AI voor Dummies

Voel je je – net als ik in eerste instantie – een buitenstaander langs de zijlijn die AI steeds vaker voorbij ziet komen? Dan neem ik je in deze serie blogs mee in de wereld van AI. Ik ben ook een nieuwkomer, maar ben voor een project over gespreksanalyse in de mogelijkheden van AI gedoken. Dat betekent dat ik nog lang geen specialist ben, maar je wel kan helpen oriënteren op verschillende invalshoeken.

Mijn eigen interesse gaat vooral uit naar verbaal gedrag: dus wat kan AI betekenen voor de manier waarop mensen met elkaar communiceren.

Down the rabbit hole

Ik ga proberen het heel toegankelijk te houden. Dat betekent dat ik onderwerpen aanraak, maar niet enorm de diepte inga. Klinkt logisch? Als je met AI aan de slag gaat verdwijn je met gemak ‘down the rabbit hole’.

Wat is AI?

Even terug naar het prilste begin. Kunstmatige intelligentie is de intelligentie van machines of software, in tegenstelling tot de intelligentie van mensen of dieren. Het is een vakgebied binnen de informatica dat intelligente machines ontwikkelt en bestudeert. Dat betekent dat AI niet heel nieuw is. Een rekenmachine is ook kunstmatige intelligentie.

Nu is vooral chatGPT hot. Je kunt makkelijk zelf een account aanmaken en chatGPT helpt je vervolgens met van alles en nog wat: van social media kalenders maken tot complete werkstukken schrijven. Je communiceert zoals je met een mens communiceert, oftewel je stelt vragen of geeft opdrachten. Daarbij geldt de gouden communicatieregel: wat je terugkrijgt hangt ervan af hoe goed jezelf input hebt gegeven.

Nu vraag je je misschien af hoe chatGPT leert en waar al die kennis vandaan komt. Het antwoord is simpel chatGPT wordt getraind door veel input te geven.

Het verschil tussen rule based en machine learning

In AI zijn er twee benaderingen: rule based en machine learning. Bij rule based AI worden regels geprogrammeerd die bepalen hoe de machine moet reageren op verschillende situaties. Een voorbeeld hiervan is een chatbot die op basis van vooraf geprogrammeerde regels reageert op specifieke vragen van gebruikers.

Bij machine learning leert de machine van data en past het zich aan om taken uit te voeren. Hierbij wordt gebruik gemaakt van algoritmes die gegevens analyseren en daaruit patronen leren herkennen. Een voorbeeld van machine learning is het trainen van een algoritme om afbeeldingen van katten te herkennen. Door het algoritme te voeden met een grote dataset van afbeeldingen van katten, kan het algoritme leren om nieuwe afbeeldingen van katten te identificeren.

Het is belangrijk om op te merken dat machine learning-algoritmes vatbaar zijn voor bias. Deze bias kan ontstaan ​​door de gegevens die worden gebruikt om het algoritme te trainen, wat kan leiden tot ongewenste of oneerlijke resultaten. Bijvoorbeeld, als een machine learning-model wordt getraind op historische gegevens waarin bepaalde groepen worden benadeeld, kan het model deze vooringenomenheid repliceren in zijn voorspellingen of beslissingen.

Natural Language Processing (NLP)

Een ander belangrijk aspect van AI is Natural Language Processing (NLP), oftewel natuurlijke taalverwerking. NLP stelt computers in staat om menselijke taal te begrijpen en te verwerken op een manier die vergelijkbaar is met hoe mensen communiceren.

NLP wordt toegepast in diverse toepassingen, zoals chatbots, spraakherkenningssystemen, en automatische vertaaldiensten. Een voorbeeld van NLP is Named Entity Recognition, waarbij entiteiten zoals personen, organisaties en locaties worden geïdentificeerd en geëxtraheerd uit een stuk tekst. Deze technologie wordt vaak gebruikt in informatiewinningssystemen, sentimentanalyse en het categoriseren van tekstuele gegevens.

Door gebruik te maken van NLP kunnen computers menselijke taal begrijpen en ermee interacteren op een manier die voorheen niet mogelijk was. Dit opent de deur naar een breed scala aan toepassingen die de communicatie tussen mensen en computers kunnen verbeteren.

Waar ik nieuwsgierig naar ben is of AI al goed genoeg getraind is om ook te kunnen signaleren waar menselijke gesprekken vastlopen. Of waar zelfs sprake is van pesterijen of cyberbullying. Dat is de basisvraag voor mijn project PraatPraat waarover later meer.

anita simon savi communicatie

Luistertip: Anita Simon podcast over communicatiepatronen

In deze podcast met de titel ‘Conversation Transformation: Overcome the Six Most Destructive Communication Patterns’ wordt Anita Simon geïnterviewd door de makers van herBusiness.

Klik hier en luister naar de podcast

In het kort

De manier waarop we praten, komt vaak voort uit gewoonte. Daardoor ben je je vaak niet bewust van een destructief communicatiepatroon. Totdat iemand je er op wijst. In deze Engelstalige podcast geeft Anita Simon mooie voorbeelden bij ja-maar, klagen en aanvallen.

Anita Simon

Anita Simon ontwikkelde samen met Yvonne M. Agazarian SAVI® (Systeem voor het Analyseren van Verbale Interactie). Ze schreef ook het boek Conversation Transformation: Recognise and Overcome the 6 Most Destructive Communication Patterns samen met Ben Benjamin en Amy Yeager.

Bronnen

Internationale SAVI Communications website
SAVI Introductie workshop

Yvonne Agazarian podcast (1)

Luistertip: Yvonne Agazarian podcast

In deze podcast interviewt Serge Prengel Yvonne Agazarian over systeemgericht denken.

Pareltje

“Phases of system development. If one knows what phase the system is in, one doesn’t give the system things that it can’t do… What you require, what you’re putting at the group to solve—the goals of the group—if you adjust those to what the group could do, there really is not much of a failure experience.”

Je kunt ook de uitgeschreven versie downloaden om te lezen.

Ontdekking

Dit stuk, direct aan het begin was nieuw voor me.
“It was started as a theory driven system. So I developed a theory and then something happened in the world—managed care came in. And when managed care came in it was obvious that there was going to be a finite amount of time allocated for patients. And my knowledge is that there’s really no way of telling how long a patient is going to need in order to reach the goals. And managed care was clearly going to interfere with that. So I thought that, then, there needed to be a way of developing some kind of system of practice, which enabled people to start, stop and then start again, with the same kind of therapy—not having to change styles of therapy, not having to change therapists. And if they did have to change therapists, it would be less difficult because the way the therapist worked would be similar.”

Over Yvonne Agazarian

Yvonne M. Agazarian ontwikkelde de theorie van menselijke levende systemen en de systeemgerichte praktijk ervan: SCT®. SCT is de afkorting van Systems-Centered® Training, een methode voor groepsontwikkeling.

Over Serge Prengel

Serge Prengel, LMHC, is de host van de Active Pause podcast

Serge Prengel is in private practice. He is a graduate of France’s Sorbonne University and HEC Business School. He was trained in Focusing, Core Energetics, and Somatic Experiencing. His work also draws from Systems-Centered theory.

Bronnen: Active Pause
Systems-centered® Training Research Institute
Leve het Team, Nederlandstalig boek over SCT

Bonustip: luister niet op je laptop, maar juist tijdens een wandeling buiten