Wat is AI? Kunstmatige intelligentie in begrijpelijke taal uitgelegd

Iedereen heeft het over AI, maar als je vraagt wat het nou precies is, krijg je zelden een helder antwoord. Dat is geen gebrek aan kennis bij de mensen die je het vraagt. Het ligt aan het begrip zelf: er bestaat geen definitie waar iedereen het over eens is. Toch kun je prima snappen wat AI is zonder informaticus te worden. Dit artikel geeft je een werkbaar beeld in begrijpelijke taal.

Ik ben Max van den Broek, auteur van het boek AI-Pionier en oud-docent AI. Ik train teams in het slim gebruiken van AI, en de vraag "wat is AI eigenlijk?" is bijna altijd het startpunt. Niet omdat mensen dom zijn, maar omdat het woord zo vaag is geworden dat het overal en nergens op slaat.

De korte uitleg: wat is kunstmatige intelligentie?

Kunstmatige intelligentie is een verzamelnaam voor computersystemen die taken uitvoeren waarvoor je normaal menselijk denkwerk verwacht: tekst begrijpen, beelden herkennen, voorspellingen doen, beslissingen voorbereiden. Het Engelse "artificial intelligence" is hetzelfde, AI is gewoon de afkorting.

Dat klinkt simpel, maar de adder zit in het woord "intelligentie". Want wat tellen we als intelligent? Een van de grondleggers, Marvin Minsky, omschreef het vakgebied ooit als: machines dingen laten doen waar intelligentie voor nodig zou zijn als een mens ze deed. Mooi geprobeerd, maar dan valt je rekenmachine er ook onder. En je thermostaat misschien ook.

Dat is precies het probleem. Hoe scherper je het probeert af te bakenen, hoe meer randgevallen je tegenkomt.

Waarom is niemand het eens over de definitie?

Hier zit iets verrassends. Vraag drie experts wat AI is en je krijgt drie antwoorden. Dat komt door een patroon dat onderzoekers het AI-effect noemen: zodra een techniek goed werkt, stoppen we hem AI te noemen.

Een paar voorbeelden:

• Schaken gold decennia als de ultieme test van machine-intelligentie. Toen een computer in 1997 de wereldkampioen versloeg, heette het ineens "gewoon rekenkracht".
• Navigatie die de snelste route berekent, was ooit slimme technologie. Nu is het "gewoon een routeplanner".
• Spamfilters die leren welke mail rotzooi is, zijn een schoolvoorbeeld van AI. Maar niemand denkt er nog "intelligentie" bij.

Zo schuift de lat steeds op. AI lijkt daardoor altijd iets van de toekomst, terwijl de technieken van gisteren stilletjes onderdeel van het meubilair worden. Het verklaart ook waarom mensen denken dat AI iets van 2023 is. De term zelf werd al in 1955 gemunt en het vakgebied is ouder dan de meeste mensen die er nu mee werken.

De praktische les: ga in een gesprek niet ruziën over de vraag "is dit wel echt AI?". Dat levert niets op. Vraag liever: wat doet dit systeem, en hoe is het aan zijn gedrag gekomen? Die vraag werkt altijd.

Je gebruikt waarschijnlijk al jaren AI

Als ik in een training vraag wanneer mensen voor het eerst AI gebruikten, zeggen de meesten iets als "2023, toen ik ChatGPT probeerde". Het echte antwoord ligt bijna altijd jaren eerder.

Denk aan:

• De aanbevelingen van een streamingdienst ("omdat je dit keek").
• De autocomplete die je zin afmaakt in de zoekbalk.
• Het spamfilter dat je mailbox leefbaar houdt.
• De gezichtsherkenning waarmee je je telefoon ontgrendelt.
• De fraudedetectie die je bank gebruikt bij verdachte betalingen.

Allemaal AI, en allemaal al jaren onderdeel van je dag. Je dacht er alleen nooit "intelligentie" bij, want het werkt gewoon. Dat is geen toeval, maar precies het AI-effect in actie.

De drie smaken achter het woord AI

Als mensen op het werk "AI" zeggen, bedoelen ze in de praktijk bijna altijd een van drie dingen. Wie deze drie uit elkaar houdt, praat al scherper over AI dan de gemiddelde online discussie.

1. Automatisering: volgt regels

Een systeem voert taken uit volgens vaste regels die iemand heeft geprogrammeerd. Het leert niets. Voorbeeld: elke maandagochtend automatisch een rapport samenstellen en rondsturen. Het is robuust en voorspelbaar, maar het kan alleen wat er letterlijk in de regels staat. Strikt genomen is dit vaak geen AI, al noemen veel mensen het wel zo. Prima, zolang je het verschil maar kent.

