7. Deep dive Generative AI ML6.pptx

# Introductie tot AI en Generatieve AI Hier is een gedetailleerde studiehandleiding voor het onderwerp "Introductie tot AI en Generatieve AI", gebaseerd op de verstrekte documentatie. ## 1. Introductie tot AI en generatieve AI Dit onderwerp verkent de fundamentele definities van Kunstmatige Intelligentie (AI) en Generatieve AI, plaatst deze in een historische context en analyseert de recente toename in populariteit gedreven door factoren zoals big data en rekenkracht. ### 1.1 De evolutie van kunstmatige intelligentie Kunstmatige intelligentie is geen nieuw concept; het bestaat al ongeveer zeventig jaar. De recente vooruitgang en publieke toegankelijkheid zijn echter te danken aan significante ontwikkelingen in de technologie. #### 1.1.1 De toename in populariteit van AI De populariteit van AI is de afgelopen jaren exponentieel gegroeid. Deze toename wordt voornamelijk gedreven door drie kernfactoren: * **Big data:** De digitalisering en de alomtegenwoordigheid van het internet hebben geleid tot de creatie van enorme datasets. Deze data fungeren als de 'brandstof' voor moderne AI-modellen, met name voor deep learning en foundation models. * **Massale rekenkracht:** De exponentiële groei van de computerkracht, deels verklaard door de wet van Moore (die stelt dat het aantal transistors op een chip ongeveer elke twee jaar verdubbelt, wat leidt tot verdubbelde capaciteit), maakt het mogelijk om steeds complexere AI-modellen te trainen en te draaien. De schaalbaarheid van GPU's (Graphics Processing Units) heeft hierin een cruciale rol gespeeld. * **Wetenschappelijke doorbraken:** Nieuwe architecturen en leerparadigma's die mogelijk zijn gemaakt door schaalvergroting, hebben geleid tot significante wetenschappelijke doorbraken. Voorbeelden hiervan zijn de Nobelprijzen voor Natuurkunde en Scheikunde in 2024 die mede voor AI-gebaseerde ontdekkingen zijn toegekend. #### 1.1.2 Misvattingen over AI Het is belangrijk om enkele veelvoorkomende misvattingen over AI te ontkrachten: * **AI is gloednieuw:** Dit is onjuist. AI-concepten bestaan al tientallen jaren, maar de praktische toepassingen zijn pas recent mogelijk geworden door technologische vooruitgang. * **AI vertelt altijd de waarheid:** AI-modellen voorspellen antwoorden op basis van statistische waarschijnlijkheid en kunnen fouten maken of feitelijk onjuiste informatie genereren (bekend als 'hallucinaties'). Het is cruciaal om de output van AI altijd te verifiëren met betrouwbare bronnen en zelf verantwoordelijk te blijven voor de interpretatie en het gebruik ervan. * **AI begrijpt taal:** AI-modellen, zoals Large Language Models (LLM's), genereren tekst door het voorspellen van het meest waarschijnlijke volgende woord op basis van de enorme hoeveelheid data waarop ze getraind zijn. Dit is een statistisch proces en betekent niet dat de AI daadwerkelijk betekenis of intentie begrijpt, vergelijkbaar met het Chinese kamer-gedachte-experiment. ### 1.2 Van AI naar Generatieve AI: een hiërarchisch overzicht AI is een breed veld dat verder is geëvolueerd naar meer gespecialiseerde subdisciplines. #### 1.2.1 Kunstmatige Intelligentie (AI) * **Definitie:** Het vermogen van een computersysteem om cognitieve functies uit te voeren die geassocieerd worden met het menselijk brein, zoals perceptie, redenering, leren, probleemoplossing en creativiteit. * **Historische context:** De vroege vormen van AI (jaren '70-'80) waren vaak gebaseerd op expliciet gecodeerde regels en zoekalgoritmen, zonder veel nadruk op leren uit data. Voorbeelden zijn