Wat is AI precies?
Module 5 van 5
Nieuwe Europese regels voor kunstmatige intelligentie
Wat is AI precies?
Je hebt al kennisgemaakt met AI in Leerroute 1: Basis AI. In deze module duiken we dieper in de vraag: wat bedoelen we eigenlijk als we het woord "kunstmatige intelligentie" gebruiken? En wat zijn de verschillende vormen die AI kan aannemen?
- de technische werking van AI uitleggen, waaronder neurale netwerken en LLMs
- het verschil beschrijven tussen smal AI, sterk AI en generatieve AI
- uitleggen wat supervised en unsupervised learning zijn
Twee soorten AI: breed en smal
Als mensen over AI praten, bedoelen ze bijna altijd een specifieke taak: een AI die foto's herkent, een AI die tekst schrijft, een AI die rij-instructies geeft. Dit heet smalle AI of Weak AI: een systeem dat heel goed is in één ding, maar buiten dat domein niets kan.
Daar tegenover staat het idee van brede AI, ook wel Strong AI of AGI (Artificial General Intelligence) genoemd. Dit zou een systeem zijn dat net als een mens kan redeneren, leren en problemen oplossen in elke situatie. Zoiets bestaat vooralsnog niet.
Een calculator is extreem goed in rekenen, maar kan je niet vertellen hoe je aan een recept begint. Een mens kan beide. Huidige AI is als een stapel heel gespecialiseerde calculators: elk goed in één ding, samen indrukwekkend, maar nog geen "intelligentie" in de brede zin van het woord.
Als zorgprofessional werk je altijd met smalle AI: een systeem dat is gebouwd voor één specifieke taak, zoals het signaleren van een valrisico of het samenvatten van een ontslagbrief. Verwacht nooit dat zo'n systeem ook andere taken aankan waarvoor het niet is gebouwd.
Alle AI-systemen die je nu tegenkomt zijn smalle AI: ze zijn heel goed in één specifieke taak en daarbinnen betrouwbaar, maar ze kunnen geen taken uitvoeren waarvoor ze niet zijn getraind.
De intelligente assistent: wat bedoelen we met "intelligent"?
Het woord "intelligent" klinkt groot. Maar in de AI-wereld heeft het een specifiekere betekenis. Denk aan een systeem dat:
- informatie uit zijn omgeving opneemt (input)
- die informatie verwerkt
- een actie uitvoert of een antwoord geeft (output)
- daarna eventueel leert van het resultaat
Dat noemen onderzoekers een intelligent agent: een systeem dat waarneemt en handelt. Intelligent wil dus niet zeggen dat het denkt of voelt, maar dat het doelgericht reageert op informatie.
Een thermostaat neemt de temperatuur waar en schakelt de verwarming aan of uit. Dat is ook een vorm van reageren op input. Een AI-systeem doet hetzelfde, maar met veel complexere input (denk aan spraak, tekst of medische beelden) en veel meer mogelijke outputs. Het verschil zit in de complexiteit van het leerproces, niet in een fundamenteel ander soort "intelligentie".
Dat is geruststellend: AI is geen mysterieus wezen met eigen wil. Het is een systeem dat input verwerkt en output geeft, op basis van patronen die het heeft geleerd. Meer niet. En precies dat maakt het ook voorspelbaar, controleerbaar en beperkt.
AI die leert: supervised, unsupervised en deep learning
Hoe leert AI? Er zijn meerdere methoden, afhankelijk van het soort data en de taak.
Supervised learning
Het systeem krijgt voorbeelden mét de juiste uitkomst. Een AI die leert medische beelden te beoordelen krijgt duizenden röntgenfoto's te zien waarbij een arts al heeft aangeduid wat een afwijking is. Op basis van die gelabelde voorbeelden leert het systeem zelf patronen te herkennen.
Unsupervised learning
Het systeem krijgt data zonder antwoorden en zoekt zelf naar structuren en groepen. Dit wordt gebruikt om patiëntengroepen te identificeren met vergelijkbare klachten, zonder vooraf te weten welke groepen er zijn. Het systeem ontdekt ze zelf.
