1. AI in bedrijfscommunicatie
Terminology
Artificiële Intelligentie (AI)
= “kunstmatige intelligentie” : intelligentie vertoond door machines/computersystemen die
menselijke intelligentie nabootsen,
+/- “denken”
menselijke vaardigheden vertonen (leren, redeneren, creëren…)
→ Praktisch: computersystemen die taken kunnen oplossen waarvoor normaal menselijke
intelligentie nodig is
Overkoepelende verzamelnaam voor verschillende technologieën
Machine learning
Neurale netwerken en deep learning
Natural language processing
…
Q: geef een voorbeeld van AI. Welke “menselijke” taak wordt er opgelost?
Chatbots
Taak: taal lezen, “begrijpen” en schrijven zoals een mens
Tumor opsporen op een radiografie
Taak: medische beelden interpreteren zoals een radioloog
Geschreven tekst omzetten in gesproken taal
Taak: taal lezen en uitspreken zoals een mens
Zelfrijdende auto’s
Taak: autorijden en het verkeer inschatten zoals een bestuurder
Gezichtsherkenning
Taak: gezichten herkennen op foto’s zoals een mens
VRAAG: is een rekenmachine AI? Nee, een rekenmachine is geen AI ; volgt vaste wiskundige regels en
algoritmes zonder zelf te leren of beslissingen te nemen zoals een mens. AI daarentegen kan
patronen herkennen, leren van data en zich aanpassen aan nieuwe situaties, terwijl een
rekenmachine alleen vooraf geprogrammeerde berekeningen uitvoert.
Artificiële Algemene Intelligentie (Artificial General Intelligence)
= Gelijkend aan menselijke intelligentie
1 Systeem kan meerdere taken uitvoeren + vanzelf task-switchen
Bv algemeen: robot die van taal kan vertrekken en zo een vraagstuk kan oplossen; robot die zelf een
ikeakastje kan ineenvijzen…
Artificiële Enge Intelligentie (Artificial Narrow Intelligence)
Beperkt tot enge, voorafbepaalde taak
AI kan hier niet van afwijken
Geen task-switching
Vaak accurater / beter in deze precieze taak
Bv eng: detector plagiaat
,AI: Machine learning
= Tak van AI
Methode :
Modellen die “leren” uit data → datagebaseerd
Patroonherkenning via statistische methodes
Praktisch: hoe leert de machine?
1. Input: Trainingdata (voorbeelden met juiste antwoorden)
2. Verwerking: Machine leert patronen en regels herkennen in trainingdata, via
wiskundige/statistische algoritmes
3. Output: Machine past die aangeleerde patronen en regels toe op ongeziene data en
voorspelt zo antwoorden
Voorbeeld:
beeldherkenning : automatisch personen ‘taggen’ op sociale media
AI: Neurale Netwerken & Deep Learning
= Tak van AI
Methode :
Modellen die “leren” uit data → datagebaseerd
Patroonherkenning via ‘neurale’ netwerkstructuren
geïnspireerd op biologische neurale netwerken (bv. brein)
in AI: artificiële neurale netwerken
= Netwerk van nodes/knopen die met elkaar in verbinding staan
Netwerk heeft verschillende lagen:
Inputlaag
Verborgen lagen (1 of meer) 3 lagen = basic neuraal netwerk
Outputlaag >3 lagen = deep learning / deep neural network
deep learning: minder afhankelijk van menselijke interventie
https://www.youtube.com/watch?v=rEDzUT3ymw4
Praktisch: hoe leert een netwerk?
, 1. Input: Trainingdata (voorbeelden met juiste antwoorden)
2. Verwerking: Verschillende nodes & paden worden geactiveerd.
3. De sterktes van de verbindingen tussen nodes wordt stelselmatig aangepast tot
het resultaat in de outputlaag zo goed mogelijk wordt.
4. Output: Machine kan het juiste pad in het netwerk doorlopen en zo voor ongeziene data een
antwoord voorspellen
Voorbeeld:
- spraakherkenning : vb spraakberichten op smartphone omzetten naar tekstberichten
- zelfrijdende auto’s
AI: Natural language processing (NLP)
= “natuurlijketaalverwerking” / computertaalkunde
Tak van AI en taalkunde
Onderzoeksdomein
= Toepassing van computertechnieken op de analyse van natuurlijke taal
Praktisch: machine leert natuurlijke taal te begrijpen, manipuleren, creëren…
o Tekst en spraak
o Belangrijk: begrip van context, betekenis en wereldkennis!