Deep Blue (met handgemaakte evaluatieregels) en MYCIN (een regelgebaseerd expertsysteem). #### 1.2.2 Machine Learning (ML) * **Definitie:** Computersystemen die kunnen leren en zich aanpassen zonder expliciete instructies. Ze gebruiken algoritmen en statistische modellen om patronen in data te analyseren en conclusies te trekken. * **Historische context:** In de jaren '80-'90 werd Machine Learning populairder, waarbij modellen leerden van data, vaak nog met de hulp van door mensen gemaakte kenmerken (features). Voorbeelden zijn lineaire regressie, support vector machines en k-means clustering. #### 1.2.3 Deep Learning (DL) * **Definitie:** Een type machine learning dat gebruikmaakt van neurale netwerken. Deze netwerken zijn geïnspireerd op de structuur van het menselijk brein en bestaan uit onderling verbonden neuronen georganiseerd in lagen. Ze zijn in staat om grote hoeveelheden data te verwerken en complexe problemen op te lossen. * **Historische context:** Vanaf de jaren 2010 werd Deep Learning dominant. Modellen kunnen nu automatisch kenmerken leren uit data. Voorbeelden zijn Convolutional Neural Networks (CNN's) voor beeldclassificatie (bv. ResNet-50, YOLOv8), transformer modellen voor tekstverwerking (bv. BERT) en modellen voor het voorspellen van eiwitstructuren (bv. AlphaFold). #### 1.2.4 Generatieve AI * **Definitie:** AI-modellen die in staat zijn om nieuwe content te genereren, zoals tekst, afbeeldingen, video's, audio of andere datatypes, gebaseerd op de data waarop ze zijn getraind. Generatieve modellen leren de patronen en structuren van hun trainingsdata en kunnen vervolgens nieuwe data met vergelijkbare kenmerken produceren. De transformer-architectuur is hierin een belangrijke ontwikkeling. * **Historische context:** Vanaf de jaren 2020 heeft Generatieve AI een enorme vlucht genomen. Het stelt modellen in staat om belangrijke delen van instructies te onthouden en te benutten. * **Voorbeelden:** * **Tekstgeneratie:** Large Language Models (LLM's) zoals GPT. * **Beeldgeneratie:** Modellen zoals MidJourney. * **Video generatie:** Modellen zoals Sora. * **Fysieke omgeving generatie:** Modellen zoals Cosmos van NVIDIA. ### 1.3 Toepassingen van Generatieve AI Generatieve AI opent een breed scala aan mogelijkheden in diverse domeinen: * **Natuurlijke Taalverwerking (NLP):** Het genereren van tekst, samenvatten van documenten, vertalen en beantwoorden van vragen. * **Computer Vision:** Het genereren van afbeeldingen, video's, objectdetectie en het creëren van realistische synthetische data. * **Robotics:** Het creëren van nieuwe content om modellen te trainen, wat leidt tot verbeterde robotprestaties. * **Andere domeinen:** Interactieve lineaire regressie, simulatie van fysieke omgevingen en het creëren van interactieve lineaire regressie tools. ### 1.4 Risico's en overwegingen bij het gebruik van AI en Generatieve AI Het gebruik van AI, en met name Generatieve AI, brengt diverse risico's met zich mee die zorgvuldig overwogen moeten worden: #### 1.4.1 Output-gerelateerde risico's * **Hallucinaties:** De output kan feitelijk onjuist of verzonnen zijn. * **Toxische output:** Antwoorden kunnen gevaarlijke, aanstootgevende of inflammatoire informatie bevatten. * **Gebyasede output:** AI kan bestaande vooroordelen in de trainingsdata overnemen of versterken, wat leidt tot discriminerende of oneerlijke resultaten. #### 1.4.2 Data-gerelateerde risico's * **Gebruik van inputdata als trainingsdata:** * **Copyright/handelsgeheimen:** De data die input wordt voor een model kan auteursrechtelijk beschermd zijn