De redeneringsstappen en prompt en het resultaat van het in stappen maken van een brochure-opzet

Geplaatst op door Patrick Petersen
De redeneringsstappen en prompt en het resultaat van het in stappen maken van een brochure-opzet

De redeneringsstappen en prompt en het resultaat van het in stappen maken van een brochure-opzet

 

Een promptoefening om in stappen een brochure op te zetten. 

 

Werk dit zichtbaar met redenering in stappen uit: Werkwijze  (denkstappen): 


Werkwijze
(denkstappen):  

1) Bedenk welke
kernpunten belangrijk zijn: wie, wat, waar, waarom aantrekkelijk.  

2) Kies een
enthousiaste, uitnodigende toon.  

3) Zet de
informatie in 3 korte alinea’s (max. 120 woorden).  

4) Controleer of
de tekst duidelijk en geschikt is voor een brochure.  

Output:  

- Stappen:
(genummerde redenering, max. 120 woorden) 


- Eindantwoord:
brochuretekst (3 korte alinea’s).

Resultaat:

 

Dit is de zichtbaar uitgewerkte redenering in stappen:

 

Werkwijze (Denkstappen)

 

  1. Kernpunten bepalen:
    • Wie: Universiteitsdocenten (de doelgroep, specifiek degenen die nieuwsgierig maar voorzichtig zijn).
    • Wat: Generatieve AI in het onderwijs.
    • Waarom aantrekkelijk: De focus moet liggen op de voordelen: efficiëntie (tijdsbesparing, minder administratie), personalisatie (maatwerk voor studenten) en verantwoordelijkheid (AI als partner, niet als bedreiging). De tekst moet de angst wegnemen en de docent in de regisseursrol plaatsen.
  2. Toon kiezen:
    • Er wordt gekozen voor een enthousiaste en uitnodigende toon. De taal moet positief, oplossingsgericht en direct zijn. Gebruik woorden als ‘bondgenoot’, ‘kans’, ‘versterk’ en ‘ontdek’.
  3. Informatie in 3 korte alinea’s plaatsen (max. 120 woorden):
    • Alinea 1 (Intro/Kans): Erkent de twijfel, maar presenteert AI als een onvermijdelijke en positieve transformatie. Focus op het verschuiven van de rol van docent. (35 woorden)
    • Alinea 2 (Voordelen/Actie): Beschrijf de concrete voordelen (efficiëntie/tijdsbesparing, personalisatie). Nodigt direct uit tot experimenteren. (45 woorden)
    • Alinea 3 (Balans/Oproep): Benadrukt de ethische regie van de docent en de noodzaak van verantwoord gebruik. Sluit af met een motiverende zin. (35 woorden)
  4. Controle/Redactie:
    • Woordentelling: De concepttekst bevat ongeveer 115 woorden. Dit is binnen de limiet van 120.
    • Duidelijkheid/Geschiktheid voor brochure: De alinea’s zijn kort, de boodschap is helder (‘AI is een tool, niet een vervanger’), en de toon is wervend en motiverend. De tekst is geschikt om de docent over de streep te trekken.

 

Output

 

Stappen (genummerde redenering):

  1. De kernpunten zijn vastgesteld: Universiteitsdocenten, Generatieve AI (GAI) in de klas, focus op efficiëntie, personalisatie en ethisch, verantwoord gebruik. De tekst moet angst wegnemen en de regisseursrol van de docent benadrukken.
  2. De toon is enthousiast en uitnodigend gekozen. De taal is positief en gericht op oplossingen (‘bondgenoot’, ‘versterk’).
  3. De tekst is verdeeld over drie alinea’s: 1) AI als onvermijdelijke, positieve transformatie, 2) Concrete voordelen (tijdsbesparing, maatwerk) als uitnodiging tot actie, en 3) De focus op ethische regie en de noodzaak van evenwichtig experimenteren.
  4. Controle toont dat de tekst duidelijk, motiverend en onder de 120 woorden is (ca. 115), waardoor deze perfect is voor een korte brochure-sectie.

