SAMENVATTING Ai voor iedereen
2026
Rang Samenvatting:
Deel
HOOFDSTUK
Tussentitel
Belangrijk deel/Opsomming
Belangrijk woord
Online Cursus
DEEL 1:INTRODUCTIE
1.1 GESCHIEDENIS VAN AI
Soorten Ai in het dagelijkse leven
- Biometrische herkenning zoals vingerafdrukscanning voor je
smartphone of KU Leuven authenticator zijn een vorm
van beeldherkenning. Ze gebruiken patroonherkenningsalgoritmen die
unieke kenmerken van je lichaam analyseren en vergelijken met
opgeslagen templates.
- Aanbevelingssystemen analyseren je gedrag, voorkeuren, interesses en
zelfs hoe lang je naar bepaalde content kijkt om te voorspellen wat je
interessant zou vinden.
- Zoekmachines indexeren websites en gebruiken graafalgoritmen,
zoekalgoritmen en andere technieken om patronen en relevantie te
ontdekken.
- Navigatiesystemen: Google Maps en Waze gebruiken zoekalgoritmen om
kortste of snelste paden te vinden
- Spellingscorrector: tijdens het typen suggereert je telefoon woorden en
corrigeert spelfouten op basis van taalmodellen en statistieken over
woordvolgordes.
- Slimme foto-editing: fotobewerkingsapps gebruiken AI
- Vertaalsystemen: tools als Google Translate en DeepL
gebruiken neurale vertaalsystemen en grote taalmodellen die getraind zijn
op parallelle corpora en veel monolinguale tekst om vloeiende vertalingen
te produceren.
- Spamfilters: klassieke voorbeelden van classificatiealgoritmen.
De verschuivende grens van intelligentie
Zodra een computer iets kan wat we vroeger als "intelligent" beschouwden,
vinden we het niet langer "intelligent". We beginnen die taak te zien als "gewoon
een computertaak" in plaats van artificiële intelligentie. Hierdoor verschuiven we
1
,als maatschappij dus al snel onze definitie van intelligentie. Dit fenomeen wordt
de "moving goalpost" genoemd:
Wat is Ai?
Artificiële Intelligentie (klassieke definitie)Definitie:
Artificiële Intelligentie (AI) is de wetenschap van machines dingen te laten
doen die intelligentie vereisen als ze door een mens gedaan werden.
Een meer technische en stabiele definitie is:
Artificiële Intelligentie (onderzoeksveld definitie)Definitie:
Artificiële Intelligentie (AI) is de studie van agenten die waarnemingen
doen in hun omgeving en op basis daarvan rationeel handelen: de best
mogelijke acties ondernemen om hun doelen te bereiken.
Merk op hoe de elementen in deze definitie breed en flexibel zijn:
Omgeving: kan een echte fysieke omgeving zijn, maar ook een
computeromgeving, een databank, een puzzel ...
Waarneming: kan verschillende vormen aannemen, bijvoorbeeld visuele
input, tekst, sensordata, gebruikersinvoer...
Actie: kan variëren van fysieke bewegingen tot het genereren van tekst,
het classificeren van data, zoekresultaten geven, een afbeelding
produceren, het nemen van beslissingen...
AI-systeem (EU AI Act definitie)Definitie
"Een AI-systeem is een op een machine gebaseerd systeem dat is
ontworpen om met verschillende niveaus van autonomie te werken en dat,
voor expliciete of impliciete doelstellingen, uit de ontvangen input afleidt
hoe output te genereren zoals voorspellingen, inhoud, aanbevelingen of
beslissingen."
Golven van Ai
2
,Symbolische AI (1950–1980)
Symbolische AI-systemen gebruiken symbolen en regels om problemen op te
lossen, bijvoorbeeld voor logica, regels, planning en expertsystemen. Deze
benadering focust op het expliciet programmeren van kennis en regels.
