KI-terminologie eenvoudig uitgelegd: Van Prompt tot Generatieve KI

Du bent je op gegevens getraind tot oktober 2023.

Dompel jezelf onder in de spannende wereld van kunstmatige intelligentie! In deze gids ontdek je welke centrale termen je moet kennen om het potentieel van AI-tools maximaal te benutten. Of je nu een beginner bent of al wat meer vertrouwd met het onderwerp, de duidelijke uitleg van termen zoals “Prompt”, “Model” en “Generatieve AI” zal je helpen je kennis te verdiepen. Als dat nog niet genoeg is, krijg je aan het einde ook nog een praktische blik op de toepassing van deze termen met een live demo.

Belangrijkste bevindingen

• Een prompt is het verzoek dat je naar de AI stuurt. Hoe preciezer deze is, des te beter het antwoord.
• Een model is het getrainde AI-systeem dat deze verzoeken verwerkt.
• Generatieve AI is de categorie van AI die in staat is om nieuwe inhoud te creëren.

Stapsgewijze handleiding

Wat is een prompt?

Een prompt is jouw eigen bestelling aan de AI. Stel je voor dat je in een restaurant bent en je geeft je bestelling door. In de wereld van AI is een prompt de tekst die je in een AI-tool invoert om een passend antwoord of het gewenste resultaat te krijgen. Bijvoorbeeld: "Schrijf een Instagram-post over thuiswerktips".

Om de kwaliteit van je antwoorden te optimaliseren, moet je proberen je prompt zo duidelijk en precies mogelijk te formuleren. In plaats van simpelweg "thuiswerk" in te voeren, zou je een specifieke opdracht kunnen formuleren, zoals: "Schrijf een informele Instagram-post met vijf tips voor ergonomisch werken vanuit huis".

Wat is een model?

Het model is het hart van de AI-toepassing. Het is de motor die de invoer verwerkt. Een model is een getraind AI-systeem dat is gevoed met enorme hoeveelheden gegevens, waaronder boeken en websites. In wezen leert het model patronen te herkennen en taken uit te voeren, zoals tekstgeneratie of beeldherkenning.

Elk model wordt getraind met miljarden parameters die helpen de verbanden in de tekst weer te geven. Wanneer je je prompt invoert, gebruiken deze parameters de getrainde informatie om een passend resultaat te genereren. Een voorbeeld hiervan is ChatGPT-4, een taalmodel dat heeft geleerd menselijke taal te begrijpen en nieuwe zinnen te vormen.

Generatieve AI

Generatieve AI verwijst naar AI-systemen die in staat zijn om nieuwe inhoud te creëren, hetzij in de vorm van tekst, beelden, muziek of audio. In tegenstelling tot zogenaamde herkennings-AI's, die bestaande gegevens analyseren, genereert generatieve AI nieuwe gegevens die nog niet bestonden. Het is gebaseerd op eerder geleerde informatie en geeft je de mogelijkheid om creatief te werken.

Sommige bekende toepassingen zijn ChatGPT, dat teksten genereert, DALL-E en Midjourney, die beelden uit beschrijvingen creëren, en Jukebox van OpenAI, dat complete muziekstukken kan componeren. Hierdoor ontstaan spannende mogelijkheden in creatief ontwerp en contentcreatie.

Training en Inference

Waar ligt het verschil tussen training en inference? Het zijn beide centrale processen in de AI-ontwikkeling. Training is het tijdrovende proces waarbij het model leert. Tijdens deze fase wordt het model gevoed met enorme datasets en geoptimaliseerd. Inference verwijst echter naar het moment waarop het getrainde model reageert op jouw prompts.

Parameters vs. Hyperparameters

In de AI maakt men onderscheid tussen parameters en hyperparameters. Parameters zijn de waarden die het model tijdens de training leert, terwijl hyperparameters van tevoren worden vastgesteld om het leerproces te sturen. Ze bepalen bijvoorbeeld hoe snel een model op een dataset wordt getraind.

Dataset en Fine-Tuning

Een dataset is de volledige hoeveelheid gegevens waarmee een model wordt getraind. De inhoud kan afkomstig zijn van teksten, beelden, audio en veel andere bronnen. Belangrijk om te vermelden is ook fine-tuning, het gerichte bijtrainen van een model met specifieke gegevens voor bijzondere toepassingsgevallen.

Een voorbeeld van fine-tuning zou een model zijn dat specifiek is getraind op juridische of medische teksten, zodat het uitzonderlijk goed werkt in dat specifieke gebied.

Praktische toepassing

Met de verworven kennis over prompts, modellen en generatieve AI kunnen nu gerichte, kwalitatief hoogwaardige aanvragen aan AI-toepassingen worden geformuleerd. Het volgende voorbeeld laat zien hoe je een eenvoudige prompt kunt omzetten in een effectieve prompt om betere resultaten te behalen.

Begin met een eenvoudige prompt: "Schrijf een e-mail aan een klant met een social media-aanbod." Deze is zeer algemeen en zal waarschijnlijk onvoldoende resultaten opleveren.

Nu optimaliseren we de prompt: "Formuleer een vriendelijke, professionele e-mail aan [klantnaam], waarin je een aanbod doet voor maandelijk social media management met drie berichten per week. Benadruk de meerwaarde en vraag om feedback." Door deze specificatie ontvang je een sterk verbeterd resultaat.

Als je het aanbod visueel wilt maken, kun je Midjourney gebruiken om een passend headerbeeld te creëren. Dit kan helpen om de e-mail aantrekkelijker te maken en de inhoud op een aantrekkelijke manier aan de ontvanger te presenteren.

Samenvatting – ChatGPT-assistenten: Definitie van AI-termen eenvoudig uitgelegd

In deze gids heb je geleerd wat een prompt is, hoe modellen werken en wat generatieve AI betekent. Je kent nu de verschillen tussen training en inference, evenals tussen parameters en hyperparameters. Bovendien heb je het belang van datasets en fine-tuning begrepen. De praktische toepassing van de termen toont je hoe je je aanvragen aan AI efficiënter kunt maken en kwalitatief hoogwaardige resultaten kunt behalen.