Basis Concepten

Agentic AI is een categorie AI-systemen die zelfstandig complexe taken kunnen uitvoeren met minimale menselijke tussenkomst.

Een AI-agent is een AI-systeem dat zelfstandig taken kan plannen, uitvoeren en bijsturen om een doel te bereiken.

Een algoritme is een stapsgewijze procedure of set van regels die een computer volgt om een probleem op te lossen of een taak uit te voeren.

Batch-size bepaalt hoeveel trainingsvoorbeelden tegelijk worden verwerkt vóór modelparameters worden aangepast.

Een benchmark is een standaardtaak of dataset waarmee het prestatie van verschillende AI-modellen eerlijk kan worden vergeleken.

Bias-variance tradeoff beschrijft de balans tussen modelbias (onderfitting) en modelvariantie (overfitting) voor optimale generalisatie.

Een black-box model is een AI-model waarvan de interne besluitvorming moeilijk is uit te leggen, ook al is het voorspellingen accuraat.

Een dataset is een verzameling van voorbeelden (invoer en labels) die gebruikt wordt om AI-modellen te trainen en te evalueren.

Een epoch is één volledige doorgang van het trainingsalgoritme door het gehele trainingsgegevensset tijdens het trainen van een model.

Een feature is een afzonderlijke invoervariabele of eigenschap die een model gebruikt als invoer om voorspellingen te doen.

Generalisatie is het vermogen van een model om goed te presteren op nieuwe, onbekende data buiten het trainingsset.

Hyperparameters zijn instellingen die je zelf kiest vóór het trainingsproces om te bepalen hoe een model wordt getraind.

Inferentie is het gebruik van een getraind model om voorspellingen of antwoorden te genereren op nieuwe, onbekende invoer na het trainingsproces.

Kunstmatige intelligentie (AI) is de technologie waarbij machines taken uitvoeren die normaal menselijke intelligentie vereisen, zoals leren, redeneren en patroonherkenning.

Een label is de correcte antwoordwaarde gekoppeld aan trainingsgegevens die een model leert om nauwkeurig voorspellingen te doen.

Een model is een getrainde wiskundige representatie die patronen in data heeft geleerd en gebruikt kan worden om voorspellingen te doen op nieuwe, onbekende data.

Multimodaliteit is het vermogen van een AI-model om meerdere typen input en output te verwerken, zoals tekst, beeld, audio en video.

Overfitting treedt op wanneer een model exact leert van trainingsdata inclusief ruis, wat leidt tot slecht prestatie op nieuwe, onbekende data.

Parameters zijn de aangeleerde waarden (getallen) in een AI-model die bepalen hoe het model input verwerkt en voorspellingen doet.

Een reasoning model is een AI-model dat expliciet stap voor stap nadenkt voordat het een antwoord geeft, wat leidt tot betere resultaten bij complexe taken.

Reinforcement learning is een benadering waarbij een agent leert door interactie met een omgeving en beloningen te ontvangen voor goede acties.

Scaling laws zijn wetmatigheden die beschrijven hoe AI-modellen beter worden naarmate ze meer data, parameters en rekenkracht krijgen.

Supervised learning is een machine learning-benadering waarbij het model wordt getraind op gelabelde data met bekende invoer-uitvoerrelaties.

Testset is een onafhankelijke gegevensset (compleet gescheiden van training en validatie) om de uiteindelijke modelperformance onpartijdig te evalueren.

Training is het proces waarbij een AI-model leert van trainingsdata door herhaaldelijk fouten te maken, die fouten te meten en zijn parameters aan te passen.

Transfer learning is een techniek waarbij kennis van een getraind model wordt hergebruikt en aangepast voor een nieuw, gerelateerd probleem.

Underfitting treedt op wanneer een model te simpel is en niet in staat is om onderliggende patronen in trainingsdata te leren.

Unsupervised learning is machine learning zonder gelabelde data, waarbij het model patronen en structuren in ongelabelde invoer probeert te ontdekken.

Validatie is het evalueren van een model op onafhankelijke data (niet trainingsdata) om hyperparameters af te stemmen en overfitting te herkennen.

Een white-box model is transparant en interpreteerbaar: je kunt precies zien hoe het model beslissingen neemt.