AI-begrippen uitgelegd — Het Laatste AI Nieuws

#Aansprakelijkheid: De vraag wie opdraait voor de schade als een AI-systeem een fout maakt: de gebruiker, het bedrijf dat het inzet, of de maker van het model. Bij gewone software ligt dat vaak vast, maar bij AI die zelf keuzes maakt is het lastiger aan te wijzen. Krijg je een verkeerd advies van een AI-tool en lijd je daardoor schade, dan is precies dit de knoop die de wetgever probeert te ontwarren — onder meer via de EU AI-verordening.
#Agent: Een AI-systeem dat zelfstandig meerdere stappen uitvoert om een taak af te ronden: bestanden openen, zoeken, code draaien, resultaten controleren. Een chatbot beantwoordt je vraag; een agent boekt bij wijze van spreken ook meteen de vergaderruimte.
#Agentic: Engelse term voor AI die niet alleen antwoordt, maar zelfstandig taken uitvoert: stappen plannen, tools aansturen en doorwerken tot het doel is bereikt. Vraag je een agentic systeem een reis te boeken, dan zoekt het zelf vluchten, vergelijkt prijzen en vult het boekingsformulier in. Je komt het woord tegen in samenstellingen als "agentic AI" en "agentic workflow".
#Agentic AI: De verzamelnaam voor AI die niet alleen antwoord geeft, maar zelfstandig een reeks stappen zet om een doel te halen: plannen, tools gebruiken, tussentijds bijsturen. "Agentic" is het bijvoeglijk naamwoord bij agent. Waar een chatbot je vraag beantwoordt, boekt een agentic systeem bij wijze van spreken ook meteen de afspraak, controleert de agenda en stuurt de bevestiging — met alle kansen én risico's van dien.
#Agentic threat actor: Een cybercrimineel die door een AI-agent wordt aangestuurd in plaats van handmatig bestuurd te worden. In juli 2026 documenteerde veiligheidsbedrijf Sysdig JADEPUFFER, waarschijnlijk het eerste geval: een LLM-agent voerde zelfstandig een volledige ransomware-aanval uit — reconnaissance, inbraak, versleuteling, losgeldeis — zonder dat een mens aan het toetsenbord zat. Het gevaar: de drempelwaarde voor cyberaanvallen zakt van "je hebt een ervaren hacker nodig" naar "je hebt genoeg geld voor AI-usage en een exploit". Het voordeel voor de aanvaller: de agent past zich aan, probeert mislukte stappen opnieuw en kan dus ook zonder menselijke tussenkomst omgaan met onverwachte versperringen.
#AGI: De afkorting van artificial general intelligence: een nog hypothetische AI die élke verstandelijke taak van een mens aankan, niet alleen het werk waarvoor ze getraind is. Of de huidige modellen daar dichtbij komen is binnen het vakgebied een twistpunt: sommige onderzoekers tellen GPT-5-achtige systemen al mee, anderen eisen redeneren in volledig nieuwe domeinen zonder voorbeelden. Hoor je iemand zeggen "AGI is bijna hier", vraag dan welke definitie diegene hanteert.
#AI Overviews (AI-overzichten): Het samenvattende antwoord dat Google boven de gewone zoekresultaten zet, geschreven door AI op basis van pagina's die het zelf heeft gelezen. Je krijgt het antwoord dus zonder te klikken — handig voor jou, minder prettig voor de site die het geschreven heeft, want die ziet zijn bezoek teruglopen. Let op waar de bronvermeldingen staan: het overzicht kan feiten door elkaar halen of iets stelliger brengen dan de bron doet, en in Italië liep daar in 2026 een mededingingszaak over.
#AI-browser: Een webbrowser met een ingebouwde AI-assistent die niet alleen antwoorden geeft, maar ook namens jou mag klikken, typen en formulieren invullen. Voorbeelden zijn Perplexity Comet, OpenAI's Atlas en Claude in Chrome. Handig voor terugkerend klikwerk, maar let op: omdat de assistent webpagina's leest én uitvoert, is hij gevoelig voor prompt-injectie via verborgen tekst op een pagina.
#AI-bureau (AI Office): De afdeling van de Europese Commissie die toezicht houdt op de grote, algemeen inzetbare AI-modellen — het niveau boven de nationale toezichthouders. Waar de Autoriteit Persoonsgegevens kijkt naar hoe een Nederlandse organisatie AI gebruikt, kijkt het AI-bureau naar de bouwers van de modellen zelf: het kan documentatie opvragen, modellen laten evalueren, maatregelen eisen en boetes opleggen. Sinds 2 augustus 2026 mag het die bevoegdheden ook echt gebruiken. Hoor je dat "Brussel een model onderzoekt", dan gaat het meestal om dit bureau. Let op: sommige adviesbureaus noemen zichzelf ook AI-bureau; dat is iets anders.
#AI-chip: De gespecialiseerde processor die het rekenwerk voor AI doet. Een gewone computerchip is een manusje-van-alles; een AI-chip is gebouwd om heel veel simpele rekensommen tegelijk uit te voeren, precies wat het trainen en draaien van grote modellen vraagt. De bekendste zijn de GPU's van Nvidia, maar er zijn alternatieven zoals Googles eigen TPU's. Hoor je dat een land "de export van AI-chips beperkt", dan gaat het om deze schaarse en dure onderdelen: ze bepalen mee wie grote modellen kan bouwen.
#AI-detectie: Software die probeert te schatten of een tekst door een mens of door een taalmodel is geschreven, zoals de AI-indicator in Turnitin. Het is een kansberekening, geen bewijs: detectoren geven zowel valse positieven (mens als AI bestempeld) als gemiste gevallen, en zijn aantoonbaar strenger tegen niet-moedertaalsprekers. Opleidingen gebruiken een uitslag daarom als signaal, nooit als doorslaggevend bewijs.
#AI-fabriek (AI Factory): Geen fabriek maar een rekencentrum: een Europese supercomputer met een team eromheen, waar bedrijven, onderzoekers en publieke organisaties AI-modellen kunnen trainen en draaien binnen Europese regels. Het programma loopt via EuroHPC, de Europese samenwerking rond supercomputers, die er per locatie tientallen miljoenen in steekt. Nederland kreeg er een toegewezen in Groningen: een investering van ongeveer 200 miljoen euro, waarvan 70 miljoen uit EuroHPC. Het idee erachter is dat je niet afhankelijk hoeft te zijn van een Amerikaanse cloudaanbieder om aan rekenkracht te komen.
#AI-first: De strategie waarbij een bedrijf AI als uitgangspunt neemt voor elk proces en elke nieuwe functie, in plaats van AI achteraf aan bestaand werk toe te voegen. Denk aan een klantenservice waar een AI-assistent standaard het eerste contact doet en medewerkers de achtervang zijn. De term duikt vaak op in reorganisatie-nieuws en vacatures; wat er precies mee wordt bedoeld verschilt sterk per bedrijf.
#AI-geletterdheid: De basiskennis om AI-tools verstandig te gebruiken: snappen wat een model wél en níet kan, wanneer je de uitkomst moet controleren en welke risico's eraan zitten. Sinds 2 augustus 2026 verplicht artikel 4 van de AI-verordening werkgevers om deze kennis actief te bevorderen bij iedereen die met AI werkt. Concreet: laat je op je werk een chatbot een klantmail schrijven, dan hoor je te weten dat het model dingen kan verzinnen en dat jij de eindcontrole doet.
#AI-psychose: Een informele term — geen erkende klinische diagnose — voor situaties waarin intensieve chatbot-gesprekken bestaande wanen of verwardheid lijken te versterken, doordat het model meebeweegt met wat je zegt in plaats van tegenspraak te bieden. De term dook in 2025 op in media en werd zelfs door OpenAI-CEO Sam Altman aangehaald. Merk je dat een chatbot voor jou of een naaste de plek van echte gesprekken inneemt op kwetsbare momenten, dan is een mens — huisarts, vriend, hulplijn — de betere gesprekspartner.
#AI-slop: De stroom middelmatige, automatisch gegenereerde AI-content die het internet vult: vage artikelen, generieke afbeeldingen en opgeklopte teksten die vooral op kwantiteit mikken. Het Engelse woord "slop" (varkensvoer) is een spotnaam voor werk dat er op het eerste gezicht in orde uitziet, maar bij lezen leeg blijkt. Voor jou is het vooral een kwaliteitssignaal: kom je op een site vol zulke stukken, dan vind je er zelden iets betrouwbaars. Sommige AI-bedrijven kopen inmiddels bewust oude boeken op als trainingsdata, juist omdat die nog vrij zijn van AI-slop.
