AI krijgt bijna nooit volledige en zekere informatie. Daarom werkt kunstmatige intelligentie met waarschijnlijkheden en kansverhoudingen. Die bepalen hoe systemen keuzes maken in onzekere situaties.
Waarschijnlijkheid is een getalsmatige inschatting van hoe groot de kans is dat iets waar is of gebeurt, uitgedrukt als verhouding tussen mogelijke uitkomsten.
Wat betekent dit in de praktijk?
Wanneer een spamfilter een e-mail bekijkt, maakt het geen zwart-witbeslissing. Het systeem kan bijvoorbeeld inschatten dat er een kans van 90 procent is dat een bericht spam is en 10 procent dat het legitiem is. Bij een navigatieapp gebeurt iets vergelijkbaars. Route A heeft misschien een kans van 70 procent om het snelst te zijn en route B een kans van 30 procent. De app kiest dan meestal route A, niet omdat die zeker sneller is, maar omdat de kans groter is.
Hoe werkt dit globaal?
Een AI systeem vergelijkt verschillende mogelijke verklaringen en kent daar kansen aan toe. Stel dat een camera iets ziet bewegen op straat. Het systeem schat bijvoorbeeld dat de kans 60 procent is dat het een fietser is, 30 procent dat het een voetganger is en 10 procent dat het een schaduw is. Die kansverhouding bepaalt hoe voorzichtig het systeem reageert. Hoe groter de kans op gevaar, hoe voorzichtiger de actie.
Waarom is dit belangrijk binnen AI?
De echte wereld is rommelig en onvoorspelbaar. Door kansverhoudingen te gebruiken kan AI toch besluiten nemen die gemiddeld goed uitpakken. Het gaat niet om één perfecte beslissing, maar om structureel betere keuzes over veel situaties heen. Dat maakt waarschijnlijkheid fundamenteel voor leren, voorspellen en beslissen binnen AI.
Veelgemaakte misverstanden
Een veelvoorkomende misvatting is dat een kans van 90 procent betekent dat iets vrijwel zeker klopt, terwijl het nog steeds fout kan gaan. Ook denken mensen vaak dat AI onzeker is als het met kansen werkt, terwijl dit juist een teken is van realistisch redeneren. Daarnaast wordt waarschijnlijkheid soms gezien als willekeur, terwijl kansverhoudingen juist gebaseerd zijn op patronen uit data.
Eenvoudig voorbeeld of analogie
Waarschijnlijkheid in AI lijkt op het trekken van een kaart uit een stapel. Als veertig van de vijftig kaarten rood zijn, dan is de kans groot dat je een rode kaart trekt. Je weet het niet zeker, maar de verhouding bepaalt wat de meest logische verwachting is.
Logische volgende stap
Machine learning bouwt voort op waarschijnlijkheid door deze kansen niet vooraf vast te leggen, maar te leren uit voorbeelden. Op die pagina wordt duidelijk hoe AI patronen herkent in data en op basis daarvan kansverhoudingen steeds nauwkeuriger maakt.
Samenvatting
Waarschijnlijkheid helpt AI omgaan met onzekerheid. Kansverhoudingen bepalen welke keuze het meest logisch is. Zo kan AI functioneren in een onvoorspelbare wereld.
Gerelateerde content
Wil je waarschijnlijkheid beter plaatsen binnen het geheel van AI, dan sluit de gratis basiscursus AI hier logisch op aan. Daar wordt stap voor stap uitgelegd hoe dit soort begrippen samenkomen in echte AI systemen en waarom ze praktisch relevant zijn. Wil je liever losse begrippen verkennen en zelf verbanden leggen tussen thema’s, dan vormt de AI woordenlijst een logisch vervolg met uitleg per term en duidelijke samenhang.
Geef een reactie