Kunstmatige intelligentie, of AI, is uitgegroeid tot een begrip dat overal opduikt: in het nieuws, in beleidsdocumenten, op de werkvloer en in de wet. Toch weten veel mensen niet precies wat het inhoudt, en worden verwante termen als machine learning, deep learning en neurale netwerken door elkaar gebruikt. Dit artikel biedt een toegankelijk begrippenkader voor iedereen die meer wil begrijpen van AI, zonder technische voorkennis.

Wat is kunstmatige intelligentie?

Kunstmatige intelligentie is de verzamelnaam voor computersystemen die taken uitvoeren die normaal gesproken menselijke intelligentie vereisen. Denk aan het begrijpen van taal, het herkennen van gezichten, het doen van aanbevelingen of het nemen van beslissingen op basis van data.

De EU AI-verordening (Verordening (EU) 2024/1689) geeft een formele definitie in artikel 3, lid 1: een AI-systeem is "een op machine gebaseerd systeem dat is ontworpen om met verschillende niveaus van autonomie te werken en dat na het inzetten ervan aanpassingsvermogen kan tonen, en dat, voor expliciete en impliciete doelstellingen, uit de ontvangen input afleidt hoe output te genereren zoals voorspellingen, inhoud, aanbevelingen of beslissingen die van invloed kunnen zijn op fysieke of virtuele omgevingen."

Eenvoudiger gezegd: een AI-systeem ontvangt invoer, leert of redeneert op basis van die invoer, en produceert een uitvoer die ergens invloed op heeft.

Wat is machine learning?

Machine learning (ML) is een deelgebied van AI. Bij traditionele software schrijft een programmeur expliciete regels: "als X, dan Y." Bij machine learning leert het systeem zelf patronen uit data, zonder dat elke stap handmatig geprogrammeerd hoeft te zijn.

Een spamfilter die leert welke e-mails ongewenst zijn, of een aanbevelingssysteem dat weet wat u waarschijnlijk wilt kopen, zijn voorbeelden van machine learning in de praktijk. Het systeem wordt getraind op voorbeelden en past zijn gedrag aan op basis van wat het leert. Dat proces van trainen op data staat ook centraal in de definitie van de Europese Commissie: machine learning-methoden leren "van data hoe bepaalde doelstellingen bereikt kunnen worden."

Wat zijn neurale netwerken?

Neurale netwerken zijn een specifieke techniek binnen machine learning, geïnspireerd door de werking van het menselijk brein. Ze bestaan uit lagen van kunstmatige "neuronen" die met elkaar verbonden zijn. Elk neuron verwerkt informatie en stuurt het resultaat door naar de volgende laag.

In de invoerlaag komen de ruwe gegevens binnen, zoals de pixels van een afbeelding of de woorden van een zin. In de uitvoerlaag verschijnt het eindresultaat, zoals "dit is een hond" of "dit bericht is negatief." De lagen daartussenin heten verborgen lagen; daarin vindt de eigenlijke verwerking en patroonherkenning plaats.

Neurale netwerken hebben een opvallend vermogen laten zien om traditionele software te overtreffen op taken als beeldherkenning, vertaling en spraakomzetting.

Wat is deep learning?

Deep learning is een verdere specialisatie binnen neurale netwerken. Het kenmerk is de diepte: een deep learning-model bevat veel verborgen lagen, soms tientallen of honderden. Door die diepte kan het systeem steeds abstractere patronen herkennen.

Een deep learning-model dat gezichten herkent, leert eerst eenvoudige vormen zoals randen, dan complexere structuren zoals ogen en neuzen, en ten slotte hele gezichten. Dit meerstaps leerproces maakt deep learning geschikt voor complexe taken zoals het genereren van tekst, beelden of spraak.

Chatbots, virtuele assistenten en systemen voor medische beeldanalyse zijn veelal gebaseerd op deep learning.

De samenhang in beeld

De vier begrippen staan in een hiërarchische relatie tot elkaar:

  • AI is de brede categorie: alle systemen die intelligente taken uitvoeren.
  • Machine learning is een deelgebied van AI: systemen die leren van data.
  • Neurale netwerken zijn een techniek binnen machine learning: systemen gemodelleerd naar het brein.
  • Deep learning is een toepassing van neurale netwerken: modellen met veel lagen.

Elk begrip is dus een verdere specificering van het vorige. Niet alle AI maakt gebruik van machine learning, en niet alle machine learning gebruikt neurale netwerken.

Waarom is dit begrippenkader relevant?

De EU AI-verordening, die sinds 1 augustus 2024 van kracht is, stelt verplichtingen aan organisaties die AI-systemen aanbieden of gebruiken. Artikel 4 verplicht aanbieders en gebruiksverantwoordelijken een toereikend niveau van AI-geletterdheid te waarborgen bij hun personeel.

AI-geletterdheid begint bij een gedeeld begrippenkader. Wie de basisconcepten begrijpt, kan beter beoordelen welke systemen binnen zijn of haar organisatie worden ingezet, welke risico's daarmee samenhangen en welke verplichtingen van toepassing zijn. Zonder dit fundament is het moeilijk om verantwoord met AI om te gaan.

Wat dit betekent in de praktijk

Het onderscheid tussen AI, machine learning, deep learning en neurale netwerken is niet alleen academisch. Het bepaalt bijvoorbeeld hoe een systeem getraind is, in hoeverre het uitlegbaar is, en welke risico's het kan meebrengen. Een regelgebaseerd systeem gedraagt zich anders dan een deep learning-model dat zelf patronen leert. Dat verschil is relevant voor toezicht, aansprakelijkheid en naleving van de AI-verordening.

Voor professionals die met AI werken of besluiten nemen over de inzet ervan, is kennis van deze begrippen een noodzakelijk startpunt.