Wat zijn de verschillende soorten AI? [Video en quiz]

Kort antwoord: AI-typen kunnen het best worden begrepen aan de hand van hun mogelijkheden, functionaliteit, trainingsstijl en toepassingsscenario. Smalle AI is tegenwoordig gangbaar, terwijl algemene AI en super-AI nog steeds theoretisch zijn. Bij het kiezen van een tool is het belangrijk om de categorie af te stemmen op de taak, de risico's en de behoefte aan menselijke controle.

Belangrijkste conclusies:

Classificatie: Scheid de mogelijkheden, functionaliteit, trainingsmethode en gebruikssituatie voordat u systemen vergelijkt.

Menselijke controle: Controleer generatieve, voorspellende en conversationele resultaten voordat u erop vertrouwt.

Transparantie: Vraag welke gegevens, logica en beperkingen ten grondslag liggen aan elk AI-systeem.

Verantwoordelijkheid: Houd mensen verantwoordelijk wanneer AI van invloed is op beslissingen, gebruikers of de veiligheid.

Risicobeheersing: Test op vooringenomenheid, privacy, beveiliging en misbruik vóór de implementatie.

---

1. Wat zijn de verschillende soorten AI?

Als mensen vragen: "Wat zijn de verschillende soorten AI?", bedoelen ze meestal een van de volgende twee dingen:

Ze stellen mogelijk vragen over AI op basis van de mogelijkheden, bijvoorbeeld of het slechts één taak kan uitvoeren of ook breder kan redeneren op een menselijke manier.

Of ze vragen misschien naar AI op basis van functionaliteit, dat wil zeggen hoe het systeem zich gedraagt, leert, onthoudt, voorspelt of reageert.

Daar wordt het een beetje ingewikkeld. AI is niet zomaar in één hokje te stoppen. Het is meer alsof je keukengerei sorteert op grootte, doel, scherpte en of je oom het misschien bij een dubieuze webwinkel heeft gekocht. Verschillende classificatiesystemen overlappen elkaar.

De belangrijkste categorieën omvatten doorgaans:

• Smalle AI

• Algemene AI

• Super AI

• Reactieve machines

• AI met beperkt geheugen

• Theory of Mind AI

• Zelfbewuste AI

• Machine Learning AI

• Diep leren AI

• Generatieve AI

• Voorspellende AI

• Conversatie-AI

• AI voor computervisie

• Robotica AI

Sommige hiervan worden al veelvuldig gebruikt. Andere zijn nog grotendeels theoretisch. Sommige klinken futuristisch, maar zijn al ingebouwd in alledaagse apps. De grens tussen 'normale software' en 'AI' is in de loop der tijd ook steeds vager geworden.

---

2. Soorten AI op basis van hun mogelijkheden

De eerste belangrijke manier om AI te classificeren is door te kijken naar wat het kan doen. Dit is het overkoepelende beeld 🧠.

Smalle AI

Smalle AI, ook wel zwakke AI genoemd, is ontworpen om een ​​specifieke taak of een beperkt aantal taken uit te voeren. Dit is de AI die mensen dagelijks gebruiken.

Voorbeelden zijn:

• Zoekaanbevelingen

• Spamfilters

• Spraakassistenten

• Gezichtsherkenningssystemen

• Chatbots

• Productaanbevelingssystemen

• Fraudedetectietools

• Taalvertalingsapps

Smalle AI kan krachtig zijn, maar het "denkt" niet in de brede menselijke zin. Een schaak-AI kan een grootmeester verslaan, maar kan niet ineens besluiten om patissier te worden. Een vertaalmodel kan een alinea vertalen, maar het ervaart taal niet zoals een mens dat doet.

Toch is smalle AI de drijvende kracht achter de moderne AI-wereld. Het is niet glamoureus op een sciencefictionachtige manier, maar het stuurt een groot deel van de zaken achter de schermen aan 🎭.

Algemene AI

Algemene AI verwijst naar kunstmatige intelligentie die in staat is om te begrijpen, te leren, te redeneren en kennis toe te passen op een menselijk niveau bij veel verschillende taken.

Simpel gezegd: het zou niet slechts één ding goed kunnen. Het zou zich kunnen aanpassen.

Een echte algemene AI zou potentieel het volgende kunnen bereiken:

• Leer onbekende taken

• Redeneren over verschillende onderwerpen

• Los nieuwe problemen op

• Kennis overdragen van het ene vakgebied naar het andere

• Begrijp de context beter

• Neem beslissingen met flexibel oordeel

Dit soort AI is nog steeds meer een doel dan een dagelijkse realiteit. Er wordt veel over gesproken omdat het fascinerend, misschien een beetje verontrustend en moeilijk te weerstaan ​​is als concept. Maar gewone tools die tekst schrijven, afbeeldingen genereren of vragen beantwoorden, zijn niet automatisch algemene AI. Ze lijken misschien breed toepasbaar, maar ze opereren nog steeds binnen vastgestelde grenzen.

Super AI

Super-AI zou de menselijke intelligentie overstijgen. Niet alleen sneller typen of beter rekenen, maar ook superieur redeneervermogen, creativiteit, strategie, leervermogen en misschien zelfs emotioneel of sociaal begrip.

Dit is de meest speculatieve categorie. Het roept enorme vragen op:

• Wie heeft de controle erover?