Statistische modellen (1980–2010)
Statistische modellen zijn probabilistische benaderingen, oftewel kansmodellen.
Ze wonnen later aan populariteit, omdat ze voor veel situaties de onzekerheid
beter modelleerden dan vaste regels van symbolische AI
Neurale netwerken / Deep Learning (2010–nu)
Neurale netwerken zijn zogenoemde "connectionistische" modellen die patronen
leren uit enorme datasets. Hoewel het concept van een neuraal netwerk al uit de
jaren 1940 stamt, zijn neurale netwerken pas in de laatste decennia dominant
geworden, o.a. dankzij de opkomst van efficiëntere hardware en grotere datasets.
Voorbeelden van elke strekking zie online MOOC
Machine Learning
Machine Learning (ML) is momenteel de meest prominente tak van AI. In plaats
van expliciet te programmeren hoe een taak uitgevoerd moet worden, laten we
in ML de computer dit leren uit voorbeelden van een dataset.
Verschil met traditioneel programmeren
3
, Zulke geleerde regels noemen we ook wel een model of een functie
Het Leerproces
Het leerproces draait om het vinden van de beste functie om voor jouw specifieke
taak de juiste uitvoer te benaderen. Dit gebeurt door het minimaliseren van een
verliesfunctie
machine learning probeert op basis van een evaluatiecriterium een
functie f(invoer) → antwoorden te leren, waarbij:
De invoer de data is die het systeem krijgt (een foto, tekst, sensormeting,
etc.)
De uitvoer het gewenste resultaat zijn (een classificatie, voorspelling,
aanbeveling, etc.).
De functie f het model is dat deze transformatie uitvoert. Deze functie
kan veel verschillende vormen hebben.
- Een beslissingsboom die stap voor stap tot een conclusie komt
- Een neuraal netwerk met miljoenen parameters
- Een lineaire regressie die een rechte lijn door datapunten berekent.
Evaluatiecriterium: een functie die inschat hoe goed het model
momenteel is, zodat het model kan leren.
4
2026
Rang Samenvatting:
Deel
HOOFDSTUK
Tussentitel
Belangrijk deel/Opsomming
Belangrijk woord
Online Cursus
DEEL 1:INTRODUCTIE
1.1 GESCHIEDENIS VAN AI
Soorten Ai in het dagelijkse leven
- Biometrische herkenning zoals vingerafdrukscanning voor je
smartphone of KU Leuven authenticator zijn een vorm
van beeldherkenning. Ze gebruiken patroonherkenningsalgoritmen die
unieke kenmerken van je lichaam analyseren en vergelijken met
opgeslagen templates.
- Aanbevelingssystemen analyseren je gedrag, voorkeuren, interesses en
zelfs hoe lang je naar bepaalde content kijkt om te voorspellen wat je
interessant zou vinden.
- Zoekmachines indexeren websites en gebruiken graafalgoritmen,
zoekalgoritmen en andere technieken om patronen en relevantie te
ontdekken.
- Navigatiesystemen: Google Maps en Waze gebruiken zoekalgoritmen om
kortste of snelste paden te vinden
- Spellingscorrector: tijdens het typen suggereert je telefoon woorden en
corrigeert spelfouten op basis van taalmodellen en statistieken over
woordvolgordes.
- Slimme foto-editing: fotobewerkingsapps gebruiken AI
- Vertaalsystemen: tools als Google Translate en DeepL
gebruiken neurale vertaalsystemen en grote taalmodellen die getraind zijn
op parallelle corpora en veel monolinguale tekst om vloeiende vertalingen
te produceren.
- Spamfilters: klassieke voorbeelden van classificatiealgoritmen.
De verschuivende grens van intelligentie
Zodra een computer iets kan wat we vroeger als "intelligent" beschouwden,
vinden we het niet langer "intelligent". We beginnen die taak te zien als "gewoon
een computertaak" in plaats van artificiële intelligentie. Hierdoor verschuiven we
1
,als maatschappij dus al snel onze definitie van intelligentie. Dit fenomeen wordt
de "moving goalpost" genoemd:
Wat is Ai?