 

Eindantwoord: Brochuretekst

 

Generatieve AI: Uw Nieuwe Bondgenoot in het Hoger Onderwijs

Twijfelt u over de rol van AI in uw collegezaal? U bent niet de enige. Maar Generatieve AI is geen vervanging; het is een kans om uw onderwijs te transformeren en uzelf te focussen op wat écht telt: diepgaand mentorschap en kritische discussie. Durf de toekomst te omarmen, niet als bedreiging, maar als een krachtige, nieuwe pen.

Versterk uw efficiëntie en bereik. Gebruik AI om uren aan administratieve taken, zoals het opstellen van oefenmateriaal of het verwerken van eerste concepten, te besparen. U krijgt tijd terug om complexe lesmethoden te ontwerpen. Daarnaast kunt u AI inzetten voor hyper-personalisatie, waardoor elke student maatwerk en gerichte feedback ontvangt.

De sleutel ligt bij verantwoord experimenteren. Het is aan u om de ethische regie te voeren en studenten te leren hoe ze AI kritisch moeten beoordelen en gebruiken. De docent blijft de onmisbare architect van betekenisvol leren. Ontdek vandaag nog hoe u met een evenwichtige aanpak de kracht van AI benut!

 

genai014, #genai014


			

	    
	      





			
				


	

    
		
VIDEO-uitleg hoe je een AI-workflow automatiseert met Zapier

        
		

			Geplaatst op  door Patrick Petersen		
  
              
	


		

		


Zapier is een platform dat apps en workflows met elkaar verbindt zonder dat je hoeft te programmeren. Sinds kort biedt Zapier ook de mogelijkheid om AI-agents te bouwen: slimme assistenten die taken kunnen uitvoeren, beslissingen nemen en informatie ophalen uit verschillende apps.




Stap 1. Maak een account aan bij Zapier


Ga naar zapier.com en maak een account aan. Met een gratis versie kun je al starten, maar voor complexe AI-agents zijn vaak betaalde functies nodig.


Stap 2. Open “Zapier Interfaces” of “AI Actions”


Zapier heeft verschillende AI-functies. Met Interfaces kun je een eigen chatbot of tool maken met een simpele gebruikersinterface. Met AI Actions koppel je je AI-agent met apps zoals Gmail, Slack, Notion of HubSpot. Zo geef je aan welke taken je agent mag uitvoeren.




Stap 3. Kies een AI-model


Selecteer welk AI-model je agent gaat gebruiken, bijvoorbeeld GPT-4. Dit bepaalt hoe goed de agent taal begrijpt en antwoorden kan formuleren.


Stap 4. Definieer de rol van je AI-agent


Beschrijf duidelijk wat je agent moet doen. Denk aan een klantensupport-agent die vragen beantwoordt via Gmail of Slack, een marketing-assistent die blogideeën genereert en in Notion opslaat, of een sales-agent die leads analyseert in je CRM. Hoe specifieker je de rol omschrijft, hoe beter de agent functioneert.


Stap 5. Koppel je apps


Kies welke apps je agent mag gebruiken. Dit kan bijvoorbeeld Gmail zijn om mails te lezen, Slack om berichten te sturen, Google Sheets om data op te slaan of HubSpot om klantgegevens bij te werken. Zo kan je agent direct acties uitvoeren in je dagelijkse tools.


Stap 6. Bouw een workflow (Zap)


Een Zap is een automatische workflow. Je bepaalt eerst de trigger, bijvoorbeeld “er komt een nieuwe e-mail binnen”, en daarna de actie, zoals “analyseer de e-mail en genereer een antwoord”. Door meerdere stappen te combineren kan je agent complexe taken uitvoeren.


Stap 7. Test je AI-agent


Voer enkele scenario’s uit om te kijken of alles goed werkt. Controleer of de antwoorden kloppen en of de agent de juiste acties uitvoert in je gekoppelde apps.


Stap 8. Schaal en verbeter


Als je merkt dat je AI-agent goed werkt, kun je hem verder uitbreiden. Denk aan extra apps koppelen, nieuwe rollen toevoegen of meerdere agents maken voor verschillende afdelingen.




 


 


 


#genai009, genai009

			

	    
	      





			
				


	

    
		
Hoe maak je een datagestuurde klantreis met AI met Adobe Customer Journey Analytics (CJA)?

