AI-Begrippen

• AI — Computersystemen die taken uitvoeren die normaal menselijke intelligentie vereisen.
• Algoritme — Een stapsgewijze instructie of regelset om een probleem op te lossen.
• Data — De brandstof voor AI; informatie die wordt gebruikt om modellen te trainen.
• Deep Learning — Een subcategorie van ML die gebruikmaakt van gelaagde neurale netwerken.
• Machine Learning — Een vorm van AI waarbij systemen zelfstandig leren van data.
• Model — De output van een trainingsproces; een wiskundig algoritme dat voorspellingen doet.
• Neuraal Netwerk — Een computermodel geïnspireerd op de werking van het menselijk brein.
• Nulmeting — Het startpunt waarmee de prestaties van een AI-model worden vergeleken.

• Agent — Een AI-systeem dat zelfstandig doelen probeert te bereiken door acties uit te voeren.
• AGI (Artificial General Intelligence) — AI die elk intellectueel probleem kan oplossen dat een mens ook kan.
• ANI (Artificial Narrow Intelligence) — AI gespecialiseerd in één specifieke taak.
• Automatisering — Het gebruik van technologie om taken uit te voeren zonder menselijke tussenkomst.
• Autonomie — Het vermogen van een systeem om zelf beslissingen te nemen.
• Bias — Systematische fouten of vooroordelen in AI-uitkomsten door gekleurde data.
• Chatbot — Software ontworpen om menselijke conversatie te simuleren.
• Ethiek in AI — De morele principes en richtlijnen voor het ontwikkelen van AI.
• Generatieve AI — AI die nieuwe content creëert, zoals tekst, afbeeldingen of audio.
• GPT (Generative Pre-trained Transformer) — Een specifiek type architectuur voor tekstgeneratie.
• Hallucinatie — Wanneer een AI-model feitelijk onjuiste informatie als waarheid presenteert.
• LLM (Large Language Model) — Een model getraind op enorme hoeveelheden tekst.
• NLP (Natural Language Processing) — De technologie die machines menselijke taal laat begrijpen en genereren.
• Predictive AI — AI die historische data gebruikt om toekomstige uitkomsten te voorspellen.
• Prompt — De instructie of vraag die een gebruiker aan een AI-model geeft.
• Token — Een kleine eenheid van tekst die een AI verwerkt.
• Trainingsdata — De specifieke dataset die een model gebruikt om patronen te leren.
• Transformer — De architectuur achter bijna alle moderne taalmodellen.

• Big Data — Extreem grote datasets die AI nodig heeft voor complexe analyses.
• Black Box AI — Een model waarvan het besluitvormingsproces niet transparant is.
• Cognitive Computing — Systemen die menselijke denkprocessen nabootsen.
• Computer Vision — De tak van AI die computers visuele informatie laat ‘zien’ en interpreteren.
• Context Window — De hoeveelheid informatie die een model tegelijkertijd kan onthouden.
• Data-annotatie — Het handmatig labelen van ruwe data zodat AI-modellen kunnen leren.
• Data Mining — Het ontdekken van patronen in grote hoeveelheden data.
• Heuristiek — Een praktische methode of vuistregel om snel een oplossing te vinden.
• Inference — Het proces waarbij een getraind model een voorspelling doet op nieuwe data.
• Parameter — Een variabele binnen een model die tijdens het trainen wordt aangepast.
• Prompt Engineering — De kunst van het optimaal formuleren van prompts.
• Robotica — Het vakgebied van fysieke machines die door AI worden aangestuurd.
• Turingtest — Een test om te bepalen of een machine intelligent gedrag vertoont.
• XAI (Explainable AI) — AI die zo is ontworpen dat mensen begrijpen waarom een beslissing is genomen.

• ASI (Artificial Superintelligence) — Een hypothetische AI die de menselijke intelligentie op alle vlakken overstijgt.

