AI Fundamentals

Het Matroesjka-model

Je kunt AI zien als een reeks poppetjes in elkaar:

• AI is de overkoepelende term.
• Machine Learning (ML) is een subset van AI.
• Deep Learning (DL) is een subset van Machine Learning.

Machine Learning (ML)

In plaats van software te programmeren met expliciete regels ("als dit, doe dan dat"), geven we bij ML de computer heel veel data en laten we hem zelf de patronen (regels) vinden.
Voorbeeld: Om een spamfilter te maken, geef je het model 10.000 gewone mails en 10.000 spam mails. Het model leert zelf welke woorden ('gratis', 'win', 'offer') vaak in spam voorkomen.

Soorten Machine Learning

• Supervised Learning: De data is gelabeld (bijv. foto's van katten met het label 'kat'). De leraar vertelt wat goed is.
• Unsupervised Learning: De data is niet gelabeld. Het model moet zelf structuur of groepen vinden (bijv. klantsegmentatie).
• Reinforcement Learning: Leren door straf en beloning (bijv. een robot die leert lopen of een AI die Super Mario leert spelen).

Deep Learning (DL)

Dit is geïnspireerd op het menselijk brein. Het maakt gebruik van Artificial Neural Networks met vele lagen ('deep'). Hierdoor kan het model extreem complexe patronen herkennen in ongestructureerde data zoals afbeeldingen, geluid en tekst. Dit is de technologie achter zelfrijdende auto's en ChatGPT.

De Generatieve Revolutie

Traditionele AI (Discriminative AI) was goed in het herkennen of classificeren van dingen (is dit een hond of een kat?).
Generative AI kan nieuwe content creëren die nog nooit heeft bestaan (maak een afbeelding van een hond die op de maan schaakt).

Large Language Models (LLMs)

Modellen zoals GPT-4 (OpenAI), Claude (Anthropic) en Gemini (Google) zijn LLMs. Ze zijn getraind op enorme hoeveelheden tekst (praktisch het hele internet).

Hoe werkt het? (Next Token Prediction)

In essentie zijn LLMs supergeavanceerde 'autocorrect' systemen. Ze begrijpen tekst niet zoals wij, maar berekenen wiskundig wat het meest waarschijnlijke volgende woord (of stukje woord: 'token') is, gebaseerd op de voorgaande context.

Tokens

AI leest geen woorden, maar tokens. Een token is ongeveer 3/4 van een woord. Het woord "appel" is 1 token, maar "autobandventieldopje" bestaat uit meerdere tokens. GPT-4 heeft een context window van 128.000 tokens, wat betekent dat het een boek van 300 pagina's in één keer kan 'lezen' en onthouden tijdens een gesprek.

Hallucinaties

Omdat het model voorspelt en niet 'weet', kan het soms vol overtuiging onzin verkondigen. Dit noemen we hallucineren. Het is cruciaal om feiten altijd te checken.

Communiceren met AI

De kwaliteit van de output (het antwoord) wordt voor 80% bepaald door de kwaliteit van de input (de prompt). "Garbage in, garbage out".

De onderdelen van een goede prompt

• Rol (Persona): "Ben een ervaren copywriter..." of "Ben een strenge leraar..."
• Taak (Instruction): Wees specifiek en gebruik actiewerkwoorden. "Schrijf een blogpost", "Vat samen", "Analyseer".
• Context: Geef achtergrondinformatie. "Ik schrijf dit voor een doelgroep van beginners..."
• Format: In welke vorm wil je het antwoord? "In een tabel", "In een lijst", "In JSON formaat", "Niet langer dan 200 woorden".

Technieken

• Few-Shot Prompting: Geef het model een paar voorbeelden van wat je wilt.
  Vraag: "Vertaal naar Frans." / Voorbeeld: "Hond -> Chien", "Kat -> Chat", "Muis -> ..."
• Chain-of-Thought: Vraag het model om "stap voor stap na te denken". Dit is bewezen effectief voor reken- en logica vragen.

Bias (Vooroordelen)

AI leert van data die door mensen is gemaakt. Menselijke data bevat vooroordelen en stereotypen. Als een model veel teksten leest waarin dokters 'hij' zijn en verpleegsters 'zij', zal het model dit stereotype overnemen en versterken.

Deepfakes en Misinformatie

Met AI is het triviaal geworden om nepnieuws, nepafbeeldingen en nepstemmen te genereren. Dit vormt een risico voor democratie en persoonlijke veiligheid.

Impact op Werk

AI zal banen veranderen en sommige banen overbodig maken. Echter, er zullen ook nieuwe banen ontstaan (zoals de 'Prompt Engineer' of 'AI Ethicus'). De consensus is: "Je wordt niet vervangen door AI, maar door iemand die AI gebruikt."