        
		

			Geplaatst op  door Patrick Petersen		
  
              
	


		

		
 




 


Een klantreis, ook wel customer journey genoemd, beschrijft alle momenten waarop een klant in contact komt met een merk. Het begint vaak bij een eerste kennismaking via een advertentie of zoekopdracht en loopt door tot de aankoop, de klantenservice en eventueel een herhaalaankoop. Bedrijven proberen deze reis zo prettig mogelijk te maken, omdat een goede ervaring vaak leidt tot meer loyaliteit en een hogere omzet.


Wanneer we spreken over een datagestuurde klantreis, betekent dit dat beslissingen niet langer gebaseerd worden op onderbuikgevoel of aannames, maar op feiten en inzichten uit klantgegevens. Dit kunnen uiteenlopende bronnen zijn, zoals websitebezoek, klikgedrag, aankoophistorie, socialmedia-interacties en zelfs directe feedback. Door al deze gegevens te bundelen ontstaat er een helder beeld van het gedrag en de behoeften van de klant.


Hier speelt kunstmatige intelligentie een steeds grotere rol. AI kan namelijk sneller en slimmer verbanden leggen in grote hoeveelheden data dan mensen ooit zouden kunnen. Het kan klanten automatisch indelen in segmenten, bijvoorbeeld trouwe kopers of twijfelaars, en voorspellen welke klanten dreigen af te haken of juist klaar zijn om een aankoop te doen. Bovendien maakt AI het mogelijk om de ervaring voor elke klant persoonlijker te maken, bijvoorbeeld door gepersonaliseerde productaanbevelingen, dynamische e-mails of relevante advertenties.




Het opzetten van zo’n datagestuurde klantreis begint bij het verzamelen en combineren van alle beschikbare data. Deze gegevens worden opgeschoond, zodat dubbele of onvolledige informatie geen vertekend beeld geeft.




Vervolgens analyseren AI-systemen het geheel en laten zien waar klanten afhaken, welke acties vaak tot een aankoop leiden en welke patronen zich herhalen. Op basis daarvan kan een bedrijf persona’s ontwikkelen en voor elke groep de ideale route ontwerpen, inclusief de juiste boodschap op het juiste moment via het juiste kanaal.


Een concreet voorbeeld laat dit goed zien. Stel dat een webshop ontdekt dat klanten die meerdere keren hetzelfde product bekijken meestal pas tot aankoop overgaan wanneer er een korting wordt aangeboden. AI kan dit gedrag herkennen, voorspellen wie tot die groep behoort en automatisch een gerichte kortingsmail versturen. Zo krijgt de klant precies de prikkel die nodig is om alsnog over te gaan tot aankoop, terwijl de winkelier zijn marketingbudget veel slimmer inzet.


Het resultaat van een datagestuurde klantreis met AI is vaak driedelig. Ten eerste worden processen efficiënter omdat veel werk geautomatiseerd kan worden. Ten tweede voelen klanten zich beter begrepen en krijgen ze een persoonlijkere ervaring. Ten derde leidt dit tot betere bedrijfsresultaten, omdat de kans op conversie en herhaalaankopen stijgt.


Kortom, een datagestuurde klantreis met AI is meer dan een technologische vernieuwing. Het is een manier om klanten echt centraal te stellen, hun gedrag te begrijpen en hen te begeleiden met relevante, op maat gemaakte ervaringen. Bedrijven die deze aanpak omarmen, zetten een belangrijke stap richting de toekomst van klantgericht werken.


Voorbeeld en uitleg


De bijlage video getiteld “Data Insights Agent in Customer Journey Analytics” van het kanaal Adobe Analytics geeft een uitleg. De video demonstreert de Data Insights Agent in Adobe Customer Journey Analytics (CJA). Dit is een tool die data-analyse toegankelijker maakt voor iedereen, en niet alleen voor data-experts, door gebruikers in staat te stellen vragen in natuurlijke taal te stellen.