• Kan het worden afgestemd op menselijke waarden?

• Zou het de menselijke doelen correct begrijpen?

• Zou het zichzelf kunnen verbeteren?

• Wat gebeurt er als het beslissingen neemt die mensen niet kunnen volgen?

Super AI is waar AI-gesprekken soms uitmonden in filosofische soep. Waardevolle soep, misschien, maar toch soep 🍲.

---

3. Soorten AI op basis van functionaliteit

Een andere veelgebruikte manier om de verschillende soorten AI , is aan de hand van hun functionaliteit. Hierbij ligt de focus op hoe de AI zich gedraagt.

Reactieve machines

Reactieve machines zijn het eenvoudigste type AI. Ze reageren op de huidige input zonder gebruik te maken van herinneringen aan eerdere ervaringen.

Ze leren niet in de loop van de tijd zoals moderne adaptieve systemen dat doen. Ze analyseren de situatie, verwerken deze en reageren.

Zie het als volgt: "Input komt binnen. Output gaat eruit. Geen dagboeknotities."

Reactieve AI kan nog steeds indrukwekkend zijn. Het kan mogelijke zetten in een spel analyseren of extreem snel en nauwkeurig reageren op een duidelijk omschreven situatie. Maar het bouwt geen persoonlijke geschiedenis op en evolueert niet op basis van eerdere interacties.

AI met beperkt geheugen

AI met beperkt geheugen kan historische gegevens gebruiken om betere beslissingen te nemen. Veel van de praktische AI ​​van vandaag de dag valt in deze categorie.

Voorbeelden zijn:

• Aanbevelingssystemen die leren van gebruikersgedrag

• Systemen voor zelfrijdende voertuigen die de recente wegomstandigheden analyseren

• Chatbots die de context van een gesprek onthouden

• Fraudedetectiemodellen die leren van transactiepatronen

• Voorspellende analysetools die gebruikmaken van historische gegevens

Beperkt geheugen betekent niet "slecht geheugen". Het betekent dat het systeem opgeslagen of recente gegevens kan gebruiken, maar geen menselijk bewustzijn of langdurige persoonlijke ervaring bezit. Het kan echter zeer effectief zijn. Soms zelfs irritant effectief - zoals wanneer een shopping-app weet wat je wilt voordat je het zelf toegeeft 🛒.

Theory of Mind AI

AI gebaseerd op de Theory of Mind zou emoties, overtuigingen, intenties en sociale signalen op een meer menselijke manier begrijpen.

Dit type AI zou niet alleen woorden verwerken. Het zou afleiden wat iemand zou kunnen voelen, willen, verkeerd begrijpen, vrezen of verwachten.

Het zou bijvoorbeeld kunnen begrijpen dat:

• Een klant is gefrustreerd, maar probeert beleefd te blijven

• Een student is in de war, maar schaamt zich te erg om het nogmaals te vragen

• Een patiënt is angstig ondanks dat hij zegt: "Het gaat goed met me."

• Een teamgenoot aarzelt omdat hij of zij het er stiekem niet mee eens is

Dit blijft een actief discussiepunt binnen de AI, maar echte Theory of Mind AI is extreem moeilijk. Menselijke emoties zijn complex. Mensen zeggen het ene en bedoelen het andere. Soms weten ze zelf niet eens wat ze bedoelen. Veel succes, machine.

Zelfbewuste AI

Zelfbewuste AI zou bewustzijn, zelfinzicht en inzicht in zijn eigen interne toestand bezitten.

Dit is theoretisch. Het hoort thuis in sciencefiction, ethische discussies, nachtelijke debatten en bij mensen die dramatisch uit het raam staren 🌙.

Een zelfbewuste AI zou niet alleen gesprekken over gevoelens simuleren. Het zou een vorm van subjectieve ervaring bezitten. Dat is een enorme bewering. De huidige AI-systemen hebben geen aantoonbaar bewustzijn, gevoelens, verlangens of zelfbewustzijn.

Ze kunnen zelfbewust overkomen omdat taal zelfreflectie kan nabootsen. Maar ergens op lijken en iets zijn, is niet hetzelfde. Een papegaai kan zeggen "Ik heb honger", maar dat betekent niet dat hij een reservering in een restaurant heeft.

---

4. Vergelijkingstabel: Belangrijkste typen AI

Type AI	Hoofdidee	Huidige status	Veelvoorkomende voorbeelden	Waarom het belangrijk is
Smalle AI	Ontworpen voor specifieke taken	Veel gebruikt	Chatbots, zoeken, aanbevelingen	Praktisch en overal
Algemene AI	Mensachtige flexibele intelligentie	Niet volledig bereikt	Voornamelijk theoretisch	Groot doel, groot debat
Super AI	Slimmer dan mensen in het algemeen	Speculatief	Geen praktisch voorbeeld	Enorme ethische vragen
Reactieve machines	Reageert zonder geheugen	Gebruikt in beperkte gevallen	Spel-AI, op regels gebaseerde systemen	Snel, maar niet adaptief
AI met beperkt geheugen	Gebruikt data/historie om te verbeteren	Zeer gebruikelijk	Zelfrijdende systemen, fraudetools	Dit is de auto voor dagelijks gebruik 🚗
Theory of Mind AI	Begrijpt emoties en intenties	Conceptontwikkeling	Geavanceerde ideeën voor sociale AI	Dit zou AI meer mensbewust kunnen maken
Zelfbewuste AI	Heeft bewustzijn	Theoretisch	Voorbeelden in sciencefictionstijl	Filosofisch gezien enorm
Generatieve AI	Creëert nieuwe inhoud	Veel gebruikt	Tekst-, beeld- en audiotools	Creatieve productiviteitsboost
Voorspellende AI	Voorspelde uitkomsten	Veel gebruikt	Risicoscore, vraagplanning	Helpt bij het nemen van beslissingen - meestal
Robotica AI	Bestuurt fysieke machines	Gebruikt in de industrie	Robots, drones, automatisering	Verbindt AI met fysiek werk

