AI woordenlijst: 50 begrippen uitgelegd (2026)

AI zit vol met jargon en Engelse termen die niet altijd even duidelijk zijn. In deze woordenlijst leggen we de 50 belangrijkste AI-begrippen uit in begrijpelijk Nederlands, zodat je elke discussie over kunstmatige intelligentie kunt volgen.

In het kort

• Deze woordenlijst bevat 50 essentieel AI-begrippen voor 2026
• Elk begrip wordt in begrijpelijk Nederlands uitgelegd
• De begrippen zijn alfabetisch gesorteerd voor makkelijk terugvinden
• Geschikt voor beginners en gevorderden die hun kennis willen opfrissen
• Regelmatig bijgewerkt met nieuwe termen

De 50 begrippen

A

1. AGI (Artificial General Intelligence) - Kunstmatige algemene intelligentie die op elk intellectueel gebied minstens zo goed presteert als een mens. Dit is het uiteindelijke doel van veel AI-onderzoekers maar bestaat nog niet in 2026. Zie ook: de toekomst van AI.

2. AI Agent - Een AI-systeem dat zelfstandig meerdere stappen kan uitvoeren om een taak te voltooien. Agents kunnen tools gebruiken, beslissingen nemen en taken combineren zonder tussenkomst van de gebruiker.

3. AI Alignment - Het vakgebied dat zich bezighoudt met het afstemmen van AI-doelen op menselijke waarden en intenties. Het doel is AI te bouwen die doet wat we bedoelen, niet alleen wat we zeggen.

4. Algoritme - Een set instructies die een computer stap voor stap volgt om een probleem op te lossen. In AI-context: de wiskundige procedure waarmee een model leert van data.

5. Annotatie - Het handmatig labelen van data zodat een AI-model ervan kan leren. Bijvoorbeeld: foto's markeren met "kat" of "hond" zodat het model leert deze te herkennen.

B

6. Backpropagation - Het proces waarmee een neuraal netwerk leert van fouten. Het berekent hoe elk gewicht in het netwerk bijdraagt aan de fout en past de gewichten aan om de fout te verkleinen.

7. Bias - Systematische vooringenomenheid in AI-systemen, meestal veroorzaakt door ongelijke representatie in trainingsdata. Kan leiden tot discriminerende output. Lees meer in ons artikel over AI ethiek.

8. Black Box - Een AI-systeem waarvan de interne werking ondoorzichtig is. Je ziet de input en output maar begrijpt niet hoe het model tot een beslissing komt.

C

9. Chain-of-Thought (CoT) - Een prompting techniek waarbij je de AI vraagt stap voor stap te redeneren. Dit verbetert de kwaliteit van antwoorden bij complexe vragen. Lees meer over prompt engineering.

10. Chatbot - Een AI-programma dat conversaties voert met gebruikers in natuurlijke taal. Moderne chatbots zoals ChatGPT en Claude zijn gebaseerd op LLMs.

11. Computer Vision - Het deelgebied van AI dat computers leert visuele informatie te begrijpen: foto's, video's en beelden analyseren en interpreteren.

12. Context Window - De hoeveelheid tekst die een AI-model tegelijk kan verwerken. Gemeten in tokens. Een groter context window betekent dat het model meer informatie tegelijk kan meenemen.

D

13. Deep Learning - Een tak van machine learning die werkt met neurale netwerken met meerdere lagen (diep). Verantwoordelijk voor de meeste doorbraken in AI van de afgelopen jaren.

14. Diffusion Model - Een type AI-model dat wordt gebruikt voor het genereren van afbeeldingen. Het leert door ruis toe te voegen aan afbeeldingen en vervolgens te leren die ruis te verwijderen.

E

15. Embedding - Een wiskundige representatie van tekst, afbeeldingen of andere data als reeks getallen (vector). Maakt het mogelijk voor AI om betekenis te vergelijken en te berekenen.

16. Epoch - Een volledige doorgang door de hele trainingsdata. Een model wordt meestal meerdere epochs getraind om patronen goed te leren.