 


Het Probleem en de Oplossing


 


    

  • De Data Insights Agent is ontwikkeld als reactie op de feedback van klanten dat hun teams moeite hadden om zelfstandig toegang te krijgen tot inzichten [00:14]. Met deze tool kan nu iedereen data-gerelateerde vragen stellen, zoals: “Toon leads van marketingcampagne X”, en direct een duidelijke, visuele reactie ontvangen [00:20].
    • 

  • Dit stelt gebruikers die voorheen afhankelijk waren van data-analisten in hun bedrijf, in staat om zelf analyses te bouwen en hun eigen vragen te beantwoorden in de Workspace-omgeving [00:32].
    • 



 


Demonstratie van de Analyse


 


De demonstratie volgt een gebruiker die de AI-assistent opent en geïnteresseerd is in de aankopen van het bedrijf eerder dit jaar.


1. Vergelijking van Aankopen De gebruiker begint met de vraag: “Vergelijk aankopen per productcategorie van maart tot april.” [00:59]


    

  • Resultaat: De Data Insights Agent zoekt door alle gegevens in de dataweergave, vertaalt de prompt om de juiste dimensie, metriek en datumbereik te selecteren [01:07].
    • 

  • De tool genereert een vrije-vormtabel en kiest het meest geschikte balkdiagram om de vergelijking tussen de twee tijdsbereiken te visualiseren. Voor extra inzicht wordt ook een kolom met procentuele verandering toegevoegd [01:18].
    • 



2. Inzoomen op Winstgevende Categorie Vervolgens wil de gebruiker dieper ingaan op de categorie ‘jacht’, aangezien deze het meest winstgevend bleek [01:38]. De vraag luidt: “Verhouding van winst per subcategorie tot nu toe dit jaar voor de categorie jacht.” [01:44]


    

  • Resultaat: De agent vindt de best passende gegevens en visualisatie en filtert het paneel automatisch, zodat alleen de subcategorieën binnen de bredere ‘jacht’-categorie worden getoond [01:56].
    • 

  • Omdat de agent Workspace-visualisaties genereert, kan de gebruiker de kernfuncties van Workspace blijven gebruiken. Zo wordt de functie Intelligent Captions (Slimme Bijschriften) gebruikt om snel inzichten uit de visualisatie te halen [02:10].
    • 



3. Trendanalyse Nadat is vastgesteld dat ‘wildcamera’s’ de meest winstgevende subcategorie zijn, volgt de laatste vraag: “Trend winst voor de subcategorie wildcamera’s tot nu toe dit jaar.” [02:36]


    

  • Resultaat: De agent bouwt snel een lijndiagram en filtert het paneel voor de subcategorie ‘wildcamera’s’, waardoor de gebruiker de trend kan analyseren [02:49].
    • 



 


Belangrijkste Voordelen


 


De video benadrukt twee andere cruciale functies van de Data Insights Agent:


    

  • Update Functionaliteit: De agent kan bestaande visualisaties bijwerken [03:06]. Als de gebruiker bijvoorbeeld vraagt om “Inkomsten per productcategorie vorige maand” en dit vervolgens opvolgt met het commando “voeg bestellingen toe” [03:22], wordt de oorspronkelijke grafiek direct bijgewerkt om zowel de inkomsten als de bestellingen te tonen [03:29].
    • 

  • Verhelderende Vragen (Clarifying Questions): Wanneer een gebruiker een dubbelzinnige vraag stelt of een component opvraagt die niet bestaat (bijvoorbeeld door een verkeerde naam te gebruiken), zal de tool alternatieve suggesties doen [03:36]. Dit helpt gebruikers om de componenten te vinden waarnaar ze op zoek waren, bijvoorbeeld door ‘regionale inkomsten vorige maand’ te suggereren in plaats van een niet-bestaande ‘Japanse inkomsten’ [03:53].
    • 



De video concludeert dat de Data Insights Agent een belangrijke stap voorwaarts is in selfservice data-analyse binnen CJA, wat meer gebruikers in staat stelt om snel inzichten te ontsluiten [04:08].


U kunt de volledige video hier bekijken: Data Insights Agent in Customer Journey Analytics.