• Classification — Data indelen in vooraf gedefinieerde categorieën.
• Gradient Descent — Een optimalisatie-algoritme om de loss te minimaliseren.
• Layer (Laag) — Een verzameling neuronen binnen een neuraal netwerk.
• Loss Function — Meet hoe ver de voorspelling van het model afligt van de werkelijke waarde.
• Neuron — Een basisrekeneenheid in een neuraal netwerk.
• Regression — Het voorspellen van een getalwaarde.
• Reinforcement Learning — Leren door vallen en opstaan op basis van beloningen en straffen.
• Supervised Learning — Leren van gelabelde data waarbij de uitkomst bekend is.
• Unsupervised Learning — Het vinden van patronen in data zonder labels.
• Weights (Gewichten) — De waarden die de sterkte van de verbinding tussen neuronen bepalen.

• Activation Function — Bepaalt of een neuron ‘vuurt’ op basis van de input.
• Attention Mechanism — Laat het model focussen op de belangrijkste delen van de input.
• Backpropagation — De techniek om fouten terug te koppelen in een neuraal netwerk.
• Batch Size — Het aantal voorbeelden dat tegelijk wordt verwerkt voordat het model wordt bijgewerkt.
• Biases — Een constante waarde toegevoegd aan de berekening van een neuron.
• Embeddings — Woorden of data omzetten in getallenreeksen (vectoren).
• Epoch — Eén volledige ronde waarbij de hele dataset door het model is gegaan.
• Fine-tuning — Een bestaand model verder trainen op een specifieke dataset.
• Foundational Model — Een groot model dat als basis dient voor vele andere toepassingen.
• Hidden Layer — De tussenliggende lagen waar de eigenlijke berekeningen plaatsvinden.
• Hyperparameter — Instellingen die vóór het trainen worden vastgelegd.
• Input Layer — De eerste laag die de data ontvangt.
• Multimodal AI — AI die verschillende soorten data tegelijk kan verwerken.
• Output Layer — De laatste laag die het eindresultaat geeft.
• Overfitting — Wanneer een model de trainingsdata té goed leert.
• Self-Attention — De kern van de Transformer-architectuur.
• Semi-Supervised Learning — Een combinatie van gelabelde en ongelabelde data.
• Transfer Learning — Een getraind model gebruiken voor een nieuwe, gerelateerde taak.
• Underfitting — Wanneer een model te simpel is om de patronen in de data te begrijpen.

• Chain of Thought — Een techniek waarbij de AI wordt gevraagd zijn denkstappen te laten zien.
• Clustering — Gelijksoortige data bij elkaar groeperen zonder labels.
• CNN (Convolutional Neural Network) — Specifiek neuraal netwerk voor beeldverwerking.
• Decoder — Zet de interne representatie om naar de gewenste output.
• Dimensionality Reduction — Het vereenvoudigen van data zonder essentieel verlies van informatie.
• Discriminator — Het deel van een GAN dat ‘echt’ van ‘nep’ onderscheidt.
• Dropout — Het willekeurig uitschakelen van neuronen tijdens training.
• Edge AI — AI die direct op een lokaal apparaat draait in plaats van in de cloud.
• Encoder — Verwerkt de input naar een interne representatie.
• Federated Learning — Trainen op verschillende apparaten zonder de ruwe data te delen.
• Few-shot Learning — Een taak leren met slechts een handvol voorbeelden.
• GAN (Generative Adversarial Network) — Twee netwerken die tegen elkaar strijden om realistische data te maken.
• Generator — Het deel van een GAN dat de ‘nep’ data maakt.
• Inference Engine — De software die de logica uitvoert om tot een resultaat te komen.
• LSTM (Long Short-Term Memory) — Een type RNN dat informatie over lange tijd kan onthouden.
• NER (Named Entity Recognition) — Het herkennen van eigennamen zoals personen of locaties.
• PCA (Principal Component Analysis) — Een techniek voor dimensiereductie.
• Quantization — Het verkleinen van een model door precisie te verlagen.
• RAG (Retrieval-Augmented Generation) — AI koppelen aan een externe database voor actuele en feitelijke antwoorden.
• Regularization — Technieken om overfitting te voorkomen.
• ReLU (Rectified Linear Unit) — Een veelgebruikte activatiefunctie.
• RLHF (Reinforcement Learning from Human Feedback) — Het model verfijnen op basis van menselijke beoordelingen.
• RNN (Recurrent Neural Network) — Netwerk dat data in een reeks verwerkt.
• Sentiment Analysis — Het bepalen van de emotie of toon in een tekst.
• Sigmoid — Een functie die waarden tussen 0 en 1 geeft.
• Softmax — Gebruikt bij classificatie om kansen te berekenen.
• Temperature — Een parameter die bepaalt hoe creatief of voorspelbaar de output is.
• Zero-shot Learning — Een taak uitvoeren zonder dat het model daar specifiek voor getraind is.