of bedrijfseigen informatie bevatten. Het gebruik hiervan kan leiden tot inbreuk. * **Persoonsgegevens:** Het verwerken van persoonsgegevens vereist naleving van privacywetgeving zoals de GDPR. Het is essentieel om de licentievoorwaarden en privacy-instellingen van gebruikte platforms te controleren, aangezien de gebruiker soms zelf het product wordt wanneer geen licentiekosten worden betaald. * **Copyright op output:** De output van een AI-systeem kan ook auteursrechtelijk beschermd zijn. Het onvoorzichtig gebruik van gegenereerde content kan leiden tot inbreuk op andermans rechten. #### 1.4.3 Overige risico's * **Cybercriminaliteit:** AI kan worden misbruikt voor kwaadaardige doeleinden. * **Milieu-impact:** Het trainen van grote modellen vereist aanzienlijke rekenkracht en energie. * **Democratie en desinformatie:** AI kan worden ingezet om desinformatie te verspreiden en democratische processen te beïnvloeden. * **Deepnudes:** Het genereren van synthetische beelden kan leiden tot misbruik, zoals het creëren van deepfakes. #### 1.4.4 Overmatig vertrouwen * **Geloofwaardige output:** LLM's klinken vaak geloofwaardig, wat kan leiden tot overmatig vertrouwen in hun output, zelfs als deze feitelijk onjuist is. Het is cruciaal om kritisch te blijven en de output te valideren. ### 1.5 Regulering en verantwoord gebruik De snelle opkomst van AI heeft geleid tot de noodzaak van regelgeving. Belangrijke wetgeving en richtlijnen omvatten: * **AI Act:** Een Europese verordening die een raamwerk biedt voor de regulering van AI-systemen op basis van risiconiveaus. * **GDPR (General Data Protection Regulation):** Beschermt persoonsgegevens en reguleert hoe deze mogen worden verwerkt, wat relevant is voor zowel trainingsdata als output. * **Productaansprakelijkheidsrichtlijn:** Kan van toepassing zijn op AI-systemen die schade veroorzaken. * **Intellectueel Eigendom (IP):** Wetgeving rond auteursrecht en patenten is van toepassing op zowel de trainingsdata als de output van AI. * **Data Act:** Reguleert de toegang tot en het gebruik van data. * **Cybersecurity wetgeving:** Zoals NIS II, Cyber Resilience Act en de Cybersecurity Act, die de beveiliging van digitale systemen waarborgen. Naast formele wetgeving zijn er ook richtlijnen en ethische kaders die het verantwoord gebruik van AI stimuleren, zoals het "Richtkader voor verantwoord gebruik van AI" en specifieke richtlijnen voor beroepsgroepen (bv. advocaten). > **Tip:** AI is een krachtig hulpmiddel, maar het vervangt geen menselijk oordeel of kritisch denken. Wees je bewust van de beperkingen en gebruik AI doordacht om je eigen vaardigheden te ondersteunen, niet om ze te delegaren. ### 1.6 Slotgedachten voor studenten * **Wees bewust van AI:** Begrijp de belangrijke beperkingen van AI en de consequenties van het gebruik ervan. * **Gebruik verantwoordelijk:** Bescherm je privacy en vertrouwelijke informatie wanneer je met AI-tools werkt. * **Gebruik doordacht:** AI ondersteunt, maar vervangt geen kritische analyse of oordeel. * **Blijf geïnformeerd en nieuwsgierig:** AI is een blijvend fenomeen. Kennis over het gebruik ervan is een concurrentievoordeel. * **AI als juridisch vakgebied:** De wetgeving rond AI is complex en in ontwikkeling, wat een uitdagend maar boeiend studiegebied vormt. --- # Risico's en Uitdagingen van AI De integratie van kunstmatige intelligentie (AI) brengt aanzienlijke risico's en uitdagingen met zich mee die zorgvuldige overweging vereisen, met name op het gebied van de betrouwbaarheid van de output, de ethische implicaties en juridische