Bronvermelding: Aangeleverde afbeelding; Auteur: Stephen Whitelaw;

Deep learning

Deep learning is een vorm van machine learning die is gebaseerd op neurale netwerken met vele lagen. Deze systemen kunnen complexe patronen in afbeeldingen, tekst, audio en video leren herkennen. Deep learning vormt de basis voor veel moderne doorbraken op het gebied van AI, waaronder spraakherkenning, het genereren van afbeeldingen, vertalingen en grote taalmodellen. Hiervoor zijn vaak grote hoeveelheden data en rekenkracht nodig.

Bronvermelding: Afbeelding ter beschikking gesteld; Auteur: Stephen Whitelaw;

Diffusiemodel

Een diffusiemodel is een vorm van generatieve AI die vaak wordt gebruikt om afbeeldingen te genereren. Het leert gegevens te genereren door te beginnen met ruis en deze geleidelijk te verfijnen tot een samenhangende afbeelding of output. Veel moderne tools voor het genereren van afbeeldingen maken gebruik van diffusietechnieken. Het resultaat kan zeer realistisch of artistiek zijn, afhankelijk van de prompt en het model.

Bronvermelding: Aangeleverde afbeelding; Auteur: Stephen Whitelaw;

Digitale tweeling

Een digitale tweeling is een virtueel model van een object, systeem of proces uit de echte wereld. Een fabriek kan bijvoorbeeld een digitale tweeling hebben die machines, energieverbruik en productiestroom simuleert. AI kan digitale tweelingen krachtiger maken door problemen te voorspellen en veranderingen te testen voordat ze in de echte wereld plaatsvinden. Digitale tweelingen worden gebruikt in de techniek, de gezondheidszorg, het transport en slimme steden.

Bronvermelding: Aangeleverde afbeelding; Auteur: Stephen Whitelaw;

Discriminatief model

Een discriminatief model leert onderscheid te maken tussen categorieën. Het kan bijvoorbeeld bepalen of een e-mail spam is of niet, of dat een afbeelding van een tumor goedaardig of kwaadaardig lijkt. Discriminatieve modellen verschillen van generatieve modellen, die nieuwe inhoud creëren. Simpel gezegd: discriminatieve modellen classificeren; generatieve modellen produceren.


Bronvermelding: Aangeleverde afbeelding; Auteur: Stephen Whitelaw;
Distillatie

AI-distillatie is het trainen van een klein, snel AI-model om de kennis en het gedrag van een groot, slim AI-model over te nemen. Zie het als een meesterkok (het grote model) die een leerling (het kleine model) al zijn geheime recepten en technieken bijbrengt, zodat de leerling gerechten van dezelfde kwaliteit kan bereiden, maar dan veel sneller en met minder keukengerei.Waarom het wordt gebruikt Bespaart ruimte: Het verkleint enorme AI-systemen zodat ze op een smartphone of laptop passen. Bespaart geld: Het kost aanzienlijk minder rekenkracht om het kleinere model te draaien. Bespaart tijd: Het kleinere model geeft veel sneller antwoorden dan het gigantische model.

Bronvermelding: Aangeleverde afbeelding; Auteur: Stephen Whitelaw;

Domeinaanpassing

Domeinaanpassing is het proces waarbij een AI-model goed laat functioneren in een nieuwe, maar verwante omgeving. Een model dat bijvoorbeeld is getraind op ziekenhuisgegevens uit het ene land, werkt mogelijk niet even goed in een ander land omdat apparatuur, patiënten of procedures verschillen. Domeinaanpassing helpt modellen kennis over te dragen en zich tegelijkertijd aan te passen aan lokale omstandigheden.

Bronvermelding: Afbeelding ter beschikking gesteld; Auteur: Stephen Whitelaw;

Domeinspecifieke AI

Domeinspecifieke AI is AI die is ontworpen voor een bepaald vakgebied, zoals de gezondheidszorg, het recht, de financiële sector, het onderwijs, de landbouw of de productiesector. Deze systemen kunnen nauwkeuriger en nuttiger zijn dan algemene tools, omdat ze zijn gebaseerd op specialistische kennis en werkprocessen. Domeinspecifieke AI vereist echter toezicht door deskundigen, omdat fouten ernstige gevolgen kunnen hebben.

Bronvermelding: Aangeleverde afbeelding; Auteur: Stephen Whitelaw;

Drift

Drift treedt op wanneer de prestaties van een AI-model in de loop van de tijd veranderen doordat de echte wereld verandert. Zo kunnen bijvoorbeeld het gedrag van klanten, fraudetactieken, medische praktijken of taalgebruik evolueren. Een model dat vorig jaar nog goed werkte, kan vandaag de dag minder betrouwbaar zijn. Het monitoren van drift is essentieel in elk AI-systeem dat gedurende langere tijd wordt gebruikt.

Bronvermelding: Aangeleverde afbeelding; Auteur: Stephen Whitelaw;

Dropout

Dropout is een trainingstechniek die in neurale netwerken wordt gebruikt om overfitting te verminderen. Tijdens de training worden sommige verbindingen willekeurig genegeerd, waardoor het model gedwongen wordt niet te veel op één bepaald pad te vertrouwen. Dit helpt het model om beter te generaliseren naar nieuwe gegevens. Het is vergelijkbaar met het trainen van een team, zodat de hele groep goed presteert, in plaats van afhankelijk te zijn van één sterspeler.

Bronvermelding: Aangeleverde afbeelding; Auteur: Stephen Whitelaw;

Dubbel gebruik

Dubbel gebruik betekent dat een technologie zowel voor nuttige als voor schadelijke doeleinden kan worden ingezet. AI is een klassiek voorbeeld van een technologie met dubbel gebruik. Dezelfde tool die helpt bij het schrijven van lesmateriaal, kan ook worden gebruikt om phishing-e-mails te schrijven. Hetzelfde systeem voor het genereren van afbeeldingen dat kunstenaars helpt, kan ook worden gebruikt om vals bewijsmateriaal te creëren. Verantwoorde AI vereist dat er zowel over misbruik als over het beoogde gebruik wordt nagedacht.

Stel The Portugal News in als uw voorkeursbron voor nieuws op Google

GoogleToevoegen als voorkeursbron op Google