AI voor de niet-zo-beginners: een gids voor technisch onderlegde lezers

AI beyond the basics

Als je op zoek bent naar meer geavanceerde informatie over AI, maar niet wilt verdrinken in een zee van jargon, dan ben je hier aan het juiste adres.

Laten we er meteen induiken.

Wat is een neuraal netwerk?

Neurale netwerken zijn een subset van machine learning die de kern vormen van deep learning-algoritmen. 


Neurale netwerken zijn opgebouwd uit verschillende lagen. 

  1. Invoerlaag: ontvangt de invoer of input.
  2. Een of meer verborgen verwerkingslagen: deze verwerken de invoer met behulp van 'neuronen', een mooie manier om eigenlijk 'speciale wiskundige functies' te zeggen.
  3. Uitvoerlaag: verzendt de uitvoer of output.


Elk neuron in een laag past een wiskundige functie toe, een 'activeringsfunctie' genoemd , die een resultaat berekent op basis van de invoer en bepaalde gewichten. Het neuron stuurt het resultaat vervolgens door naar de volgende laag.


Elke laag heeft gewichten en drempels (beter bekend als vooroordelen of biases) die zijn afgeleid van initiële, gelabelde trainingsdata. Tijdens verdere training worden het model, de gewichten en drempels iteratief aangepast totdat het netwerk vaker nauwkeurigere antwoorden geeft.


Er bestaan verschillende neurale architecturen, die elk specifieke taken beter vervullen dan andere.

De AI-superset


AI verwijst naar elk systeem dat een activiteit uitvoert die doorgaans wordt beschouwd als onderdeel van het domein van de mens. In de meest strikte zin is een e-mailspamfilter dat leert van eerdere e-mails een vorm van AI.

AI is de superset van talloze subsettechnologieën, zoals:

  • computer vision
  • robotica
  • tekst naar spraak
  • machine learning
  • deep learning
  • natuurlijke taalverwerking (Natural Language Processing, NLP)

Machine learning (ML)


Machine learning verwijst naar het vermogen van machines om zich aan te passen op basis van invoergegevens, ook wel 'leren' genoemd. ML wordt vaker toegepast op enorme datasets naarmate de rekenkracht toeneemt.


In tegenstelling tot hardgecodeerde oplossingen, ondersteunen zelfverbeterende algoritmen ML-oplossingen. Je hoeft de code niet te wijzigen om het systeem te laten werken, omdat de algoritmen zijn geprogrammeerd om zich aan te passen op basis van veranderende gegevens.

Deep learning


Deep learning is een deelgebied van machine learning dat gebruikmaakt van meerlagige neurale netwerken voor diepere leerprocessen. Wetenschappers weten niet altijd hoe deep learning-oplossingen hun resultaten opleveren, omdat ze in een verborgen, blackbox-omgeving werken. Dit is eerder een bug dan een functie, en inzicht in deze black box zou enorme mogelijkheden voor AI kunnen openen.

Natuurlijke taalverwerking (NLP)


NLP is wanneer computers natuurlijke taal verwerken en begrijpen. Een fundamenteel concept van NLP is om ongestructureerde taal om te zetten in gestructureerde taal.


NLP wordt veel gebruikt in moderne AI-oplossingen. Enkele voorbeelden van NLP in AI zijn:

  • vertalen van teksten
  • sentiment-analyse
  • tekstsamenvatting
  • tekstgeneratie


Python heeft uitgebreide ingebouwde ondersteuning voor NLP, zoals scikit-learn, Natural Language Toolkit, PyNLPl en andere bibliotheken, waardoor het een populaire programmeertaal is voor het ontwikkelen van AI-toepassingen.


Het combineren van NLP AI-tools met andere software blijkt in de praktijk soms bijzonder krachtig. Een aantal van de tools die je op deze wijze kunt maken, zijn onder meer:


  • bedrijfszoekmachine: je kunt AI- en NLP-functies combineren in de kennisbank van je bedrijf en antwoorden geven aan gebruikers die zoeken naar bedrijfsspecifieke gegevens. Om de front-end te maken, kun je freelance developers van Fiverr vinden om je te helpen.
  • chatbots: op dezelfde manier kun je AI and NLP-aangedreven chatbots creëren die in je bedrijfswebsite kunnen worden geïntegreerd.
  • monitoring van social media: via AI en NLP kun je bepalen hoe mensen over je merk denken en software schrijven om waarschuwingen te activeren bij plotselinge dalingen in de populariteit.

Computer vision (CV)


CV is een multidisciplinair veld met brede toepassingen in AI. Een belangrijk gebruik van CV is begrip van een afbeelding.


CV-tools werken doorgaans op neurale netwerken die zijn gebouwd met behulp van een andere architectuur dan neurale netwerken met taalmodellen.


Machine learning en deep learning zijn cruciaal voor geavanceerde CV-functionaliteit.


Twee populaire tools op basis van CV zijn de generatieve AI-tools voor beeldgeneratie: Midjourney en DALL-E 2. Deze tools combineren NLP-functionaliteit met CV-technologie om spectaculaire AI-beelden te genereren.


DALL-E biedt een openbare API om AI-beeldgeneratie te integreren in je product of dienst. Als je geen programmeur bent, kun je gekwalificeerde experts vinden om je te helpen bij het lanceren van je AI Image Generation-product.

Volgende stap: je app bouwen


Er zijn uitgebreide mogelijkheden om AI in combinatie met andere technologieën in te zetten. De hulpmiddelen die je kunt ontwikkelen, worden alleen beperkt door vaardigheid en verbeeldingskracht. Met al deze geavanceerde kennis over AI is het nu tijd om aan de slag gaan met je eigen app. Hulp nodig? Zoek een AI-expert die je helpt bij de uitvoerende kant, zodat het alleen nog maar aankomt op je verbeeldingskracht.

Terug naar het infocentrum