Deep learning
Een geavanceerdere vorm waarbij het systeem werkt via lagen van berekeningen, vergelijkbaar met hoe hersencellen met elkaar samenwerken. Deep learning maakt het mogelijk om heel complexe patronen te herkennen, zoals gezichtsuitdrukkingen, stemmen of subtiele afwijkingen op een scan.
Deep learning vereist enorme hoeveelheden data en rekenkracht. Grote taalmodellen zoals ChatGPT zijn op deep learning gebaseerd. Ze zijn getraind op miljarden teksten en kunnen daardoor vloeiende, passende tekst produceren. Maar ze "begrijpen" die tekst niet, ze berekenen welke woorden het meest waarschijnlijk op elkaar volgen.
Deze drie termen worden vaak door elkaar gebruikt, maar ze staan in een hiërarchie:
- AI is de overkoepelende term: elk systeem dat intelligent gedrag nabootst.
- Machine learning is een deelgebied van AI: systemen die leren van data in plaats van geprogrammeerde regels te volgen.
- Deep learning is een deelgebied van machine learning: het gebruikt netwerken van rekenlagen die losjes gebaseerd zijn op hoe neuronen werken.
Niet alle AI is machine learning, maar de meest krachtige AI-systemen van nu gebruiken wel machine learning, en de meest indrukwekkende daarvan gebruiken deep learning.
Kennisregels vs. data: twee manieren om AI te bouwen
Er zijn twee fundamenteel verschillende benaderingen om een AI-systeem te bouwen.
Op basis van kennisregels
Experts schrijven regels in de taal van de computer. "Als de temperatuur hoger is dan 38,5 graden EN de bloeddruk onder de 90 mmHg is, geef dan een sepsis-alert." Deze aanpak werkt goed als de regels duidelijk zijn en experts ze kunnen formuleren. Het nadeel: de regels zijn star. Als een situatie niet precies past in de regels, weet het systeem het niet.
Een systeem dat controleert op gevaarlijke medicatiecombinaties kan goed werken op basis van regels. Want de combinaties zijn bekend en vastgelegd. De regels veranderen zelden. Dit systeem hoeft niet te leren, het hoeft alleen de juiste regels toe te passen.
Op basis van data
Het systeem leert zelf patronen uit grote hoeveelheden data, zonder expliciete regels. Dit werkt beter voor complexe taken waarbij de regels moeilijk te formuleren zijn, zoals het herkennen van een afwijking op een scan of het samenvatten van een verpleegkundig rapport.
Kennisregels zijn als een receptenboek: precieze instructies voor bekende situaties. Data-gedreven AI is als een ervaren kok: die heeft zoveel gerechten bereid dat ze ook nieuwe combinaties aankan. Maar die kok kan ook fouten maken bij iets wat hij nog nooit heeft gezien.
In de praktijk combineren de meeste moderne zorgsystemen beide benaderingen. Vaste regels voor veiligheid en compliance, machine learning voor complexe herkenning en voorspelling.
- Welke AI-toepassingen gebruik jij al dagelijks, ook buiten het werk?
- Wat vind je het meest verrassende aan hoe AI eigenlijk werkt?
- Waar zie jij het verschil tussen smalle AI en menselijk denken in jouw werkomgeving?
Test je kennis
Dit neem je mee
- Alle AI die je nu tegenkomt is smalle AI: goed in één taak, niet in alle taken
- Intelligent betekent: doelgericht reageren op informatie, niet: denken of voelen
- Supervised learning leert van gelabelde voorbeelden, unsupervised zoekt zelf patronen
- Kennisregels zijn transparant maar star, data-gedreven AI is flexibeler maar minder uitlegbaar
- De meeste zorgsystemen combineren beide aanpakken
- OECD — AI Policy Observatory — internationaal beleidskader voor verantwoorde AI
- SURF — AI en ethiek in het onderwijs — verdieping op ethische vraagstukken rondom AI
- Vilans — Technologie in de zorg — geavanceerde AI-toepassingen in de Nederlandse langdurige zorg
- Practoraat Zorg en Technologie (Alfa-college, 2025) — curriculaire basis voor deze leerroute