1. AI (kunstmatige intelligentie)

Het simuleren van menselijke intelligentie door machines, waardoor ze taken kunnen uitvoeren zoals leren, redeneren en problemen oplossen.

98. Kennisrepresentatie

De manier waarop kennis wordt gestructureerd en opgeslagen in AI-systemen, waardoor ze kunnen redeneren en beslissingen nemen.

99. Tokenisatie

Het proces waarbij tekst wordt opgedeeld in kleinere componenten, zoals woorden of zinsdelen, zodat machine learning-modellen deze gemakkelijker kunnen analyseren.

100. Recurrent Neural Network (RNN)

Een type neuraal netwerk ontworpen voor sequentiële data, waarbij de output van voorgaande stappen als input wordt gebruikt voor de huidige stappen. Het wordt veel gebruikt in taalmodellering en tijdreeksvoorspelling.

101. Claude

Een AI-taalmodel ontwikkeld door Anthropic, ontworpen voor conversatie- en tekstgebaseerde taken, met de nadruk op veiligheid, schaalbaarheid en interpreteerbaarheid.

102. Tweelingen

Een AI-taalmodel ontwikkeld door Google DeepMind, gericht op taalbegrip en -generatie voor diverse toepassingen.

103. bard

Een AI-chatbot ontwikkeld door Google, vergelijkbaar met ChatGPT, die een groot taalmodel gebruikt om tekst te genereren en vragen te beantwoorden.

104. Ernie

Een groot taalmodel, ontwikkeld door Baidu, ontworpen voor taken met de Chinese taal en algemene AI-toepassingen voor conversaties.

105. Mistral

Een open-source, grootschalig taalmodel gericht op tekstgeneratie en -begrip, ontworpen voor diverse NLP-taken, zoals samenvatten en vertalen.

106. LLaMA (Large Language Model Meta AI)

Een reeks AI-modellen ontwikkeld door Meta (Facebook), geoptimaliseerd voor efficiëntie en veelzijdigheid bij taken op het gebied van natuurlijke taalverwerking.

107. Valk

Een grootschalig AI-taalmodel ontwikkeld door het Technology Innovation Institute, gespecialiseerd in het begrijpen en genereren van natuurlijke taal.

108. PaLM (Pathways Language Model)

Een groot AI-taalmodel, ontwikkeld door Google, ontworpen om een ​​breed scala aan taken op het gebied van natuurlijke taalverwerking uit te voeren, waaronder tekstgeneratie en vertaling.

109. T5 (transformator voor tekst-naar-tekstoverdracht)

Een door Google ontwikkeld model dat elke NLP-taak als een tekstgeneratieprobleem beschouwt, waardoor uniforme oplossingen mogelijk zijn voor verschillende soorten taaltaken.

110. OPT (Open Pretrained Transformer)

Een taalmodel ontwikkeld door Meta, ontworpen als een open alternatief voor andere grote taalmodellen zoals GPT, met de nadruk op transparantie en toegankelijkheid.

111. BLOOM (BigScience Large Open-science Open-access Multilingual)

Een meertalig, uitgebreid taalmodel, ontworpen door het BigScience-project, met als doel openheid en toegankelijkheid in AI-onderzoek te bevorderen.

112. AI-afstemming

Het proces waarbij ervoor gezorgd wordt dat de doelen en het gedrag van AI-systemen in lijn zijn met menselijke waarden, met als doel schadelijke gevolgen te voorkomen.

113. Compressie van AI-modellen

Technieken die worden gebruikt om de omvang van AI-modellen te verkleinen, waardoor ze efficiënter kunnen worden uitgevoerd op apparaten met beperkte rekenkracht.

114. Edge-AI

AI-algoritmen die lokaal op een apparaat (zoals een smartphone of sensor) draaien in plaats van afhankelijk te zijn van cloudcomputing, waardoor snellere en veiligere verwerking mogelijk is.