• Knowledge Distillation — Een groot model ‘samenvatten’ tot een kleiner, sneller model.
• Latent Representation — Hoe AI complexe data versimpelt tot een reeks getallen.
• Model Merging — Twee of meer modellen combineren tot één superieur model.

• Tokenization — Het opknippen van tekst in kleinere stukjes (tokens).
• Word Embedding — De numerieke representatie van een woord in een meerdimensionale ruimte.

• API (Application Programming Interface) — De brug waarmee software praat met een AI-model.
• Claude — De AI-assistent van Anthropic, gericht op veiligheid.
• Deepfake — Realistisch ogende maar gemanipuleerde video of audio.
• Diffusion Model — Technologie achter beeldgeneratoren zoals Midjourney en DALL-E.
• Gemini — Het krachtigste AI-model van Google.
• Latent Space — De verborgen ruimte waarin AI-modellen concepten en stijlen opslaan.
• Llama — De open-source model-familie van Meta.
• Mistral — Een toonaangevend Europees open-source AI-model.
• MoE (Mixture of Experts) — Een modelarchitectuur die alleen relevante delen activeert.
• Multi-agent System — Meerdere AI-systemen die samenwerken aan één taak.
• Prompt Injection — Een aanval waarbij gebruikers de AI dwingen zijn instructies te negeren.
• Semantic Search — Zoeken op betekenis in plaats van alleen op trefwoorden.
• Small Language Model (SLM) — Compactere modellen die sneller en goedkoper zijn.
• Synthetic Data — Kunstmatig gegenereerde data om modellen mee te trainen.
• System Prompt — De verborgen instructie die het basisgedrag van een AI bepaalt.