Een beetje onevenwichtig? Jazeker. Maar zo werkt AI ook in het dagelijks leven – niet als een museumtentoonstelling met perfecte labels.

---

5. Generatieve AI: Het type waar iedereen het over heeft 🎨

Generatieve AI is een van de populairste soorten AI omdat het dingen creëert.

Het kan het volgende genereren:

• Tekst

• Afbeeldingen

• Muziek

• Code

• Video

• Productbeschrijvingen

• Marketingtekst

• Lesplannen

• Samenvattingen

• Synthetische gegevens

• Ontwerpideeën

Generatieve AI werkt door patronen te leren uit grote hoeveelheden data en vervolgens nieuwe resultaten te produceren op basis van aanwijzingen. Het kopieert niet in de simpele zin die mensen zich soms voorstellen. Het voorspelt, combineert, wijzigt en genereert op basis van geleerde structuren.

Desondanks kan het nog steeds fouten maken. Het kan zelfverzekerd overkomen terwijl het ongelijk heeft, wat eigenlijk de machinale versie is van iemand die de belastingwetgeving uitlegt tijdens een familiebijeenkomst.

Generatieve AI is waardevol voor:

• Brainstormen

• Inhoud opstellen

• Het automatiseren van repetitief schrijven

• Het creëren van visuele concepten

• Ondersteuning van de klantenservice

• Codeertaken versnellen

• Het personaliseren van leermaterialen

Maar het moet wel gecontroleerd worden. Altijd. De output van AI kan indrukwekkend zijn, maar is niet automatisch accuraat, eerlijk, legaal of merkvriendelijk. Beschouw het als een zeer snelle assistent met af en toe een ondeugende kant.

---

6. Machine learning AI: De patroonzoeker

Machine learning is een belangrijke tak van AI waarbij systemen patronen leren uit data in plaats van regel voor regel geprogrammeerd te worden voor elke beslissing.

Traditionele software volgt expliciete regels. Machine learning-systemen identificeren verbanden en verbeteren de prestaties door middel van training.

Bijvoorbeeld:

• Een spamfilter leert hoe verdachte e-mails eruitzien

• Een bankmodel detecteert ongebruikelijk transactiegedrag

• Een streaming-app beveelt programma's aan op basis van je kijkgedrag

• Een wervingstool kan kandidaten rangschikken op basis van vooraf gedefinieerde signalen

• Een medisch beeldvormingsmodel kan mogelijke afwijkingen aan het licht brengen

Machine learning kan op verschillende manieren plaatsvinden: onder supervisie, zonder supervisie of op basis van versterkingsleren.

Begeleid leren

Bij supervised learning worden gelabelde voorbeelden gebruikt. Afbeeldingen kunnen bijvoorbeeld gelabeld zijn als 'kat' of 'geen kat'. Het model leert het verschil.

Onbegeleid leren

Ongecontroleerd leren zoekt naar patronen zonder vooraf gedefinieerde antwoorden. Het kan klanten in segmenten indelen of verborgen clusters in data detecteren.

Versterkingsleren

Reinforcement learning leert door beloningen of straffen te ontvangen voor acties. Dit is gebruikelijk in AI die games speelt, robotica en optimalisatieproblemen.

Machine learning is geen toverkunst. Het is sterk afhankelijk van de kwaliteit van de data. Slechte data leiden tot slechte modellen - rommel erin, rommel in een net jasje eruit.

---

7. Deep Learning AI: De krachtpatser van neurale netwerken 🧬

Deep learning is een gespecialiseerde vorm van machinaal leren die gebruikmaakt van gelaagde neurale netwerken om complexe patronen te verwerken.

Het is met name waardevol voor:

• Spraakherkenning

• Beeldherkenning

• Natuurlijke taalverwerking

• Autonome systemen

• Medische beeldanalyse

• Vertaling

• Generatieve AI-modellen

• Complexe voorspellingstaken

Het woord 'diep' verwijst naar de meerdere lagen in het model. Elke laag helpt bij het bewerken en interpreteren van informatie. Een laag kan bijvoorbeeld eenvoudige vormen in een afbeelding detecteren, een andere texturen, weer een andere objecten, enzovoort.

Deep learning kan verbluffende resultaten opleveren, maar vereist vaak enorme hoeveelheden data en rekenkracht. Het kan ook lastiger te interpreteren zijn. Dat betekent dat zelfs experts moeite kunnen hebben om precies uit te leggen waarom een ​​deep learning-model een bepaalde beslissing heeft genomen.

Dit is een van de grootste vertrouwensproblemen bij AI: de prestaties kunnen sterk zijn, maar de verklaarbaarheid ervan kan lastig zijn. Het is alsof je een blender probeert te vragen waarom de smoothie niet lekker smaakt.