#AI-verordening: De officiële Nederlandse naam van de EU AI Act: de Europese wet die regels stelt aan het ontwikkelen en gebruiken van AI, met zwaardere eisen naarmate het risico groter is. Gebruik je als bedrijf alleen ChatGPT of Copilot, dan raakt vooral de AI-geletterdheidsplicht (artikel 4) je direct.
#AI-voetafdruk: De energie, het water en de grondstoffen die nodig zijn om AI te trainen en te gebruiken. Elke vraag aan een chatbot draait in een datacenter dat stroom verbruikt en vaak met water wordt gekoeld. Eén losse vraag kost weinig, maar bij miljarden vragen per dag telt het op. Daarom komt de milieukant van AI steeds vaker in het nieuws, naast de stroomrekening van de datacenters zelf.
#AI-watermerk: Een zichtbaar of onzichtbaar kenmerk dat in AI-gemaakte tekst, beeld, audio of video wordt verwerkt om te tonen dat een model het maakte. Het doel is transparantie: jij moet kunnen zien of een foto of filmpje echt is of verzonnen. Vanaf 2 augustus 2026 verplicht artikel 50 van de AI-verordening makers om nieuwe AI-content zo te markeren. In de praktijk werkt het nog wisselend, want een screenshot of bewerking wist een watermerk soms weer uit.
#AI-zoekmachine: Een zoekdienst die je vraag beantwoordt met een kant-en-klare, geschreven samenvatting uit meerdere bronnen, in plaats van alleen een lijst met links. Diensten als Perplexity werken zo, en Google zet boven de gewone resultaten steeds vaker een AI-samenvatting (AI Overviews). Handig als je snel een antwoord wilt, maar je ziet minder makkelijk waar het vandaan komt en het model kan er soms naast zitten. Klik daarom bij belangrijke vragen door naar de bron eronder.
#Algoritme: Een vaste reeks stappen die een computer volgt om iets te bepalen of te kiezen — van welke video YouTube je aanraadt tot welke mail als spam wordt weggefilterd. AI-systemen zijn opgebouwd uit zulke algoritmes, maar dan lerende: ze stellen zichzelf bij op basis van data in plaats van dat een programmeur elke regel vooraf vastlegt. Merk je dat je tijdlijn precies jouw smaak lijkt te kennen? Dan is dat het werk van een algoritme dat leerde van je klikgedrag.
#Alignment (afstemming): Het afstemmen van een AI-model op wat mensen er echt mee bedoelen: dat het doet wat je vraagt, geen schadelijke dingen doet en zich aan afspraken houdt. Bij grote taalmodellen gebeurt dat onder meer door ze bij te sturen met menselijke feedback. Het "alignment-probleem" is de vraag hoe je zeker weet dat een steeds capabeler systeem jouw doel volgt en niet een eigen route kiest om zijn taak koste wat kost af te maken.
#API: De technische aansluiting waarmee software met andere software praat. Wie AI "via de API" gebruikt, betaalt per verbruik (zie token) in plaats van een vast bedrag per maand, zoals bij een chat-abonnement.
#Attention: De rekentruc waarmee een taalmodel bepaalt welke woorden in een zin bij elkaar horen. In "de kat zat op de mat, en hij spinde" moet het model weten dat "hij" naar de kat verwijst en niet naar de mat; attention is de wiskunde die dat verband legt, door voor elk woord te wegen hoe belangrijk alle andere woorden zijn. Het idee komt uit een Google-artikel uit 2017 met de titel Attention Is All You Need en vormt de kern van de transformer, de architectuur onder vrijwel elk model van nu.
#Auteursrecht (en AI): Het recht dat makers zeggenschap geeft over hun werk: teksten, foto's, muziek, code. Bij AI botst dat op twee punten. Modellen worden getraind op enorme hoeveelheden bestaand werk, vaak zonder toestemming van de maker, en juridisch is nog onduidelijk wie de rechten heeft op wat een model zelf produceert. Zo trof AI-bedrijf Anthropic een schikking van 1,5 miljard dollar over het gebruik van gepirateerde boeken, en haalde Stichting BREIN ruim twee miljoen Nederlandse nieuwsartikelen uit een trainingsdatabank.
#Autoriteit Persoonsgegevens (AP): De Nederlandse toezichthouder die controleert of organisaties zich aan de privacywet (zie avg) houden, en die boetes kan opleggen als dat niet gebeurt. Sinds 2023 heeft de AP er een tweede taak bij: het coördineren van het toezicht op algoritmes en AI in Nederland, waarover ze periodiek rapporteert. Denk je dat een bedrijf verkeerd met jouw gegevens omgaat, dan kun je daar een klacht indienen. In het nieuws duikt de AP meestal op bij twee soorten zaken: een boete voor het doorgeven van gegevens, en een waarschuwing over een AI-toepassing die persoonsgegevens verwerkt.
#AVG (privacywet): De Algemene verordening gegevensbescherming: de Europese privacywet die sinds 2018 geldt en bepaalt wat organisaties met jouw persoonsgegevens mogen doen. Ze schrijft onder meer voor dat er een duidelijke reden voor het verzamelen moet zijn, dat je je gegevens mag inzien en laten wissen, en dat een datalek gemeld moet worden. Buiten Europa heet dezelfde wet meestal GDPR. Verwar de AVG niet met de AI-verordening: de AVG gaat over persoonsgegevens, de AI-verordening over AI-systemen zelf. Typt een bedrijf klantgegevens in een Amerikaanse chatbot, dan is de AVG de wet die bepaalt of dat mag.
#Beeldherkenning: De techniek waarmee AI objecten, gezichten of patronen in foto's en video herkent, ook wel computervisie genoemd. Het model leert uit grote hoeveelheden voorbeelden en schat daarna in wat het op een nieuwe afbeelding ziet. Je gebruikt het zonder erbij na te denken als je telefoon je foto's op persoon of plek sorteert, maar dezelfde techniek zit ook achter camerabewaking en medische beeldanalyse — en juist daar liggen de privacyvragen.
#Benchmark: Een gestandaardiseerde test waarmee AI-modellen onderling vergeleken worden, bijvoorbeeld op wiskunde, code of redeneren. Handig om grof te zien waar een model uitblinkt, met een kanttekening: makers trainen soms gericht op de bekende testen, en een hoge score op papier zegt weinig over jouw concrete taak. Lees een benchmark daarom als richting, niet als rapportcijfer.
#Bias (vertekening): Een systematische scheefheid in de uitkomsten van een AI-systeem, waardoor bepaalde groepen structureel anders behandeld worden. Die scheefheid sluipt meestal binnen via de data waarmee het model is getraind: leert het vooral van voorbeelden uit één groep, dan presteert het voor anderen slechter. Solliciteer je bijvoorbeeld en beoordeelt een AI-systeem cv's, dan kan het onbedoeld mensen benadelen op geslacht of afkomst, simpelweg omdat het verleden waarop het leerde al scheef was. Het Engelse woord "bias" betekent hetzelfde.
#Biometrie: Het meten en herkennen van mensen aan unieke lichaamskenmerken, zoals een gezicht, vingerafdruk of stem. AI maakt die herkenning sneller en op afstand mogelijk, bijvoorbeeld een camera die in een menigte gezichten vergelijkt met een database. Omdat je je gezicht niet even kunt wijzigen zoals een wachtwoord, stelt de Europese AI-verordening strenge grenzen aan biometrische identificatie in openbare ruimtes.
#Black box: Een systeem waarvan je de uitkomst ziet, maar niet goed kunt volgen hoe die tot stand komt. Bij grote AI-modellen is dat vaak het geval: ze geven een antwoord, een score of een beslissing, zonder een navolgbare redenering. Dat maakt uit als een model over mensen beslist — een afgewezen lening of sollicitatie — want dan wil je kunnen uitleggen waaróm. Onderzoek naar "uitlegbare AI" probeert die doos juist wat opener te maken.
#C2PA (herkomstlabel): Een technische standaard die in een foto, video of audiobestand vastlegt waar het vandaan komt: welk apparaat het maakte, welke bewerkingen volgden en of er AI aan te pas kwam. Achter C2PA zitten onder meer Adobe, Microsoft, de BBC en cameramakers als Leica en Nikon. Het is het spiegelbeeld van een AI-watermerk: in plaats van te markeren dat iets door AI is gemaakt, bewijst het dat een opname echt is. Zie je bij een nieuwsfoto een herkomstlabel, dan kun je nagaan met welke camera hij is geschoten en of er iets aan veranderd is.
