Category Archives: AI Term van de Dag

Extreme multilabel classification (XMC) is een machine learning probleem waarbij elk voorbeeld kan worden toegewezen aan veel uit honderden, duizenden of zelfs miljoen mogelijke labels. Het is ‘extreem’ omdat het aantal labels exponentieel groter is dan in typische multilabel problemen.

Kenmerken van extreme multilabel classification:

1. Heel veel labels: Soms miljoen mogelijke labels per voorbeeld
2. Sparse labels: Elk voorbeeld krijgt slechts een klein percentage van alle labels
3. Computationeel uitdagend: Standaard methoden schalen niet goed
4. Long-tail distribution: Veel labels zijn zeldzaam

Toepassingen omvatten: product recommendation (uit miljoenen producten), scientific paper classification (duizenden topics), en genomics. Specialized algorithms zoals FastXML en PfastreXML zijn ontworpen voor effici entie. Recent gebruiken researchers deep learning methoden met hierarchische structuren.

Yield in het context van AI-modellen refereert naar de hoeveelheid bruikbare output of voorspellingen die een model kan produceren. Het meet de praktische waarde en effectiviteit van een model onder real-world omstandigheden.

Yield kan worden gemeten als:

1. Precision: Hoe veel van de voorspellingen zijn correct
2. Recall: Hoeveel van de echte positieven het model vindt
3. F1-score: Een balans tussen precision en recall
4. Business metrics: Hoeveel inkomsten, conversies, of andere KPI’s het model genereert

In production omgevingen gaat het niet alleen om accuracy, maar om praktische yield. Een spam-filter met 99 procent accuracy kan slecht presteren als het teveel legitieme e-mails wegfilter (lage recall). De ‘yield’ is wat het bedrijf daadwerkelijk krijgt uit het model in de echte wereld.

Hybrid AI is een benadering waarbij meerdere AI-technieken worden gecombineerd om betere resultaten te behalen. Dit kunnen zowel traditionele machine learning-modellen als deep learning-netwerken zijn, of een mix van verschillende AI-paradigma’s zoals symbolische AI en neurale netwerken.

In de praktijk maakt Hybrid AI gebruik van de sterke punten van verschillende methoden. Bijvoorbeeld: een AI-systeem kan deep learning gebruiken voor patroonherkenning in afbeeldingen, terwijl het tegelijertijd regelgebaseerde logica toepast voor besluitvorming.

De Input Layer is de eerste laag van een neuraal netwerk die ruwe gegevens ontvangt. Deze laag verwerkt de invoergegevens niet zelf, maar geeft ze door aan de volgende verborgen lagen.

De grootte van de input layer wordt bepaald door het aantal kenmerken (features) in je dataset. Bijvoorbeeld: een afbeelding van 28×28 pixels zou een input layer van 784 neuronen hebben (28 × 28 = 784).

Intent Recognition (intentieherkenning) is het vermogen van AI om de onderliggende bedoeling of doel van een gebruiker te begrijpen op basis van hun invoer, meestal tekst of spraak.

Dit wordt veel gebruikt in chatbots en spraakassistenten. Het systeem analyseert wat een gebruiker zegt en bepaalt wat ze willen bereiken, ongeacht de exacte formulering.

JSON Mode is een modus waarbij een AI-model (zoals GPT-4) wordt ingesteld om output in JSON-formaat te genereren in plaats van vrije tekst. Dit garandeert gestructureerde, machineleesbare output.

JSON Mode is nuttig voor applicaties die gestruktureerde gegevens nodig hebben, omdat het het parseren van responses eenvoudiger maakt en consistentie garandeert.

Jitter verwijst naar kleine, onvoorziene variaties in gegevens of output van AI-systemen. Dit kunnen willekeurige fluctuaties zijn in metingen, timing of modeloutput.

In machine learning is jitter relevant voor data-augmentatie en regularisatie, waarbij lichte ruis aan trainingsgegevens wordt toegevoegd om overtraining te voorkomen.

Een Knowledge Base is een verzameling van informatie en documenten die door AI-systemen kunnen worden gebruikt voor referentie, context en besluitvorming. Het bevat feiten, richtlijnen, voorbeelden en andere gegevens.

In RAG-systemen (Retrieval-Augmented Generation) wordt de knowledge base doorzocht om relevante informatie te vinden die de AI kan gebruiken bij het beantwoorden van vragen of het uitvoeren van taken.

Knowledge Retrieval is het proces waarbij AI-systemen relevante informatie uit een knowledge base of database opzoeken op basis van een vraag of query.

Dit is een kernonderdeel van RAG (Retrieval-Augmented Generation) systemen. Het systeem zoekt eerst naar relevante informatie, en gebruikt deze dan om meer nauwkeurige antwoorden te genereren.

Latent Space is een verborgen, gecomprimeerde representatie van gegevens in veel machine learning-modellen, vooral in autoencoders en diffusion models. Het is als een ‘concept-space’ waarin informatie compacter wordt opgeslagen.

In latent space kunnen concepten zoals ‘gezicht’, ‘glimlach’ en ‘jonge persoon’ worden gecombineerd als vectoren. Dit maakt het mogelijk om fijne aanpassingen te maken aan gegenereerde afbeeldingen.