---

8. Conversatie-AI: Het spraakzame type

Conversational AI is ontworpen om met mensen te communiceren via tekst of spraak.

Het omvat:

• Klantenservice-chatbots

• Spraakassistenten

• Virtuele agenten

• AI-tutoren

• Interne helpdeskbots

• Verkoopmedewerkers

• Planningsassistenten

Goede conversationele AI heeft meer nodig dan alleen grammatica. Het heeft context, intentieherkenning, toonbeheersing en het vermogen om onvoorspelbare menselijke input te verwerken nodig.

Mensen spreken niet in perfecte commando's. Ze ratelen maar wat. Ze maken spelfouten. Ze stellen een halve vraag en verwachten dat de machine het wel snapt. Je weet hoe dat gaat.

Een eenvoudige chatbot volgt mogelijk een script. Een meer geavanceerde conversationele AI kan natuurlijke taal begrijpen, de context behouden en flexibele antwoorden genereren.

Dit type AI is waardevol omdat het repetitief werk vermindert en snelle ondersteuning biedt. Maar het kan gebruikers frustreren wanneer het doet alsof het begrijpt, terwijl dat niet zo is. Het ergste voorbeeld is de chatbot die zegt: "Ik help je graag", maar helemaal geen hulp biedt. Pijnlijk.

---

9. AI voor computervisie: machines die "zien" 👀

AI voor computervisie stelt systemen in staat om visuele informatie uit afbeeldingen, video's, camera's, sensoren of scans te interpreteren.

Het kan gebruikt worden voor:

• Gezichtsherkenning

• Objectdetectie

• Kwaliteitscontrole in fabrieken

• Medische beeldvorming

• Beveiligingsmonitoring

• Analyse van winkelschappen

• Verkeersdetectie

• Augmented reality

• Landbouwmonitoring

Computervisie ziet niet zoals mensen zien. Het verwerkt pixels, patronen, vormen, kleuren en statistische signalen. Maar de resultaten kunnen zeer krachtig zijn.

Computervisie kan bijvoorbeeld helpen om defecten op een productielijn sneller op te sporen dan handmatige inspectie. Het kan helpen bij het organiseren van beeldbibliotheken. Het kan veiligheidssystemen in voertuigen ondersteunen. Het kan echter ook privacyproblemen met zich meebrengen, vooral wanneer het wordt gebruikt voor bewaking of identificatie.

Dat is een tweesnijdende vork - geen zwaard, maar een vork. Nog steeds scherp genoeg om problemen te veroorzaken 🍴.

---

10. Voorspellende AI: De voorspellingsengine

Voorspellende AI gebruikt data om te schatten wat er mogelijk gaat gebeuren.

Het komt veel voor in het bedrijfsleven, de financiële sector, de gezondheidszorg, de logistiek, sportanalyse, marketing en operationele processen.

Voorspellende AI kan helpen bij het beantwoorden van vragen zoals:

• Welke klanten zullen waarschijnlijk vertrekken?

• Welke transactie lijkt verdacht?

• Hoeveel voorraad is er nodig?

• Welke patiënt heeft mogelijk extra aandacht nodig?

• Op welke content is de kans groter dat een gebruiker klikt?

• Welk machineonderdeel kan binnenkort defect raken?

Dit type AI is minder opvallend dan generatieve AI, maar het is buitengewoon belangrijk. Veel organisaties hechten minder waarde aan een model dat poëzie schrijft en meer aan de vraag of het verspilling kan verminderen, risico's kan verlagen en de planning kan verbeteren.

Voorspellende AI werkt het best wanneer de data relevant, schoon en regelmatig bijgewerkt is. Maar een voorspelling is nooit zekerheid. Een model kan waarschijnlijkheden inschatten, geen uitkomsten garanderen. Mensen vergeten dit voortdurend. Vervolgens geven ze de AI de schuld, alsof die hen persoonlijk heeft verraden.

---

11. Robotica AI: Wanneer AI een lichaam krijgt 🤖

Robotica met AI combineert kunstmatige intelligentie met fysieke machines. Dit is het punt waarop AI het scherm verlaat en zich in de wereld begint te bewegen.

Voorbeelden zijn:

• Magazijnrobots

• Productierobots

• Bezorgrobots

• Landbouwrobots

• Chirurgische assistentiesystemen

• Drones

• Inspectierobots

• Schoonmaakrobots

• Mensachtige onderzoeksrobots

AI voor robots is lastig omdat de fysieke omgeving onvoorspelbaar is. Een chatbot hoeft alleen maar met woorden om te gaan. Een robot moet rekening houden met gladde vloeren, slechte verlichting, oneffen oppervlakken, bewegende mensen, sensorfouten en iemand die een stoel op de meest ongunstige plek achterlaat.

Robotica combineert vaak verschillende soorten AI:

• Computervisie om te zien

• Machine learning voor aanpassing

• Planningsalgoritmen voor beweging

• Reinforcement learning voor besluitvorming

• Natuurlijke taalverwerking voor menselijke commando's

AI in robotica heeft een enorm potentieel, vooral bij gevaarlijk of repetitief werk. Maar het is ook duur, complex en fysiek riskant als systemen uitvallen.