overwegingen. ### 2.1 Algemene risico's van AI AI-systemen, hoewel krachtig, zijn niet immuun voor fouten en kunnen onbedoelde negatieve gevolgen hebben. De belangrijkste risico's kunnen als volgt worden gecategoriseerd: #### 2.1.1 Hallucinaties AI-modellen kunnen output genereren die feitelijk onjuist is of volledig is verzonnen. Dit fenomeen, bekend als 'hallucinaties', treedt op omdat AI-modellen voornamelijk werken op basis van statistische waarschijnlijkheden om het volgende woord te voorspellen, in plaats van op begrip van de waarheid of feiten. > **Tip:** Beschouw AI-output altijd als potentieel onjuist en verifieer kritieke informatie altijd met betrouwbare bronnen. De eindverantwoordelijkheid voor de gebruikte informatie ligt bij de gebruiker. #### 2.1.2 Toxische output AI-modellen kunnen antwoorden produceren die schadelijke, gevaarlijke of inflammatoire informatie bevatten. Dit kan voortkomen uit de trainingsdata of de manier waarop het model de input interpreteert. #### 2.1.3 Bevooroordeelde output AI kan bestaande vooroordelen in de samenleving overnemen en zelfs verergeren. Als de trainingsdata vooroordelen bevatten, zal het AI-model deze waarschijnlijk weerspiegelen in zijn output, wat leidt tot ongelijke of discriminerende resultaten. #### 2.1.4 Andere risico's Naast de bovengenoemde punten zijn er diverse andere risico's die gepaard gaan met AI: * **Cybercriminaliteit:** AI kan worden ingezet voor geavanceerdere cyberaanvallen, zoals phishing, malware-creatie of het omzeilen van beveiligingsmaatregelen. * **Milieu-impact:** Het trainen van grootschalige AI-modellen vereist aanzienlijke rekenkracht, wat leidt tot een hoog energieverbruik en een ecologische voetafdruk. * **Democratische processen:** AI kan worden gebruikt voor desinformatiecampagnes, manipulatie van de publieke opinie of het beïnvloeden van verkiezingen. * **Deepfakes:** De generatie van realistische, maar valse, video's of audio-opnamen (deepfakes) kan leiden tot reputatieschade, misleiding en sociale onrust. > **Tip:** Wees u bewust van de beperkingen van AI en de potentiële maatschappelijke impact ervan. ### 2.2 Uitdagingen rond data en intellectueel eigendom Het gebruik van data voor de training van AI-modellen en de output die deze genereren, brengt specifieke juridische en ethische uitdagingen met zich mee. #### 2.2.1 Gebruik van input data als trainingsdata Een significant risico ontstaat wanneer de data die gebruikers invoeren in een AI-systeem, vervolgens wordt gebruikt om het model verder te trainen. Dit kan leiden tot de schending van: * **Auteursrecht:** Input data kan auteursrechtelijk beschermd materiaal bevatten. Als dit zonder toestemming wordt gebruikt voor training, kan dit leiden tot auteursrechtinbreuk. * **Handelsgeheimen:** Gevoelige bedrijfsinformatie of strategieën die als input worden ingevoerd, kunnen door het AI-model worden geleerd en potentieel worden gerepliceerd of gelekt. > **Tip:** Controleer de licentievoorwaarden en het privacybeleid van AI-diensten om te begrijpen hoe uw input data wordt gebruikt. Als er geen specifieke licentie is voor verder gebruik van uw data, bent u mogelijk zelf het product. #### 2.2.2 Auteursrecht op output Niet alleen de input data, maar ook de output die door AI-systemen wordt gegenereerd, kan auteursrechtelijk beschermd zijn. Gebruikers die AI-gegenereerde content creëren en publiceren, moeten voorzichtig zijn en controleren of ze geen inbreuk maken op bestaande auteursrechten. Het onzorgvuldig gebruiken van AI-gegenereerde afbeeldingen kan leiden tot inbreuk op de rechten