F

17. Few-shot Learning - Een techniek waarbij je een AI-model een paar voorbeelden geeft van wat je wilt, zodat het begrijpt welk type antwoord je verwacht.

18. Fine-tuning - Het verder trainen van een bestaand AI-model op specifieke data om het beter te laten presteren op een bepaald domein. Bijvoorbeeld: een algemeen model fine-tunen op medische teksten.

19. Foundation Model - Een groot, vooraf getraind AI-model dat als basis dient voor verschillende toepassingen. GPT-4, Claude en Gemini zijn foundation models.

G

20. Generative AI - AI die nieuwe content kan creeren: tekst, afbeeldingen, muziek, video of code. De meest bekende voorbeelden zijn ChatGPT (tekst) en Midjourney (afbeeldingen).

21. GPU - Graphics Processing Unit. Oorspronkelijk ontworpen voor grafische berekeningen, nu essentieel voor het trainen en draaien van AI-modellen vanwege hun parallelle rekencapaciteit.

22. Grounding - Het koppelen van AI-output aan verifieerbare bronnen of feiten. Vermindert hallucinaties doordat het model zich baseert op concrete informatie.

H

23. Hallucinatie - Wanneer een AI-model overtuigend klinkende maar feitelijk onjuiste informatie genereert. Een van de grootste uitdagingen bij het gebruik van AI in 2026.

24. Hyperparameter - Instellingen die je kiest voordat je een model gaat trainen, zoals learning rate, batch size en het aantal lagen. Beinvloeden hoe het model leert.

I

25. Inference - Het proces waarbij een getraind AI-model wordt gebruikt om voorspellingen of antwoorden te genereren op basis van nieuwe input. Dit is wat er gebeurt als je een vraag stelt aan ChatGPT.

L

26. Large Language Model (LLM) - Een groot taalmodel getraind op enorme hoeveelheden tekst. Begrijpt en genereert mensachtige tekst. Voorbeelden: GPT-4, Claude, Gemini, Llama. Lees meer over wat LLMs zijn.

27. Latent Space - De interne representatie van data in een neuraal netwerk. Een abstracte ruimte waarin het model patronen en relaties heeft geleerd.

28. Learning Rate - Een hyperparameter die bepaalt hoe snel een model zijn gewichten aanpast tijdens training. Te hoog is onstabiel, te laag is traag.

M

29. Machine Learning (ML) - Een deelgebied van AI waarbij systemen leren van data in plaats van expliciet geprogrammeerd te worden. Het model verbetert automatisch naarmate het meer data verwerkt. Zie wat is machine learning.

30. Multimodal AI - AI-modellen die meerdere typen input en output ondersteunen: tekst, afbeeldingen, audio en video. GPT-4o en Gemini zijn voorbeelden van multimodale modellen.

N

31. Natural Language Processing (NLP) - Het deelgebied van AI dat zich bezighoudt met het begrijpen en genereren van menselijke taal door computers.

32. Neural Network - Een AI-systeem geinspireerd op het menselijk brein, bestaande uit lagen van kunstmatige neuronen die patronen leren herkennen in data.

O

33. Open Source AI - AI-modellen waarvan de code en/of gewichten publiek beschikbaar zijn. Iedereen kan ze gebruiken, aanpassen en verbeteren. Voorbeelden: Llama, Mistral, Stable Diffusion.

34. Overfitting - Wanneer een model de trainingsdata te goed leert - inclusief ruis en uitzonderingen - waardoor het slecht presteert op nieuwe data.

P

35. Parameter - De interne variabelen van een neuraal netwerk die tijdens training worden aangepast. Het aantal parameters is een maat voor de grootte van een model (GPT-4 heeft naar schatting meer dan een biljoen parameters).

36. Prompt - De tekst of instructie die je aan een AI-model geeft. De kwaliteit van je prompt bepaalt grotendeels de kwaliteit van het antwoord. Leer er meer over in ons artikel over goede prompts maken.

37. Prompt Engineering - De kunst van het formuleren van effectieve prompts om de best mogelijke output van AI-modellen te krijgen. Een steeds belangrijkere vaardigheid in 2026. Zie prompt engineering.

