Wat is kunstmatige intelligentie?

AI is een gereedschapskist met methoden die computers helpen taken op te lossen. Bij Luna Workshop willen we het juiste gereedschap kiezen voordat we een model kiezen.

Je kunt deze cursus volgen zonder account of programmering. Voorbeelden maken gebruik van synthetische gegevens en AI-resultaten moeten worden gecontroleerd.

Hoe het werkt, stap voor stap

AI is niet één soort model

Kunstmatige intelligentie is een familie van methoden voor herkenning, voorspelling, planning en generatie. Een op regels gebaseerd systeem volgt instructies die door mensen zijn geschreven. Machine learning leert relaties uit voorbeelden; deep learning maakt gebruik van netwerken met veel lagen. Generatieve AI produceert nieuwe inhoud. Een LLM werkt met taal, maar productaanbevelingen of defectdetectie kunnen andere modellen gebruiken. Denk aan een gereedschapskist: kies een hulpmiddel voor het probleem. Voor een vaste regel kan een eenvoudig algoritme geschikter zijn dan een agent.

Hoe leren een model verandert

Trainingsgegevens zijn de reeks voorbeelden die worden gebruikt om modelparameters aan te passen. Begeleid leren omvat een doel, zoals 'spam'. Onbegeleid leren vindt structuur, zoals klantgroepen. Zelfgesuperviseerd leren creëert doelen uit gegevens, bijvoorbeeld het voorspellen van de volgende tekst. Validatie helpt bij het kiezen van instellingen; de testset blijft gescheiden tot de eindevaluatie. Een model dat voorbeelden onthoudt en faalt op het gebied van nieuwe gegevens is overfitting. Een goede splitsing voorkomt dat informatie uit de testset naar de training lekt.

Van tokens naar een antwoord

Een token is een teksteenheid: soms een woord, soms een woordfragment of leesteken. Het model verwerkt contexttokens en schat een verdeling over het volgende token. De selectie wordt herhaald totdat deze stopt. Transformer-aandacht combineert informatie over relaties tussen tokens; het is geen menselijke aandacht. Training verandert parameters, terwijl inferentie het getrainde model gebruikt. Een antwoord kan coherent klinken zonder waar te zijn: het genereren van tekst verifieert niet onafhankelijk de feiten.

Het verklarende schema

Volg de ononderbroken pijlen voor de hoofdstroom. Gestippelde blauwe pijlen leveren gegevens of context; roze pijlen geven feedback of geretourneerde resultaten weer. Kleuren en vormen onderscheiden modellen, winkels, beslissingen en resultaten. Scrol op kleine schermen horizontaal om het hele schema te volgen.

Een compleet voorbeeld

Een rekenmachine telt prijzen op met behulp van regels. Een spamfilter leert van voorbeelden. Een LLM schrijft beschrijvingen. Vision detecteert defecten; een aanbeveler rangschikt producten. Een robot combineert waarneming en actie.

Probeer het zelf

1. Groepeer deze voorbeelden: rekenmachine, spamfilter, chatbot, OCR, aanbevelingen, robot, voorspelling en vertaling.
2. Leg de input, bron en verwachte uitkomst vast voordat u het experiment uitvoert. Gebruik alleen de fictieve gegevens in het voorbeeld.
3. Volg de diagramfasen. Registreer bij elke stap welke informatie wordt ontvangen en geproduceerd; verwar de tussentijdse output niet met het uiteindelijke resultaat.
4. Herhaal dit nadat de noodzakelijke informatie is verwijderd of de invoer dubbelzinnig is gemaakt. Controleer of het systeem een ​​antwoord verduidelijkt, stopt of verzint.
5. Vergelijk met de uitgelegde oplossing. Bewaar de configuratie, datum, resultaat en een verklaring voor verschillen. Verander één ding en test opnieuw.

Een uitgelegde oplossing

Vaste rekenkunde gebruikt regels; classificatie leert; schrijven genereert. Niet iedereen heeft een LLM of agent nodig. Met een succesvolle oefening kun je het verband tussen input, fasen en uitkomst laten zien. Als er informatie ontbreekt, is een voorzichtig antwoord nuttiger dan verzonnen details. Vergelijk meer dan stijl: controleer ook voorwaarden, bronnen en bewerkingen.

Wanneer deze aanpak helpt en wat de beperkingen zijn

Een chatinterface identificeert de technologie erachter niet. Kies deze aanpak wanneer deze een gemeten behoefte verbetert. Houd een eenvoudige basislijn aan en vergelijk de resultaten met behulp van identieke inputs. Eén succesvol voorbeeld garandeert niet in elke situatie betrouwbaarheid.

Controleer wat je hebt geleerd

Is elke automatisering AI?

Nee. Een vaste regel kan iets automatiseren zonder te leren of flexibel te redeneren.

Waarom evalueren we niet alleen op basis van trainingsgegevens?

We willen prestaties in nieuwe situaties, geen bewijs van memoriseren.

Welk resultaat moet deze oefening opleveren?

Vaste rekenkunde gebruikt regels; classificatie leert; schrijven genereert. Niet iedereen heeft een LLM of agent nodig.

Begrippen om te onthouden

• AI: Een familie van methoden, geen synoniem voor chatbot.
• Overfitting: Het model past te goed bij de voorbeelden die het heeft gezien.
• Token: Een eenheid die door het model wordt gebruikt voor tekst- en contextlimieten.

Bronnen en uw volgende stap

• Hugging Face — LLM Course
• scikit-learn — User guide

Ter voorbereiding: geen eerdere cursussen vereist.

Ga verder met: F02 — Hoe leert een machine? · F06 — Chatbot, assistent, agent en agentsysteem