#Chain-of-thought: De keten van tussenstappen die een taalmodel intern aflegt voordat het zijn uiteindelijke antwoord geeft, te vergelijken met kladwerk bij een rekensom. Vraag je een model om "stap voor stap" te denken, dan dwing je die keten zichtbaar af; de nieuwste redeneermodellen doen dat inmiddels vanzelf, zonder dat jij erom hoeft te vragen. Het helpt vooral bij wiskunde, logica en opdrachten met meerdere stappen: een model dat eerst redeneert maakt aantoonbaar minder fouten dan een model dat meteen een antwoord geeft. De zichtbare redenering is trouwens een reconstructie achteraf, geen letterlijke kijk in wat er intern gebeurt.
#Chatbot: Een programma waarmee je een gesprek in gewone taal voert, tegenwoordig meestal aangedreven door een taalmodel (zie llm). Je typt of spreekt een vraag in, en de chatbot antwoordt in zinnen, alsof je met iemand chat. ChatGPT is het bekendste voorbeeld, maar ook de hulpjes op de website van je bank of webshop zijn chatbots. Anders dan een zoekmachine geeft een chatbot één samengesteld antwoord in plaats van een lijst links. Handig, maar hij kan er ook naast zitten (zie hallucinatie), dus controleer belangrijke feiten zelf.
#CLOUD Act: Een Amerikaanse wet uit 2018 die de Amerikaanse overheid onder voorwaarden toegang kan geven tot gegevens die bij Amerikaanse bedrijven staan, ook als die gegevens op servers buiten de Verenigde Staten liggen. Bepalend is dus niet waar de server staat, maar onder welk recht de aanbieder valt. Daarom is "onze data staat in een datacenter in Nederland" op zichzelf geen antwoord op de vraag wie erbij kan. Dit is de kern van het gesprek over soevereine AI (zie soevereine-ai) en over Europese alternatieven voor Amerikaanse clouddiensten.
#Compute: Verzamelterm voor rekenkracht: de servers, chips en datacenters die nodig zijn om AI-modellen te trainen en te draaien. Als een land of bedrijf "geen eigen compute" heeft, moet het die capaciteit bij anderen inkopen.
#Conformiteitsbeoordeling: De officiële controle waarmee een leverancier moet aantonen dat zijn AI-systeem aan de Europese eisen voldoet, vóórdat het op de markt mag. Voor de zwaarste categorie — hoog-risico-AI, zoals systemen die meebeslissen over een sollicitatie, een lening of toelating tot een opleiding — gaat het om een dossier met documentatie over de trainingsdata, de risico's en het menselijk toezicht. Soms mag de leverancier dat zelf beoordelen, soms moet een aangewezen keuringsinstantie ernaar kijken. Slaagt de beoordeling, dan volgt de CE-markering die je ook van speelgoed en machines kent.
#Constitutional AI: Een manier om AI-modellen veiliger en nuttiger te maken door ze regels (een "constitutie") mee te geven in plaats van alleen te zeggen "dit mag niet". Het werk gaat zo: je model krijgt een set principes ("wees eerlijk", "weiger kwaadwillend werk"), leert eerst op eigen kracht te zelf-verbeteren tegen die principes (RLHF vervangen met zelf-feedback), en wordt daardoor beter in verantwoord redeneren zonder voortdurende menselijke tussenkomst. Anthropic en OpenAI gebruiken varianten hiervan. Het idee: in plaats van regels na-af-te-dwingen, leer je een model eerlijk na te denken.
#Content-moderatie: Het beoordelen en weghalen van ongewenste berichten, beelden of video's op een platform, zoals haatzaaien, geweld of nepnieuws. Bij grote platforms doet AI de eerste schifting: een model schat in of iets de regels overtreedt, waarna soms een mens de twijfelgevallen bekijkt. Het gaat geregeld mis met context of andere talen, en daarom zit er meestal nog mensenwerk achter. Wordt jouw bericht op sociale media verwijderd of blijft het juist staan, dan is dit het systeem dat die keuze maakte.
#Context-window: De hoeveelheid tekst die een model in één gesprek kan "onthouden", gemeten in tokens. Stop je er meer in dan past, dan valt het begin van het gesprek buiten beeld en gaat het model dingen vergeten of verzinnen.
#Context-window effectiveness: De werkelijke hoeveelheid tekst die een model bruikbaar kan verwerken, als percentage van zijn advertentiewaarde. Claude Opus 4.6 kan bijvoorbeeld effectief 76% van zijn miljoen-token context gebruiken, terwijl Gemini 3.1 Pro op dezelfde test slechts 25% haalt. Het verschil is niet alleen theorie — in de praktijk betekent het dat een model waarvan je dacht dat hij 10 miljoen tokens aankan, in werkelijkheid misschien maar 2,5 miljoen tokens nuttig kan onthouden. Kijk dus altijd naar onafhankelijk geteste effectiviteitscijfers (MRCR v2-benchmark) in plaats van alleen naar wat een lab adverteert.
#Copilot: Een AI-assistent die met je meewerkt binnen een programma dat je toch al gebruikt, zoals je e-mail, je tekstverwerker of je code-editor. De naam ("co-piloot") zegt het al: het systeem neemt het stuur niet over, maar denkt mee, stelt voor en versnelt. Microsoft gebruikt de naam voor zijn assistent in Office, GitHub voor die in de programmeeromgeving — maar copilot is inmiddels een soortnaam geworden voor dit type meewerk-AI.
#Datacenter: Een groot gebouw vol computers en opslag waar de zware rekenkracht (zie compute) voor AI en internetdiensten draait. Stel je een AI-model een vraag, dan gebeurt het rekenwerk niet op je telefoon maar in zo'n datacenter, vaak honderden kilometers verderop. Door de AI-golf komen er wereldwijd nieuwe bij, en dat merk je ook thuis: ze verbruiken veel stroom en koelwater, wat vragen oproept over de druk op het elektriciteitsnet en de omgeving. In Nederland speelt die discussie onder meer rond de komst van grote datacenters.
#Datalek: Het ongewild naar buiten komen van persoonsgegevens: door een inbraak, een verkeerd verstuurde bestandslijst of een systeem dat openstond. Bij AI komt er een route bij die je makkelijk over het hoofd ziet — wat jij in een chatbot plakt, staat op de server van de aanbieder. Zet je een klantenlijst of een medisch verslag in een gratis tool, dan kan dat al een datalek zijn, ook als er niemand heeft ingebroken. Bedrijven en organisaties moeten een lek binnen 72 uur melden bij de Autoriteit Persoonsgegevens.
#Dataset: Een verzameling voorbeelden waarmee een AI-model leert of waarop het wordt getest, bijvoorbeeld duizenden foto's met een bijschrift of miljoenen zinnen tekst. De kwaliteit van die verzameling bepaalt sterk hoe goed het model wordt: zitten er fouten of blinde vlekken in, dan neemt het model die over. Train je een model vooral op Engelstalige teksten, dan merk je dat het in het Nederlands zwakker presteert.
#Datavervalsing: Het verzinnen, veranderen of weglaten van onderzoeksgegevens, bronnen of resultaten. In het onderwijs weegt dit zwaarder dan plagiaat, omdat het de kern van onderzoek raakt. Laat je een taalmodel data of citaten verzinnen — iets waar het berucht om is (zie hallucinatie) — en lever je dat in als echt, dan schuift het van overschrijven naar datavervalsing.
#Deep learning: Een krachtige vorm van machine learning waarbij een gelaagd neuraal netwerk zelf patronen leert uit grote hoeveelheden voorbeelden, zonder dat iemand de regels intikt. Het is de doorbraak achter beeldherkenning, spraakassistenten en ChatGPT. Hoe meer lagen, hoe abstracter de verbanden die het model kan oppikken.
#Deepfake: Een met AI gemaakte of gemanipuleerde video, foto of geluidsfragment dat echt lijkt maar het niet is — bijvoorbeeld een filmpje waarin een bekende politicus iets zegt wat hij nooit heeft gezegd. De techniek erachter is dezelfde als bij andere generatieve AI; het verschil zit in het doel: iemand realistisch iets laten doen of zeggen. Deepfakes worden gebruikt voor satire en films, maar ook voor oplichting (een nagemaakte stem van je baas die om een overboeking vraagt) en desinformatie. Twijfel je of beeld echt is, zoek dan eerst de oorspronkelijke bron voor je het gelooft of deelt.
#Desinformatie: Bewust verspreide onjuiste informatie om mensen te misleiden, zoals nepnieuws of een gemanipuleerde video. AI maakt dit sneller en goedkoper: een taalmodel schrijft in seconden honderd geloofwaardige nepberichten, en met beeldgeneratie maak je een overtuigende foto van iets wat nooit is gebeurd. Zie je rond verkiezingen ineens veel op elkaar lijkende, verontwaardigde berichten van "gewone burgers", dan kan dat een geautomatiseerde desinformatiecampagne zijn. Verschil met misinformatie: bij desinformatie is de misleiding opzettelijk.
