Deze pagina is onderdeel van AI uitgelegd in beelden op De Wereld van AI. Een overzicht van leerzame visuals die uitleggen hoe AI-systemen werken.
Verkeerde of verouderde data leidt onvermijdelijk tot verkeerde AI-uitkomsten, ook als het model correct werkt.
In het schema zie je links data die al problematisch is. De informatie is verouderd, onvolledig of verkeerd vastgelegd. Die fout zit dus vóórdat het model iets doet.
Deze data gaat het model in. Het model zelf functioneert normaal en past de aangeleerde patronen correct toe op wat het krijgt aangeboden. Er is geen storing en geen fout in het systeem.
Toch is de uitkomst onjuist. Niet omdat het model faalt, maar omdat de invoer niet klopt. Dit schema helpt omdat het duidelijk maakt dat AI-fouten vaak hun oorsprong hebben bij data, niet bij het algoritme of het model.
Waar dit terugkomt in AI
Dit zie je terug in vrijwel alle AI-toepassingen. Bij machine learning bepaalt de kwaliteit van de dataset direct de kwaliteit van de voorspelling. Bij neurale netwerken werkt dat hetzelfde, verkeerde signalen leiden tot verkeerde activaties.
Ook bij taalmodellen geldt dit principe. Als de informatie waarop het model zich baseert verouderd of onjuist is, kan de output overtuigend klinken en toch fout zijn.
Logische vervolgstap
Wie wil begrijpen waarom AI zulke fouten niet zelf herkent of corrigeert, kan verder lezen bij Waarom AI fouten maakt.
De AI-woordenlijst helpt om begrippen zoals dataset, training en bias beter te plaatsen. Voor een breder overzicht van hoe data en modellen samenkomen, biedt de gratis basiscursus AI een logisch vervolg.
Of bekijk de andere leerzame visuals en ga terug naar AI uitgelegd in beelden.