Van idee tot impact, kom alles te weten over AI
Deze drie-delige insight biedt een toegankelijke introductie tot de wereld van AI. Hoewel AI geen complex onderwerp is, valt er heel veel over te vertellen. We beginnen in deel 1 met een samenvatting van wat AI precies is en wat het doet aan de hand van het bekendste voorbeeld: ChatGPT.
Deel 1 is een introductie in wat AI precies is en hoe het werkt. In deel 2 gaan we dieper in op prompt engineering en geven we belangrijke tips om jouw prompt engineering vaardigheden te ontwikkelen. We weten nu hoe we AI vandaag kunnen gebruiken. We maken in deel 3 een sprong naar de toekomst van AI en bespreken we de mogelijke valkuilen van deze technologie.
De basics en begrippen
AI staat voor Artificial Intelligence. Het is een tak van computerwetenschap die zich richt op het ontwikkelen van systemen die in staat zijn om taken uit te voeren die normaal gesproken menselijke intelligentie vereisen. Dit omvat onder andere het begrijpen van spraak, het nemen van beslissingen en het oplossen van problemen. AI-systemen leren en verbeteren zichzelf door middel van algoritmes en machine learning, waardoor ze steeds beter worden in het uitvoeren van complexe taken.
ChatGPT is het meest besproken voorbeeld van alle AI-systemen. Je stelt het vragen en het geeft je een eenvoudig antwoord binnen de parameters van je vraag. Het interpreteert je vraag en formuleert een antwoord op basis van het meest plausibele woord dat voor of achter een ander woord moet komen. Dit kan alleen als er honderden teksten vooraf zijn ingevoerd en uitgelezen door de AI. Dit noemt men scrapen (letterlijk schrapen). De AI wordt getraind door in te geven of het antwoord juist of fout is, op basis daarvan gaat het artificieel neuraal netwerk sommige connecties versterken en andere verzwakken tot het een antwoord kan geven dat 99% van de tijd juist is.
Om een creatief en accuraat antwoord te krijgen, is het belangrijk om de vraag ook op de juiste manier op te stellen. Deze vraagstelling noemen we een prompt. Het finetunen en verbeteren van een vraag noemen we prompt engineering.
Een laatste term is de algemene term voor tekst, beelden, geluid of eender welk resultaat dat we van een AI krijgen als we er iets insteken. Dit noemen we output.
Hoe "train" je AI? Hoe maak je Kunstmatige Intelligentie slimmer?
Ik wil een AI maken die gerechten op een foto kan herkennen en benoemen. Dus ik begin met het maken van een eerste AI met een zeer eenvoudige opdracht: herken of er een hotdog op de foto staat of geen hotdog. Ik geef deze AI 1000 foto's waarop het antwoorden geeft of het een hotdog is of niet. Als mens verifieer ik zijn antwoord. Telkens als ik zeg dat de AI correct is, zal deze bepaalde patronen versterken of verzwakken.
Wanneer we de AI alleen hebben getraind met hotdogs op een wit tafelkleed, zal de AI denken dat een wit tafelkleed een vereiste is om een hotdog te kunnen zijn. Daarom is het belangrijk om de input zo divers en gevarieerd mogelijk te maken.
De training is voorbij en we hebben een AI die één taak heel goed kan. Dat betekent dat we deze AI andere AI's kunnen laten trainen en zo gaat de bal aan het rollen. Als we een groot aantal programma's hebben die eenvoudige taken kunnen uitvoeren, kunnen we deze gebruiken om meer complexe programma's te ontwikkelen.
Het trainen van de eerste AI is heel arbeidsintensief en erg moeilijk. Daarom ging dit vroeger een stuk trager, maar ervaren we nu een exponentiële vooruitgang en spreken we niet meer van een evolutie maar van een revolutie.
2 belangrijke principes van AI
Zoals je kunt zien op de bovenstaande afbeelding, bestaan er inmiddels al heel wat image-genererende AI's. Deze hebben een groot wauw-effect. Het moment waarop je beseft dat dit niet door een mens maar door een computer is gecreëerd, is mindblowing... op het eerste gezicht.
Het moet echter het hebben van het wauw-effect. Wanneer je de beelden meer in detail bekijkt en de bronnen zou kunnen achterhalen, kun je vaststellen dat de kwaliteit van de gegenereerde beelden ondermaats is. Hier botsen we op 2 heel belangrijke principes van AI.
AI is tweedehands creativiteit. Het kan alleen outputten wat er is ingestoken en dit herprogrammeren of remixen om het met een meer toegankelijke term te beschrijven. Dit gebeurt in een overheersende willekeur en zit dus nog steeds vol fouten.
Ten tweede heeft AI altijd een curator of eindredacteur nodig. Je krijgt er snel en veel kwantiteit uit, maar bitter weinig kwaliteit. Dit is nog steeds een menselijke eigenschap die tot op de dag van vandaag onvervangbaar is gebleken.
In deel 2 geven we enkele waardevolle tips over hoe je zo dicht mogelijk bij kwaliteit kunt komen door je prompt-vaardigheden te trainen.
Image generating AI's: AI-afbeeldingen genereren
Image-genererende AI's Midjourney, DALL-E en DeepAI zijn slechts 3 modellen uit een eindeloze lijst van image-genererende AI's. Net als ChatGPT geven we hier zoekwoorden in die uiteindelijk een beeld zullen opleveren. Hoe meer parameters we meegeven, hoe nauwkeuriger ons resultaat zal zijn.
Ik zal heel eerlijk zijn, hier hebben we niet echt ons best gedaan om er een goed resultaat uit te krijgen. We vroegen om een webpagina te maken voor een ecologische aardbeienteler. Elke parameter uit deze eenvoudige vraag kan veel verschillende interpretaties hebben. Het geeft ons echter wél een vliegende start. Met deze look en feel kunnen we een uitgebreid moodboard gaan maken dat het concept sneller vorm zal geven bij de uitwerking ervan.
Hebben we jou inmiddels kunnen intrigeren in de wonderlijke wereld van AI? Wil je meer weten over welke hyperparameters je helpen om betere resultaten te behalen? Lees dan zeker deel 2: alles over prompt engineering van deze insight waar we dieper ingaan op prompt engineering.