 




 


 


 


 




genai007, # genai007

			

	    
	      





			
				


	

    
		
Ethische richtsnoeren voor betrouwbare KI (EU)

        
		

			Geplaatst op  door Patrick Petersen		
  
              
	


		

		
Ethische richtsnoeren voor betrouwbare KI (EU)
Ethische richtsnoeren voor betrouwbare KI (EU)


Dit is een machinevertaling die door de Europese Unie wordt verstrekt. De dienst eTranslation van de Commissie helpt u deze pagina te begrijpen. Alstublieft lees de gebruiksvoorwaarden . Om de oorspronkelijke versie te lezen, zie de brontekst .

Op 8 april 2019 heeft de deskundigengroep op hoog niveau inzake AI ethische richtsnoeren voor betrouwbare artificiële intelligentie gepresenteerd. Dit volgde op de publicatie van het eerste ontwerp van de richtsnoeren in december 2018, waarover meer dan 500 opmerkingen zijn ontvangen via een openbare raadpleging.


Volgens de richtsnoeren moet betrouwbare KI:


(1) rechtmatig — met inachtneming van alle toepasselijke wet- en regelgeving


(2) ethisch — eerbiediging van ethische beginselen en waarden


(3) robuust — beide vanuit technisch oogpunt, rekening houdend met de sociale omgeving


 


De richtsnoeren bevatten een reeks van 7 essentiële vereisten waaraan AI-systemen moeten voldoen om als betrouwbaar te worden beschouwd. Met behulp van een specifieke evaluatielijst wordt gecontroleerd of aan elk van de essentiële vereisten is voldaan:


Invloed en toezicht door mensen: AI-systemen moeten mensen mondiger maken, hen in staat stellen geïnformeerde beslissingen te nemen en hun grondrechten te bevorderen. Tegelijkertijd moet worden gezorgd voor passende toezichtmechanismen, die kunnen worden verwezenlijkt door middel van human-in-the-loop, human-on-the-loop en human-in-command benaderingen.

Technische weerstand en veiligheid: AI-systemen moeten veerkrachtig en veilig zijn. Ze moeten veilig zijn, zorgen voor een terugvalplan als er iets misgaat, en moeten nauwkeurig, betrouwbaar en reproduceerbaar zijn. Dit is de enige manier om ervoor te zorgen dat ook onopzettelijke schade tot een minimum kan worden beperkt en voorkomen.

Privacy en gegevensbeheer: naast het waarborgen van de volledige eerbiediging van privacy en gegevensbescherming moeten ook adequate mechanismen voor gegevensbeheer worden gewaarborgd, waarbij rekening wordt gehouden met de kwaliteit en integriteit van de gegevens en wordt gezorgd voor gelegitimeerde toegang tot gegevens.

Transparantie: de bedrijfsmodellen voor gegevens, systemen en AI moeten transparant zijn. Traceerbaarheidsmechanismen kunnen hiertoe bijdragen. Bovendien moeten AI-systemen en hun besluiten worden uitgelegd op een manier die is aangepast aan de betrokken belanghebbenden. Mensen moeten zich ervan bewust zijn dat zij interageren met een AI-systeem en moeten worden geïnformeerd over de mogelijkheden en beperkingen van het systeem.

Diversiteit, non-discriminatie en billijkheid: Oneerlijke vooroordelen moeten worden vermeden, aangezien dit meerdere negatieve gevolgen kan hebben, gaande van de marginalisering van kwetsbare groepen tot de verergering van vooroordelen en discriminatie. Ter bevordering van diversiteit moeten AI-systemen voor iedereen toegankelijk zijn, ongeacht een handicap, en relevante belanghebbenden gedurende hun hele levensloop betrekken.

Maatschappelijk en ecologisch welzijn: AI-systemen moeten ten goede komen aan alle mensen, met inbegrip van toekomstige generaties. Daarom moet ervoor worden gezorgd dat zij duurzaam en milieuvriendelijk zijn. Bovendien moeten zij rekening houden met het milieu, met inbegrip van andere levende wezens, en moeten de sociale en maatschappelijke gevolgen ervan zorgvuldig in overweging worden genomen.

