Deze AI woordenlijst is een beknopte encyclopedie van belangrijke termen binnen kunstmatige intelligentie. Elke term linkt door naar een uitlegpagina met voorbeelden en gerelateerde onderwerpen. Ideaal om snel AI-begrippen te begrijpen en te ontdekken hoe ze in de praktijk worden gebruikt.
Hoe gebruik je deze AI woordenlijst
De AI woordenlijst is opgebouwd om zowel beginners als gevorderden te helpen. Je kunt gericht zoeken op één begrip, maar ook verbanden ontdekken tussen verschillende termen. Veel begrippen hangen namelijk met elkaar samen. Denk aan hoe machine learning, neurale netwerken en data samen zorgen voor een werkend AI-systeem.
Daarnaast verandert het AI-landschap snel. Nieuwe termen zoals generatieve AI en AI-agents komen regelmatig voorbij. Deze AI woordenlijst wordt daarom continu aangevuld en bijgewerkt, zodat je altijd een actueel overzicht hebt van belangrijke ontwikkelingen.
Wil je de basis van AI stap voor stap leren? Dan kun je beginnen met mijn Gratis Basiscursus AI, waarin alle belangrijke onderwerpen helder en zonder moeilijk taalgebruik worden uitgelegd. Op het YouTube kanaal van De Wereld van AI vind je daarnaast uitleg en voorbeelden die aansluiten op deze AI woordenlijst.
Verken de AI woordenlijst per thema
Deze themapagina’s groeperen begrippen die vaak samen voorkomen. Handig als je niet één woord zoekt, maar het geheel wilt begrijpen.
AI woordenlijst van A tot Z
Zoek je één specifiek begrip, dan vind je hieronder de volledige A tot Z-woordenlijst.
A
- Activatiefunctie
De activatiefunctie bepaalt hoe een neuraal netwerk signalen filtert en omzet naar bruikbare output. - AI-adoptie
Het invoeren en gebruiken van AI binnen organisaties en processen. - AI-agents
Systemen die zelfstandig taken uitvoeren op basis van doelen en instructies. - AI-assistent
Digitale hulp die taken ondersteunt, zoals schrijven, plannen of zoeken. - AI-beeldgenerator
AI die op basis van tekst automatisch afbeeldingen maakt. - AI-geletterdheid
Het begrijpen van wat AI is en hoe je het verantwoord gebruikt. - AI-model
De kern van een AI-systeem dat leert van data en voorspellingen doet. - AI-toepassing
De praktische inzet van AI in software, werk of dagelijks leven. - AI-trainer
Iemand die AI-systemen helpt verbeteren met feedback en voorbeelden. - AI-veiligheid
Het voorkomen van risico’s en fouten bij het gebruik van AI. - Agentic AI
AI die zelfstandig acties kan uitvoeren zonder continue instructies. - Algoritme
Een set regels of stappen die een computer volgt om een taak uit te voeren. - Alignment in AI
Het afstemmen van AI op menselijke waarden en doelen. - Artificial Intelligence (AI)
Systemen die taken uitvoeren die normaal menselijke intelligentie vereisen. - Artificial General Intelligence (AGI)
AI die op breed niveau kan denken en leren zoals een mens. - Artificial Narrow Intelligence (ANI)
AI die gespecialiseerd is in één specifieke taak. - Automatisering
Het uitvoeren van taken door systemen zonder menselijke tussenkomst.
B
- Beperkingen van AI
Wat AI niet goed kan, zoals begrijpen, redeneren of omgaan met nieuwe situaties. - Bias (vooroordeel)
Vertekende uitkomsten doordat AI leert van onvolledige of scheve data. - Big Data
Zeer grote hoeveelheden data die nodig zijn om AI goed te laten werken. - Black Box
AI waarvan niet duidelijk is hoe het tot een beslissing of uitkomst komt. - Bots (chatbots)
Programma’s die automatisch gesprekken voeren met gebruikers via tekst of spraak. - Botsitting
Het werk waarbij mensen AI-output controleren, corrigeren en aanvullen.
C
- Classificatie
Het indelen van data in categorieën, zoals spam of geen spam. - Computer Vision
AI die beelden en video’s kan herkennen en analyseren. - Contextvenster
De hoeveelheid tekst die een AI-model tegelijk kan meenemen in zijn antwoord. - Controleerbaarheid van AI
De mate waarin je kunt nagaan en begrijpen hoe AI tot een uitkomst komt. - Conversatie-AI
AI die gesprekken kan voeren met mensen via tekst of spraak. - Convolutioneel netwerk
Een type neuraal netwerk dat vooral goed is in beeldherkenning. - Creatieve AI
AI die nieuwe content maakt, zoals teksten, beelden of muziek. - Custom AI model
Een AI-model dat is aangepast of getraind voor een specifieke taak of organisatie.
