Taxonomie voor AI systemen:
AI-systemen worden ingedeeld op basis van verschillende kenmerken, zoals hun functionaliteit, capaciteiten en leermethode. Er bestaat geen officiële, universeel geaccepteerde taxonomie, maar de meest gangbare indeling is gebaseerd op de volgende criteria.
Indeling op basis van functionaliteit
- Artificial Narrow Intelligence (ANI): Dit zijn AI-systemen die ontworpen en getraind zijn voor een specifieke taak. Ze kunnen hun taak efficiënt uitvoeren, maar zijn niet in staat om te generaliseren naar andere taken. Denk hierbij aan chatbots, aanbevelingssystemen en gezichtsherkenning. Dit is de vorm van AI die we vandaag de dag het meest zien.
- Artificial General Intelligence (AGI): Dit is een hypothetische vorm van AI die de cognitieve capaciteiten van een mens evenaart. Een AGI-systeem zou in staat zijn om te redeneren, problemen op te lossen, te plannen en te leren uit verschillende situaties. Dit type AI bestaat momenteel nog niet.
- Artificial Superintelligence (ASI): Een ASI-systeem zou de intelligentie van een mens ver voorbijstreven. Het zou in staat zijn tot supersnelle en creatieve probleemoplossing, wetenschappelijke doorbraken en zou in theorie de mensheid kunnen overstijgen. Dit is een futuristisch concept en bestaat momenteel niet.
Indeling op basis van leermethode - Machine Learning (ML): Systemen die leren uit data en hun prestaties verbeteren zonder expliciet te worden geprogrammeerd voor elke mogelijke uitkomst.
- Deep Learning (DL): Een subcategorie van Machine Learning die gebruikmaakt van kunstmatige neurale netwerken met meerdere lagen (deep networks) om complexe patronen in grote hoeveelheden data te herkennen.
- Reinforcement Learning (RL): Systemen die leren door trial-and-error in een specifieke omgeving. Ze krijgen ‘beloningen’ voor de juiste acties en ‘straffen’ voor de verkeerde acties, waardoor ze gaandeweg de optimale strategie leren.
Afbakening van het begrip ‘AI’
Het woord ‘AI’ (Artificial Intelligence) is een breed en vaak abstract begrip. De afbakening kan op verschillende manieren worden benaderd: - Afbakening op basis van intelligentie: AI wordt gezien als de wetenschap en techniek van het creëren van intelligente machines. Hierbij is ‘intelligentie’ gedefinieerd als het vermogen om doelen te bereiken in complexe omgevingen. Dit omvat logica, kennisrepresentatie, planning en leren.
- Afbakening op basis van menselijke capaciteiten: AI-systemen zijn machines die taken uitvoeren die traditioneel menselijke intelligentie vereisen, zoals waarneming, redenering, leren en besluitvorming. Echter, door de snelle ontwikkeling van de technologie, worden taken die vroeger als ‘intelligent’ werden beschouwd (zoals het berekenen van complexe sommen), nu als normaal gezien.
- Juridische en ethische afbakening: In de context van regulering, zoals de AI Act van de Europese Unie, wordt AI gedefinieerd op basis van de mate van risico die een systeem vormt. . Hoog-risico AI-systemen (bijv. medische apparatuur, zelfrijdende auto’s) worden strenger gereguleerd dan laag-risico systemen (bijv. simpele games). Dit toont aan dat de definitie niet alleen technisch is, maar ook juridische en maatschappelijke implicaties heeft.