Introductie
De wereld van kunstmatige intelligentie ontwikkelt zich snel. Nieuwe begrippen, technieken en afkortingen verschijnen voortdurend. In deze woordenlijst vind je de belangrijkste AI-termen eenvoudig en duidelijk uitgelegd. De lijst wordt regelmatig aangevuld zodat je altijd toegang hebt tot een actuele basis voor begrip, studie en toepassing.
1. LLM (Large Language Model)
Een taalmodel dat is getraind op grote hoeveelheden tekst en menselijke taal kan genereren en begrijpen.
2. RAG (Retrieval-Augmented Generation)
Methode waarbij de AI eerst externe informatie ophaalt en die daarna gebruikt om betere antwoorden te genereren.
3. Token
Een stukje tekst (woord, deel van een woord of leesteken) dat door een taalmodel wordt verwerkt.
4. Embedding
Een vector (getallenreeks) die de betekenis van een woord, zin of document vastlegt zodat AI semantische overeenkomsten kan herkennen.
5. Vector Database
Database geoptimaliseerd voor het opslaan en doorzoeken van embeddings op basis van betekenis.
6. Multimodaliteit
Het vermogen van AI om meerdere soorten input tegelijk te verwerken, zoals tekst, beeld, audio en video.
7. Inference
De fase waarin een getraind model wordt gebruikt om voorspellingen of antwoorden te genereren.
8. Transformer
Het neurale netwerk-ontwerp dat de basis vormt voor moderne AI-modellen zoals GPT en Claude.
9. Dataset
Een verzameling gegevens die wordt gebruikt om modellen te trainen, testen of evalueren.
10. Fine-Tuning
Het verder trainen van een AI-model op specifieke data om beter aan te sluiten bij een bepaalde taak.
11. Context Window
De maximale hoeveelheid tekst (in tokens) die een model tegelijk kan verwerken of “onthouden”.
12. Guardrails
Mechanismen die AI-gedrag controleren en veilig houden, zoals filters, validatie en toegangsbeperkingen.
13. API (Application Programming Interface)
Een interface waarmee software met andere software communiceert, vaak gebruikt om AI-modellen aan te roepen.
14. Latency
De reactietijd van een AI-model: hoe lang het duurt voordat een antwoord verschijnt.
15. Pipeline
Een reeks verwerkingsstappen in AI-systemen, zoals opschonen → embedden → zoeken → genereren.
16. Overfitting
Situatie waarin een model de trainingsdata te letterlijk leert, waardoor het slecht presteert op nieuwe data.
17. Zero-Shot Learning
Het vermogen om een taak uit te voeren zonder vooraf voorbeelden te hebben gezien.
18. Few-Shot Learning
Het uitvoeren van een taak met slechts enkele voorbeelden in de prompt.
19. Diffusion Model
Modeltype dat beelden of audio genereert door ruis stapsgewijs om te zetten in structuur.
20. Modelparameters
Waarden in het model die tijdens training worden aangepast. Ze bepalen hoe het model informatie verwerkt.
21. Prompt Engineering
Het ontwerpen van duidelijke en effectieve opdrachten om betere AI-antwoorden te krijgen.
22. Agent
Een AI-systeem dat zelfstandig stappen plant, informatie verzamelt en taken uitvoert.
23. Pre-Training
De basisfase waarin een model algemene patronen leert uit grote hoeveelheden tekst en data.
24. Loss Function
Rekenmethode die tijdens training meet hoe goed of slecht een model presteert. Het doel is de “loss” te minimaliseren.
25. Model Weights
De waarden (parameters) die tijdens training worden aangepast en die bepalen hoe een model voorspellingen maakt.
26. MCP (Model Context Protocol)
Een open protocol waarmee AI-modellen kunnen communiceren met externe tools, data-bronnen en systemen. MCP zorgt ervoor dat modellen veilig en gestructureerd taken kunnen uitvoeren, zoals informatie ophalen, bestanden bewerken of acties starten. Het maakt AI bruikbaar in echte workflows.
27. Grounding
Het koppelen van een AI-antwoord aan verifieerbare informatiebronnen, zoals documenten, data of tools, zodat de output betrouwbaar blijft.
28. Hallucinatie
Een fout waarbij een AI een incorrect, verzonnen of niet-bestaand antwoord geeft alsof het waar is.
29. RLHF (Reinforcement Learning from Human Feedback)
Trainingsmethode waarbij AI leert van menselijke voorkeuren, beoordelingen of correcties. Hierdoor wordt het model beter afgestemd op menselijk gedrag.
30. Self-Consistency Reasoning
Een techniek waarbij AI meerdere denkpaden genereert en daarna het meest consistente of waarschijnlijk juiste pad kiest. Dit verbetert nauwkeurigheid en redeneren.