Dit artikel is onderdeel van de AI Woordenlijst op De Wereld van AI. Daar vind je een overzicht van alle belangrijke AI-begrippen.
Een feedback-loop binnen kunstmatige intelligentie is een proces waarbij de uitvoer van een systeem terugvloeit naar het systeem zelf, waardoor het model leert van eerdere resultaten.
Het is een cirkel:
het model voorspelt iets, die voorspelling wordt beoordeeld of gebruikt, die beoordeling wordt weer nieuwe input, en daardoor verandert het model langzaam in hoe het beslissingen neemt.
Feedback-loops kunnen waardevol zijn, maar soms ook problemen vergroten als de input scheef of onvolledig is.
Hoe werkt een feedback-loop?
Een feedback-loop bestaat meestal uit drie stappen:
1. Het model maakt een voorspelling
Bijvoorbeeld welke video je waarschijnlijk leuk vindt of welk artikel je moet lezen.
2. Je gedrag wordt gemeten
Klik je erop? Lees je het? Kijk je het af? Deze acties worden gezien als feedback.
3. Het model past zich aan
De feedback wordt gebruikt om het model sterker te maken in toekomstige aanbevelingen.
Positieve effecten
- systemen worden nauwkeuriger
- modellen leren sneller
- aanbevelingen voelen persoonlijker
- fouten worden soms automatisch gecorrigeerd
Negatieve effecten
Feedback-loops kunnen ook risico’s creëren, vooral als data niet neutraal of volledig is.
Mogelijke problemen:
- Versterken van bias (vooroordelen)
Als een model steeds dezelfde soort content aanbeveelt, raakt het vast in een patroon. - Tunnelvisie (filterbubbel)
Gebruikers zien alleen nog datgene wat past bij eerdere voorkeuren. - Escalatie van fouten
Een kleine fout in een eerdere voorspelling kan steeds groter worden. - Vervuilde trainingsdata
Wanneer verkeerde informatie steeds opnieuw als input wordt gebruikt.
Voorbeelden uit de praktijk
Aanbevelingssystemen
Streamingdiensten en social media gebruiken feedback-loops om te bepalen welke video’s of berichten je te zien krijgt.
Fraudedetectie
Modellen leren van eerdere verdachte transacties, maar kunnen daardoor echte transacties foutief markeren als “verdacht” als de feedback vertekend is.
Zelfrijdende auto’s
Sensor- en omgevingdata worden continu teruggekoppeld om rijgedrag te verbeteren.
Waarom dit belangrijk is in AI?
Elke AI die leert van menselijk gedrag, kan terechtkomen in feedback-loops.
Daarom is het belangrijk om:
- data regelmatig te controleren
- diverse input te gebruiken
- modellen periodiek te evalueren
- risico’s te herkennen en te beperken
Dit hoort ook bij de bredere vraag hoe je AI veilig, eerlijk en transparant inzet.
Verder leren over deze onderwerpen
Wil je de basis van AI stap voor stap leren? Start dan met mijn Gratis Basiscursus AI.
DE WERELD VAN AI 