115. Gefedereerd neuraal netwerk

Een gedecentraliseerd neuraal netwerk waarbij meerdere gebruikers gezamenlijk een model trainen zonder hun ruwe data te delen, waardoor privacy en veiligheid gewaarborgd blijven.

116. AGI (Kunstmatige Algemene Intelligentie)

Een theoretische vorm van AI die, net als een mens, kennis kan begrijpen, leren en toepassen bij een breed scala aan taken.

117. ASR (Automatische spraakherkenning)

AI-technologie die gesproken taal omzet in tekst, waardoor toepassingen zoals spraakopdrachten, transcriptie en virtuele assistenten mogelijk worden.

118. AutoML (Automated Machine Learning)

Een proces dat het ontwerpen en afstemmen van machine learning-modellen automatiseert, waardoor het voor niet-experts gemakkelijker wordt om AI toe te passen.

119. Terugpropagatie door de tijd (BPTT)

Een uitbreiding van het backpropagatie-algoritme dat wordt gebruikt om terugkerende neurale netwerken te trainen door ze in de tijd uit te rollen.

120. Aandachtsmechanisme

Een techniek in neurale netwerken waarmee modellen zich bij het nemen van beslissingen kunnen concentreren op specifieke delen van de invoergegevens. Aandachtsmechanismen worden veel gebruikt in NLP-taken en modellen zoals transformermodellen, en helpen het model relevante informatie in een bepaalde volgorde te prioriteren.

121. Capsulenetwerk (CapsNet)

Een type neuraal netwerk dat is ontworpen om ruimtelijke hiërarchieën in data beter te begrijpen, met name effectief bij taken zoals beeldherkenning.

122. Causale gevolgtrekking

Een methode die in de kunstmatige intelligentie wordt gebruikt om oorzaak-gevolgrelaties uit data te bepalen, vaak toegepast in vakgebieden zoals de gezondheidszorg en de economie.

123. Clustering op basis van centroiden

Een type clusteringalgoritme dat gegevens in groepen verdeelt door het middelpunt (centroid) van elke groep te vinden en de gegevenspunten toe te wijzen aan het dichtstbijzijnde middelpunt.

124. Samenwerkingsfiltering

Een algoritme dat vaak wordt gebruikt in aanbevelingssystemen en dat de voorkeuren van een gebruiker voorspelt op basis van het gedrag van vergelijkbare gebruikers.

125. Computerlinguïstiek

Een interdisciplinair vakgebied dat zich bezighoudt met de computationele aspecten van menselijke taal, met de nadruk op hoe machines kunnen worden gebruikt om taal te verwerken en te begrijpen.

126. Kruisvalidatie

Een techniek die wordt gebruikt om machine learning-modellen te evalueren door ze te trainen op verschillende subsets van de data en ze te testen op de resterende data.

127. Gegevensimputatie

Het proces waarbij ontbrekende of onvolledige gegevens worden vervangen door geschatte waarden, waardoor de kwaliteit van datasets die worden gebruikt voor het trainen van AI-modellen wordt verbeterd.

128. Digitale tweeling

Een virtuele weergave van een fysiek object of systeem, gecreëerd met behulp van AI en data, waardoor simulaties en voorspellingen van de prestaties in de praktijk mogelijk zijn.

129. Dynamische programmering

Een methode die in de kunstmatige intelligentie wordt gebruikt om complexe problemen op te lossen door ze op te splitsen in eenvoudigere deelproblemen, vaak toegepast bij optimalisatietaken.

130. Belichaamde AI

Kunstmatige intelligentie die is geïntegreerd in fysieke systemen, zoals robots, waardoor deze via sensoren en actuatoren kan interageren met de echte wereld.

131. Functie-extractie

Het proces waarbij ruwe data wordt omgezet in betekenisvolle kenmerken die gebruikt kunnen worden voor machine learning, zoals het extraheren van belangrijke informatie uit afbeeldingen of tekst.