Verantwoording: Er moeten mechanismen worden ingevoerd om de verantwoordelijkheid en verantwoordingsplicht voor KI-systemen en de resultaten daarvan te waarborgen. Controleerbaarheid, die de beoordeling van algoritmen, gegevens en ontwerpprocessen mogelijk maakt, speelt daarbij een belangrijke rol, met name in kritieke toepassingen. Bovendien moet worden gezorgd voor adequate en toegankelijke rechtsmiddelen.

De AI HLEG heeft ook een document opgesteld waarin nader wordt ingegaan op een definitie van kunstmatige intelligentie die wordt gebruikt voor de toepassing van de richtsnoeren.


 


 


Proefproces


Het document bevat ook een beoordelingslijst waarin de belangrijkste vereisten in werking worden gesteld en richtsnoeren worden gegeven om deze in de praktijk toe te passen. Vanaf 26 juni heeft deze beoordelingslijst een proefproject ondergaan, waarbij alle belanghebbenden werden uitgenodigd om de beoordelingslijst te testen en praktische feedback te geven over hoe deze kan worden verbeterd.


 


 


 










European approach to artificial intelligence










 
































The EU’s approach to artificial intelligence centers on excellence and trust, aiming to boost research and industrial capacity while ensuring safety and fundamental rights.






The way we approach Artificial Intelligence (AI) will define the world we live in the future. To help build a resilient Europe for the Digital Decade, people and businesses should be able to enjoy the benefits of AI while feeling safe and protected.


The European AI Strategy aims at making the EU a world-class hub for AI and ensuring that AI is human-centric and trustworthy. Such an objective translates into the European approach to excellence and trust through concrete rules and actions.


Strengthening previous initiatives, the April 2025 AI Continent Action Plan aims to make Europe a global leader in AI. The Action Plan focuses on developing trustworthy AI technologies to enhance Europe’s competitiveness while safeguarding and advancing our democratic values. It aims to bring the benefits of AI to various sectors such as healthcare, education, industry, and environmental sustainability.


The plan includes actions to build large-scale AI data and computing infrastructures, increase access to high-quality data, foster AI adoption in strategic sectors, strengthen AI skills and talent, and facilitate the implementation of the AI Act. Key components include the establishment of AI Factories and Gigafactories, the InvestAI Facility to stimulate private investment, and the launch of the AI Skills Academy.


Previously, in January 2024, the Commission launched the AI innovation package to support Artificial Intelligence startups and SMEs. The package includes several measures to support European startups and SMEs in the development of trustworthy AI that respects EU values and rules.


One key element of this package is the Communication on boosting startups and innovation in trustworthy artificial intelligence that sets out a strategic investment framework in trustworthy AI for the Union to capitalize on its assets, in particular its world-leading supercomputing infrastructure, and to foster an innovative European AI ecosystem.


The main landmark initiative of the Communication is “GenAI4EU” to stimulate the uptake of generative AI across the Union’s key strategic industrial ecosystems and that will encourage the development of large open innovation ecosystems that will foster collaboration between AI startups and deployers of AI in industry as well as the public sector.


All these initiatives build on the April 2021 AI package which included:



A European approach to excellence in AI


Fostering excellence in AI will strengthen Europe’s potential to compete globally.


The EU will achieve this by:


    

  1. enabling the development and uptake of AI in the EU
    2. 

  2. becoming the place where AI thrives from the lab to the market
    3. 

  3. ensuring that AI works for people and is a force for good in society
    4. 

  4. building strategic leadership in high-impact sectors
    5. 



The Commission and Member States agreed to boost excellence in AI by joining forces on policy and investments. The 2021 review of the Coordinated Plan on AI outlines a vision to accelerate, act, and align priorities with the current European and global AI landscape and bring AI strategy into action.


Maximizing resources and coordinating investments is a critical component of AI excellence. Both the Horizon Europe and Digital Europe programmes will invest €1 billion per year in AI. The Commission will also mobilize additional investments from the private sector and the Member States in order to reach an annual investment volume of €20 billion over the course of the digital decade.


The Recovery and Resilience Facility makes €134 billion available for digital. This will be a game-changer, allowing Europe to amplify its ambitions and become a global leader in developing cutting-edge, trustworthy AI.


