Artificial intelligence (AI) is het vermogen van computersystemen om taken uit te voeren waarvoor normaal menselijke intelligentie nodig is, zoals leren, redeneren, taal begrijpen en problemen oplossen. In het Nederlands heet het kunstmatige intelligentie. De term omvat een verzameling technieken: spamfilters en spraakherkenning vallen eronder, net als taalmodellen zoals ChatGPT en Claude.
Alle AI die vandaag bestaat, is gespecialiseerd in een afgebakend soort taak. Systemen met een breed, menselijk denkvermogen bestaan nog niet. Het onderscheid tussen die twee bepaalt wat je van AI kunt verwachten en waar je de output moet controleren.
Wat betekent artificial intelligence?
Artificial intelligence betekent letterlijk kunstmatige intelligentie: intelligentie die niet van nature bestaat, maar door mensen is gebouwd. Waar gewone software vaste, handgeschreven regels volgt, leert een AI-systeem patronen uit data en past het zijn gedrag daarop aan.
Een spamfilter die leert welke e-mails ongewenst zijn, is een eenvoudig voorbeeld. Een taalmodel dat tekst genereert op basis van patronen uit enorme hoeveelheden gelezen tekst is een complexer voorbeeld van hetzelfde principe. De term artificial intelligence werd gemunt door de Amerikaanse computerwetenschapper John McCarthy, in het voorstel voor de Dartmouth-conferentie van 1956. Het vakgebied is dus veel ouder dan de huidige golf.
Hoe werkt AI?
Om te begrijpen hoe AI werkt, volstaat één principe: een AI-systeem krijgt grote hoeveelheden data, herkent daarin patronen en past zijn interne instellingen aan tot zijn voorspellingen kloppen. Die methode heet machine learning.
Deep learning is een vorm van machine learning met neurale netwerken: lagen van verbonden rekeneenheden die samen steeds complexere patronen herkennen. Taalmodellen en beeldgeneratoren zijn daarop gebaseerd.
Welke soorten AI zijn er?
Er zijn drie hoofdsoorten AI: narrow AI, artificial general intelligence (AGI) en artificial super intelligence (ASI). Alleen narrow AI bestaat op dit moment. Binnen narrow AI kun je systemen verder indelen naar hoe ze leren en naar hoe ze met geheugen omgaan.
Narrow AI
Narrow AI, ook zwakke AI genoemd, is ontworpen voor één specifieke taak of een beperkte set taken. Spraakassistenten, aanbevelingssystemen van streamingdiensten en spamfilters zijn narrow AI. ChatGPT, Claude en Google Gemini vallen er eveneens onder: ze lijken breed inzetbaar omdat ze tekst, code en analyse aankunnen, maar werken met patronen uit hun trainingsdata en functioneren binnen de grenzen daarvan.
Generatieve AI is de tak van narrow AI die nieuwe content maakt, zoals tekst, beeld, code en audio, in plaats van alleen te classificeren of te voorspellen. Voorspellende AI schat in welke klanten waarschijnlijk opzeggen; generatieve AI schrijft de e-mail om ze te behouden. Hoe generatieve AI tot een antwoord komt en waar het fout gaat, staat op een eigen pagina.
AGI en ASI
AGI en ASI zijn hypothetische soorten AI. Artificial general intelligence zou elke intellectuele taak kunnen uitvoeren die een mens kan, en zich zonder specifieke training aanpassen aan nieuwe situaties. Er is geen wetenschappelijke consensus over wanneer, of zelfs of, AGI gerealiseerd wordt.
Artificial super intelligence gaat een stap verder: AI die menselijke intelligentie op alle gebieden overtreft. Beide begrippen spelen vooral een rol in het maatschappelijke debat over risico’s.
Indeling naar leermethode
De leermethode bepaalt waarvoor een AI-systeem geschikt is. Bij supervised learning traint een model op gelabelde voorbeelden, zoals e-mails die als spam of geen spam zijn gemarkeerd. Bij unsupervised learning zoekt het model zelf patronen in ongelabelde data, bijvoorbeeld om klanten te groeperen op gedrag. Self-supervised learning leert van de structuur in de data zelf; grote taalmodellen zijn zo getraind, door steeds te voorspellen welk woord volgt.
