Elements of AI
Wat is AI?
Wat bedoelen we met AI?
In dit eerste deel maken we kennis met het begrip artificiële intelligentie (AI) door stil te
staan bij de definitie en enkele voorbeelden ervan.
AI is een actueel thema dat veel aandacht krijgt in media en publieke debatten. De
meningen over wat AI precies inhoudt, lopen echter uiteen. Voor sommigen gaat het om
kunstmatige vormen van leven die de menselijke intelligentie kunnen overstijgen, terwijl
anderen vrijwel alle technologieën voor gegevensverwerking als AI beschouwen.
Wat is AI?
AI kan worden gedefinieerd als technologie die autonomie en aanpassingsvermogen
vertoont, oftewel het vermogen om in complexe omgevingen taken uit te voeren zonder
continue menselijke aansturing en het vermogen om prestaties te verbeteren door te leren
van ervaringen.
Voorbeelden van AI-toepassingen
1. Zelfrijdende auto's: Deze voertuigen gebruiken verschillende AI-technieken, zoals
zoeken en plannen voor routeoptimalisatie, beeldherkenning voor het identificeren
van obstakels en beslissen onder onzekerheid om veilig te navigeren. Dit verhoogt
de verkeersveiligheid en efficiëntie van logistieke ketens.
2. Gepersonaliseerde aanbevelingen: AI-algoritmen bepalen welke inhoud gebruikers
zien op platforms zoals Facebook, Twitter, Spotify en Netflix. Dit leidt tot
gepersonaliseerde ervaringen, maar roept ook kwesties op zoals filterbubbels en
nepnieuws.
3. Beeld- en videoverwerking: AI wordt gebruikt in gezichtsherkenning, foto-indeling, en
het creëren van visuele inhoud zoals nepvideo's. Deze technieken kunnen de realiteit
vervormen, waardoor "zien is geloven" minder betrouwbaar wordt.
Complexiteit van AI-begrip
Geen officiële definitie
AI-onderzoekers hebben geen precieze definitie van AI, wat bijdraagt aan verwarring. Wat
ooit als AI werd beschouwd, zoals zoekalgoritmen, wordt nu gezien als standaard
computerwetenschap.
Erfenis van sciencefiction
,Sciencefiction beïnvloedt de publieke perceptie van AI, waarbij mensachtige robots en
geavanceerde systemen vaak worden voorgesteld. Dit draagt bij aan onrealistische
verwachtingen en misverstanden over de huidige capaciteiten van AI.
Complexiteit en eenvoud
Wat eenvoudig lijkt voor mensen, zoals objecten vastpakken, is voor AI vaak erg moeilijk.
Daarentegen kunnen taken die moeilijk lijken, zoals schaken, relatief eenvoudig worden
uitgevoerd door AI-systemen dankzij hun rekenkracht.
Misleidende termen en perceptie
Veelgebruikte termen zoals "intelligentie" en "begrijpen" kunnen misleidend zijn als ze
worden toegepast op AI-systemen. Deze systemen kunnen specifieke taken uitvoeren, maar
dat betekent niet dat ze menselijk begrip of veelzijdigheid bezitten.
Conclusie
AI is een dynamisch en veelzijdig veld zonder eenduidige definitie. Het omvat methoden die
variëren in autonomie en aanpassingsvermogen. Het begrijpen van AI vereist een
genuanceerde benadering, waarbij men zich bewust is van de complexe en vaak
misleidende terminologie.
Verwante Gebieden van AI
1. Machinaal Leren (ML)
Machinaal leren is een deelgebied van AI, dat op zijn beurt weer een deelgebied van de
informatica is. ML-systemen verbeteren hun prestaties in een bepaalde taak naarmate ze
meer ervaring en gegevens opdoen. Dankzij ML zijn adaptieve AI-oplossingen mogelijk.
2. Deep Learning (DL)
Deep learning is een subset van machinaal leren. Het onderscheidt zich door de complexiteit
van de wiskundige modellen die het gebruikt, wat mogelijk is geworden door de toegenomen
rekenkracht van moderne computers. Hierdoor kunnen veel complexere problemen worden
aangepakt.
3. Datawetenschap
Datawetenschap omvat subdisciplines zoals machinaal leren, statistiek en aspecten van
informatica, waaronder algoritmen, gegevensopslag en de ontwikkeling van webapplicaties.
Het is een praktische discipline die inzicht vereist in het toepassingsgebied, zoals
bedrijfsleven of wetenschap, en maakt vaak gebruik van AI-technieken.
4. Robotica
Robotica richt zich op het bouwen en programmeren van robots die onder complexe,
realistische omstandigheden kunnen functioneren. Dit omvat diverse AI-deelgebieden:
● Beeld- en spraakherkenning: Voor waarneming van de omgeving.
● Verwerking van natuurlijke taal: Voor het begrijpen van instructies en voorspellen van
de gevolgen van handelingen.
● Cognitief modelleren en artificiële emotionele intelligentie: Voor interactie met
mensen.