2. Machine learning: leert patronen

Hier leert de machine zelf, door patronen te herkennen in data. Laat een systeem genoeg foto's van paarden zien en het leert paarden herkennen. Zo werken spamfilters, fraudedetectie en aanbevelingen. Sterk: het vindt patronen die mensen ontgaan. Let op: het heeft veel data nodig, en is vaak een black box. Zelfs de makers kunnen niet altijd precies uitleggen waarom het systeem een bepaalde keuze maakt.

3. Generatieve AI: genereert zelf

De nieuwe smaak, van tools zoals ChatGPT, Copilot, Claude en Gemini. Dit is ook machine learning, maar voorgetraind op een enorme berg data en daardoor breed inzetbaar. Je hoeft niets te trainen: het schrijft, vat samen, analyseert en bouwt over vrijwel elk onderwerp. Sterk: direct bruikbaar voor duizend taken. Let op: het verzint soms dingen (hallucinaties) en de output is niet altijd voorspelbaar.

Het kernverschil in één tabel:

| Smaak | Leert het? | Herken je aan | | --- | --- | --- | | Automatisering | Nee, volgt regels | Doet altijd exact hetzelfde | | Machine learning | Ja, uit data | Eén taak, getraind op voorbeelden | | Generatieve AI | Ja, al voorgetraind | Breed inzetbaar, praat terug |

De grenzen zijn niet altijd messcherp; er zijn grijze gebieden. Maar dit is wel het verschil dat de hele ophef van de afgelopen jaren verklaart. Oudere AI-systemen werden gebouwd voor één taak. Generatieve AI is voorgetraind en kan van alles, zonder dat jij iets hoeft te programmeren.

Waarom de aandacht nu vooral naar generatieve AI gaat

Aanbevelingen, voorspelmodellen en fraudedetectie blijven AI. Toch draait het tegenwoordig vooral om generatieve AI, en daar zijn goede redenen voor.

Hij is nieuw. De technologie achter ChatGPT en vergelijkbare tools is jong en ontwikkelt zich razendsnel. De wereld is nog volop aan het uitvinden wat er kan en wat er misgaat.

Hij is van jou. Oudere AI zat verstopt in systemen van specialisten: de planner had het voorspelmodel, de marketeer het aanbevelingssysteem. Generatieve AI zit in jouw browser, praat gewoon Nederlands en bemoeit zich met jouw mails, verslagen en analyses. Voor het eerst is AI iets wat iedereen zelf gebruikt, niet iets wat alleen op de achtergrond draait.

Hij heeft nieuwe streken. Generatieve AI verzint soms feiten, neemt vooroordelen mee uit zijn trainingsdata en gaat anders met je gegevens om dan je denkt. Juist dat moet je snappen om er verantwoord mee te werken.

Drie vragen die je bij elke AI-tool kunt stellen

Je hoeft geen expert te worden om verstandig met AI te werken. Het komt neer op drie vragen die je bij elke tool kunt stellen:

1. Wat gebruik ik eigenlijk? Is dit AI, en zo ja, welke smaak: automatisering, machine learning of generatieve AI?
2. Wat kan het goed, en waar gaat het mis? Denk aan verzonnen feiten, scheve aannames of een systeem dat zijn keuzes niet kan uitleggen.
3. Wat betekent dat voor hoe ik het inzet? Wat controleer ik, wat deel ik wel en niet, en waar blijf ik zelf aan zet?

Met die drie vragen snap je AI beter dan de meeste gebruikers. Niet omdat je de techniek tot in detail kent, maar omdat je de juiste dingen vraagt.

Verder leren: de gratis academy

Dit artikel geeft je het overzicht. Wil je het echt onder de knie krijgen, met voorbeelden, een korte quiz en een certificaat, dan is er de gratis module Wat is AI? in mijn academy. Daarin ga ik dieper in op de definitiekwestie, op wat de wet onder AI verstaat en op de vraag waar jij in je werk al ongemerkt AI gebruikt. Je hoeft geen account aan te maken.

Daarna kun je verder met de andere gratis e-learnings in de academy, van hoe AI onder de motorkap werkt tot verantwoord en praktisch werken met AI.

Wil je je hele team meenemen, op een manier die past bij jullie werk en sector? Ik maak maatwerk e-learnings en trainingen op maat voor organisaties, met herkenbare voorbeelden en ruimte om zelf te oefenen. Neem gerust contact op.