Text mining
Tak van computertaalkunde en informatica
= Het “mijnen” naar waardevolle info in tekst a.d.h.v. IT-technieken
Typisch toegepast op grote hoeveelheden tekst (big data)
Voorbeeld:
Informatie-extractie uit tweets - bv. Vaccinpraat (CLiPS, UAntwerpen)
AI in bedrijfscommunicatie
doel = bedrijfscommunicatie efficiënter maken + verbeteren
FUNCTIES : CCISS
Tools voor teamcommunicatie
Schrijfhulp
Spreekhulp
Informatie-extractie uit tekst
Chatbots
, Tools voor teamcommunicatie
Wat? : AI-software die assisteert bij teamcommunicatie (bv. vergaderingen)
Doel? : communicatie binnen teams versterken
Hoe?
Bv. meeluisteren naar meetings en informatie aandragen
Bv. meetingopnames analyseren en communicatieproblemen vaststellen
Bv. meetingplatformen multimodaler maken
(gebaren registreren zoals applaus, opgestoken duim…)
Concrete implementaties: Microsoft Teams / Zoom
Schrijfhulp
= “augmented writing”
Wat? : AI-ondersteunde assistentie bij schrijven van teksten
Hoe?
Correcties : spelling, grammatica…
Aanbevelingen : tekst aanvullen (autocomplete/autofill)
Tekstgeneratie : nieuwe tekst creëren
Concrete implementaties:
(Chat)GPT = model voor tekstgeneratie, bv. nieuwsartikels, maar ook poëzie…
Grammarly = schrijfhulp
Textio = genereren van vacatures, meer diverse bedrijfscommunicatie
Spreekhulp
Wat? : AI-ondersteunde assistentie voor verbeteren mondelinge communicatie
Hoe?
Tools voor communicatietraining en -evaluatie : feedback over spreekstijl: intonatie, tempo,
oogcontact…
Concrete implementaties:
PitchVantage ; feedback over spreekstijl, oogcontact…
Informatie-extractie uit tekst
Wat? : Informatie distilleren uit tekst
Soorten info?
Inhoudelijke/feitelijke info
o Bv automatische samenvatting
Emotie-informatie
o Bv Sentiment Mining
Chatbots
= conversational agents
Wat? : dialoogsystemen die antwoorden op menselijke taal
Terminology
Artificiële Intelligentie (AI)
= “kunstmatige intelligentie” : intelligentie vertoond door machines/computersystemen die
menselijke intelligentie nabootsen,
+/- “denken”
menselijke vaardigheden vertonen (leren, redeneren, creëren…)
→ Praktisch: computersystemen die taken kunnen oplossen waarvoor normaal menselijke
intelligentie nodig is
Overkoepelende verzamelnaam voor verschillende technologieën
Machine learning
Neurale netwerken en deep learning
Natural language processing
…
Q: geef een voorbeeld van AI. Welke “menselijke” taak wordt er opgelost?
Chatbots
Taak: taal lezen, “begrijpen” en schrijven zoals een mens
Tumor opsporen op een radiografie
Taak: medische beelden interpreteren zoals een radioloog
Geschreven tekst omzetten in gesproken taal
Taak: taal lezen en uitspreken zoals een mens
Zelfrijdende auto’s
Taak: autorijden en het verkeer inschatten zoals een bestuurder
Gezichtsherkenning
Taak: gezichten herkennen op foto’s zoals een mens
VRAAG: is een rekenmachine AI? Nee, een rekenmachine is geen AI ; volgt vaste wiskundige regels en
algoritmes zonder zelf te leren of beslissingen te nemen zoals een mens. AI daarentegen kan
patronen herkennen, leren van data en zich aanpassen aan nieuwe situaties, terwijl een
rekenmachine alleen vooraf geprogrammeerde berekeningen uitvoert.
Artificiële Algemene Intelligentie (Artificial General Intelligence)
= Gelijkend aan menselijke intelligentie
1 Systeem kan meerdere taken uitvoeren + vanzelf task-switchen
Bv algemeen: robot die van taal kan vertrekken en zo een vraagstuk kan oplossen; robot die zelf een
ikeakastje kan ineenvijzen…
Artificiële Enge Intelligentie (Artificial Narrow Intelligence)
Beperkt tot enge, voorafbepaalde taak
AI kan hier niet van afwijken
Geen task-switching
Vaak accurater / beter in deze precieze taak
Bv eng: detector plagiaat
,AI: Machine learning
= Tak van AI
Methode :
Modellen die “leren” uit data → datagebaseerd
Patroonherkenning via statistische methodes
Praktisch: hoe leert de machine?