R

38. RAG (Retrieval Augmented Generation) - Een techniek waarbij een AI-model eerst relevante informatie ophaalt uit een database of documentenverzameling voordat het een antwoord genereert. Vermindert hallucinaties aanzienlijk.

39. Reinforcement Learning (RL) - Een type machine learning waarbij een agent leert door interactie met een omgeving. Het krijgt beloningen voor goede acties en straffen voor slechte, en leert zo optimaal gedrag.

40. RLHF (Reinforcement Learning from Human Feedback) - Een techniek waarbij menselijke beoordelaars AI-output evalueren. Het model leert hiervan om betere, veiligere en nuttigere antwoorden te geven.

S

41. Supervised Learning - Een type machine learning waarbij het model leert van gelabelde voorbeelden: input-output paren. Het model leert de relatie tussen input en gewenst antwoord.

42. Synthetic Data - Kunstmatig gegenereerde data die wordt gebruikt om AI-modellen te trainen wanneer echte data schaars, duur of privacygevoelig is.

T

43. Temperature - Een instelling die bepaalt hoe "creatief" of "willekeurig" de output van een AI-model is. Lage temperatuur geeft voorspelbare antwoorden, hoge temperatuur geeft gevarieerder maar minder betrouwbare output.

44. Token - De basiseenheid waarmee AI-modellen tekst verwerken. Kan een woord, deel van een woord of leesteken zijn. Een Nederlands woord is gemiddeld 1-2 tokens.

45. Transformer - De architectuur waarop moderne taalmodellen zijn gebaseerd, geintroduceerd in 2017. Maakt gebruik van een "attention" mechanisme om relaties tussen woorden in een tekst te begrijpen.

46. Transfer Learning - Een techniek waarbij kennis die een model heeft geleerd op een taak wordt toegepast op een andere taak. Foundation models zijn hier een voorbeeld van.

U

47. Unsupervised Learning - Machine learning waarbij het model patronen ontdekt in ongelabelde data zonder dat het voorbeelden van het gewenste antwoord krijgt.

V

48. Vector Database - Een database geoptimaliseerd voor het opslaan en doorzoeken van embeddings (vectoren). Essentieel voor RAG-systemen en semantisch zoeken.

Z

49. Zero-shot Learning - Een AI-model een taak laten uitvoeren zonder voorbeelden te geven. Het model gebruikt alleen de instructie en zijn bestaande kennis.

50. Zero-shot Prompting - Het geven van een instructie aan een AI-model zonder voorbeelden. Verschilt van few-shot prompting waar je wel voorbeelden meegeeft.

Veelgemaakte fouten

1. AI en machine learning door elkaar gebruiken - Machine learning is een onderdeel van AI, niet hetzelfde. Alle machine learning is AI, maar niet alle AI is machine learning.

2. Denken dat parameters hetzelfde zijn als hyperparameters - Parameters leert het model zelf tijdens training. Hyperparameters stel je vooraf in.

3. Tokens verwarren met woorden - Een token is niet altijd een woord. Lange woorden bestaan uit meerdere tokens, korte woorden zijn soms een token.

4. Overfitting en bias door elkaar halen - Overfitting gaat over het te goed leren van trainingsdata. Bias gaat over systematische vooringenomenheid.

5. Denken dat open source betekent dat het gratis is - Open source modellen zijn vrij beschikbaar, maar je hebt wel hardware nodig om ze te draaien. Dat kan kostbaar zijn.

Hoe deze woordenlijst te gebruiken

Gebruik deze lijst als naslagwerk wanneer je een AI-begrip tegenkomt dat je niet kent. Bookmark deze pagina zodat je hem snel kunt terugvinden. De begrippen zijn met opzet in eenvoudig Nederlands uitgelegd - als je dieper wilt duiken, lees dan onze uitgebreide artikelen over wat AI is, machine learning en LLMs.

---

Hulp nodig?

Kom je er niet uit? Neem gerust contact op:

• WhatsApp: Stuur een berichtje
• Email: w.bouwmeester@bouwmeesterconsultancy.nl
• Bel: +31 6 28963636

Ik help je graag verder!