Hoe werkt AI? Uitleg in eenvoudige stappen

Hoe werkt AI? Veel moderne AI-systemen analyseren data, herkennen patronen en gebruiken die patronen om een voorspelling, aanbeveling of nieuwe inhoud te maken. AI begrijpt informatie niet zoals een mens, maar berekent welke uitkomst waarschijnlijk past bij wat het tijdens de training heeft geleerd.

Kunstmatige intelligentie is een verzamelnaam. Niet ieder AI-systeem werkt hetzelfde en niet alle AI leert zelfstandig van data. Veel toepassingen die nu AI worden genoemd, gebruiken machine learning: een model leert uit voorbeelden en verwerkt daarna nieuwe informatie.

Wil je deze uitleg liever als video bekijken, bekijk dan mijn YouTube-video waarin ik stap voor stap laat zien hoe AI werkt.

Thumbnail van de video met een eenvoudige uitleg over hoe AI werkt
Bekijk de video op YouTube door op de afbeelding te klikken.

Hoe werkt AI in vijf stappen?

Bij veel moderne AI-toepassingen loopt het proces van voorbeelden naar een getraind model en daarna naar een bruikbare uitkomst. In eenvoudige vorm ziet dat proces er zo uit:

1. Data verzamelen en voorbereiden

Een AI-model heeft voorbeelden nodig om patronen te leren. Dat kunnen teksten, afbeeldingen, geluidsfragmenten, metingen of andere gegevens zijn. De data wordt verzameld, opgeschoond en soms voorzien van labels. Een verzameling gegevens heet een dataset. Onvolledige, foutieve of eenzijdige data kan leiden tot slechte of bevooroordeelde uitkomsten.

2. Een model en leermethode kiezen

Ontwikkelaars kiezen een model dat past bij de taak. Daarbij gebruiken ze algoritmen, instructies en rekenmethoden waarmee het systeem patronen kan vinden. Veel moderne AI gebruikt neurale netwerken. Daarin zijn grote aantallen rekeneenheden met elkaar verbonden. De verbindingen hebben gewichten die bepalen hoeveel invloed informatie heeft op de uiteindelijke uitkomst.

3. Het model trainen en testen

Tijdens de training van het model verwerkt het systeem veel voorbeelden. Het vergelijkt voorspellingen met het gewenste resultaat en past interne gewichten aan om de fout kleiner te maken. Dit proces kan duizenden tot miljoenen keren worden herhaald. Daarna wordt het model getest met gegevens die het tijdens de training niet heeft gezien. Zo wordt gecontroleerd of het ook bij nieuwe voorbeelden goed presteert.

Dit is een vorm van machine learning. Een model dat eenmaal in gebruik is, blijft meestal niet vanzelf leren. Voor verdere verbetering zijn vaak nieuwe data, nieuwe training en opnieuw testen nodig.

4. Nieuwe informatie verwerken

Na de training kan het model nieuwe invoer verwerken. Dat heet inferentie. Een beeldmodel kan bijvoorbeeld bepalen wat waarschijnlijk op een foto staat. Een taalmodel kan een antwoord genereren en een aanbevelingssysteem kan producten rangschikken. Het model gebruikt daarbij geleerde patronen, zonder voor iedere nieuwe invoer opnieuw te worden getraind.

5. De uitkomst controleren en gebruiken

Een AI-uitkomst is geen gegarandeerd juist antwoord. De kwaliteit hangt af van de data, het model, de training, de vraag en de situatie waarin het systeem wordt gebruikt. Daarom moeten prestaties worden gemeten en moeten belangrijke uitkomsten door mensen worden gecontroleerd. Zeker bij gezondheid, veiligheid, geld, personeel en andere onderwerpen met grote gevolgen is menselijke beoordeling noodzakelijk.


Voorbeeld: hoe leert een AI-spamfilter?

Een spamfilter kan worden getraind met grote aantallen e-mails die zijn aangeduid als spam of als normale e-mail. Tijdens de training zoekt het model patronen, bijvoorbeeld in woorden, afzenders, links en opmaak. Als het model een e-mail verkeerd beoordeelt, worden de interne instellingen aangepast.