1. Input: Trainingdata (voorbeelden met juiste antwoorden)
2. Verwerking: Machine leert patronen en regels herkennen in trainingdata, via
wiskundige/statistische algoritmes
3. Output: Machine past die aangeleerde patronen en regels toe op ongeziene data en
voorspelt zo antwoorden
Voorbeeld:
beeldherkenning : automatisch personen ‘taggen’ op sociale media
AI: Neurale Netwerken & Deep Learning
= Tak van AI
Methode :
Modellen die “leren” uit data → datagebaseerd
Patroonherkenning via ‘neurale’ netwerkstructuren
geïnspireerd op biologische neurale netwerken (bv. brein)
in AI: artificiële neurale netwerken
= Netwerk van nodes/knopen die met elkaar in verbinding staan
Netwerk heeft verschillende lagen:
Inputlaag
Verborgen lagen (1 of meer) 3 lagen = basic neuraal netwerk
Outputlaag >3 lagen = deep learning / deep neural network
deep learning: minder afhankelijk van menselijke interventie
https://www.youtube.com/watch?v=rEDzUT3ymw4
Praktisch: hoe leert een netwerk?
, 1. Input: Trainingdata (voorbeelden met juiste antwoorden)
2. Verwerking: Verschillende nodes & paden worden geactiveerd.
3. De sterktes van de verbindingen tussen nodes wordt stelselmatig aangepast tot
het resultaat in de outputlaag zo goed mogelijk wordt.
4. Output: Machine kan het juiste pad in het netwerk doorlopen en zo voor ongeziene data een
antwoord voorspellen
Voorbeeld:
- spraakherkenning : vb spraakberichten op smartphone omzetten naar tekstberichten
- zelfrijdende auto’s
AI: Natural language processing (NLP)
= “natuurlijketaalverwerking” / computertaalkunde
Tak van AI en taalkunde
Onderzoeksdomein
= Toepassing van computertechnieken op de analyse van natuurlijke taal
Praktisch: machine leert natuurlijke taal te begrijpen, manipuleren, creëren…
o Tekst en spraak
o Belangrijk: begrip van context, betekenis en wereldkennis!
Text mining
Tak van computertaalkunde en informatica
= Het “mijnen” naar waardevolle info in tekst a.d.h.v. IT-technieken
Typisch toegepast op grote hoeveelheden tekst (big data)
Voorbeeld:
Informatie-extractie uit tweets - bv. Vaccinpraat (CLiPS, UAntwerpen)
AI in bedrijfscommunicatie
doel = bedrijfscommunicatie efficiënter maken + verbeteren
FUNCTIES : CCISS
Tools voor teamcommunicatie
Schrijfhulp
Spreekhulp
Informatie-extractie uit tekst
Chatbots
, Tools voor teamcommunicatie
Wat? : AI-software die assisteert bij teamcommunicatie (bv. vergaderingen)
Doel? : communicatie binnen teams versterken
Hoe?
Bv. meeluisteren naar meetings en informatie aandragen
Bv. meetingopnames analyseren en communicatieproblemen vaststellen
Bv. meetingplatformen multimodaler maken
(gebaren registreren zoals applaus, opgestoken duim…)
Concrete implementaties: Microsoft Teams / Zoom
Schrijfhulp
= “augmented writing”
Wat? : AI-ondersteunde assistentie bij schrijven van teksten
Hoe?
Correcties : spelling, grammatica…
Aanbevelingen : tekst aanvullen (autocomplete/autofill)
Tekstgeneratie : nieuwe tekst creëren
Concrete implementaties:
(Chat)GPT = model voor tekstgeneratie, bv. nieuwsartikels, maar ook poëzie…
Grammarly = schrijfhulp
Textio = genereren van vacatures, meer diverse bedrijfscommunicatie
Spreekhulp
Wat? : AI-ondersteunde assistentie voor verbeteren mondelinge communicatie
Hoe?
Tools voor communicatietraining en -evaluatie : feedback over spreekstijl: intonatie, tempo,
oogcontact…
Concrete implementaties:
PitchVantage ; feedback over spreekstijl, oogcontact…
Informatie-extractie uit tekst
Wat? : Informatie distilleren uit tekst
Soorten info?
Inhoudelijke/feitelijke info
o Bv automatische samenvatting
Emotie-informatie
o Bv Sentiment Mining
Chatbots
= conversational agents
Wat? : dialoogsystemen die antwoorden op menselijke taal