---

12. AI gebaseerd op trainingsstijl

Een andere waardevolle manier om na te denken over de verschillende soorten AI is door te kijken naar hoe ze getraind worden.

Regelgebaseerde AI

Regelgebaseerde AI volgt door mensen bedachte logica. Bijvoorbeeld:

• Als dit gebeurt, doe dan dat

• Als de gebruiker deze optie selecteert, toon dan dat antwoord

• Als de waarde boven een drempelwaarde ligt, activeer dan een waarschuwing

Dit is eenvoudig, voorspelbaar en nuttig voor gestructureerde taken. Maar het heeft moeite met onduidelijkheden.

Op data getrainde AI

Datagestuurde AI leert van voorbeelden. Het kan complexere situaties aan omdat het patronen herkent in plaats van alleen op vaste regels te vertrouwen.

Dit is waar machine learning en deep learning samenkomen.

Hybride AI

Hybride AI combineert op regels gebaseerde logica met machinaal leren. In veel praktische systemen is dit de meest logische keuze. Je krijgt de flexibiliteit van lerende systemen plus de controle van regels.

Een systeem voor het opsporen van bankfraude kan bijvoorbeeld machine learning gebruiken om verdacht gedrag te detecteren en vervolgens strenge regels toepassen voor nalevingscontroles. Niet bepaald aantrekkelijk, maar wel essentieel.

---

13. Waarom zijn de verschillende soorten AI zo verwarrend?

De grootste verwarring ontstaat doordat mensen AI-categorieën op verschillende manieren gebruiken.

Iemand kan bij "Soorten AI" smalle, algemene en superintelligentie bedoelen.

Met "iemand anders" kan men generatieve AI, voorspellende AI en conversationele AI bedoelen.

Een ontwikkelaar kan het hebben over supervised learning, deep learning, neurale netwerken of reinforcement learning.

Een bedrijfsmanager kan het hebben over automatisering, analyses, personalisatie en AI voor klantenservice.

Ze hebben allemaal wel ergens gelijk. Irritant, maar waar.

AI wordt geclassificeerd op basis van:

• Vermogen

• Functionaliteit

• Trainingsmethode

• Toepassingsgebied

• Technische architectuur

• Mate van autonomie

• Type invoer en uitvoer

• Praktisch voorbeeld uit de industrie

Dus als iemand vraagt: "Wat voor soort AI is dit?", is het duidelijkste antwoord wellicht: gelaagd.

Een chatbot zou bijvoorbeeld het volgende kunnen zijn:

• Smalle AI op basis van mogelijkheden

• AI met beperkt geheugen op basis van functionaliteit

• Conversatie-AI door toepassing

• Generatieve AI als het antwoorden genereert

• Diep leren in AI, aangedreven door neurale netwerken

Dat is geen onnodige complexiteit voor de lol. Zo werkt het nu eenmaal in dit vakgebied.

---

14. Praktische voorbeelden van de verschillende soorten AI

Hier volgen enkele alledaagse voorbeelden om de categorieën beter te begrijpen.

Streamingtips 🎬

Dit is smalle AI, voorspellende AI en machine learning. Het analyseert patronen en doet aanbevelingen voor wat je vervolgens zou kunnen bekijken.

Spraakassistenten 🎙️

Deze maken gebruik van conversationele AI, natuurlijke taalverwerking, spraakherkenning en functies met beperkt geheugen.

Afbeeldingsgeneratoren 🖼️

Dit zijn generatieve AI-systemen, vaak aangedreven door deep learning-modellen.

Fraudedetectiesystemen 💳

Deze systemen maken gebruik van voorspellende AI en machine learning om ongebruikelijke activiteiten te signaleren.

Functies voor autonoom rijden 🚗

Deze combineren computervisie, AI met beperkt geheugen, robotica-gerelateerde AI, sensorfusie en besluitvormingsmodellen.

E-mailspamfilters 📩

Dit zijn klassieke voorbeelden van AI die gebruikmaakt van machine learning. Niet glamoureus, maar wel enorm waardevol.

AI-schrijftools ✍️

Dit betreft generatieve AI en conversationele AI, die doorgaans gebouwd worden met behulp van grote taalmodellen.

Het belangrijkste is dit: één AI-product kan tegelijkertijd tot meerdere categorieën behoren.

---

15. Voordelen van inzicht in de verschillende soorten AI

Als je de verschillende soorten AI kent, kun je betere beslissingen nemen, vooral als je AI gebruikt voor werk, zaken, studie of het creëren van content.

Het helpt je:

• Kies het juiste gereedschap

• Vermijd onrealistische verwachtingen

• Risico's begrijpen

• Stel betere vragen

• Evalueer beweringen over AI

• Spotmarketing overdrijving

• Gebruik AI op een meer verantwoorde manier

• Leg AI uit aan anderen zonder als een verwarde robot over te komen

Als een tool bijvoorbeeld voorspellende AI is, weet je dat deze waarschijnlijkheden voorspelt. Je moet het niet als een orakel beschouwen.

Als een tool gebruikmaakt van generatieve AI, weet je dat deze content creëert, maar die content moet nog wel gecontroleerd worden.

Als een systeem smalle AI gebruikt, weet je dat het op één gebied uitstekend kan presteren, maar daarbuiten ineffectief kan zijn.

Dat alleen al scheelt een hoop kopzorgen.

