificiële Intelligentie (AI) is, hoe het werkt en hoe het verschilt van traditionele software.

De officiële EU AI Act definitie van AI

EU AI Act - Artikel 3(1)

"AI-systeem": software die is ontwikkeld met een of meer van de in bijlage I vermelde technieken en benaderingen, en die voor een reeks doelstellingen die door mensen worden bepaald, inhoud, voorspellingen, aanbevelingen of beslissingen kan genereren die van invloed zijn op de omgevingen waarmee zij interageren;

Deze definitie is belangrijk omdat ze bepaalt welke systemen onder de EU AI Act vallen. Merk op dat de definitie gebaseerd is op:

  • Technieken en benaderingen - specifiek de technieken die in Bijlage I van de EU AI Act worden genoemd
  • Functionaliteit - het vermogen om inhoud te genereren, voorspellingen te doen, aanbevelingen te geven of beslissingen te nemen
  • Impact - de invloed op de omgeving waarmee het systeem interageert

Bijlage I: AI-technieken en -benaderingen

De EU AI Act specificeert in Bijlage I drie categorieën van AI-technieken:

Machine learning

Inclusief supervised, unsupervised en reinforcement learning, deep learning en neurale netwerken.

Logica- en kennisgebaseerd

Inclusief kennisrepresentatie, inductief (logisch) programmeren, kennisbanken, inferentiemotoren en deductieve systemen.

Statistische benaderingen

Inclusief Bayesiaanse schatting, zoek- en optimalisatiemethoden.

Hoe AI verschilt van traditionele software

Traditionele Software

  • Volgt expliciete, voorgeprogrammeerde regels
  • Deterministisch: dezelfde input levert altijd dezelfde output
  • Beperkt tot wat expliciet is geprogrammeerd
  • Gedrag is volledig voorspelbaar
  • Maakt geen gebruik van statistische modellen

AI-systemen

  • Leert patronen uit data
  • Probabilistisch: output kan variëren bij dezelfde input
  • Kan nieuwe situaties generaliseren
  • Gedrag kan soms onverwacht of onverklaarbaar zijn
  • Gebaseerd op statistische modellen en patroonherkenning

Dit verschil is essentieel voor het begrijpen van zowel de kracht als de risico's van AI-systemen. Doordat AI-systemen kunnen leren en generaliseren, kunnen ze taken uitvoeren die moeilijk expliciet te programmeren zijn, maar dit kan ook leiden tot onverwacht gedrag en moeilijkheden bij het verklaren van beslissingen.

Typen AI-systemen en toepassingen

Generatieve AI

Systemen die nieuwe inhoud kunnen creëren, zoals tekst, afbeeldingen, audio of video.

Voorbeelden: ChatGPT, DALL-E, Midjourney

Voorspellende AI

Systemen die toekomstige gebeurtenissen of uitkomsten voorspellen op basis van historische data.

Voorbeelden: Kredietscores, vraagvoorspelling, fraudedetectie

Computer Vision

Systemen die visuele informatie kunnen begrijpen, analyseren en interpreteren.

Voorbeelden: Gezichtsherkenning, medische beeldanalyse

Natural Language Processing

Systemen die menselijke taal kunnen begrijpen, interpreteren en genereren.

Voorbeelden: Vertaalsoftware, chatbots, tekstanalyse

In uw organisatie kunt u verschillende soorten AI-systemen tegenkomen, afhankelijk van uw sector en functies. De EU AI Act classificeert deze systemen op basis van hun risicoprofiel, wat we in een latere les zullen bespreken.

Samenvatting

In deze les hebben we geleerd:

  • De officiële EU AI Act definitie van AI-systemen
  • De drie hoofdcategorieën van AI-technieken volgens de EU AI Act
  • Hoe AI verschilt van traditionele software
  • Verschillende typen AI-systemen en hun toepassingen

Deze kennis vormt de basis voor het begrijpen van de EU AI Act en hoe deze van toepassing is op uw organisatie. In de volgende les zullen we dieper ingaan op de mogelijkheden en beperkingen van AI-systemen.