132. Leren met weinig schoten

Een machine learning-techniek waarbij modellen worden getraind om taken uit te voeren met slechts een paar voorbeelden, waardoor de behoefte aan grote hoeveelheden gelabelde data afneemt.

133. FNN (Feedforward Neuraal Netwerk)

Een type kunstmatig neuraal netwerk waarbij de verbindingen tussen de knooppunten geen cycli vormen, vaak gebruikt in taken voor supervised learning.

134. Genetisch algoritme (GA)

Een zoekheuristiek die het proces van natuurlijke selectie nabootst, gebruikt om hoogwaardige oplossingen te genereren voor optimalisatieproblemen in AI.

135. Grafisch neuraal netwerk (GNN)

Een neuraal netwerk dat werkt met grafiekgestructureerde data, gebruikt voor taken zoals sociale netwerkanalyse en moleculaire modellering.

136. Hiërarchische clustering

Een clusteringtechniek die een hiërarchie van clusters opbouwt door ze geleidelijk samen te voegen of te splitsen, vaak gevisualiseerd met dendrogrammen.

137. Inductieve bias

Aannames die een machine learning-model maakt over de onderliggende data om het te helpen beter te generaliseren naar nieuwe, onbekende data.

138. Op instanties gebaseerd leren

Een vorm van machinaal leren waarbij het model specifieke voorbeelden uit de trainingsgegevens opslaat en gebruikt om voorspellingen te doen, in plaats van een gegeneraliseerd model te leren.

139. Gezamenlijke aandacht

Een AI-techniek die wordt gebruikt bij de interactie tussen mens en robot, waarbij zowel de mens als de robot zich richten op hetzelfde object of dezelfde taak, wat communicatie en samenwerking vergemakkelijkt.

140. Kerneltruc

Een techniek die wordt gebruikt in machine learning-algoritmen zoals SVM om niet-lineaire problemen op te lossen door gegevens te transformeren naar een hogere-dimensionale ruimte.

141. Kennisdistillatie

Een proces waarbij een kleiner, eenvoudiger model wordt getraind om het gedrag van een groter, complexer model na te bootsen, waarbij een groot deel van de nauwkeurigheid behouden blijft, maar met lagere rekenkosten.

142. Kennisoverdracht

Het proces van kennisoverdracht van het ene AI-model of -systeem naar het andere, vaak gebruikt bij transfer learning.

143. Labelpropagatie

Een algoritme dat wordt gebruikt om datapunten te labelen door bekende labels door een graaf te propageren, toegepast in semi-supervised learning-taken.

144. LIDAR (Light Detection and Ranging)

Een technologie die wordt gebruikt in zelfrijdende voertuigen en robotica, waarbij afstanden worden gemeten door een object met laserlicht te verlichten en het gereflecteerde licht te analyseren.

145. Metaheuristieken

Een geavanceerde procedure die is ontworpen om bijna optimale oplossingen te vinden voor complexe optimalisatieproblemen, en die in de AI wordt gebruikt voor probleemoplossing in vakgebieden zoals logistiek en planning.

146. Multitask leren

Een vorm van machinaal leren waarbij een model wordt getraind om meerdere taken tegelijk uit te voeren, waardoor de efficiëntie en prestaties worden verbeterd door gebruik te maken van gedeelde informatie.

147. Begrijpen van natuurlijke taal (NLU)

Een deelgebied van NLP dat zich richt op het in staat stellen van machines om menselijke taal te begrijpen, inclusief betekenis, context en intentie.

148. Zoeken naar de dichtstbijzijnde buur

Een techniek die in machine learning wordt gebruikt om de dichtstbijzijnde datapunten in een dataset te vinden ten opzichte van een gegeven zoekpunt, vaak toegepast in aanbevelingssystemen.

