Wat is kunstmatige intelligentie (AI)?

October 8, 2025 • Door Arne Schoenmakers
Wat is kunstmatige intelligentie (AI)?

Kunstmatige intelligentie (AI) is een verzamelterm voor systemen of machines die menselijke cognitieve functies nabootsen, zoals leren, redeneren, problemen oplossen, waarnemen en taalbegrip.

Wat is kunstmatige intelligentie (AI)?

Kunstmatige intelligentie (AI) is een verzamelterm voor systemen of machines die menselijke cognitieve functies nabootsen, zoals leren, redeneren, problemen oplossen, waarnemen en taalbegrip. De technologie stelt computers in staat om zelfstandig inzichten te genereren uit gegevens en beslissingen te nemen met minimale menselijke tussenkomst.

Kernonderdelen

1. Machine learning

Machine learning (ML) vormt de praktische kern van moderne AI. Algoritmen leren patronen herkennen in historische data en gebruiken deze kennis om voorspellingen te doen of beslissingen te nemen. Veelgebruikte benaderingen zijn onder meer:

  • Supervised learning (met gelabelde data)

  • Unsupervised learning (clustering en dimensionality reduction)

  • Reinforcement learning (leren via beloning en strafmechanismen)

2. Deep learning

Deep learning is een subset van ML en maakt gebruik van multilayer neurale netwerken. Dankzij honderden tot duizenden verborgen lagen kan het systeem complexe patronen detecteren in tekst, beeld, audio of video. Deep learning ligt aan de basis van spraakherkenning, beeldclassificatie en moderne generatieve modellen.

3. Generatieve AI

Generatieve AI creëert nieuwe content (tekst, code, afbeeldingen, video) op basis van een prompt. Meest gebruikte modelarchitecturen zijn:

  • Transformer-modellen (bijv. GPT-5, Claude Opus 4.1)

  • Diffusion-modellen voor beeldgeneratie

  • Variational Autoencoders (VAE's) voor variatie in output

4. Symbolic AI

Een klassieke benadering waarin experts regels (if-then statements) coderen om logische redeneringen mogelijk te maken. Symbolic AI is goed uitlegbaar, maar minder flexibel dan data-gedreven technieken.

Typen AI

  • Narrow AI: gericht op één specifieke taak, zoals e-mailspamdetectie.

  • General AI (theoretisch): beschikt over het brede cognitieve vermogen van een mens.

  • Agentic AI: meerdere AI-agenten werken autonoom samen om een complex doel te bereiken.

Toepassingen

Sectoren waarin AI inmiddels onmisbaar is:

Sector

Voorbeeldtoepassing

Zorg

Beeldinterpretatie bij radiologie

Financiën

Fraudepreventie op transactiegegevens

Industrie

Predictief onderhoud van machines

Detailhandel

Persoonlijke productaanbevelingen

Overheid

Tekstanalyse bij wetgevingsonderzoek

Voordelen

  • Automatisering van repetitieve taken

  • Snellere en nauwkeurigere besluitvorming

  • Verbeterde klantenservice (24/7 beschikbaarheid)

  • Vermindering van menselijke fouten

  • Nieuwe inzichten uit grote, ongestructureerde datasets

Beperkingen en risico's

  • Bias in trainingsdata kan leiden tot discriminerende uitkomsten

  • Gebrek aan transparantie bij deep learning (black-boxproblematiek)

  • Hoge rekenkracht- en energiebehoefte voor modeltraining

  • Veiligheidsrisico's bij autonome systemen

  • Juridische aansprakelijkheid en ethische vraagstukken

Regelgeving en standaarden (2025)

Sinds februari 2025 is de Europese AI-verordening (AI Act) deels van kracht. De wet:

  1. Classificeert AI-systemen in verboden, hoog-risico, beperkt-risico en minimaal risico.

  2. Stelt transparantie- en documentatie-eisen aan hoog-risicosystemen.

  3. Legt sancties op bij overtredingen (tot 7 % van wereldwijde omzet).

Organisaties moeten daarom risico-analyses uitvoeren en waar nodig conformity assessments doorlopen voordat zij AI-toepassingen uitrollen.

Recente technologische ontwikkelingen

  • Lancering van GPT-5 en Gemini 2.5 verbeterde de contextlengte tot 250k tokens.

  • Multimodale modellen combineren tekst, beeld en audio binnen één architectuur.

  • Retrieval Augmented Generation (RAG) verbetert nauwkeurigheid door externe kennisbronnen live te raadplegen.

  • Agentic frameworks coördineren meerdere gespecialiseerde modellen voor complexe workflows, bijvoorbeeld geautomatiseerde softwareontwikkeling of supply-chainoptimalisatie.

Best practices voor implementatie

  1. Definieer duidelijke use-cases met meetbare doelen.

  2. Verzamel representatieve, juridische compliant datasets.

  3. Start met een pilot, evalueer op fairness, nauwkeurigheid en robuustheid.

  4. Documenteer modelkeuzes en datastromen voor audit-doeleinden.

  5. Implementeer mens-in-de-lus-mechanismen bij kritieke beslissingen.

  6. Monitor continu op drift, performance en ethische implicaties.

Bronnen en verdere lectuur

  • IBM – What is Artificial Intelligence? (2025) https://www.ibm.com/think/topics/artificial-intelligence

  • Encyclopædia Britannica – Artificial Intelligence (Laatste update: 7 okt 2025) https://www.britannica.com/technology/artificial-intelligence

  • Europese Commissie – Guidelines on AI System Definition (6 feb 2025) https://digital-strategy.ec.europa.eu

  • Autoriteit Persoonsgegevens – AI-verordening uitleg (2025) https://www.autoriteitpersoonsgegevens.nl


Dit kennisbankartikel biedt een overzicht van de definitie, kerntechnologieën en actuele ontwikkelingen rondom kunstmatige intelligentie anno 2025.

Bedankt voor uw bericht!

We nemen zo snel mogelijk contact met u op.

Wie helpt jou om te winnen?

Hoe realiseer je de potentie van AI?
Kan mijn bedrijf winnen met innovatie?
Spartner heeft de antwoorden.

Boek een call

Bart Schreurs
Business Development Manager
Bart Schreurs

We hebben je bericht ontvangen! We nemen zo snel mogelijk contact op! Er ging iets mis tijdens het versturen van je bericht, controleer alle velden.