D
- Data
Informatie die wordt gebruikt om AI-modellen te trainen en te laten werken. - Datakwaliteit
De mate waarin data betrouwbaar, volledig en bruikbaar is voor AI. - Dataminimalisatie
Het principe dat je alleen de data gebruikt die echt nodig is. - Data Science
Het analyseren en interpreteren van data om inzichten en voorspellingen te maken. - Dataset
Een verzameling data die wordt gebruikt om een AI-model te trainen of testen. - Deep Learning
Een vorm van machine learning met neurale netwerken die complexe patronen leren. - Detectie-algoritme
Een algoritme dat objecten, afwijkingen of patronen herkent in data. - Diffusion Model (zoals bij beeldgeneratie)
Een AI-model dat stap voor stap ruis omzet in een afbeelding.
E
- Ethiek in AI
Het nadenken over wat verantwoord en wenselijk is bij het gebruik van AI. - EU AI Act
Europese wetgeving die regels stelt voor het ontwikkelen en gebruiken van AI. - Evaluatie van modellen
Het testen en beoordelen van hoe goed een AI-model presteert. - Explainable AI (XAI)
AI die zo is ontworpen dat je kunt begrijpen hoe het tot een uitkomst komt.
F
- Feedback-loop
Een proces waarbij output wordt gebruikt om een AI-systeem te verbeteren. - Feature (kenmerk)
Een specifiek stukje data dat een AI-model gebruikt om patronen te herkennen. - Fine-tuning
Het verder trainen van een bestaand AI-model om het beter te laten presteren. - Fysieke AI
AI die samenwerkt met machines en robots om taken in de echte wereld uit te voeren.
G
- Generatieve AI
AI die nieuwe content maakt, zoals tekst, afbeeldingen, audio of video. - GPU (Graphics Processing Unit)
Een krachtige processor die wordt gebruikt om AI-modellen sneller te trainen en draaien. - Grondmodel (Foundation Model)
Een groot AI-model dat is getraind op veel data en als basis dient voor andere toepassingen.
I
- Inferentie (voorspelling)
Het gebruiken van een getraind AI-model om nieuwe input te verwerken en een uitkomst te geven. - Inputdata
De gegevens die je aan een AI-systeem geeft om een resultaat te krijgen. - Intelligente systemen
Systemen die taken uitvoeren op een manier die lijkt op menselijk denken of beslissen.
K
- Kennisgrafiek
Een netwerk van verbonden informatie dat relaties tussen gegevens zichtbaar maakt. - Kunstmatige Intelligentie (AI)
Technologie die taken uitvoert die normaal menselijke intelligentie vereisen. - Kunstmatige neuronen
Rekeneenheden in neurale netwerken die informatie verwerken en doorgeven.
L
- Labelen van data
Het voorzien van data van juiste aanduidingen, zodat AI kan leren van voorbeelden. - Large Language Model (LLM)
Een groot AI-model dat getraind is op tekst en taal kan begrijpen en genereren. - Leerproces
Het proces waarbij een AI-model patronen leert uit data tijdens training. - Lineaire regressie
Een eenvoudige methode om patronen in data te herkennen en voorspellingen te doen met een rechte lijn. - Logistische regressie
Een model dat kansen berekent om te bepalen tot welke categorie iets behoort. - Loss-functie
Een berekening die aangeeft hoe ver de voorspelling van een model afwijkt van het juiste antwoord.
M
- Machine Learning
Een vorm van AI waarbij systemen leren van data in plaats van vaste regels. - Mens-in-de-lus (Human-in-the-loop)
Een aanpak waarbij mensen betrokken blijven bij het controleren en verbeteren van AI. - Modeltraining
Het proces waarbij een AI-model leert van data om beter te presteren. - Modelvalidatie
Het controleren of een AI-model goed werkt op nieuwe, onbekende data. - Multimodale AI
AI die meerdere soorten input combineert, zoals tekst, beeld en geluid.
N
- Natuurlijke Taalverwerking (NLP)
AI die menselijke taal kan begrijpen, verwerken en genereren. - Neurale Netwerken
AI-modellen die zijn geïnspireerd op het menselijk brein en patronen leren uit data. - Neuron
Een neuron laat zien hoe AI informatie stap voor stap verwerkt en doorgeeft binnen een netwerk. - Normalisatie
Het aanpassen van data naar een uniforme schaal om beter te kunnen leren.