149. Neuro-symbolische AI

Een AI-aanpak die neurale netwerken combineert met symbolisch redeneren om beter interpreteerbare en flexibele modellen te creëren die in staat zijn tot abstract denken.

150. Ruisige gegevens

Gegevens die irrelevante of betekenisloze informatie bevatten, kunnen de prestaties van AI-modellen negatief beïnvloeden als ze niet worden opgeschoond of gefilterd.

151. One-Hot-codering

Een techniek die wordt gebruikt om categorische gegevens om te zetten in numerieke gegevens door elke categorie weer te geven als een binaire vector, en die wordt toegepast in machine learning-modellen.

152. Ontologie

Een gestructureerd raamwerk voor het organiseren van informatie, vaak gebruikt in AI om machines in staat te stellen relaties en hiërarchieën tussen verschillende concepten te begrijpen.

153. Detectie van producten buiten het distributienetwerk (OOD)

Een techniek die wordt gebruikt om invoergegevens te identificeren die significant afwijken van de trainingsgegevens, waardoor AI-systemen ongebruikelijke of onverwachte situaties kunnen detecteren.

154. Parametrisch model

Een machine learning-model dat wordt gekenmerkt door een vast aantal parameters, zoals lineaire regressie, waarbij de complexiteit van het model wordt bepaald door deze parameters.

155. Optimalisatie van deeltjeszwermen (PSO)

Een op populaties gebaseerde optimalisatietechniek, geïnspireerd door het sociale gedrag van vogels of vissen, die wordt gebruikt om complexe optimalisatieproblemen in AI op te lossen.

156. perceptron

Het eenvoudigste type kunstmatige neuron in een neuraal netwerk, gebruikt als bouwsteen voor complexere modellen in taken voor supervised learning.

157. Voorspellende codering

Een theorie die suggereert dat de hersenen of AI-systemen voorspellingen genereren over binnenkomende gegevens en die voorspellingen vervolgens bijwerken op basis van de werkelijke gegevens, waardoor de verwerking wordt geoptimaliseerd.

158. precisie

Een meetwaarde in machine learning die de nauwkeurigheid van positieve voorspellingen meet, berekend als de verhouding tussen het aantal ware positieven en het totale aantal positieve voorspellingen.

159. Snoeien

Een techniek die wordt gebruikt om de omvang van neurale netwerken te verkleinen door knooppunten of verbindingen te verwijderen die weinig bijdragen aan de nauwkeurigheid van het model, waardoor het efficiënter wordt.

160. Q-learning

Een reinforcement learning-algoritme dat de waarde van acties in specifieke toestanden van een omgeving leert, waardoor een agent een optimaal beleid kan vinden dat zijn totale beloning in de loop van de tijd maximaliseert.

161. Query-uitbreiding

Een techniek die wordt gebruikt in informatiezoekmachines en zoekmachines om zoekresultaten te verbeteren door de oorspronkelijke zoekopdracht uit te breiden met verwante termen of synoniemen.

162. Willekeurige projectie

Een techniek voor dimensionale reductie die wordt gebruikt om hoogdimensionale data om te zetten naar een lagerdimensionale ruimte, waarbij de afstanden tussen de datapunten behouden blijven.

163. Aanbevelingssysteem

Een AI-systeem dat producten, content of diensten aan gebruikers suggereert op basis van hun voorkeuren, gedrag en geschiedenis, vaak gebruikt door platforms zoals Netflix of Amazon.

164. Reinforcement Learning Agent

Een entiteit in een reinforcement learning-systeem die interactie heeft met een omgeving en leert van beloningen en straffen om de cumulatieve beloning te maximaliseren.

165. Reproduceerbaarheid

Het vermogen van een AI-experiment of -model om bij herhaling onder dezelfde omstandigheden dezelfde resultaten te produceren, wat betrouwbaarheid en robuustheid garandeert.