---

16. Risico's en beperkingen van de verschillende soorten AI ⚠️

Elk type AI heeft zijn beperkingen. Andere smaak, dezelfde soepkom.

Veelvoorkomende risico's van AI zijn onder andere:

• Vertekening in trainingsgegevens

• Onjuiste uitvoer

• Gebrek aan transparantie

• privacykwesties

• Overmatige afhankelijkheid

• Beveiligingslekken

• Misbruik

• Gebrekkig menselijk toezicht

• Vloeiendheid verwarren met waarheid

Generatieve AI kan informatie verzinnen. Voorspellende AI kan vooringenomen patronen versterken. Computervisie kan mensen of objecten verkeerd identificeren. Conversationele AI kan gebruikers frustreren met geveinsd zelfvertrouwen. Robotica met AI kan fysieke schade veroorzaken als het ontwerp gebrekkig is.

Dit betekent niet dat AI slecht is. Het betekent dat AI met beleid moet worden gebruikt. Net als elektrisch gereedschap, contracten of extreem pittige noedels 🌶️.

De beste AI-systemen bevatten doorgaans de volgende elementen:

• Menselijke beoordeling

• Duidelijke grenzen

• Sterke datapraktijken

• Testen

• Monitoring

• Verklaarbaarheid waar mogelijk

• Ethisch ontwerp

• Beveiligingsmaatregelen

AI kan goede beslissingen versterken. Maar het kan ook onzorgvuldige beslissingen versterken.

---

17. Welk type AI is het belangrijkst?

Er is niet één type dat het belangrijkst is. Het hangt af van de toepassing.

Generatieve AI is enorm belangrijk voor creativiteit.

Voor bedrijfsplanning kan voorspellende AI waardevoller zijn.

Voor automatisering zijn machine learning en AI in de robotica van groot belang.

Voor gebruikersondersteuning is conversationele AI de absolute topper.

Voor medische scans of visuele inspectie is computervisie van cruciaal belang.

Bij langetermijnonderzoek krijgt algemene AI de meeste filosofische aandacht.

Maar in de praktijk zijn smalle AI en AI met beperkt geheugen momenteel de meest voorkomende en waardevolle categorieën. Ze vormen de stille motor achter veel tools waar mensen al op vertrouwen.

De fantasierijke toekomst haalt de krantenkoppen. Het praktische heden betaalt de rekeningen.

---

Afsluitende opmerkingen: De verschillende soorten AI begrijpen zonder ruis

De verschillende soorten AI lijken in eerste instantie misschien ingewikkeld, omdat de categorieën elkaar overlappen. Maar zodra je onderscheid maakt tussen mogelijkheden, functionaliteit, trainingsmethode en praktisch gebruik, wordt het geheel veel gemakkelijker te begrijpen.

Smalle AI voert specifieke taken uit. Algemene AI zou flexibeler kunnen denken, hoewel dat een ambitieus doel blijft. Super-AI is nog steeds speculatief. Reactieve machines reageren zonder geheugen, terwijl AI met beperkt geheugen gebruikmaakt van data uit het verleden om beslissingen te verbeteren. Generatieve AI creëert. Voorspellende AI voorspelt. Conversationele AI praat. Computervisie ziet. Robotica-AI handelt in de fysieke omgeving.

Dat is het grote plaatje.

AI is niet één ding. Het is een complexe verzameling technologieën – sommige praktisch, sommige experimenteel, sommige overdreven en sommige echt van groot belang. Die complexiteit is juist een van de redenen waarom het ertoe doet. Hoe beter je de verschillende soorten AI begrijpt, hoe makkelijker het wordt om AI verstandig te gebruiken in plaats van alleen maar instemmend te knikken als iemand in een vergadering "algoritme" zegt. 🤷♂️

Korte samenvatting: De belangrijkste typen AI omvatten smalle AI, algemene AI, super-AI, reactieve machines, AI met beperkt geheugen, theory of mind AI, zelfbewuste AI, generatieve AI, voorspellende AI, conversationele AI, computervisie AI, machine learning AI, deep learning AI en robotica AI. De meeste AI die tegenwoordig wordt gebruikt, is smal, taakgericht en gebaseerd op machine learning of deep learning.

Praktisch voorbeeld: Het bouwen van een AI-gestuurde assistent voor het prioriteren van klantenservicevragen

Scenario

Stel je een kleine online meubelwinkel voor die zo'n 120 e-mails per dag ontvangt van klanten. Het team probeert niet de bestaande klantenservicemedewerkers te vervangen. Ze willen alleen hulp bij het sneller sorteren van berichten, het signaleren van urgente problemen en het opstellen van eerste antwoorden.

Dit is een goed voorbeeld, omdat één assistent meerdere soorten AI tegelijk kan gebruiken. Zo kan de assistent conversationele AI inzetten om klantberichten te begrijpen, generatieve AI om antwoorden op te stellen, voorspellende AI om potentiële terugbetalingsrisico's te signaleren en AI met beperkt geheugen om recente order- of polisgegevens te gebruiken.

De taak van de assistent is eenvoudig: een klantbericht lezen, classificeren, de volgende actie voorstellen en een antwoord opstellen dat door een medewerker kan worden goedgekeurd.