Artificiële Intelligentie (klassieke definitie)Definitie:
Artificiële Intelligentie (AI) is de wetenschap van machines dingen te laten
doen die intelligentie vereisen als ze door een mens gedaan werden.
Een meer technische en stabiele definitie is:
Artificiële Intelligentie (onderzoeksveld definitie)Definitie:
Artificiële Intelligentie (AI) is de studie van agenten die waarnemingen
doen in hun omgeving en op basis daarvan rationeel handelen: de best
mogelijke acties ondernemen om hun doelen te bereiken.
Merk op hoe de elementen in deze definitie breed en flexibel zijn:
Omgeving: kan een echte fysieke omgeving zijn, maar ook een
computeromgeving, een databank, een puzzel ...
Waarneming: kan verschillende vormen aannemen, bijvoorbeeld visuele
input, tekst, sensordata, gebruikersinvoer...
Actie: kan variëren van fysieke bewegingen tot het genereren van tekst,
het classificeren van data, zoekresultaten geven, een afbeelding
produceren, het nemen van beslissingen...
AI-systeem (EU AI Act definitie)Definitie
"Een AI-systeem is een op een machine gebaseerd systeem dat is
ontworpen om met verschillende niveaus van autonomie te werken en dat,
voor expliciete of impliciete doelstellingen, uit de ontvangen input afleidt
hoe output te genereren zoals voorspellingen, inhoud, aanbevelingen of
beslissingen."
Golven van Ai
2
,Symbolische AI (1950–1980)
Symbolische AI-systemen gebruiken symbolen en regels om problemen op te
lossen, bijvoorbeeld voor logica, regels, planning en expertsystemen. Deze
benadering focust op het expliciet programmeren van kennis en regels.
Statistische modellen (1980–2010)
Statistische modellen zijn probabilistische benaderingen, oftewel kansmodellen.
Ze wonnen later aan populariteit, omdat ze voor veel situaties de onzekerheid
beter modelleerden dan vaste regels van symbolische AI
Neurale netwerken / Deep Learning (2010–nu)
Neurale netwerken zijn zogenoemde "connectionistische" modellen die patronen
leren uit enorme datasets. Hoewel het concept van een neuraal netwerk al uit de
jaren 1940 stamt, zijn neurale netwerken pas in de laatste decennia dominant
geworden, o.a. dankzij de opkomst van efficiëntere hardware en grotere datasets.
Voorbeelden van elke strekking zie online MOOC
Machine Learning
Machine Learning (ML) is momenteel de meest prominente tak van AI. In plaats
van expliciet te programmeren hoe een taak uitgevoerd moet worden, laten we
in ML de computer dit leren uit voorbeelden van een dataset.
Verschil met traditioneel programmeren
3
, Zulke geleerde regels noemen we ook wel een model of een functie
Het Leerproces
Het leerproces draait om het vinden van de beste functie om voor jouw specifieke
taak de juiste uitvoer te benaderen. Dit gebeurt door het minimaliseren van een
verliesfunctie
machine learning probeert op basis van een evaluatiecriterium een
functie f(invoer) → antwoorden te leren, waarbij:
De invoer de data is die het systeem krijgt (een foto, tekst, sensormeting,
etc.)
De uitvoer het gewenste resultaat zijn (een classificatie, voorspelling,
aanbeveling, etc.).
De functie f het model is dat deze transformatie uitvoert. Deze functie
kan veel verschillende vormen hebben.
- Een beslissingsboom die stap voor stap tot een conclusie komt
- Een neuraal netwerk met miljoenen parameters
- Een lineaire regressie die een rechte lijn door datapunten berekent.
Evaluatiecriterium: een functie die inschat hoe goed het model
momenteel is, zodat het model kan leren.
4