#Digital Omnibus: Een pakket wetsvoorstellen dat de Europese Commissie op 19 november 2025 presenteerde om bestaande digitale regels te vereenvoudigen: de AI-verordening, de AVG en de Data Act. Het bestaat uit twee delen, één specifiek over AI en één over de rest van de digitale wetgeving. Voor AI is de kern dat een deel van de verplichtingen voor hoog-risicosystemen later ingaat, onder meer omdat de technische normen en de nationale toezichthouders nog niet klaar zijn. Let op de bewoording in het nieuws: dit is een vóórstel. Het Europees Parlement en de lidstaten onderhandelen er nog over, dus de tekst kan nog veranderen.
#Distillatie: Een techniek waarbij een groot, duur AI-model een kleiner model traint door als leraar te fungeren: het kleine model leert de antwoorden van het grote model na te bootsen. Zo krijg je een lichter en goedkoper model dat toch veel van het gedrag overneemt. Aanbieders gebruiken distillatie om snelle, betaalbare varianten van hun topmodel te maken die op minder zware hardware draaien.
#DMA (Digital Markets Act): De Europese wet die de grootste online platformen extra verplichtingen oplegt, zodat kleinere aanbieders een kans houden. Bedrijven die als poortwachter zijn aangewezen mogen hun eigen diensten bijvoorbeeld niet meer voortrekken in hun zoekresultaten of app-winkel. Dat merk je op je telefoon: dat je in Europa een andere app-winkel mag installeren of je standaardbrowser zelf kiest, komt hiervandaan. Bij AI speelt de vraag of een assistent die standaard in een besturingssysteem zit onder dezelfde regels valt.
#DPIA: Een verplichte risicobeoordeling vóóraf: een organisatie schrijft op wat er met jouw gegevens gebeurt, wat er mis kan gaan en wat ze daartegen doen. Voluit heet het data protection impact assessment; de AVG schrijft het voor bij verwerkingen met een hoog risico, en AI valt daar snel onder. Voert je gemeente, werkgever of zorgverlener een AI-systeem in dat over mensen beslist, dan mag je vragen of er een DPIA is gemaakt — en meestal mag je die ook inzien.
#DSA (Digital Services Act): De Europese wet over wat online platformen met content en gebruikers moeten doen: illegale berichten aanpakken, uitleggen waarom je iets te zien krijgt, en bij de grootste platformen jaarlijks laten onderzoeken welke risico's hun systeem oplevert. Voor jou betekent het dat je moet kunnen zien waarom een aanbeveling in je tijdlijn staat en dat je bezwaar kunt maken als je account wordt geblokkeerd. AI-chatbots en AI-zoekfuncties die in zo'n platform zijn ingebouwd vallen mee onder die risico-analyse.
#Edge AI: AI die op het apparaat zelf draait — een camera, sensor of laptop — in plaats van in een datacenter ergens anders. Het voordeel: geen internetverbinding nodig, minder vertraging, en gevoelige data die het apparaat niet hoeft te verlaten. Het Eindhovense chipbedrijf Axelera bouwt bijvoorbeeld hardware voor precies dit werk: slimme camera's en productielijn-inspectie die zelf beslissingen nemen zonder elke seconde data naar de cloud te sturen.
#Embeddings: Een manier om woorden, zinnen of afbeeldingen om te zetten in een lange rij getallen, zodat een computer kan "rekenen" met betekenis. Dingen die op elkaar lijken, krijgen getallenreeksen die dicht bij elkaar liggen: "kat" en "poes" komen zo dichter bij elkaar dan "kat" en "auto". Zoek je in een app naar "goedkope stadsauto" en krijg je ook resultaten die net andere woorden gebruiken, dan zitten daar embeddings achter. Het is de techniek waarmee AI-zoekfuncties en aanbevelingen op betekenis werken in plaats van op exacte woorden.
#Emergent capabilities: Onverwachte vaardigheden die AI-modellen plotseling vertonen wanneer ze groter worden. Denk aan een model dat opeens kan rekenen in stappen, vragen beantwoorden of gekke raadsels oplossen — zaken waarvoor niemand het expliciet heeft getraind. Tot een bepaalde schaal doet het model het willekeurig goed, daarna springt de prestatie naar boven zonder tussenliggende training. Waarom dat gebeurt, is nog niet volledig begrepen: het kan zijn dat interne representaties zich reorganiseren, of dat het model patronen ontdekt die verborgen waren in de trainingsdata. Deze emergent abilities vormen de kern van waarom grotere modellen onverwachts beter zijn dan je zou verwachten.
#Emotieherkenning: AI die uit een gezicht, een stem of lichaamssignalen probeert af te leiden hoe iemand zich voelt: boos, gestrest, aandachtig. De techniek belooft meer dan ze waarmaakt, want dezelfde uitdrukking betekent per persoon en per cultuur iets anders. De Europese AI-verordening verbiedt emotieherkenning daarom sinds 2 februari 2025 op de werkplek en in het onderwijs, met een uitzondering voor medische of veiligheidsredenen. Zou je werkgever camera's willen ophangen die meten of je gemotiveerd kijkt, dan mag dat dus niet — en toestemming van medewerkers maakt het volgens de Autoriteit Persoonsgegevens niet alsnog toegestaan.
#Evals (evaluatiekaders): Gestandaardiseerde tests om te meten hoe goed een AI-model daadwerkelijk is — beter dan marketing-beloften. Een eval kan zijn: "Geef het model 1000 juridische vragen en tel hoeveel het goed beantwoordt", of "Laat het code schrijven en voer die uit op probleemgevallen — werkt het?". OpenAI, Anthropic en Hugging Face hebben allemaal eval-frameworks gepubliceerd zodat onderzoekers modellen objectief kunnen vergelijken. Het probleem: bedrijven trainen soms gericht op de bekende evals, dus een hoge score zegt niet altijd veel over jouw concrete taak.
#Exportcontrole: Een overheidsregel die bepaalt welke technologie een land wel of niet naar het buitenland mag verkopen. Bij AI gaat het meestal om de krachtigste chips en de machines om ze te maken: de Verenigde Staten en Nederland beperken wat er naar China mag, om een technologische voorsprong te behouden. Zulke maatregelen werken twee kanten op, want landen reageren met eigen beperkingen op bijvoorbeeld grondstoffen. Voor jou is het merkbaar in de prijs en beschikbaarheid van hardware, en in welke AI-diensten in welk land draaien.
#Federated learning: Een trainingstechniek waarbij het model naar de data toe reist in plaats van andersom. Elk ziekenhuis, elke bank traint het model lokaal op de eigen gegevens en stuurt alleen de geleerde aanpassingen terug naar een centraal punt dat ze samenvoegt; de ruwe gegevens verlaten nooit hun eigen omgeving. Zo kunnen meerdere ziekenhuizen samen een beter diagnosemodel bouwen zonder patiëntdossiers te delen. Het is geen wondermiddel voor privacy op zich: de gedeelde modelaanpassingen kunnen in bepaalde gevallen tóch iets over de onderliggende data prijsgeven, dus combineren serieuze toepassingen het met extra bescherming zoals differential privacy.
#Fine-tuning: Het bijtrainen van een bestaand model op eigen materiaal, bijvoorbeeld je klantenservice-gesprekken, zodat het jouw toon en vakgebied beter aanvoelt. Lichter en goedkoper dan een model vanaf nul trainen.
#Foundation model: Een groot basismodel dat op enorme hoeveelheden data is getraind en daarna voor allerlei taken inzetbaar is, van samenvatten tot programmeren — GPT-5, Claude en Llama zijn voorbeelden. De AI-verordening noemt deze categorie general-purpose AI (GPAI) en hangt er eigen transparantie-eisen aan. Niet hetzelfde als een frontier-model: dat label gaat specifiek over de allernieuwste, krachtigste generatie; elk frontier-model is een foundation model, maar niet andersom.
#Frontier-model: De zwaarste, nieuwste generatie AI-modellen van labs als OpenAI, Anthropic en Google. Het knapst, maar ook het duurst in geld en energie. Voor een samenvatting of e-mailcorrectie volstaat vaak een kleiner, sneller model.
#Geautomatiseerde besluitvorming: Een besluit over jou dat volledig door software wordt genomen, zonder dat een mens er inhoudelijk naar kijkt: een afgewezen sollicitatie, een geweigerde lening, een geblokkeerd account. De AVG geeft je hier nu al rechten bij — je mag weten dat het gebeurde, om uitleg vragen en een menselijke herbeoordeling eisen. "De computer zei het" is dus geen geldig eindantwoord. De AI-verordening legt daar bovenop nog eigen eisen op voor systemen die dit soort besluiten voorbereiden.