• Auto-GPT — Een experimenteel systeem dat zichzelf opdrachten geeft.
• Beam Search — Een algoritme dat de meest waarschijnlijke volgende woorden kiest.
• Chain-of-Thought Prompting — De AI vragen om stap-voor-stap te redeneren.
• ChatML (Chat Markup Language) — Een standaardformaat voor gesprekken tussen mens en AI.
• Constitutional AI — AI getraind volgens een set vastgelegde ‘grondwetten’.
• Context Compression — Techniek om lange teksten in te korten zodat ze in het context window passen.
• Context Stuffing — Het proberen te proppen van te veel info in een prompt.
• Contextual Embeddings — Woordbetekenis die verandert op basis van omliggende woorden.
• Few-shot Prompting — De AI een paar voorbeelden geven in de prompt.
• Fine-tuning on Instructions — Modellen specifiek trainen om opdrachten op te volgen.
• Grounding — Het koppelen van AI-antwoorden aan verifieerbare, externe feiten.
• Hallucination Rate — De frequentie waarmee een model onwaarheden genereert.
• In-painting — Het repareren of aanpassen van een specifiek deel van een AI-afbeelding.
• Jailbreaking — Het omzeilen van de veiligheidsfilters van een AI-model.
• Knowledge Graph — Een netwerk van informatie dat relaties tussen concepten laat zien.
• Latency — De tijd die de AI nodig heeft om een antwoord te genereren.
• Lemmatisering — Woorden terugbrengen naar hun basisvorm.
• Modality — Het type input (tekst, beeld, audio).
• Negative Prompt — Instructies over wat de AI niet moet doen of genereren.
• Orchestration — Het managen van verschillende AI-modellen en tools in één workflow.
• Out-painting — Een afbeelding verder uitbreiden buiten de oorspronkelijke kaders.
• Perplexity — Een maatstaf voor hoe goed een taalmodel tekst voorspelt.
• Persona — De specifieke rol of toon die je een AI-assistent geeft.
• Red Teaming — Het moedwillig proberen de AI te laten ‘breken’.
• Self-Correction — Het vermogen van een model om eigen fouten te herkennen en te herstellen.
• Speech-to-Text (STT) — AI die gesproken woorden transcribeert naar tekst.
• Stochastic Parrots — Een kritische term voor AI die tekst genereert zonder echt begrip.
• Stop Words — Veelvoorkomende woorden die vaak uit data worden gefilterd.
• Text-to-Speech (TTS) — AI die geschreven tekst omzet in natuurlijke spraak.
• Throughput — Hoeveel data een AI-systeem per seconde kan verwerken.
• Top-K Sampling — Een techniek om de keuze tot de K meest waarschijnlijke woorden te beperken.
• Top-P (Nucleus) Sampling — Woordkeuze op basis van een cumulatieve kansverdeling.
• Word2Vec — Een techniek om woorden om te zetten in vectoren op basis van context.
• Zero-shot Prompting — Een vraag stellen zonder enige uitleg of voorbeelden vooraf.

• Accountability — Wie er verantwoordelijk is als een AI-systeem een fout maakt.
• Algorithmic Bias — Vooroordelen in besluitvorming door slechte trainingsdata.
• Data Privacy — Bescherming van persoonlijke gegevens bij het trainen van AI.
• EU AI Act — De Europese wetgeving die de risico’s van AI reguleert.
• Transparency — De mate waarin inzichtelijk is hoe een AI tot een besluit komt.

• Alignment — Het proces om AI-doelen gelijk te trekken met menselijke waarden.
• AI Safety — Onderzoek naar het voorkomen van onbedoeld schadelijk gedrag van AI.
• AI-Soevereiniteit — Het streven naar eigen AI-modellen en infrastructuur.
• Anthropomorphism — De neiging om menselijke eigenschappen aan AI toe te dichten.
• Carbon Footprint of AI — De CO2-uitstoot veroorzaakt door enorme datacenters.
• Compute — De rekenkracht die nodig is om modellen te draaien.
• Echo Chamber — Versterking van meningen door AI-gestuurde sociale media.
• Existential Risk — Het risico dat AI een bedreiging vormt voor het voortbestaan van de mens.
• Filter Bubble — Een situatie waarin AI-algoritmes je alleen laten zien wat je al vindt.
• Human-in-the-loop — Een proces waarbij een mens de uiteindelijke AI-beslissing controleert.
• Singularity — Het theoretische punt waarop AI zichzelf sneller verbetert dan mensen kunnen bijhouden.
• Social Scoring — Het beoordelen van burgers via AI.
• Surveillance AI — AI ingezet voor massale monitoring en gezichtsherkenning.
• Technologische Werkloosheid — Banenverlies door automatisering via AI.
• Watermarking — Een onzichtbaar kenmerk toevoegen aan AI-content voor herkenning.