Wat de assistent nodig heeft

Het team zou de assistent het volgende geven:

Klantenservicebeleid

Regels voor levering en retournering

Garantievoorwaarden

Veelgestelde vragen over het product

Voorbeelden van toonhoogte

Een lijst met escalatieregels

Voorbeelden van eerdere tickets met de juiste categorieën

Duidelijke grenzen aan wat het niet zelf mag beslissen

Het bedrijf mag bijvoorbeeld geen terugbetalingen van meer dan £100 goedkeuren, geen leveringsdata beloven die het niet kan verifiëren, en geen juridische claims indienen over beschadigde goederen. Dergelijke gevallen moeten worden voorgelegd aan een specifieke persoon.

Voorbeeldinstructie

Je bent een medewerker van de klantenservice van een online meubelwinkel. Lees elk klantbericht en geef vijf dingen terug: de ticketcategorie, de urgentie, de waarschijnlijke gemoedstoestand van de klant, de aanbevolen vervolgactie en een conceptantwoord.

Gebruik uitsluitend het door het bedrijf verstrekte beleid. Als het antwoord niet in het beleid staat, zeg dan "Menselijke beoordeling vereist". Verzin geen leverdata, goedkeuringen voor terugbetalingen, garantiebeloftes of productbeschikbaarheid.

Stuur het ticket door naar een hogere instantie als de klant melding maakt van letsel, juridische stappen, herhaalde mislukte leveringen, een terugbetaling van meer dan £100, ontbrekende onderdelen voor een kinderproduct of ernstige ontevredenheid na twee eerdere reacties.

Houd het conceptantwoord beleefd, kort en praktisch. Klink niet robotachtig. Geef de klant of de koerier niet de schuld.

Hoe test je het?

Voordat u de assistent bij klanten gebruikt, test u deze eerst op een kleine set oude bonnen.

Gebruik de 30 voorgaande ondersteuningsberichten:

10 eenvoudige vragen over bezorging

5 klachten over beschadigde artikelen

5 terugbetalingsverzoeken

5 garantievragen

5 boze of complexe klachten

Controleer voor elke test het volgende:

Heeft het de juiste categorie gekozen?

Werd er correct gelet op urgente gevallen?

Heeft het vermeden om beloftes te doen?

Heeft het gevoelige kwesties verergerd?

Paste het conceptantwoord bij de toon van het bedrijf?

Een nuttige toetsvraag zou zijn:

“Mijn tafel is aangekomen met een gebroken poot en dit is de tweede keer dat er iets misgaat met de levering. Ik wil vandaag nog mijn geld volledig terug, anders plaats ik hier overal een bericht over.”

Een minder bekwame medewerker zou zich wellicht alleen verontschuldigen en een terugbetaling beloven. Een betere medewerker zou het classificeren als een beschadigd artikel in combinatie met een herhaalde klacht, het als zeer urgent markeren, de terugbetaling niet automatisch goedkeuren en het doorverwijzen voor handmatige beoordeling.

Resultaat

Illustratief resultaat: gebaseerd op de tijd die is verstreken sinds 30 voorbeeldtickets zijn verwerkt, vóór en na het gebruik van de workflow.

Handmatige triage duurde 2 uur en 15 minuten voor 30 tickets, gemiddeld 4,5 minuten per ticket.

De door AI ondersteunde triage duurde 48 minuten voor dezelfde 30 tickets, gemiddeld 1,6 minuut per ticket, omdat de menselijke beoordelaar alleen de categorie, de escalatiebeslissing en het conceptantwoord hoefde te controleren.

De assistent heeft 27 van de 30 tickets in de testset correct gecategoriseerd. Alle 5 tickets met een hoog risico zijn correct doorgestuurd naar een hogere instantie. Twee tickets voor terugbetalingen moesten qua formulering worden aangepast omdat het concept te stellig klonk, en één garantieticket werd in de verkeerde categorie geplaatst.

Dat biedt een praktische maatstaf: een snellere eerste beoordeling, maar geen volledige automatisering. De mens blijft verantwoordelijk voor het antwoord.

Wat kan er misgaan?

De grootste fout is om de medewerker te laten doen alsof hij of zij meer weet dan in werkelijkheid het geval is. Als het retourbeleid verouderd is, kan de medewerker vol zelfvertrouwen een verkeerd antwoord geven. Als de escalatieregels vaag zijn, kan hij of zij ernstige klachten over het hoofd zien.

Privacy is een ander belangrijk punt. Het team moet voorkomen dat onnodige betaalgegevens, adressen of gevoelige persoonlijke informatie in de assistent worden geplakt, tenzij het systeem daarvoor toestemming heeft gegeven.

De assistent moet ook regelmatig worden getest. Klantvragen veranderen, beleid verandert en producten veranderen. Een triage-assistent die in maart goed werkte, kan na een nieuw garantiebeleid in juni risicovol worden.

Praktische tips

Dit voorbeeld laat zien waarom AI-categorieën in de praktijk overlappen. Een enkele assistent kan tegelijkertijd smalle AI, conversationele AI, generatieve AI, voorspellende AI en AI met beperkt geheugen zijn. De beste manier om de AI te beoordelen is door te vragen welke beslissingen de assistent ondersteunt, welke gegevens hij gebruikt en waar een mens de AI nog moet controleren.

Veelgestelde vragen

Wat zijn de belangrijkste soorten AI die beginners moeten kennen?