#Generatieve AI: AI die zelf nieuwe inhoud maakt — tekst, beeld, audio of code — in plaats van bestaande data alleen te sorteren of te herkennen. ChatGPT dat een mail schrijft of een model dat op een tekstopdracht een plaatje tekent, zijn beide generatieve AI. Het model voorspelt daarbij, stukje voor stukje, wat een logische volgende bouwsteen is. Dat verklaart meteen waarom de uitkomst soms overtuigend klinkt en toch niet hoeft te kloppen.
#Gezichtsherkenning: Software die een gezicht op een foto of camerabeeld vergelijkt met bekende gezichten om iemand te herkennen of te controleren. Je telefoon gebruikt het om zichzelf te ontgrendelen, maar dezelfde techniek kan in de openbare ruimte ook mensen in een menigte identificeren. Omdat je je gezicht niet even verandert zoals een wachtwoord, stelt de Europese AI-verordening strenge grenzen aan gezichtsherkenning op afstand door overheden. Het is een vorm van beeldherkenning die specifiek op personen is gericht.
#GPAI (algemeen AI-model): De categorie uit de AI-verordening voor modellen die niet voor één taak zijn gebouwd maar voor van alles inzetbaar zijn: GPT, Claude, Gemini en Llama vallen eronder. GPAI staat voor general-purpose AI. Wie zo'n model aanbiedt, moet vastleggen waarop het getraind is, een samenvatting van de trainingsdata publiceren en het auteursrecht respecteren; bij de zwaarste modellen komen er extra eisen bij. Voor jou als gebruiker is dit de term om naar te vragen als je van een leverancier wilt weten waar zijn AI vandaan komt.
#GPU: De chip waarop vrijwel alle AI draait, oorspronkelijk ontworpen voor videogames. Nvidia is veruit de grootste leverancier. De vraag naar GPU's bepaalt voor een groot deel waar nieuwe datacenters komen en wat AI kost.
#Guardrails: De ingebouwde grenzen die bepalen wat een AI-systeem wel en niet mag doen, zodat het niet ontspoort. Denk aan een chatbot die weigert wapeninstructies te geven, of een AI-agent die geen betaling uitvoert zonder dat jij akkoord geeft. Guardrails zijn geen garantie: een slimme prompt of een omweg kan ze omzeilen (zie prompt-injectie). Ze verlagen het risico, ze sluiten het niet uit.
#Hallucinatie: Een antwoord dat overtuigend klinkt maar feitelijk onjuist is, zoals een verzonnen bron of niet-bestaand jurisprudentienummer. Geen storing, maar een eigenschap van hoe taalmodellen werken: controleer feiten dus altijd zelf.
#Harness engineering: Het ontwerpen van de omgeving waarin een AI-agent draait: welke tools hij mag aanroepen, waar hij informatie vandaan haalt, welke controles zijn werk toetsen en wanneer hij moet stoppen. Niet het model, niet de prompt — de omgeving eromheen. De term komt van Mitchell Hashimoto (medebedenker van Terraform), die in februari 2026 beschreef hoe hij bij elke fout van een agent een permanente rem in die omgeving inbouwde. OpenAI liet met een intern experiment zien wat het oplevert: drie engineers bouwden vijf maanden lang een codebase van bijna een miljoen regels vrijwel volledig met hun coding-agent Codex, dankzij zo'n harness.
#HBM (high-bandwidth memory): Snel geheugen dat pal naast een AI-chip zit, in laagjes op elkaar gestapeld. Een AI-model moet bij elk woord dat het produceert zijn hele geheugen doorlopen; hoe sneller dat geheugen data kan aanleveren, hoe sneller het antwoord komt. Daardoor is niet de rekenkracht maar het geheugen vaak de rem. HBM wordt door een handjevol fabrikanten gemaakt, waaronder SK Hynix en Samsung, en is al jaren schaars. Lees je dat een chipbedrijf capaciteit voor 2027 vastlegt of dat een geheugenmaker in een AI-bedrijf investeert, dan gaat het meestal hierover.
#Homomorfe encryptie: Een vorm van versleuteling waarbij een server kan rekenen op jouw data zonder die ooit te kunnen lezen — vergelijkbaar met sommen maken op een gesloten envelop. Alleen jij hebt de sleutel om het (eveneens versleutelde) antwoord te ontcijferen. Je iPhone gebruikt de techniek al: Apple's "Verbeterd visueel zoeken" herkent bezienswaardigheden in foto's via een server die de foto zelf nooit ziet. Het grote nadeel is snelheid: volledig homomorfe berekeningen zijn grofweg duizend keer trager dan rekenen op leesbare data, wat het voorlopig onhaalbaar maakt voor iets zwaars als een taalmodel.
#Hoog-risico-AI: De zwaarste categorie in de AI-verordening waar een systeem nog wél is toegestaan, maar met voorwaarden. Het gaat om toepassingen die over iemands leven meebeslissen: sollicitaties, kredietverlening, medische diagnose, examens, politie- en grenswerk. Wie zo'n systeem levert of gebruikt, moet kunnen aantonen hoe het is getest, een mens laten meekijken en de documentatie op verzoek overleggen. Word je afgewezen voor een baan door een AI-selectie, dan zit je dus in deze categorie en heb je recht op uitleg.
#Hyperscaler: Een techreus met wereldwijde datacenters die cloud- en AI-capaciteit verhuurt: Microsoft (Azure), Amazon (AWS) en Google (Cloud) zijn de drie grootste. Vrijwel alle AI-diensten die jij gebruikt draaien op hun infrastructuur.
#Inference: Het dagelijkse gebruik van een getraind model: elke prompt die je stelt, elke afbeelding die je genereert. Training haalt de krantenkoppen, maar inference slokt 80 tot 90% van alle AI-energie op, simpelweg omdat het nooit stopt.
#Jailbreak (bij AI): Een truc waarmee iemand de ingebouwde grenzen van een chatbot omzeilt, zodat die dingen zegt of doet die normaal geblokkeerd zijn. Vaak via slim geformuleerde prompts die het model "overhalen" de regels te negeren. Het richt zich op de chatbot zelf, niet op een verstopte opdracht in andere tekst (zie prompt-injectie).
#Latency: De vertraging tussen het moment dat je iets aan een AI vraagt en het moment dat het antwoord begint te komen, gemeten in milliseconden of seconden. Voor een assistent die je live gebruikt telt lage latency zwaar: een chatbot die drie tellen stilstaat voor hij begint te typen voelt traag, ook als het antwoord klopt. Bij het kiezen van een AI-dienst wegen bedrijven latency vaak even zwaar als de prijs en de kwaliteit.
#Leaderboard: Een ranglijst waarop AI-modellen naast elkaar staan op basis van hun scores op een of meerdere benchmarks. Handig voor een snel overzicht, met een addertje: labs draaien testen vaak op eigen infrastructuur en kiezen zelf welke cijfers ze publiceren, dus een hoge plek zegt niet automatisch dat een model in de praktijk ook wint. Bij de lancering van MiniMax M3 waarschuwde het lab zelf dat de eigen cijfers nog niet onafhankelijk gereproduceerd waren en dus lastig te vergelijken met de officiële leaderboards van concurrenten.
#Leeftijdsverificatie: Controleren of iemand echt oud genoeg is voor een dienst, een stap verder dan het vakje "ik ben 18 jaar of ouder". Dat kan via een koppeling met je bankrekening, via een digitale identiteit, of met een schatting op basis van je gezicht. Het onderwerp komt op bij AI-chatbots en sociale media, waar aanbieders onder druk staan om minderjarigen buiten bepaalde functies te houden. De discussie gaat vooral over de weegschaal: hoe zwaarder de controle, hoe meer je van jezelf moet prijsgeven om binnen te komen.
#LLM (groot taalmodel): Large Language Model: het type AI-model achter ChatGPT, Claude en Gemini. Getraind op enorme hoeveelheden tekst om telkens het meest waarschijnlijke volgende woord te voorspellen, en daardoor verrassend goed in schrijven, samenvatten en redeneren.
#Lokale AI (on-premise AI): Een AI-model dat draait op jouw eigen apparaat of server — niet in de cloud. Je tekst, foto of document verlaat daarbij je computer niet, wat het interessant maakt voor wie privacygevoelige informatie heeft of liever niet afhankelijk is van een internetverbinding. Tools als Ollama en LM Studio maken het mogelijk om krachtige open AI-modellen thuis op een Mac of Windows-pc te draaien. Het nadeel: lokale modellen zijn doorgaans kleiner en minder krachtig dan de grote cloud-modellen van OpenAI of Google, en je hebt een snelle processor of grafische kaart nodig om ze vlot te laten werken.