• AI Ethics Board — Een commissie die toeziet op ethisch verantwoorde AI-ontwikkeling.
• Algorithm Governance — Het toezicht op het gebruik van algoritmes binnen organisaties.
• Algorithmic Transparency — Openheid over de werking van algoritmes.
• Bias Mitigation — Technieken om vooroordelen uit AI-systemen te verwijderen.
• Copyright AI — De juridische strijd over auteursrecht op AI-output en trainingsdata.
• Data Ethics — Het moreel verantwoorde beheer van datasets.
• Data Sovereignty — Het recht van landen of personen op hun eigen data.
• Deepfake Detection — Technologie om AI-gegenereerde content te herkennen.
• Deepfake Pornography — Een van de meest schadelijke misbruiken van generatieve AI.
• Digital Divide — De kloof tussen mensen die wel en geen toegang hebben tot AI.
• Doomerism — De overtuiging dat AI onvermijdelijk tot de ondergang van de mensheid leidt.
• E-waste — De milieu-impact van de hardware die nodig is voor AI.
• Effective Altruism (EA) — Een beweging die veel invloed heeft op AI-veiligheidsonderzoek.
• Fairness — Het streven naar gelijke behandeling van alle groepen door AI.
• Informed Consent — Toestemming van gebruikers voor het gebruik van hun data voor AI.
• Model Cards — Een soort ‘etiket’ voor AI-modellen met info over prestaties en bias.
• Model Collapse — De theorie dat AI-modellen slechter worden als ze getraind worden op AI-data.
• Opt-out — Het recht van makers om hun data niet te laten gebruiken voor AI-training.
• Right to Explanation — Het recht van burgers op uitleg over een geautomatiseerd besluit.
• Robot Law — De wetten die de omgang met en verantwoordelijkheid van robots regelen.
• Shadow AI — Het gebruik van AI-tools binnen een bedrijf zonder toestemming van de IT-afdeling.
• Techno-optimism — Het geloof dat AI bijna alle wereldproblemen zal oplossen.
• Trolley Problem (AI) — Ethische dilemma’s bij zelfrijdende auto’s in noodsituaties.
• Universal Basic Income (UBI) — Een voorgestelde oplossing voor banenverlies door AI.
• User Agency — De mate waarin een gebruiker controle houdt over de AI.
• Weaponized AI — Het gebruik van AI in autonome wapensystemen.

• Differential Privacy — Een techniek om individuele data in een dataset te anonimiseren.
• Privacy-Preserving ML — Trainen van AI zonder ooit de ruwe data te zien.

Geen termen op dit niveau. Wat fundamenteel is voor AI staat in segment 1 en 2. Dit segment bevat termen die nieuw zijn en zich nog moeten uitkristalliseren — sommige worden over twee jaar Kern of Specifiek, andere verdwijnen weer. Daarom is hier een extra niveau toegevoegd: Frontier.

• AI Agent Loop — Het proces waarbij een agent een actie uitvoert, observeert en plant.
• AI Governance — Het beleid en de regels binnen een organisatie voor veilig AI-gebruik.
• CUDA — Een platform van NVIDIA waarmee software direct gebruikmaakt van de GPU.
• Emergent Behavior — Onverwachte vaardigheden die een AI-model plotseling vertoont.
• Hugging Face — Het belangrijkste wereldwijde platform voor open-source AI-modellen.
• Instruction Tuning — Het proces waarbij een model wordt geleerd om opdrachten op te volgen.
• Knowledge Cutoff — De datum waarop de trainingsdata van een AI-model stopt.
• PyTorch — Een veelgebruikt programmeer-framework voor deep learning, ontwikkeld door Meta.
• RAG-implementatie — De praktijk van complete RAG-systemen met alle componenten.
• TensorFlow — Een krachtig AI-framework ontwikkeld door Google.
• TPU (Tensor Processing Unit) — Door Google ontwikkelde chips, specifiek voor AI-berekeningen.
• Vector Database — Een gespecialiseerde database die gegevens opslaat als vectoren.