Access to high-quality data is an essential factor in building high-performance, robust AI systems. Initiatives such as the EU Cybersecurity Strategy, the Data Act, and the Data Governance Act provide the right infrastructure for building such systems.


A European approach to trust in AI


Building trustworthy AI will create a safe and innovation-friendly environment for users, developers, and deployers.


The Commission has proposed 3 inter-related legal initiatives that will contribute to building trustworthy AI:


    

  1. a European legal framework for AI that upholds fundamental rights and addresses safety risks specific to the AI systems;
    2. 

  2. a civil liability framework – adapting liability rules to the digital age and AI;
    3. 

  3. a revision of sectoral safety legislation (e.g. Machinery Regulation, General Product Safety Directive).
    4. 



A European legal framework on AI


The Commission aims to address the risks generated by specific uses of AI through a set of complementary, proportionate, and flexible rules. These rules also provide Europe with a leading role in setting the global gold standard.


This framework gives AI developers, deployers, and users the clarity they need by intervening only in those cases that existing national and EU legislations do not cover. The AI Act has a clear, easy-to-understand approach, based on four different levels of risk: minimal risk, high risk, unacceptable risk, and specific transparency risk. It also introduces dedicated rules for general-purpose AI models.


Important milestones







genai006 




# genai006


























 

			

	    
	      





			
				


	

    
		
Video en meer uitleg natuurlijke taalverwerking

        
		

			Geplaatst op  door Patrick Petersen		
  
              
	


		

		


 


Mensen communiceren met woorden, zinnen en verhalen. Voor een computer zijn dat echter maar symbolen of cijfers. Een computer begrijpt niet vanzelf wat “Hoe gaat het met je?” betekent. Hier komt natuurlijke taalverwerking (NLP) in beeld: de technologie die computers leert omgaan met menselijke taal.




Wat is NLP precies?


Natuurlijke taalverwerking (NLP) is een tak van kunstmatige intelligentie die taal begrijpt, analyseert en genereert. Met NLP kunnen computers:


    

  • 

    woorden omzetten in een betekenis die ze begrijpen,
    

    • 

  • 

    verbanden leggen tussen zinnen,
    

    • 

  • 

    en zelf taal terug produceren die voor mensen logisch klinkt.
    

    • 



NLP in Generatieve AI


Binnen Generatieve AI speelt NLP een centrale rol. Generatieve AI gaat over het maken van nieuwe inhoud – teksten, afbeeldingen, muziek of code. Voor tekst en gesprekken is NLP de sleutel:


    

  1. 

    Begrijpen wat je zegt of schrijft – de AI leest je vraag of opdracht.
    

    2. 

  2. 

    Antwoord geven of iets nieuws creëren – met een taalmodel (zoals een LLM) wordt een passend en natuurlijk antwoord gegenereerd.
    

    3. 



Voorbeelden uit het dagelijks leven


NLP kom je al overal tegen, vaak zonder dat je het doorhebt:


    

  • 

    Chatbots die gesprekken voeren, zoals ChatGPT.
    

    • 

  • 

    Vertaaltools zoals Google Translate.
    

    • 

  • 

    Tekstsamenvattingen die lange documenten in een paar zinnen terugbrengen.
    

    • 

  • 

    Code-assistenten die programmeercode schrijven op basis van een beschrijving in gewone taal.
    

    • 



Waarom is NLP zo belangrijk?


Zonder NLP zou een computer jouw woorden zien als een rijtje vreemde tekens zonder betekenis. Dankzij NLP kan AI:


    

  • 

    begrijpen wat je bedoelt, niet alleen wat je typt,
    

    • 

  • 

    rekening houden met context (bijvoorbeeld dubbelzinnige woorden of sarcasme),
    

    • 

  • 

    en antwoorden geven die natuurlijk en menselijk aanvoelen.
    

    • 





Natuurlijke taalverwerking is de technologie die ervoor zorgt dat Generatieve AI met ons kan praten, schrijven en meedenken alsof het een mens is. Het is de brug tussen menselijke taal en computertaal, en maakt toepassingen zoals chatbots, vertalingen en tekstgeneratie mogelijk.


 




 




Bijlage #genai005 genai005 met video en meer uitleg natuurlijke taalverwerking