#Machine learning: De overkoepelende techniek waarbij software leert van voorbeelden in plaats van met de hand geschreven regels. Een spamfilter dat van duizenden gemarkeerde mails leert wat spam is, is machine learning. Deep learning is er een moderne, extra krachtige variant van.
#MCP (Model Context Protocol): Een open standaard die AI-modellen op een vaste manier laat praten met externe systemen: je agenda, je bestanden, een database of een online dienst. Vergelijk het met een stekkerdoos: in plaats van voor elke koppeling een eigen oplossing te bouwen, sluiten tools via één afspraak aan. Handig, maar het vergroot ook het aanvalsoppervlak — een gemanipuleerde MCP-koppeling kan een AI-assistent verkeerde instructies voeren.
#Mediawijsheid: De vaardigheid om te beoordelen wat je op een scherm ziet: wie het gemaakt heeft, waarom het er staat en of het klopt. Door AI is dat lastiger geworden, want een verzonnen foto of een nagemaakte stem kost tegenwoordig een paar seconden. Zie je een filmpje waarin een bekende Nederlander iets opvallends zegt, dan is de eerste vraag niet of het echt lijkt maar waar het vandaan komt. In Nederland verzorgen Kennisnet en Mediawijsheid.nl hier lesmateriaal voor. Dit is iets anders dan AI-geletterdheid: dat gaat over het gebruiken van AI-tools, mediawijsheid over het beoordelen van wat eruit komt.
#Meldplicht: De verplichting om iets te melden zodra het gebeurt. In AI-context kom je twee soorten tegen. De eerste zit in de AI-verordening: maak je met AI tekst, beeld of geluid dat op echt lijkt, dan moet je dat kenbaar maken — bij een chatbot moet je weten dat je met software praat, bij een deepfake moet erbij staan dat het gemaakt is. De tweede komt uit de privacywet: lekken persoonsgegevens uit, dan moet de organisatie dat binnen 72 uur bij de Autoriteit Persoonsgegevens melden, en soms ook bij jou. Wat de meldplicht níet doet, is bepalen of iets mág; het regelt alleen dat het zichtbaar wordt.
#Menselijk toezicht: De eis dat een mens een AI-systeem kan volgen, corrigeren of stopzetten — en dat die persoon daar ook echt de tijd, de informatie en de bevoegdheid voor heeft. De Europese AI-verordening schrijft het voor bij systemen met een hoog risico, bijvoorbeeld bij sollicitatieselectie of kredietbeoordeling. In de praktijk gaat het mis op het moment dat toezicht een formaliteit wordt: als jij honderd voorstellen per dag moet aftekenen, kijk je niet meer echt mee.
#Mixture-of-experts (MoE): Een modelontwerp waarbij niet één groot netwerk elke vraag beantwoordt, maar het model uit veel kleinere "experts" bij elke stap alleen de paar meest geschikte inschakelt. Zo kan een model heel groot en kundig zijn terwijl het per antwoord maar een deel van zichzelf laat rekenen, wat kosten en energie scheelt. Modellen als Mixtral en veel recente frontier-modellen werken op deze manier.
#Model-routing: De keuze die een AI-dienst achter de schermen maakt over welk model jouw vraag beantwoordt. Eén abonnement dekt vaak meerdere modellen: een snel en goedkoop model voor simpele vragen, een zwaarder model voor moeilijke. Jij ziet daar meestal niets van. Merk je dat antwoorden ineens korter of vlakker worden zonder dat je iets veranderde, dan zit de oorzaak vaak hier — de router stuurde je naar een lichter model.
#Modelkaart (model card): Een standaarddocument waarin de maker van een AI-model opschrijft wat het model is, waarop het getraind is, waar het voor bedoeld is en waar het bekend zwak in is. Denk aan een bijsluiter: Alibaba waarschuwt bijvoorbeeld in de modelkaart van Qwen 3 dat een bepaalde techniek voor lange teksten in de gangbare open-source software anders werkt dan bedoeld. Sinds de Europese AI-verordening moeten aanbieders van grote algemene modellen zulke informatie verplicht leveren, dus als jij een AI-leverancier kiest, is de modelkaart het eerste document dat je kunt opvragen.
#Multimodaal: AI die met meerdere soorten invoer en uitvoer tegelijk overweg kan, zoals tekst, beeld, geluid en video, in plaats van met één ervan. Een multimodaal model kan bijvoorbeeld een foto "bekijken" en er in gewone taal een vraag over beantwoorden, of van een gesproken opdracht een afbeelding maken. Stuur je een chatbot een screenshot met de vraag wat erop staat, dan is dat multimodale AI aan het werk.
#Netcongestie: Het Nederlandse stroomnet zit op veel plekken aan zijn maximum: er is genoeg stroom, maar de kabels kunnen het niet allemaal tegelijk vervoeren. Nieuwe grootverbruikers komen daardoor op een wachtlijst, en een AI-datacenter is zo'n grootverbruiker. Voor jou wordt dat zichtbaar in twee dingen: bedrijven en woonwijken die jaren moeten wachten op een zwaardere aansluiting, en dynamische energietarieven die de drukte op het net doorrekenen in je rekening. Het is de reden dat een discussie over een datacenter in Nederland zelden alleen over grond gaat.
#Neuraal netwerk: Een rekenmodel dat losjes is geïnspireerd op de hersenen: laagjes van "knooppunten" die samen patronen herkennen. Geef je het genoeg voorbeelden, dan stelt het zichzelf telkens bij tot de antwoorden kloppen. Het is de bouwsteen onder vrijwel alle moderne AI.
#NPU: Neural Processing Unit: een extra chip in je laptop of telefoon die speciaal is gemaakt voor AI-berekeningen. Anders dan een gewone processor (CPU) of graphics-chip (GPU) is een NPU optimaal voor de soort rekenwerk dat taalmodellen doen. Voor dezelfde AI-taak verbruikt de NPU minder stroom — je batterij gaat langer mee en je laptop blijft koeler. Sinds 2024 zit er in vrijwel elke moderne laptop en telefoon een NPU. Microsoft noemt laptops met een NPU "Copilot+ pc" en eist minstens 40 TOPS (tera-operations per seconde) voor het label.
#OER (onderwijs- en examenregeling): Het officiële reglement van een opleiding waarin staat hoe getoetst wordt en wat wel en niet mag — inclusief de regels rond AI. De meeste hogescholen en universiteiten staan AI als hulpmiddel toe mits je het verantwoordt: welk tool, waarvoor en in welke mate. De OER van jóuw opleiding is leidend; tussen instellingen verschillen de regels.
#Open model: Een AI-model waarvan de "gewichten" vrij te downloaden zijn, zoals Llama of Mistral, zodat je het op eigen servers kunt draaien. Je betaalt geen licentie per gebruik, maar regelt zelf de hardware, het onderhoud en de veiligheid.
#Open source: Software waarvan de broncode openbaar is, zodat iedereen kan zien hoe ze werkt, ze mag gebruiken en aanpassen. Bij AI wordt de term losjes gebruikt: soms is echt alles vrij (de code, de modelgewichten én de trainingsdata), soms alleen de gewichten die je kunt downloaden (dat laatste heet preciezer een open model). Voor jou maakt dat verschil uit als je wilt controleren waaróp een model is getraind; dat kan alleen als ook de data en de code echt open zijn.
#Open-weights: Een AI-model waarvan de "gewichten" — de getallen die het model tijdens de training heeft geleerd — openbaar te downloaden zijn, zodat je het zelf kunt draaien of aanpassen. Dat is iets anders dan volledig open source: de gewichten zijn vrij, maar de trainingsdata en de exacte bouwrecepten hoeven dat niet te zijn. Modellen als Llama en Mistral worden op deze manier verspreid. Handig als je een model op je eigen server wilt draaien in plaats van via de cloud van de maker.
#Opt-out (en opt-in): Bij opt-out doet een dienst standaard iets met jouw gegevens — bijvoorbeeld ze gebruiken om een AI-model te trainen — totdat jij ergens een schakelaar omzet. Bij opt-in gebeurt er niets tot jij toestemming geeft. Dat verschil bepaalt wie het werk moet doen: bij opt-out moet jij weten dat de knop bestaat, hem vinden, en er na elke wijziging van de voorwaarden opnieuw aan denken. Twitch zette in augustus 2026 de schakelaar voor AI-training op uitzendingen standaard aan, met een opt-out voor wie dat niet wilde; een streamer stapte erover naar de rechter.