van originele makers. #### 2.2.3 Persoonlijk gegevensgebruik De inzet van AI, met name het trainen van modellen, kan leiden tot het verwerken van persoonsgegevens. Dit vereist naleving van regelgeving zoals de Algemene Verordening Gegevensbescherming (AVG). Het anonimiseren of pseudonimiseren van data is cruciaal om de privacy van individuen te waarborgen. > **Voorbeeld:** Een juridisch systeem dat AI gebruikt voor het verwerken van gerechtelijke uitspraken kan persoonsgegevens zoals namen en adressen automatisch pseudonimiseren (bv. "Jan Peeters woont in Kerkstraat 12" wordt "E.V. woont op Adres 1") om de privacy te beschermen. ### 2.3 Overmatig vertrouwen in AI Een ander belangrijk risico is overmatig vertrouwen in de output van AI-systemen. Omdat de output van Large Language Models (LLM's) vaak geloofwaardig klinkt, bestaat de neiging deze zonder kritische beoordeling te accepteren. > **Tip:** Geloofwaardigheid is niet gelijk aan feitelijke correctheid. Blijf altijd kritisch en toets de output van AI aan uw eigen oordeel en externe validatie. ### 2.4 Regulering en juridische kaders De snelle ontwikkeling van AI heeft geleid tot de noodzaak van specifieke regelgeving en juridische kaders. Verschillende wetten en richtlijnen zijn van toepassing, waaronder: * **AI Act:** Een aankomende Europese wetgeving die specifiek gericht is op het reguleren van AI-systemen. * **AVG (GDPR):** Beschermt persoonsgegevens en reguleert de verwerking ervan, wat relevant is voor zowel trainingsdata als output van AI. * **Productaansprakelijkheid Richtlijn:** Kan van toepassing zijn op AI-systemen als producten die schade veroorzaken. * **Intellectueel Eigendom Wetgeving:** Betreft auteursrecht, patenten en handelsgeheimen in relatie tot AI-gegenereerde inhoud en technologie. * **Data Act:** Reguleert de toegang tot en het gebruik van data, wat indirect impact heeft op AI-ontwikkeling. * **Cybersecurity Wetgeving (bv. NIS2, Cyber Resilience Act):** Behandelt de beveiliging van systemen, inclusief AI-systemen, tegen cyberdreigingen. Naast formele wetgeving worden ook richtlijnen en kaders voor verantwoord gebruik ontwikkeld, zoals richtlijnen voor advocaten. Het recht rond AI is een dynamisch en uitdagend veld in ontwikkeling. --- # Regulering en Verantwoord Gebruik van AI Dit deel bespreekt de juridische kaders die van toepassing zijn op kunstmatige intelligentie, met name de AI Act en de GDPR, en benadrukt het belang van zowel wetgeving als richtlijnen voor verantwoord gebruik om bewust, verantwoord en doordacht met AI om te gaan. ### 3.1 Juridische kaders voor AI De opkomst van AI brengt een noodzaak met zich mee voor regelgeving om de ethische en maatschappelijke implicaties ervan te beheersen. Diverse juridische kaders zijn van kracht of in ontwikkeling om dit te bewerkstelligen. #### 3.1.1 De AI Act De AI Act is een initiatief dat tot doel heeft een uniforme regelgevende aanpak voor kunstmatige intelligentie te creëren binnen de Europese Unie. Het beoogt een hoog niveau van veiligheid en bescherming van grondrechten te waarborgen, terwijl het innovatie stimuleert. De AI Act classificeert AI-systemen op basis van hun risiconiveau, waarbij hogere risico's strengere verplichtingen met zich meebrengen. Dit omvat onder andere vereisten voor datakwaliteit, transparantie, menselijk toezicht en robuustheid. #### 3.1.2 GDPR (Algemene Verordening Gegevensbescherming) De GDPR is cruciaal voor AI, aangezien veel AI-systemen worden getraind op en gebruikmaken van persoonsgegevens. De verordening stelt strikte regels op voor de verwerking