O
- Objectdetectie
Het herkennen en lokaliseren van objecten in afbeeldingen of video’s. - Overfitting
Wanneer een model te veel leert van trainingsdata en daardoor slechter presteert op nieuwe data.
P
- Parameters
Instelbare waarden in een AI-model die tijdens training worden aangepast. - Participatory AI auditing
Het controleren van AI met hulp van gebruikers om fouten en bias te ontdekken. - Pre-training
Het vooraf trainen van een AI-model op grote hoeveelheden data als basis. - Predictie (voorspelling)
Het schatten van een uitkomst op basis van geleerde patronen in data. - Preprocessing
Het voorbereiden en opschonen van data voordat deze wordt gebruikt door AI. - Privacy
Het beschermen van persoonlijke gegevens bij het gebruik van AI. - Privacy by design
Het vanaf het begin meenemen van privacy in het ontwerp van systemen. - Prompt
De instructie of vraag die je aan een AI-model geeft. - Prompt Engineering
Het formuleren van prompts op een manier die betere AI-resultaten oplevert.
R
- Recurrent netwerk (RNN)
Een type neuraal netwerk dat geschikt is voor het verwerken van volgordes, zoals tekst of tijdreeksen. - Regelgebaseerde AI
AI die werkt op basis van vooraf ingestelde regels in plaats van leren uit data. - Regressie
Een techniek om numerieke waarden te voorspellen, zoals prijzen of trends. - Reinforcement Learning
Een manier van leren waarbij een model beter wordt door beloningen en feedback. - Retrieval-Augmented Generation (RAG)
AI die externe informatie ophaalt en gebruikt om betere antwoorden te geven. - Robotica
Het ontwerpen en gebruiken van machines die taken zelfstandig kunnen uitvoeren.
S
- Self-supervised Learning
Een leermethode waarbij AI zelf patronen ontdekt in data zonder expliciete labels. - Speech-to-Text
Technologie die gesproken taal omzet in geschreven tekst. - Supervised Learning (toezichtleren)
Een leermethode waarbij een model wordt getraind met gelabelde data. - Synthese van tekst of beeld
Het genereren van nieuwe tekst of afbeeldingen door AI.
T
- Tensor Core
Een gespecialiseerde rekenkern in GPU’s die AI-berekeningen versnelt. - Testdata
Data die wordt gebruikt om te controleren hoe goed een model presteert. - Token
Een klein stukje tekst, zoals een woord of deel daarvan, dat een AI-model verwerkt. - Training Data
De data waarmee een AI-model wordt getraind om patronen te leren. - Transfer Learning
Het hergebruiken van een bestaand model voor een nieuwe, vergelijkbare taak. - Transformer-model
Een type AI-model dat sterk is in het verwerken van taal en context.
U
- Underfitting
Wanneer een model te weinig leert uit data en daardoor slecht presteert. - Unsupervised Learning (zonder toezicht leren)
Een leermethode waarbij een model patronen ontdekt zonder gelabelde data. - Uitvoer (output)
Het resultaat dat een AI-model geeft op basis van input.
V
- Validatie Data
Data die wordt gebruikt om een model tussentijds te controleren tijdens training. - Vectorrepresentatie (embedding)
Een numerieke weergave van data die AI gebruikt om betekenis en relaties te begrijpen. - Versterkend leren (reinforcement learning)
Een leermethode waarbij een model leert door beloningen en straf. - Vibe coding
Software bouwen met hulp van AI door in gewone taal te beschrijven wat je wilt maken. - Visuele AI
AI die beelden en visuele informatie kan analyseren en begrijpen.
Z
- Zero-shot learning
Het vermogen van een model om taken uit te voeren zonder specifieke training daarvoor.
Wat je leert met deze AI woordenlijst
Deze AI woordenlijst helpt je om stap voor stap grip te krijgen op kunstmatige intelligentie. Door de begrippen te begrijpen, zie je beter hoe AI-systemen zijn opgebouwd en waarom ze werken zoals ze werken.
Veel termen in deze AI woordenlijst hangen met elkaar samen. Begrippen zoals machine learning, neurale netwerken en data vormen samen de basis van veel AI-toepassingen. Door meerdere termen te combineren, ontstaat er inzicht in het grotere geheel.
Daarnaast helpt deze AI woordenlijst om AI beter toe te passen in de praktijk. Of het nu gaat om werk, studie of dagelijks gebruik, het begrijpen van de juiste begrippen maakt het makkelijker om tools effectief en kritisch te gebruiken.