Om de “black box” van AI verder te openen, dit keer een iets technischer artikel. Ik ga het zo duidelijk mogelijk houden, ook als je er zelf niet dagelijks mee werkt.
Om te beginnen is het belangrijk om te begrijpen dat AI een hype-term is, en eigenlijk een parapluterm. Wat er precies wel en niet onder valt is niet scherp afgebakend. Dat is logisch, want ICT is een vakgebied dat zich dagelijks ontwikkelt, en de vooruitgang gaat zo snel dat definities vaak achterlopen.
De AI waar ik hier op inzoom is grofweg probabilistische AI. Juist daar ontstaan de meeste misverstanden. Het voelt spannend, omdat software vroeger volledig deterministisch was. Elke regel code werd expliciet geschreven, en elke uitkomst was exact voorspelbaar. Bij probabilistische systemen werk je met kansen en waarschijnlijkheden, maar dat betekent niet dat het systeem stuurloos is.
Van losse tools naar één slimme interface
Neem een chatbot als voorbeeld. Binnen Exclusive-IT gebruiken we dagelijks een zelfontwikkelde interne AI-chatbot als je het zo wilt noemen. Niet omdat het “magisch” is, maar omdat het praktische tooling is.
Denk aan simpele taken zoals eenheden omrekenen, valuta vergelijken met actuele koersen, of checken hoe laat het is in een andere tijdzone. Op zichzelf zijn dit vrij eenvoudige dingen om te programmeren.
De kracht zit in het samenbrengen. In plaats van tien losse tools met elk hun eigen interface, wil je één tekstveld waar je gewoon een vraag intypt. Dat is voor jou als gebruiker veel prettiger.
Mensentaal begrijpen
En daar begint het interessante stuk. Jij typt in dat veld zoals je praat. In gewone mensentaal. De computer moet dus leren begrijpen wat je bedoelt.
De eerste stap is een NLP, een Natural Language Processor. Dat is een onderdeel dat probeert de intentie van jouw zin te achterhalen. In AI-termen heet dat dus de “intent”.
Hier is een simpel voorbeeld van trainingsdata die je zou kunnen "voeren" aan de chatbot om van te leren:
{
"intent": "greeting",
"examples": [
"hello",
"hi",
"hey",
"good morning",
"good evening",
"what's up",
"hallo",
"hoi",
"hey daar",
"goedemorgen",
"goedenavond",
"yo"
],
"handler": "smalltalk_greeting"
}Met dit soort data leer je het systeem hoe mensen praten. Je koppelt zinnen aan een intentie, in dit geval een begroeting. Daarnaast geef je aan welke functie in de software dit moet afhandelen, hier “smalltalk_greeting”.
Die handler is gewoon een stuk code, geschreven door een programmeur, dat bepaalt wat er vervolgens gebeurt.
De “magie” is wiskunde
Om deze tekst om te zetten naar iets waar een computer mee kan werken, worden allerlei wiskundige technieken gebruikt. Denk aan termen zoals tokens, n-grams, embeddings, TF-IDF en lemmatization.
Dat klinkt ingewikkeld, maar in de kern gebeurt er iets simpels. Woorden en zinnen worden omgezet naar getallen en patronen. Op basis daarvan kan het systeem inschatten wat jij waarschijnlijk bedoelt.
Met voldoende trainingsdata kan de software een intentie herkennen, en vervolgens de juiste functionaliteit aanroepen.
Van intentie naar actie
Na het herkennen van de intentie komt een volgende stap. Het systeem moet bepalen welke “tool” de vraag gaat afhandelen.
Dat gebeurt vaak via een soort selectieproces, vergelijkbaar met meerdere opties die zichzelf aanbieden. De tool die het beste past bij de vraag krijgt de taak. In technische termen gaat het hier om heuristische classificatie, waarbij eerst lichte, snelle checks worden gedaan, en alleen als het nodig is zwaardere berekeningen volgen.
Dit is nog steeds geen magie. Het zijn gewoon beslisregels en algoritmes die door mensen zijn ontworpen.
Feiten in plaats van zinnen
Als een tool de taak krijgt, geeft die geen mooie zin terug, maar ruwe data. Bijvoorbeeld bij een valuta-omrekening:
{
"type": "currency_conversion",
"input": {
"amount": 10,
"currency": "EUR"
},
"output": {
"currency": "JPY",
"rate": 186.9
},
"result": 1869
}Dit antwoord is op basis van feiten die verzameld zijn, of toegankelijk zijn voor de chatbot. Het is gecontroleerde code, geschreven door een mens. Het doel is kraakhelder en er komt geen magie bij kijken.
Let op dat dit puur feiten zijn. Geen zinnen, geen toon, alleen data.
Van data terug naar mensentaal
Daarna komt de post-processor. Dit onderdeel zet de feiten om in een begrijpelijke zin voor jou. Dat gebeurt vaak met templates. Vooraf gedefinieerde zinnen met variabelen erin. Bijvoorbeeld:
“10 euro is op dit moment ongeveer 1869 Japanse yen.”
Afhankelijk van de context kan daar variatie in zitten. Misschien wordt er “goedemorgen” toegevoegd, of wordt de toon iets informeler. Maar de feiten blijven hetzelfde.
Dit is ook een belangrijk punt. De vrijheid zit vooral in hoe iets wordt gezegd, niet in wat er wordt gezegd.
AI is geen onbeheersbare magie
Wat ik je wil laten zien is dat AI geen mysterieuze, onbeheersbare kracht is. Het is een combinatie van wiskunde en software-engineering, met duidelijke stappen en controlepunten.
Onder de motorkap is het gewoon code. Code die door mensen is geschreven, getest en beheerd. De enige plekken waar “ruimte” zit zijn bij het interpreteren van taal en bij het formuleren van antwoorden, maar zelfs daar zijn sterke kaders.
AI kan alleen ontsporen als het zo ontworpen wordt dat het kan ontsporen. Met vakmanschap, ethische keuzes en goede controles kun je systemen bouwen die juist heel betrouwbaar en nuttig zijn.
Niet magisch, maar praktisch. En vooral, controleerbaar.