Reactive en limited memory AI
Reactive AI reageert op input zonder iets te onthouden, zoals een schaakcomputer die elke zet opnieuw berekent. Limited memory AI gebruikt opgeslagen informatie om betere beslissingen te nemen, zoals fraudedetectie die leert van historische transacties of een chatbot die context vasthoudt binnen een gesprek. De meeste AI in professionele toepassingen valt in die tweede groep.
Welke AI-begrippen kom je het vaakst tegen?
De AI-begrippen die je het vaakst tegenkomt, zijn LLM, prompt, bias en agentic AI. Wie ze uit elkaar houdt, leest nieuws en productinformatie over AI een stuk scherper.
LLM
LLM staat voor large language model, in het Nederlands een groot taalmodel: een model dat op enorme hoeveelheden tekst is getraind en daardoor taal kan verwerken en produceren. ChatGPT, Claude en Gemini draaien op LLM’s. Het woord large verwijst naar de schaal van de trainingsdata en van het aantal parameters, de interne instellingen waarmee het model rekent.
Prompt
Een prompt is de instructie of vraag die je aan een AI-systeem geeft, en daarmee de input waarop de output is gebaseerd. Een vage instructie levert een generiek antwoord op; een instructie met context, doel en gewenste vorm levert bruikbaar werk.
Bias
Bias in AI is een systematische vertekening in de output, veroorzaakt door scheefheid in de trainingsdata. Een selectiesysteem dat leert van historische aannamedata uit een periode waarin vooral mannen werden aangenomen, kan vrouwen structureel lager scoren. Het systeem heeft geen intentie; het herhaalt het patroon dat in de data zat.
Agentic AI
Agentic AI verwijst naar systemen die zelfstandig meerdere stappen van een taak uitvoeren: ze krijgen een doel, maken een plan en voeren handelingen uit. Een chatbot beantwoordt één vraag en wacht; een agent zet de vervolgstappen zelf. Juist daardoor wordt controle belangrijker, omdat er meer momenten zijn waarop iets misgaat zonder dat iemand meekijkt.
Waarvoor wordt AI gebruikt?
AI wordt gebruikt in vrijwel elke sector: in de zorg bij het analyseren van medische beelden, in de financiële sector bij fraudedetectie en in marketing bij het personaliseren van aanbevelingen. Voor kantoorprofessionals zijn de meest directe toepassingen tekst schrijven, documenten samenvatten, data analyseren en vragen beantwoorden in gewone taal.
AI is het sterkst bij taken die repetitief, tijdrovend of datagedreven zijn. Niet elke taak vraagt om AI: een vaste, voorspelbare handeling is vaak beter af met gewone automatisering. Welke soort AI bij welk werk past, is binnen een organisatie de kernvraag van een AI-implementatie, omdat de juiste inzet afhangt van de taken die een team daadwerkelijk uitvoert.
Wat zijn de beperkingen van AI?
De belangrijkste beperking van AI is dat een systeem overtuigend klinkende output kan geven die feitelijk onjuist is, zonder aan te geven dat het twijfelt. Zo’n fout heet een AI-hallucinatie. In mijn eigen werk met taalmodellen zie ik het vooral bij bronnen en cijfers: modellen noemen rapporten en citaten die bij controle niet blijken te bestaan.
Een taalmodel herkent patronen in taal, maar begrijpt de inhoud niet zoals een mens dat doet. Daarnaast neemt het de bias uit zijn trainingsdata over. Verificatie van de output hoort daarom bij elk serieus gebruik, zeker bij juridische, financiële of medische toepassingen.
Wie AI op het werk gebruikt, heeft meer aan inzicht in die beperkingen dan aan technische kennis van de modellen. De cursus AI-geletterdheid behandelt die basis: hoe een taalmodel tot een antwoord komt en hoe je de output controleert, met een certificaat na afronding.