Na de training krijgt het model nieuwe e-mails te zien. Het berekent vervolgens hoe waarschijnlijk het is dat een bericht spam is. De aanbieder stelt een grenswaarde in en bepaalt wat er met verdachte berichten gebeurt. Daarna blijft controle nodig, want een te streng filter kan ook belangrijke e-mails onterecht blokkeren.


Hoe werkt generatieve AI zoals ChatGPT?

ChatGPT is een toepassing van generatieve AI die gebruikmaakt van een groot taalmodel. Tekst wordt eerst opgedeeld in kleine onderdelen, zogenaamde tokens. Dat kunnen hele woorden, delen van woorden, leestekens of andere tekenreeksen zijn.

Tijdens de training leert het taalmodel statistische verbanden tussen enorme aantallen tokens. Bij gebruik verwerkt het jouw vraag en de beschikbare gesprekscontext. Vervolgens voorspelt het stap voor stap welk volgend token waarschijnlijk past. Door dit proces snel te herhalen ontstaat een volledig antwoord.

Wil je dit proces uitgebreider begrijpen? Lees dan hoe taalmodellen tekst voorspellen en waarom een overtuigend antwoord toch fout kan zijn.

Een taalmodel zoekt niet automatisch in een betrouwbare kennisbank en heeft niet vanzelf toegang tot internet. Sommige AI-diensten kunnen wel zoekfuncties, documenten of andere hulpmiddelen gebruiken. Omdat een taalmodel waarschijnlijk passende tekst genereert in plaats van waarheid te controleren, kan het ook overtuigende fouten maken. Lees verder in Hoe werkt een taalmodel? Visueel uitgelegd en Waarom maakt generatieve AI fouten?.


Voorbeelden van AI in het dagelijks leven

AI zit al in veel producten en diensten. Voorbeelden zijn:

  • smartphonecamera’s die beelden automatisch verbeteren,
  • navigatiesystemen die verkeersdrukte voorspellen,
  • spamfilters die verdachte e-mails herkennen,
  • webwinkels en streamingdiensten die aanbevelingen doen,
  • chatbots die taal verwerken en antwoorden genereren.

Waarom maakt AI fouten?

AI herkent patronen, maar begrijpt de wereld niet zoals een mens. Daardoor kunnen fouten op verschillende plaatsen ontstaan:

  • de trainingsdata is onvolledig, verouderd, foutief of eenzijdig,
  • de nieuwe situatie wijkt sterk af van de voorbeelden uit de training,
  • een vraag of opdracht is onduidelijk of bevat verkeerde aannames,
  • een taalmodel genereert waarschijnlijk klinkende tekst zonder de feiten te controleren,
  • mensen gebruiken het systeem voor een taak waarvoor het niet voldoende is getest.

Ook kan bias in AI ervoor zorgen dat bepaalde groepen of situaties minder goed worden behandeld. Beoordeel belangrijke antwoorden daarom altijd kritisch. De pagina AI-output beoordelen laat zien waarop je kunt letten.


Wat AI wel en niet kan

AI kan goed zijn in

  • patronen herkennen in grote hoeveelheden gegevens,
  • voorspellingen en rangschikkingen maken,
  • tekst, beeld, geluid en code genereren,
  • mensen ondersteunen bij terugkerende of informatie-intensieve taken.

AI kan niet garanderen

  • dat een antwoord feitelijk juist of volledig is,
  • dat informatie actueel is,
  • dat een uitkomst eerlijk of geschikt is voor iedere situatie,
  • dat het systeem bewustzijn, emoties of menselijke bedoelingen heeft.

Veelgestelde vragen over hoe AI werkt

Begrijpt AI wat het doet?

Nee, niet op dezelfde manier als een mens. AI verwerkt gegevens en berekent welke uitkomst waarschijnlijk past bij geleerde patronen. Een overtuigend antwoord betekent daarom niet automatisch dat het systeem de inhoud begrijpt of dat het antwoord klopt.

Leert AI automatisch verder nadat het is ingevoerd?

Meestal niet. Veel modellen blijven na ingebruikname hetzelfde totdat ze opnieuw worden getraind of aangepast. Sommige systemen verzamelen wel feedback of nieuwe gegevens, maar daarvoor zijn gecontroleerde processen nodig. Automatisch leren zonder toezicht kan juist nieuwe fouten veroorzaken.