, Robots bestaan uit sensoren (waarneming) en actuatoren (actie), en kunnen
geprogrammeerd worden voor specifieke taken. In de praktijk zien de meeste robots er
functioneel uit, aangepast aan hun specifieke taken, en niet mensachtig zoals vaak in
sciencefiction wordt voorgesteld. Zelfs voertuigen met enige mate van autonomie en
software-oplossingen zoals chatbots kunnen als robots worden beschouwd.
Samenvatting
● Machinaal leren: Verbeteren met ervaring en gegevens.
● Deep learning: Complexe modellen dankzij krachtige computers.
● Datawetenschap: Overkoepelend veld met ML, statistiek en informatica.
● Robotica: Integratie van AI-technieken voor functionele machines.
●
Deze velden zijn nauw verwant aan AI en vormen samen een complex landschap waarin
onderzoekers specifieke problemen aanpakken en oplossingen ontwikkelen die steeds
geavanceerder en specifieker worden.
De Filosofie van AI
1. De Natuur van AI en Intelligentie
De vraag of intelligent gedrag een "geest" veronderstelt of vereist, en of bewustzijn door
berekeningen kan worden gereproduceerd, is een fundamentele filosofische kwestie in de
AI.
2. De Turingtest
Alan Turing introduceerde een test waarbij een menselijke ondervrager communiceert met
een computer en een mens via tekstberichten. De computer slaagt als de ondervrager niet
kan bepalen wie de computer is. Dit suggereert dat als een computer menselijk gedrag
nabootst, het als intelligent kan worden beschouwd. Kritiek op de Turingtest stelt dat deze
meer meet of een computer menselijk gedrag imiteert dan dat het daadwerkelijk intelligent
is.
3. Het Chinese Kamer-experiment
John Searle's gedachte-experiment betwist dat intelligent gedrag gelijkstaat aan intelligentie.
Een persoon zonder kennis van Chinees kan, door het volgen van instructies, reageren op
Chinese teksten zonder de taal te begrijpen. Dit suggereert dat zelfs als een machine
intelligent gedrag vertoont, dit niet betekent dat het intelligentie of bewustzijn heeft.
4. Praktische Relevantie van Filosofie in AI
John McCarthy stelde dat de filosofie van AI waarschijnlijk weinig invloed heeft op de
praktische AI-onderzoek. Onderzoekers richten zich op het ontwikkelen van systemen die
nuttige problemen oplossen, ongeacht of deze systemen echt intelligent zijn.
5. Algemene versus Taakspecifieke AI
Wat is AI?
Wat bedoelen we met AI?
In dit eerste deel maken we kennis met het begrip artificiële intelligentie (AI) door stil te
staan bij de definitie en enkele voorbeelden ervan.
AI is een actueel thema dat veel aandacht krijgt in media en publieke debatten. De
meningen over wat AI precies inhoudt, lopen echter uiteen. Voor sommigen gaat het om
kunstmatige vormen van leven die de menselijke intelligentie kunnen overstijgen, terwijl
anderen vrijwel alle technologieën voor gegevensverwerking als AI beschouwen.
Wat is AI?
AI kan worden gedefinieerd als technologie die autonomie en aanpassingsvermogen
vertoont, oftewel het vermogen om in complexe omgevingen taken uit te voeren zonder
continue menselijke aansturing en het vermogen om prestaties te verbeteren door te leren
van ervaringen.
Voorbeelden van AI-toepassingen
1. Zelfrijdende auto's: Deze voertuigen gebruiken verschillende AI-technieken, zoals
zoeken en plannen voor routeoptimalisatie, beeldherkenning voor het identificeren
van obstakels en beslissen onder onzekerheid om veilig te navigeren. Dit verhoogt
de verkeersveiligheid en efficiëntie van logistieke ketens.
2. Gepersonaliseerde aanbevelingen: AI-algoritmen bepalen welke inhoud gebruikers
zien op platforms zoals Facebook, Twitter, Spotify en Netflix. Dit leidt tot
gepersonaliseerde ervaringen, maar roept ook kwesties op zoals filterbubbels en
nepnieuws.
3. Beeld- en videoverwerking: AI wordt gebruikt in gezichtsherkenning, foto-indeling, en
het creëren van visuele inhoud zoals nepvideo's. Deze technieken kunnen de realiteit
vervormen, waardoor "zien is geloven" minder betrouwbaar wordt.
Complexiteit van AI-begrip
Geen officiële definitie
AI-onderzoekers hebben geen precieze definitie van AI, wat bijdraagt aan verwarring. Wat
ooit als AI werd beschouwd, zoals zoekalgoritmen, wordt nu gezien als standaard
computerwetenschap.
Erfenis van sciencefiction
,Sciencefiction beïnvloedt de publieke perceptie van AI, waarbij mensachtige robots en
geavanceerde systemen vaak worden voorgesteld. Dit draagt bij aan onrealistische
verwachtingen en misverstanden over de huidige capaciteiten van AI.
