Aflevering S08e50 - Uitlegbaarheid Bij Taalmodellen: Wat Kun Je Echt Weten?

Hoe weet je of je een AI-systeem kunt vertrouwen, en wat doe je als je dat niet kunt controleren? Het probleem is dat taalmodellen zoals ChatGPT geen simpele rekensom hebben die je kunt terugvolgen: ze hebben miljarden verbanden geleerd uit tekst, en dat maakt uitlegbaarheid fundamenteel anders dan bij klassieke AI-systemen. Joop Snijder laat zien welke drie instrumenten je hebt om toch grip te houden: bronvermelding, gestructureerde databronnen en monitoring van agents. Een juridisch team dat AI koppelt aan een vaste clausule-database, ziet de tijd voor een eerste contractcheck dalen van anderhalf uur naar twintig minuten, zonder dat de kwaliteitscontrole wegvalt. Morgen kun je voor je drie meest gebruikte AI-toepassingen een korte risicoafweging maken: wat zijn de consequenties als de output fout is, en hoeveel uitlegbaarheid heb je daarvoor nodig? Onderwerpen - Uitlegbaarheid bij taalmodellen versus klassieke machine learning - Bronvermelding en de beperkingen ervan - Structuur toevoegen aan AI-systemen voor betere controleerbaarheid - Monitoring van AI-agents die zelfstandig acties uitvoeren - Risicogestuurd bepalen van het benodigde niveau van uitlegbaarheid Links - AI Tool: Perplexity Genoemde entiteiten: ChatGPT - Perplexity - Anthropic - Claude Stuur ons een bericht Aigency Aigency ontwerpt en ontwikkelt waardevolle, robuuste en betrouwbare Machine Learning-modellen. Info Support Info Support is de specialist in maatwerk software en leidend in kunstmatige intelligentie (AI). Disclaimer: This post contains affiliate links. If you make a purchase, I may receive a commission at no extra cost to you. Schrijf je in voor onze nieuwsbrief en ontvang exclusieve toegang tot nieuws, blik achter de schermen en meer!