van persoonsgegevens, inclusief principes van rechtmatigheid, eerlijkheid en transparantie. AI-toepassingen die persoonsgegevens verwerken, moeten voldoen aan de GDPR-vereisten, zoals het verkrijgen van toestemming, het waarborgen van dataminimalisatie, het respecteren van de rechten van betrokkenen en het implementeren van passende beveiligingsmaatregelen. Er is een nauwe relatie tussen de AI Act en de GDPR, aangezien persoonsgegevens kunnen worden gebruikt voor het trainen van modellen en de output van AI-systemen ook persoonsgegevens kan bevatten. #### 3.1.3 Andere relevante wetgeving Naast de AI Act en de GDPR zijn er andere juridische kaders die relevant zijn voor AI: * **Product Liability Directive:** Deze richtlijn kan van toepassing zijn op AI-systemen die als product worden beschouwd en schade veroorzaken. * **Intellectual Property Law:** Vragen rond auteursrecht en eigendom van door AI gegenereerde content zijn onderwerp van discussie en regelgeving. * **Data Act:** Deze wetgeving reguleert de toegang tot en het gebruik van data, wat van invloed kan zijn op de ontwikkeling en inzet van AI. * **Cybersecurity wetgeving (bv. NISII, Cyber Resilience Act, Cybersecurity Act):** Deze wetten adresseren de beveiliging van systemen, inclusief die welke AI gebruiken, om kwetsbaarheden te mitigeren. ### 3.2 Richtlijnen voor verantwoord gebruik van AI Naast formele wetgeving zijn er ook richtlijnen en best practices die bijdragen aan het verantwoord gebruik van AI. Deze benadrukken de noodzaak voor gebruikers om bewust, verantwoord en doordacht met AI om te gaan. > **Tip:** Wetgeving is een belangrijk fundament, maar richtlijnen voor verantwoord gebruik vullen deze aan door specifieke gedragsnormen en aanbevelingen te bieden voor dagelijkse interacties met AI. #### 3.2.1 Bewustzijn van AI-beperkingen Het is essentieel om je bewust te zijn van de inherente beperkingen van AI. AI-systemen kunnen fouten maken, 'hallucineren' (feitelijk onjuiste informatie genereren) of bevooroordeeld zijn. > **Example:** Een AI-chatbot kan feitelijk onjuiste informatie genereren over een historisch evenement, zelfs als de output plausibel klinkt. Het is cruciaal om de output altijd te verifiëren met betrouwbare bronnen. #### 3.2.2 Verantwoord gebruik en privacy Gebruikers dienen verantwoord om te gaan met AI, met name wat betreft privacy en vertrouwelijke informatie. * **Bescherming van persoonsgegevens en vertrouwelijke informatie:** Voer geen gevoelige of vertrouwelijke gegevens in AI-systemen in, tenzij dit expliciet is toegestaan en beveiligd is. * **Gebruik van inputdata:** Wees alert op hoe inputdata mogelijk wordt gebruikt voor verdere training van modellen, wat implicaties kan hebben voor auteursrecht en handelsgeheimen. > **Example:** Het invoeren van een bedrijfseigen strategie in een publieke AI-tool kan leiden tot datalekken of het openbaar maken van vertrouwelijke informatie. #### 3.2.3 Doordacht gebruik en kritisch denken Technologie moet ondersteunen, niet vervangen. Kritisch denken en oordeelsvorming blijven onmisbaar. * **Niet delegeren van kritisch denken:** AI kan helpen bij taken, maar het kritisch evalueren van informatie en het vormen van een eigen oordeel mag niet worden uitbesteed aan de machine. Dit onderscheidt menselijke intelligentie van kunstmatige intelligentie. * **Onderscheid tussen geloofwaardigheid en correctheid:** AI-output kan overtuigend klinken, maar dit betekent niet automatisch dat het feitelijk juist is. > **Tip:** Vraag jezelf altijd af: "Waarom geeft de AI dit antwoord?" en "Is dit