Dit artikel is onderdeel van de AI Woordenlijst op De Wereld van AI. Daar vind je een overzicht van alle belangrijke AI-begrippen.
Inferentie is het proces waarbij een AI-model een voorspelling doet op basis van nieuwe gegevens. Het model heeft eerder geleerd van trainingsdata, en tijdens inferentie gebruikt het die kennis om tot een antwoord, classificatie of inschatting te komen.
Het is de fase waarin een AI-model in actie komt en daadwerkelijk waarde levert.
Hoe inferentie werkt
Tijdens de training leert een model patronen herkennen. Tijdens inferentie:
- krijgt het model nieuwe input (bijvoorbeeld een foto, een vraag of getallen)
- verwerkt het die input via de lagen en gewichten die tijdens training zijn geleerd
- geeft het een voorspelling, output of antwoord terug
Voorbeelden:
- Een beeldherkenningsmodel zegt: “Dit is een kat.”
- Een taalmodel antwoordt op een vraag.
- Een fraudedetectiemodel geeft een waarschuwing bij een verdachte transactie.
Waarom inferentie belangrijk is
Inferentie is de stap waarin een model:
- wordt toegepast in de praktijk
- snel moet kunnen werken (lage reactietijd is cruciaal)
- goed moet generaliseren, ook op data die het nooit eerder gezien heeft
Goede inferenties bepalen dus de betrouwbaarheid van AI in echte toepassingen, zoals chatbots, medische analyses, aanbevelingssystemen en meer.
Inferentie vs. training
| Proces | Wat gebeurt er? | Rekenlast |
|---|---|---|
| Training | AI leert patronen uit grote datasets | Zeer zwaar, vaak op GPU’s |
| Inferentie | AI gebruikt die kennis om voorspellingen te doen | Licht(er), kan vaak op CPU/GPU/edge device |
Praktische voorbeelden
- ChatGPT die antwoorden genereert → inferentie
- Google Maps die reistijd voorspelt → inferentie
- Netflix die aanbevelingen toont → inferentie
- Een AI-beeldgenerator die een afbeelding maakt op basis van tekst → inferentie
Verder leren over AI
Wil je AI stap voor stap begrijpen, zonder moeilijke woorden? Bekijk de Gratis Basiscursus AI op mijn website. Je vindt er duidelijke uitleg, schema’s en voorbeelden.