#P-waarde: Een getal tussen 0 en 1 dat aangeeft hoe waarschijnlijk een uitkomst is als er in werkelijkheid niets aan de hand is, alleen toeval. Een p-waarde van 0,76 betekent: zelfs zonder écht effect zie je een uitkomst als deze (of extremer) in 76% van de gevallen gewoon door toeval. Hoe lager het getal, hoe minder aannemelijk dat toeval de verklaring is; een veelgebruikte maar niet absolute vuistregel legt de grens bij 0,05.
#Parameter: De afzonderlijke "knoppen" die een AI-model tijdens de training bijstelt om patronen in taal of beelden vast te leggen. Hoe meer parameters, hoe meer een model in theorie kan onthouden en combineren, al is meer niet automatisch beter. GPT-3 had er 175 miljard; nieuwere modellen zoals het Chinese GLM-5.2 lopen richting de 750 miljard. Zie het getal als een ruwe maat voor de omvang van een model, niet voor de kwaliteit van de antwoorden.
#Permutatietoets (placebo-toets): Een statistische controle die laat zien of een patroon écht is of ook puur door toeval kan ontstaan. Je husselt je eigen data (bijvoorbeeld data van gebeurtenissen) duizenden keren willekeurig door elkaar en kijkt hoe vaak zo'n geschudde versie net zo goed scoort als de werkelijke volgorde. Scoort de echte volgorde zelden beter dan de geschudde varianten, dan wijst dat op een écht effect; scoort hij er middenin, dan verklaart toeval het net zo goed.
#Plagiaat: Werk of ideeën van een ander presenteren als je eigen werk, zonder bronvermelding. Een taalmodel een tekst laten schrijven en die ongewijzigd en zonder verantwoording inleveren valt daar in de meeste opleidingsreglementen onder. Het verschil tussen toegestaan AI-gebruik en plagiaat zit in transparantie: vermeld wat je gebruikte en waarvoor.
#Prompt: De opdracht of vraag die je aan een AI-model geeft. Hoe concreter de prompt (doel, doelgroep, voorbeeld erbij), hoe bruikbaarder het antwoord. ChatGPT alleen al verwerkt er zo'n 2,5 miljard per dag.
#Prompt-engineering: De vaardigheid om je opdracht aan een AI-model zo te formuleren dat je er een bruikbaar antwoord uit krijgt. Vraag je "schrijf iets over ons bedrijf", dan krijg je vaak iets vaags; geef je context, een voorbeeld en het gewenste format, dan wordt het antwoord meteen scherper. Het draait om duidelijk zijn over wat je wilt, in welke vorm en voor wie. Je hebt er geen cursus voor nodig: een paar goede gewoontes halen er meestal al het meeste uit.
#Prompt-injectie: Een aanval waarbij iemand een verborgen opdracht in tekst verstopt — bijvoorbeeld in een webpagina of document — die een AI-model uitvoert alsof jij het vroeg. Vergelijk het met een briefje dat ongezien tussen je papieren zit: de assistent leest het mee en doet wat erop staat, zonder dat jij het merkt.
#Quantisatie: Een techniek om een AI-model kleiner en sneller te maken door de getallen waarmee het rekent grover op te slaan — bijvoorbeeld met 4 bits in plaats van 16. Het model levert een beetje precisie in, maar past ineens op een gewone laptop in plaats van een dure server. Zo draai je een open model als Llama lokaal, zonder rekencentrum.
#RAG (retrieval-augmented generation): Een techniek waarbij een taalmodel eerst relevante informatie opzoekt in een externe bron (bijvoorbeeld je eigen documenten of een kennisbank) en die erbij pakt voordat het antwoord geeft. Zo hoeft het model niet alles "uit het hoofd" te weten en kan het putten uit actuele of organisatie-specifieke gegevens. Vraag je een AI-assistent iets over het handboek van je werk, dan zoekt een RAG-systeem eerst de juiste passage op en baseert daar het antwoord op, wat de kans op verzinsels verkleint.
#RDI (Rijksinspectie Digitale Infrastructuur): De Nederlandse toezichthouder voor digitale infrastructuur, die samen met de Autoriteit Persoonsgegevens de coördinerende as vormt in het toezicht op de Europese AI-verordening. Het kabinet wees in april 2026 tien sector-toezichthouders aan; de RDI en de AP houden het overzicht en zijn het aanspreekpunt. Werk je in de zorg, het onderwijs of de financiële sector, dan krijg je daarnaast met je eigen sectorinspectie te maken. De RDI werkt aan een self-assessment-tool waarmee je zelf kunt nagaan waar jouw AI-toepassing onder valt.
#Recursieve zelfverbetering: Het scenario waarin een AI-systeem zelfstandig zijn eigen opvolger ontwerpt, traint en verbetert — die volgende versie doet hetzelfde, en zo ontstaat een zichzelf versnellende lus. In theorie: AI maakt AI beter, welke AI nóg beter maakt. In de praktijk bestaat dit nog niet volledig. Wat wel gebeurt: AI automatiseert al veel routinewerk in AI-ontwikkeling (code schrijven, experimenten draaien, resultaten verwerken). Waar het nog stroef gaat, is de keuze welk probleem ertoe doet — die smaakvraag blijft menselijk. Anthropic waarschuwt daarover in hun juni 2026-rapport: de kloof wordt kleiner, maar dicht nog niet.
#Red-teaming: Het georganiseerd aanvallen van je eigen AI-systeem om zwakke plekken te vinden vóórdat kwaadwillenden dat doen. Testers proberen bijvoorbeeld met slimme prompts een chatbot verboden instructies te ontfutselen. AI-bedrijven als OpenAI en Anthropic draaien zulke tests standaard vóór een modelrelease, en ook de AI-verordening verwacht dit soort controles van makers van de grootste modellen.
#Redeneermodel: Een redeneermodel is een taalmodel dat, voordat het antwoordt, eerst stapsgewijs "nadenkt" over een probleem. Dat kost meer rekentijd, maar levert betere antwoorden op lastige vragen met meerdere stappen, zoals een wiskundesom of een planning. Bij zulke modellen hoef je zelf niet meer "denk stap voor stap" te vragen; dat doen ze uit zichzelf. Voorbeelden zijn de o-serie van OpenAI en vergelijkbare reasoning-varianten van andere makers.
#RLHF: De afkorting van reinforcement learning from human feedback: de trainingsstap waarin mensen antwoorden van een model beoordelen, waarna het model leert welke antwoorden als goed gelden. Dit is de stap die een ruw taalmodel verandert in een bruikbare assistent: behulpzamer, beleefder en minder geneigd om onzin te verzinnen. Merk je dat een chatbot netjes en to-the-point antwoordt, dan is dat grotendeels het werk van deze stap.
#Sandbox: Een afgeschermde speelruimte waarin je AI kunt testen zonder dat het schade aanricht in je echte systemen of gegevens. Voor een AI-agent is dat bijvoorbeeld een afgesloten werkmap waar het model wél bestanden mag aanmaken, maar niet bij je e-mail of klantdata kan. Dezelfde term duikt op in de regelgeving: de AI-verordening verplicht elke lidstaat een "regulatory sandbox" op te zetten, een toezichtomgeving waarin bedrijven en de toezichthouder samen nieuwe AI uitproberen.
#Schaduw-AI: AI-tools die medewerkers op eigen houtje gebruiken, buiten het zicht van de IT-afdeling. Denk aan een collega die bedrijfsgegevens in een gratis chatbot plakt om sneller een rapport te maken. Handig voor diegene, maar niemand houdt bij welke data waar terechtkomt. Zo ontstaan privacy- en beveiligingsrisico's die pas opvallen als het misgaat. De Engelse term "shadow AI" betekent hetzelfde.
#Skill (Claude): Een herbruikbare set instructies, scripts en bestanden die Claude leert hoe hij een specifieke taak moet aanpakken. Een Skill is bijvoorbeeld: "schrijf altijd in mijn brand-stem", of "zet alle gegevens om in dit rapportformat", of "controleer alle claims tegen dit feitenregister". Skills worden gebundeld in plugins en gedeeld via een marketplace — officieel (Anthropic Verified) of via de community. Het voordeel: je tribal knowledge (de slimme dingen die jouw beste mensen doen) wordt repliceerbaar — je codifieert het één keer in een Skill en elke Claude-sessie volgt dat patroon. Skills zelf zijn gratis; je betaalt alleen de tokens die Claude verbruikt.
#Soevereine AI: AI die een land of regio in eigen hand houdt: getraind, gehost en bestuurd binnen de eigen grenzen en onder de eigen wetten, zonder afhankelijk te zijn van een handvol buitenlandse aanbieders. Het Nederlandse GPT-NL is hiervan een voorbeeld — een taalmodel dat gegevens binnen Nederland houdt en aan de AVG voldoet.