166. Robuustheid

Het vermogen van een AI-model om goed te presteren onder uiteenlopende omstandigheden, zelfs wanneer het te maken heeft met ruisende, onvolledige of vijandige data.

167. ROC-curve (Receiver Operating Characteristic Curve)

Een grafiek die wordt gebruikt om de prestaties van een binaire classificator te evalueren door het percentage ware positieven uit te zetten tegen het percentage valse positieven bij verschillende drempelwaarden.

168. Regelgebaseerd systeem

Een AI-systeem dat een reeks vooraf gedefinieerde regels gebruikt om beslissingen te nemen of problemen op te lossen, vaak gebruikt in expertsystemen of eenvoudige chatbots.

169. Schaalbaarheid

Het vermogen van een AI-systeem om zijn prestaties te behouden of te verbeteren naarmate de omvang van de invoergegevens of het model groeit, is essentieel voor grootschalige toepassingen.

170. Siamese Netwerk

Een type neurale netwerkarchitectuur dat gebruikmaakt van twee of meer identieke subnetwerken om verschillende invoer te verwerken en hun uitvoer te vergelijken, vaak gebruikt bij taken zoals gezichtsherkenning.

171. Gesimuleerd gloeien

Een optimalisatietechniek die het gloeiproces in de metallurgie nabootst, gebruikt om een ​​benaderd globaal optimum te vinden in complexe probleemruimtes.

172. Spraaksynthese

Het proces waarbij met behulp van AI gesproken taal uit tekst wordt gegenereerd, vaak gebruikt in tekst-naar-spraak (TTS)-toepassingen.

173. Dunne matrix

Een matrix die een groot aantal nulwaarden bevat, vaak voorkomend in machine learning-taken zoals natuurlijke taalverwerking of collaboratieve filtering.

174. Gestructureerde gegevens

Georganiseerde en gemakkelijk doorzoekbare data, doorgaans opgeslagen in tabelvorm zoals databases of spreadsheets, wordt vaak gebruikt in machine learning-taken die duidelijk gedefinieerde kenmerken en labels vereisen.

175. Tijdsgebonden gegevens

Gegevens die tijdsgebonden informatie weergeven, zoals aandelenkoersen of sensorwaarden, vereisen een speciale verwerking in AI-modellen zoals tijdreeksvoorspellingen.

176. Overdraagbare vaardigheden

Vaardigheden die in één context zijn aangeleerd en die kunnen worden toegepast op nieuwe of andere taken, vaak gebruikt in de context van transfer learning in AI.

177. Op bomen gebaseerde modellen

Een familie van machine learning-algoritmen, waaronder beslissingsbomen en willekeurige bossen, die boomachtige structuren gebruiken voor het nemen van beslissingen.

178. Triangulatie

Een techniek die in computervisie en robotica wordt gebruikt om de positie van een object te bepalen door hoeken vanuit meerdere punten te meten.

179. U-Net

Een neurale netwerkarchitectuur die veelvuldig wordt gebruikt voor beeldsegmentatietaken, met name in de medische beeldvorming, vanwege het vermogen om segmentatieresultaten van hoge kwaliteit te produceren.

180. Ongestructureerde gegevens

Gegevens die geen vooraf gedefinieerd formaat hebben, zoals tekst, afbeeldingen en video's, vereisen vaak gespecialiseerde AI-technieken om te verwerken en te analyseren.

181. Variantie

Een maatstaf voor de mate waarin de voorspellingen van een AI-model variëren wanneer het getraind wordt op verschillende subsets van gegevens, vaak gerelateerd aan het vermogen van het model om te generaliseren naar onbekende gegevens.

182. Vectorisatie

Het proces waarbij tekst, afbeeldingen of andere vormen van data worden omgezet in numerieke vectoren, waardoor machine learning-modellen de informatie kunnen verwerken en analyseren.

183. Virtuele Realiteit (VR)

Een technologie die een meeslepende, gesimuleerde omgeving creëert met behulp van AI en andere tools, vaak gebruikt in games, trainingen en onderwijs.