Complexiteit en eenvoud
Wat eenvoudig lijkt voor mensen, zoals objecten vastpakken, is voor AI vaak erg moeilijk.
Daarentegen kunnen taken die moeilijk lijken, zoals schaken, relatief eenvoudig worden
uitgevoerd door AI-systemen dankzij hun rekenkracht.
Misleidende termen en perceptie
Veelgebruikte termen zoals "intelligentie" en "begrijpen" kunnen misleidend zijn als ze
worden toegepast op AI-systemen. Deze systemen kunnen specifieke taken uitvoeren, maar
dat betekent niet dat ze menselijk begrip of veelzijdigheid bezitten.
Conclusie
AI is een dynamisch en veelzijdig veld zonder eenduidige definitie. Het omvat methoden die
variëren in autonomie en aanpassingsvermogen. Het begrijpen van AI vereist een
genuanceerde benadering, waarbij men zich bewust is van de complexe en vaak
misleidende terminologie.
Verwante Gebieden van AI
1. Machinaal Leren (ML)
Machinaal leren is een deelgebied van AI, dat op zijn beurt weer een deelgebied van de
informatica is. ML-systemen verbeteren hun prestaties in een bepaalde taak naarmate ze
meer ervaring en gegevens opdoen. Dankzij ML zijn adaptieve AI-oplossingen mogelijk.
2. Deep Learning (DL)
Deep learning is een subset van machinaal leren. Het onderscheidt zich door de complexiteit
van de wiskundige modellen die het gebruikt, wat mogelijk is geworden door de toegenomen
rekenkracht van moderne computers. Hierdoor kunnen veel complexere problemen worden
aangepakt.
3. Datawetenschap
Datawetenschap omvat subdisciplines zoals machinaal leren, statistiek en aspecten van
informatica, waaronder algoritmen, gegevensopslag en de ontwikkeling van webapplicaties.
Het is een praktische discipline die inzicht vereist in het toepassingsgebied, zoals
bedrijfsleven of wetenschap, en maakt vaak gebruik van AI-technieken.
4. Robotica
Robotica richt zich op het bouwen en programmeren van robots die onder complexe,
realistische omstandigheden kunnen functioneren. Dit omvat diverse AI-deelgebieden:
● Beeld- en spraakherkenning: Voor waarneming van de omgeving.
● Verwerking van natuurlijke taal: Voor het begrijpen van instructies en voorspellen van
de gevolgen van handelingen.
● Cognitief modelleren en artificiële emotionele intelligentie: Voor interactie met
mensen.
, Robots bestaan uit sensoren (waarneming) en actuatoren (actie), en kunnen
geprogrammeerd worden voor specifieke taken. In de praktijk zien de meeste robots er
functioneel uit, aangepast aan hun specifieke taken, en niet mensachtig zoals vaak in
sciencefiction wordt voorgesteld. Zelfs voertuigen met enige mate van autonomie en
software-oplossingen zoals chatbots kunnen als robots worden beschouwd.
Samenvatting
● Machinaal leren: Verbeteren met ervaring en gegevens.
● Deep learning: Complexe modellen dankzij krachtige computers.
● Datawetenschap: Overkoepelend veld met ML, statistiek en informatica.
● Robotica: Integratie van AI-technieken voor functionele machines.
●
Deze velden zijn nauw verwant aan AI en vormen samen een complex landschap waarin
onderzoekers specifieke problemen aanpakken en oplossingen ontwikkelen die steeds
geavanceerder en specifieker worden.
De Filosofie van AI
1. De Natuur van AI en Intelligentie
De vraag of intelligent gedrag een "geest" veronderstelt of vereist, en of bewustzijn door
berekeningen kan worden gereproduceerd, is een fundamentele filosofische kwestie in de
AI.
2. De Turingtest
Alan Turing introduceerde een test waarbij een menselijke ondervrager communiceert met
een computer en een mens via tekstberichten. De computer slaagt als de ondervrager niet
kan bepalen wie de computer is. Dit suggereert dat als een computer menselijk gedrag
nabootst, het als intelligent kan worden beschouwd. Kritiek op de Turingtest stelt dat deze
meer meet of een computer menselijk gedrag imiteert dan dat het daadwerkelijk intelligent
is.
3. Het Chinese Kamer-experiment
John Searle's gedachte-experiment betwist dat intelligent gedrag gelijkstaat aan intelligentie.
Een persoon zonder kennis van Chinees kan, door het volgen van instructies, reageren op
Chinese teksten zonder de taal te begrijpen. Dit suggereert dat zelfs als een machine
intelligent gedrag vertoont, dit niet betekent dat het intelligentie of bewustzijn heeft.
4. Praktische Relevantie van Filosofie in AI
John McCarthy stelde dat de filosofie van AI waarschijnlijk weinig invloed heeft op de
praktische AI-onderzoek. Onderzoekers richten zich op het ontwikkelen van systemen die
nuttige problemen oplossen, ongeacht of deze systemen echt intelligent zijn.
5. Algemene versus Taakspecifieke AI
