AI-begrippen uitgelegd · ai / nieuws

#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.
#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-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-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-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.
#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.
#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.
#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.
#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.
#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.
#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.
#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.
#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.
#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.
#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).
#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.
#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.
#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.
#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.
#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.
#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-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.
#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.
#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.
#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.
#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.
#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.
#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.