184. Zwak toezicht

Een machine learning-aanpak waarbij modellen worden getraind op onvolmaakte, ruisende of onvolledige labels, vaak gecombineerd met andere technieken om de nauwkeurigheid te verbeteren.

185. Gewogen gemiddelde

Een techniek die wordt gebruikt in ensemble learning, waarbij de output van verschillende modellen wordt gecombineerd en de voorspelling van elk model wordt gewogen op basis van de prestaties ervan.

186. Word2Vec

Een algoritme dat woordembedding genereert door neurale netwerken te trainen om een ​​woord te voorspellen op basis van de omliggende woorden, waardoor een beter semantisch begrip mogelijk wordt bij NLP-taken.

187. Wrapper-methode

Een techniek voor het selecteren van kenmerken in machinaal leren, waarbij verschillende subsets van kenmerken worden geëvalueerd om de combinatie te vinden die de modelprestaties maximaliseert.

188. XGBoost

Een geavanceerde implementatie van gradient boosting, die vanwege de hoge prestaties en efficiëntie veel gebruikt wordt voor problemen met gestructureerde data.

189. YAML (YAML is geen opmaaktaal)

Een voor mensen leesbaar gegevensserialisatieformaat dat vaak wordt gebruikt voor het configureren van machine learning-experimenten of het opslaan van gestructureerde gegevens.

190. Z-score

Een statistische maat die beschrijft hoe ver een datapunt verwijderd is van het gemiddelde van een dataset, vaak gebruikt bij taken voor anomaliedetectie.

191. Zone van proximale ontwikkeling (ZPD)

Een concept ontleend aan de psychologie, dat in de AI wordt gebruikt om het scala aan taken te beschrijven dat een agent met begeleiding kan uitvoeren, maar nog niet zelfstandig.

192. Z-orde curve

Een wiskundige curve die in AI wordt gebruikt voor ruimtelijke indexering en zoekopdrachten, waarbij multidimensionale data wordt omgezet in een eendimensionale ruimte met behoud van de locatie.

193. Nulvulling

Een techniek die wordt gebruikt in convolutionele neurale netwerken, waarbij extra nullen worden toegevoegd rond de rand van een invoer, waardoor de ruimtelijke dimensies van de gegevens tijdens de verwerking behouden blijven.

194. Batchnormalisatie

Een techniek die in neurale netwerken wordt gebruikt om de invoer voor elke laag te standaardiseren, waardoor de training wordt versneld en de modelstabiliteit wordt verbeterd.

195. Datapijplijn

De reeks processen die data doorloopt van verzameling tot analyse, vaak geautomatiseerd om een ​​soepele datastroom in AI-systemen te garanderen.

196. Schoolverlater

Een regularisatietechniek die wordt gebruikt in neurale netwerken, waarbij willekeurige knooppunten tijdens de training worden genegeerd om overfitting te voorkomen.

197. Fijnafstemming

Het proces waarbij een vooraf getraind AI-model wordt aangepast om een ​​specifieke taak uit te voeren, vereist doorgaans minder data en trainingstijd dan wanneer er helemaal vanaf nul wordt begonnen.

198. Verdwijnende/exploderende gradiënt

Problemen die optreden tijdens de training van diepe neurale netwerken wanneer de gradiënten te klein (verdwijnend) of te groot (exploderend) worden, waardoor het leerproces wordt belemmerd.

199. Hypervlak

Een beslissingsgrens in machine learning die datapunten scheidt in een multidimensionale ruimte, gebruikt in algoritmen zoals support vector machines.

200. Beeldherkenning

Een computervisietaak waarbij AI-modellen objecten, personen of kenmerken in een afbeelding identificeren. Deze taak wordt vaak gebruikt in toepassingen zoals gezichtsherkenning en zelfrijdende voertuigen.