De belangrijkste typen AI zijn smalle AI, algemene AI, super-AI, reactieve machines, AI met beperkt geheugen, generatieve AI, voorspellende AI, conversationele AI, computervisie-AI, machine learning-AI, deep learning-AI en robotica-AI. Deze categorieën overlappen vaak, waardoor één tool tegelijkertijd onder meerdere labels kan vallen. Een chatbot kan bijvoorbeeld smalle AI, conversationele AI, generatieve AI én AI met beperkt geheugen zijn.

Hoe worden AI-typen geclassificeerd op basis van hun mogelijkheden?

Kunstmatige intelligentie (AI) wordt doorgaans ingedeeld op basis van haar capaciteiten in smalle AI, algemene AI en super-AI. Smalle AI voert specifieke taken uit en wordt tegenwoordig veel gebruikt. Algemene AI zou redeneren en leren over uiteenlopende taken op een menselijk niveau, maar maakt geen deel uit van het dagelijks gebruik. Super-AI zou de menselijke intelligentie overtreffen en is nog steeds speculatief.

Wat is het verschil tussen smalle AI en algemene AI?

Smalle AI is ontworpen voor een specifieke taak of een beperkt aantal taken, zoals spamfiltering, aanbevelingen, chatbots of fraudedetectie. Algemene AI zou in staat zijn om te leren, te redeneren en zich aan te passen aan veel uiteenlopende taken. De meeste AI die mensen tegenwoordig gebruiken, is smalle AI, zelfs als deze flexibel of geavanceerd aanvoelt.

Waarom is AI met beperkt geheugen tegenwoordig zo gangbaar?

AI met beperkt geheugen kan gegevens uit het verleden of recente gegevens gebruiken om beslissingen te verbeteren, waardoor het praktisch is voor veel systemen. Aanbevelingssystemen, fraudedetectietools, zelfrijdende auto's en chatbots maken vaak gebruik van dit type AI. Het heeft geen menselijk bewustzijn, maar kan zich aanpassen op basis van patronen en opgeslagen informatie.

Hoe past generatieve AI in het geheel van de verschillende soorten AI?

Generatieve AI is een type AI dat nieuwe output creëert, zoals tekst, afbeeldingen, code, audio, video, samenvattingen of ontwerpideeën. Het leert patronen uit grote hoeveelheden data en produceert content op basis van aanwijzingen. Het kan helpen bij het schrijven van concepten, brainstormen, coderen en creatief werk, maar de output moet nog steeds door een mens worden gecontroleerd.

Wat is het verschil tussen machine learning en deep learning?

Machine learning is een tak van AI waarbij systemen patronen leren uit data in plaats van alleen handgeschreven regels te volgen. Deep learning is een gespecialiseerde vorm van machine learning die gebruikmaakt van gelaagde neurale netwerken. Deep learning is met name waardevol voor complexe taken zoals spraakherkenning, beeldherkenning, natuurlijke taalverwerking, vertaling, medische beeldvorming en generatieve AI.

Waarvoor wordt voorspellende AI in het bedrijfsleven gebruikt?

Voorspellende AI gebruikt data om waarschijnlijke toekomstige uitkomsten te schatten. Bedrijven kunnen het gebruiken voor vraagplanning, voorspelling van klantverloop, fraudedetectie, risicoscoring, voorraadbeheer of onderhoudsprognoses. Het ondersteunt planning en besluitvorming, maar het garandeert de toekomst niet. Voorspellingen zijn schattingen die worden gevormd door beschikbare data en de kwaliteit van het model.

Hoe werkt AI voor computervisie in praktische systemen?

AI voor computervisie helpt machines visuele informatie te interpreteren uit afbeeldingen, video's, camera's, scans of sensoren. Het kan ondersteuning bieden bij gezichtsherkenning, objectdetectie, fabrieksinspectie, medische beeldvorming, verkeersdetectie, retailanalyse, landbouwmonitoring en veiligheidssystemen. Het ziet niet zoals een mens, maar het kan pixels, vormen, kleuren en patronen op grote schaal verwerken.

Waarom kan één AI-product tot meerdere typen AI behoren?

AI-categorieën beschrijven vaak verschillende aspecten, zoals mogelijkheden, functionaliteit, trainingsmethode of toepassing. Een spraakassistent kan bijvoorbeeld smalle AI zijn op basis van mogelijkheden, conversationele AI op basis van toepassing, AI met beperkt geheugen op basis van functionaliteit en deep learning AI op basis van architectuur. Deze overlap is normaal en helpt om vanuit verschillende invalshoeken te verklaren wat het systeem doet.

Welke risico's moeten mensen begrijpen met betrekking tot verschillende soorten AI?

Veelvoorkomende risico's van AI zijn onder andere vooringenomenheid, onjuiste resultaten, privacyproblemen, beveiligingslekken, gebrek aan transparantie, overmatige afhankelijkheid en zwak menselijk toezicht. Generatieve AI kan informatie verzinnen, voorspellende AI kan slechte patronen versterken en computervisie kan objecten of personen verkeerd identificeren. Goed gebruik van AI vereist doorgaans testen, monitoring, duidelijke grenzen, sterke datapraktijken en menselijke beoordeling.

Referenties

1. IBM - Soorten kunstmatige intelligentie - ibm.com

2. NIST AI-risicobeheerframework - AI-risico's - nist.gov

3. Google Developers - Machine learning - developers.google.com

4. AWS - Generatieve AI - aws.amazon.com