antwoord logisch en consistent met wat ik al weet?" #### 3.2.4 Blijf geïnformeerd en nieuwsgierig AI is een blijvende technologie. Het begrijpen van hoe je AI effectief kunt gebruiken, biedt een competitief voordeel. AI ontwikkelt zich ook tot een eigen juridisch vakgebied, wat uitdagend maar ook spannend is. > **Example:** Als juridisch student kan het leren gebruiken van AI-tools voor juridisch onderzoek, documentanalyse of samenvattingen de efficiëntie aanzienlijk verhogen, mits dit bewust en verantwoord gebeurt. --- ## Veelgemaakte fouten om te vermijden - Bestudeer alle onderwerpen grondig voor examens - Let op formules en belangrijke definities - Oefen met de voorbeelden in elke sectie - Memoriseer niet zonder de onderliggende concepten te begrijpen

| Term | Definition | |------|------------| | Kunstmatige Intelligentie (AI) | De capaciteit van een computersysteem om cognitieve functies uit te voeren die geassocieerd worden met het menselijk brein, zoals waarneming, redenering, leren, probleemoplossing en creativiteit. | | Generatieve AI | AI-modellen die nieuwe content kunnen genereren, zoals tekst, afbeeldingen of video's, gebaseerd op de data waarop ze zijn getraind. Deze modellen leren de patronen en structuren van hun trainingsdata om nieuwe data met vergelijkbare kenmerken te genereren. | | Machine Learning | Computersystemen die kunnen leren en zich aanpassen zonder expliciete instructies te volgen, gebruikmakend van algoritmen en statistische modellen om patronen in data te analyseren en conclusies te trekken. | | Deep Learning | Een type machine learning dat neurale netwerken gebruikt, geïnspireerd door het menselijk brein, met onderling verbonden neuronen in lagen. Deze systemen kunnen grote hoeveelheden data verwerken en complexe problemen oplossen. | | Grote Taalmodellen (LLM) | Een type generatieve AI dat gespecialiseerd is in het verwerken en genereren van menselijke taal. Deze modellen worden getraind op enorme hoeveelheden tekstdata. | | Hallucinaties (AI) | Fenomeen waarbij een AI-model feitelijk onjuiste of verzonnen informatie genereert, die niet gebaseerd is op de werkelijkheid of de trainingsdata. | | Bevooroordeelde output (AI) | Resultaten die door een AI-systeem worden geproduceerd en een oneerlijke of discriminerende weergave van bepaalde groepen of situaties bevatten, vaak als gevolg van bias in de trainingsdata. | | Pseudonymisering | Het proces waarbij persoonlijke gegevens worden behandeld zodat ze niet direct aan een individu kunnen worden toegeschreven zonder aanvullende informatie te gebruiken, wat helpt bij privacybescherming. | | Samenvatting & Tagging | Technieken waarbij tekstuele inhoud wordt gereduceerd tot een kortere versie (samenvatting) en geassocieerd met relevante trefwoorden of labels (tagging) om de vindbaarheid en het begrip te verbeteren. | | AI Act | Een voorgestelde regelgeving door de Europese Commissie die tot doel heeft een wettelijk kader te creëren voor kunstmatige intelligentie, gericht op het bevorderen van de adoptie van AI en het waarborgen van veiligheid en fundamentele rechten. | | GDPR (General Data Protection Regulation) | Een verordening van de Europese Unie betreffende gegevensbescherming en privacy voor alle individuen binnen de Europese Unie en de Europese Economische Ruimte. Het regelt ook de export van persoonsgegevens buiten de EU. | | Overmatige afhankelijkheid | Het te veel vertrouwen op de output van AI-systemen, zonder voldoende kritische evaluatie of verificatie, wat kan leiden tot acceptatie van onjuiste of ongewenste informatie. |