Heeft AI altijd toegang tot internet?

Nee. Een AI-model heeft alleen toegang tot bronnen en hulpmiddelen die aan de toepassing zijn gekoppeld. Een chatbot kan dus zonder internetverbinding antwoorden genereren vanuit het model en de gesprekscontext. Internettoegang of documentzoekfuncties moeten apart zijn toegevoegd.

Is ChatGPT hetzelfde als AI?

Nee. AI is de brede verzamelnaam voor veel verschillende technieken en toepassingen. ChatGPT is één toepassing van generatieve AI. Andere AI-systemen herkennen beelden, voorspellen storingen, filteren spam, vertalen tekst of ondersteunen bij medische analyses.


Conclusie

AI werkt door gegevens en voorbeelden om te zetten in een model dat patronen kan gebruiken bij nieuwe invoer. Tijdens training wordt het model aangepast en getest. Daarna produceert het via inferentie een voorspelling, rangschikking of gegenereerde uitkomst. Die uitkomst kan zeer bruikbaar zijn, maar blijft afhankelijk van de data, het ontwerp en de manier waarop mensen het systeem inzetten en controleren.

Verder leren over AI

Nu je weet hoe AI werkt, kun je leren hoe je het zelf doelgericht gebruikt. Bekijk AI gebruiken met prompts of volg de Gratis Basiscursus AI.

Verdiepende uitleg


Zo kwam dit artikel tot stand

Dit artikel is inhoudelijk herzien aan de hand van gangbare technische uitleg over machine learning, neurale netwerken, inferentie, taalmodellen en tokens. Bij de herziening is AI gebruikt als hulpmiddel voor structurering en redactie. De uiteindelijke tekst, formuleringen, links en conclusies zijn handmatig gecontroleerd.

Geraadpleegde basisbronnen:

Lees meer over de redactionele werkwijze van De Wereld van AI.

Over de auteur

Dit artikel is geschreven en inhoudelijk gecontroleerd door Marcel, onafhankelijk AI-auteur en oprichter van De Wereld van AI. Hij maakt complexe AI begrijpelijk en beoordeelt toepassingen op bruikbaarheid, risico’s en verantwoord gebruik.

Laatst bijgewerkt:

Lees meer over Marcel en de redactionele werkwijze van De Wereld van AI.

Deel dit artikel:


Ontdek meer van De Wereld Van AI

Blijf op de hoogte van nieuwe AI-artikelen, direct in je mailbox.

Welkom!

De Wereld van AI is een Nederlandstalig kennisplatform dat kunstmatige intelligentie begrijpelijk en praktisch maakt.

Ontdek heldere uitleg over AI, machine learning en AI agents, leer hoe je AI praktisch gebruikt en lees hoe organisaties AI verantwoord kunnen inzetten. Met voorbeelden, verdiepende artikelen en handige downloads.

Nieuw met AI? Begin met mijn gratis Basiscursus AI en ontdek stap voor stap hoe kunstmatige intelligentie werkt.

Wil je verder kijken? Bekijk Alle Artikelen, ontdek de AI-Woordenlijst of kies een onderwerp via Hoofdthema’s over AI.

Liever kijken dan lezen?
Bezoek mijn YouTube-kanaal De Wereld van AI voor korte en toegankelijke video’s.

Logo van De Wereld van AI met een rode knop waarop “Subscribe” staat, als promotie voor het YouTube-kanaal

Praktische AI-uitleg in je LinkedIn-feed

Volg De Wereld van AI voor praktische voorbeelden, eigen tests en tips om AI-antwoorden kritisch te beoordelen.

AI-Tools (9) AI energieverbruik (1) AI en klimaat (1) AI in de zorg (1) Automatisering (7) AVG (5) ChatGPT (20) Claude (3) Datacenter (1) Data Science (4) Deep Learning (8) EU AI Act (5) Generatieve AI (16) Google Gemini (3) Machine Learning (24) Microsoft Copilot (3) Neurale Netwerken (10) Privacy (5) Taalmodellen (13)