#Spraakherkenning: De techniek die gesproken taal omzet in tekst. Moderne AI-modellen doen dit zo goed dat ze ook accenten, achtergrondgeluid en meerdere sprekers aankunnen. Je gebruikt het vaak zonder erbij stil te staan: als je een appje inspreekt in plaats van typt, of als de ondertiteling bij een video vanzelf verschijnt, draait er spraakherkenning onder de motorkap. De omgekeerde stap, tekst die de computer voorleest, heet spraaksynthese.
#Superintelligentie: Een hypothetische AI die de mens op vrijwel elk terrein ver voorbijstreeft: niet alleen rekenen of schaken, maar ook wetenschap, strategie en overtuigen. De term duikt vooral op in discussies over verre toekomstrisico's; de AI van vandaag staat daar nog mijlenver vanaf. Belooft een bericht dat "superintelligentie er bijna is", check dan wie dat zegt en wat er precies mee bedoeld wordt.
#SWE-bench: Een veelgebruikte test waarmee AI-modellen worden afgerekend op programmeerwerk: het model krijgt echte, gemelde bugs uit openbare softwareprojecten voorgelegd en moet een werkende oplossing schrijven. De score is het percentage taken dat het foutloos oplost. Bij elke modellancering zie je die score in de grafiek staan, meestal als bewijs dat het nieuwe model "beter kan programmeren". Houd er rekening mee dat de test alleen dit type opdracht meet, en dat labs zelf bepalen onder welke omstandigheden ze hem afnemen.
#Synthetische data: Kunstmatig gegenereerde gegevens die echte data nabootsen, gemaakt om AI-modellen mee te trainen of te testen zonder echte, gevoelige informatie te gebruiken. Een ziekenhuis kan bijvoorbeeld neppatiëntgegevens laten maken die statistisch op de echte lijken, maar over niemand echt gaan. Het beschermt privacy en vult schaarse data aan, met één risico: weerspiegelt de nepdata de werkelijkheid niet goed, dan neemt het model die fouten over.
#Systeemrisico: De zwaarste categorie uit de Europese AI-verordening: een model dat zo krachtig is dat problemen ermee niet bij één bedrijf blijven maar de hele markt of samenleving kunnen raken. De grens ligt bij de rekenkracht die in de training ging zitten, boven 10^25 flops. Valt een model daarboven, dan moet de aanbieder extra risicobeoordelingen doen, ernstige incidenten melden bij het AI-bureau in Brussel en aantonen dat hij het beheerst. Voor jou is het de reden dat de grote modellen van OpenAI, Google en Anthropic onder strengere regels vallen dan de kleine modellen die je bedrijf zelf draait.
#Token: Het stukje tekst waarin een model rekent, ruwweg drie kwart woord in het Nederlands. AI-diensten rekenen er vaak in af: je betaalt per miljoen tokens in- en uitvoer. Daarom kan intensief gebruik flink duurder uitpakken dan de licentieprijs suggereert.
#Tokenizer: Het onderdeel dat jouw tekst opknipt in stukjes (tokens) voordat een taalmodel ermee rekent: hele woorden, stukjes woord of losse tekens. Hoe een model knipt, bepaalt mede wat je betaalt en hoe goed het met een taal omgaat — Nederlands valt vaak in meer tokens uiteen dan Engels, waardoor dezelfde zin duurder uitpakt. Past een aanbieder de tokenizer aan, dan kan diezelfde zin ineens minder tokens kosten (zie ook token).
#Tokens per seconde: Het tempo waarmee een AI-model tekst uitspuugt, gemeten in stukjes woord (tokens) per seconde. Hoe hoger het getal, hoe sneller het antwoord voor je ogen verschijnt. Bij lokale modellen bepaalt vooral je hardware dat tempo: dezelfde vraag leverde in onze test 68 tokens per seconde op twee grafische kaarten en 18 op een laptop. Verwar het niet met [latency](/begrippen#latency), dat gaat over de wachttijd vóór het eerste woord komt.
#Training: De eenmalige, zeer energie-intensieve fase waarin een model leert van enorme datasets. GPT-4 kostte naar schatting 50 tot 70 gigawattuur aan trainingsstroom. Daarna neemt inference het stokje over.
#Trainingsdata: De enorme berg teksten, beelden of geluiden waarmee een AI-model is getraind en waaruit het zijn patronen haalt. Wat erin zit, bepaalt wat het model kan en welke vooroordelen het overneemt: leert een model vooral van Engelstalige websites, dan presteert het slechter in het Nederlands. Veel discussie draait om de herkomst ervan, want makers halen teksten en foto's vaak van internet zonder de oorspronkelijke maker te vragen.
#Transformer: De rekenstructuur achter de huidige taalmodellen, in 2017 bedacht door onderzoekers van Google. De truc heet "attention": het model weegt alle woorden in een zin tegelijk en bepaalt welke er voor de betekenis toe doen. Daardoor leert het sneller en beter dan de methodes daarvoor.
#Turingtest: Gedachte-experiment van wiskundige Alan Turing uit 1950: kun je in een tekstgesprek niet uitmaken of je met een mens of een machine praat, dan slaagt de machine voor de test. Moderne chatbots komen daar in korte gesprekken dichtbij, en juist daarom geldt de test binnen het vakgebied inmiddels als een matige maatstaf voor échte intelligentie: vlot kletsen is iets anders dan begrijpen of redeneren.
#Valse positief: Een vals alarm: het systeem slaat aan terwijl er niets aan de hand is. Bij AI-detectie betekent het dat een tekst die een mens zelf schreef toch als "AI-gegenereerd" wordt aangemerkt. Dat overkomt niet-moedertaalsprekers en wie formeel of sober schrijft vaker. Het spiegelbeeld is de gemiste detectie (vals-negatief): een AI-tekst die er glansrijk doorheen komt.
#Verboden AI-praktijken: De korte lijst toepassingen die de Europese AI-verordening helemaal niet toestaat, ongeacht hoe goed het systeem werkt. Het gaat onder meer om sociale scoring door overheden, het gericht misbruiken van iemands kwetsbaarheid, emotieherkenning op werk en school, en het ongericht schrapen van gezichten van internet om er een herkenningsdatabase mee te vullen. Dit deel van de wet geldt sinds 2 februari 2025, eerder dan de rest; sinds augustus 2025 kunnen toezichthouders er boetes voor opleggen die kunnen oplopen tot 35 miljoen euro of 7 procent van de wereldwijde omzet. Alle andere AI valt in lichtere categorieën, met eisen in plaats van een verbod.
#Vibe-coding: Software bouwen door in gewone taal aan een AI-model te beschrijven wat je wilt, en de gegenereerde code grotendeels te accepteren zonder elke regel na te lezen. De term komt van AI-onderzoeker Andrej Karpathy (februari 2025). Voor een prototype of persoonlijk hulpmiddel werkt dat verrassend goed; voor software waar anderen op vertrouwen blijft controle nodig, want jij blijft verantwoordelijk voor wat de code doet.
#Vloeistofkoeling: Een manier om AI-servers koel te houden door vloeistof langs de chips te laten stromen in plaats van lucht door de zaal te blazen. Dat scheelt ruimte en stroom, en vooral water: bij de gangbare koeling verdampt een datacenter water om warmte kwijt te raken. Nvidia presenteerde in 2026 koeling met vloeistof van 45 graden, waarmee het waterverbruik van een nieuw datacenter volgens het bedrijf vrijwel tot nul teruggaat. Voor de Nederlandse discussie telt dat mee, want water en stroomaansluiting zijn hier de twee harde grenzen bij een vergunning.
#WebGPU: De techniek waarmee een website de grafische kaart van je computer rechtstreeks kan aanspreken, zodat zware 3D-beelden en berekeningen soepel in je browser draaien zonder dat je iets installeert. Voor AI is dat interessant omdat het ook betekent dat een klein taalmodel of beeldmodel lokaal in het browsertabblad kan draaien, op jouw eigen hardware: je gegevens gaan dan niet naar een server. Je komt de term tegen bij browsergames, 3D-demo's en experimenten met AI die zonder internetverbinding werkt.
#Wet vifo (investeringstoets): De Nederlandse wet die overnames van en investeringen in gevoelige bedrijven vooraf laat toetsen, als de nationale veiligheid in het geding kan komen. Vifo staat voor veiligheidstoets investeringen, fusies en overnames. Het kabinet maakte in juni 2026 bekend dat kunstmatige intelligentie per 1 januari 2027 tot de aangewezen technologieën gaat behoren. De toets kijkt naar de koper, niet naar het land van herkomst: ook een Amerikaanse of Europese investeerder in een Nederlandse AI-startup kan langs de meldplicht moeten.