• Auto-regressive Model — Een model dat elk volgend woord voorspelt op basis van voorgaande woorden.
• Bi-Encoder — Een sneller model voor het vergelijken van teksten.
• ControlNet — Een toevoeging aan beeldmodellen voor exacte sturing van compositie.
• Cosine Similarity — Een specifieke berekening om te bepalen hoe gelijk twee tekstfragmenten zijn.
• Cross-Encoder — Een model dat de relatie tussen twee teksten zeer nauwkeurig beoordeelt.
• Data Augmentation — Het kunstmatig vergroten van een dataset door bestaande data te wijzigen.
• Deep Learning Pipeline — De volledige route van ruwe data naar een werkend AI-model.
• Ensemble Learning — Meerdere modellen samenvoegen om een betere voorspelling te doen.
• Exploding Gradient — Wanneer signalen te sterk worden en het model onstabiel raakt.
• GPU Cloud — Online verhuur van videokaarten specifiek voor het trainen of draaien van AI.
• Hyperparameter Tuning — Het zoeken naar de beste instellingen voor een AI-model.
• In-Context Learning — Het vermogen van een model om te leren van instructies binnen de prompt.
• Inference Cost — De kosten om één enkel antwoord uit een AI-model te genereren.
• LoRA (Low-Rank Adaptation) — Een methode om met minimale rekenkracht een AI-model aan te passen.
• LPU (Language Processing Unit) — Nieuwe generatie chips voor extreem snelle tekstgeneratie.
• Model Hub — Een centrale plek waar AI-modellen worden opgeslagen en gedownload.
• Model Pruning — Het verwijderen van onnodige verbindingen in een neuraal netwerk.
• Multi-Head Attention — Het mechanisme om op verschillende aspecten van een zin tegelijk te letten.
• ONNX (Open Neural Network Exchange) — Een open standaard voor het uitwisselen van AI-modellen.
• PEFT (Parameter-Efficient Fine-Tuning) — Verzamelnaam voor technieken zoals LoRA.
• Prompt Chaining — Het achter elkaar schakelen van verschillende prompts.
• Recursive Character Text Splitter — Een methode om tekst in logische blokken te hakken voor RAG.
• Retrieval Score — Een cijfer dat aangeeft hoe relevant een gevonden document is.
• Self-Instruct — Een methode waarbij een AI zijn eigen trainingsvoorbeelden genereert.
• Soft Robotics — Robots gemaakt van flexibele materialen, vaak aangestuurd door AI.
• Stable Diffusion — Een populair open-source model voor het genereren van afbeeldingen.
• Token Limit — Het maximale aantal tokens dat een AI in één keer kan verwerken.
• Vanishing Gradient — Wanneer signalen te zwak worden en het model stopt met leren.
• Vector Similarity Search — Het zoeken naar informatie op basis van wiskundige nabijheid.
• Vision Transformer (ViT) — Een Transformer-architectuur toegepast op afbeeldingen.
• Weight Decay — Een techniek om te voorkomen dat gewichten te groot worden tijdens training.

• Knowledge Distillation (toepassing) — De praktische manier om een goedkoper model te bouwen.
• Long Context Window — Modellen die hele boeken of complete codebases in één keer verwerken.
• RLAIF (Reinforcement Learning from AI Feedback) — Een model trainen met feedback van een ander AI-model.

• Agentic Workflow — Werken waarbij AI-agents zelfstandig plannen en tools gebruiken.
• Constitutional Reasoning — Het vermogen van AI om expliciet te redeneren binnen vastgelegde principes.
• GPU Poor — Een term voor ontwikkelaars met beperkte toegang tot AI-hardware.
• Liquid Neural Networks — Neurale netwerken die parameters tijdens uitvoering aanpassen.
• Mechanistic Interpretability — Onderzoek naar wat er feitelijk binnenin een AI-model gebeurt.
• Neuromorphic Computing — Hardware die de fysieke structuur van menselijke hersenen nabootst.
• Quantized Fine-Tuning (QLoRA) — Een techniek om grote modellen efficiënt te trainen op consumentenhardware.
• Sparse MoE — Een MoE-model waarbij slechts een fractie van het netwerk per token wordt geactiveerd.
• Test-Time Compute — Het vergroten van rekenkracht op het moment dat AI antwoord geeft.