{"id":705971,"date":"2025-03-25T10:12:29","date_gmt":"2025-03-25T09:12:29","guid":{"rendered":"https:\/\/www.nieuws.marketing\/strategie_nieuws\/?p=705971"},"modified":"2025-03-25T10:12:29","modified_gmt":"2025-03-25T09:12:29","slug":"promotie-radboud-universiteit-ai-model-is-zekerder-over-onzekerheid","status":"publish","type":"post","link":"https:\/\/www.nieuws.marketing\/strategie_nieuws\/promotie-radboud-universiteit-ai-model-is-zekerder-over-onzekerheid\/","title":{"rendered":"Promotie Radboud Universiteit: ‘AI-model is zekerder over onzekerheid’"},"content":{"rendered":"
\"Promotie

Promotie Radboud Universiteit: ‘AI-model is zekerder over onzekerheid’<\/p><\/div>\n

 <\/p>\n

Kunstmatige intelligentie (AI) speelt een grote rol in ons dagelijks leven, van zelfrijdende auto\u2019s en slimme stofzuigers tot computermodellen die de verspreiding van epidemie\u00ebn voorspellen. Ondanks de geavanceerdheid van deze systemen blijft hun gedrag deels onvoorspelbaar. Om deze onzekerheid beter te integreren in voorspellende algoritmes, ontwikkelde Thom Badings een nieuwe methode die veilige uitkomsten garandeert. Op 27 maart promoveert hij aan de Radboud Universiteit.<\/strong><\/p>\n

AI en onzekerheid<\/strong><\/h1>\n

Wanneer een AI-model goed functioneert, lijkt alles vanzelf te gaan: auto\u2019s bereiken veilig hun bestemming, drones navigeren zonder botsingen en economische voorspellingen blijken accuraat. In de praktijk worden AI-systemen echter geconfronteerd met talloze onzekerheden. Een drone moet rekening houden met wisselende windrichtingen en vogels, terwijl een zelfrijdende auto te maken krijgt met onverwacht overstekende voetgangers en wegwerkzaamheden. Hoe zorg je ervoor dat AI ondanks deze onzekerheden betrouwbaar blijft presteren?<\/p>\n

Markov-modellen als oplossing<\/strong><\/h3>\n

\u2018Daarom ontwikkelde ik samen met collega\u2019s methodes om de correctheid en betrouwbaarheid van complexe systemen met veel onzekerheid te waarborgen,\u2019 legt Badings uit.<\/p>\n

\n

Bestaande methodes schieten tekort: ze vereisen enorme rekenkracht of werken met aannames die onzekerheid slechts gedeeltelijk meenemen. Onze aanpak gebruikt een wiskundig model om onzekerheid expliciet te beschrijven, bijvoorbeeld op basis van historische data, waardoor snellere en accuratere voorspellingen mogelijk worden.<\/p>\n<\/blockquote>\n

Deze methode maakt gebruik van Markov-modellen, een wiskundige techniek die veel wordt toegepast in regeltechniek, AI en besliskunde. \u2018In een Markov-model kunnen we onzekerheid direct verwerken in parameters, zoals windsnelheid of het gewicht van een drone. Door onzekerheid te modelleren als een kansverdeling binnen dit model, kunnen we met technieken uit de regeltechniek en informatica bewijzen of het systeem zich veilig gedraagt. Zo bereken je bijvoorbeeld exact de kans dat een drone een obstakel raakt, zonder elk scenario afzonderlijk te hoeven simuleren.\u2019<\/p>\n

Onzekerheid als onderdeel van de oplossing<\/strong><\/h3>\n

Het doel van deze methode is niet om onzekerheid te elimineren, maar juist om die mee te nemen in de analyse. \u2018Elke beslissing brengt onzekerheid met zich mee, maar door dit wiskundig te modelleren, kunnen we er robuust mee omgaan. De voorspellingen die hieruit voortkomen, houden op een veel vollediger manier rekening met onzekerheden dan traditionele methodes.\u2019<\/p>\n

Toch zijn er grenzen aan deze aanpak. \u2018Bij systemen met veel parameters blijft het een uitdaging om alle onzekerheden te verwerken. Je kunt onzekerheid nooit volledig elimineren en zult bepaalde aannames moeten maken om zinvolle resultaten te krijgen. Een enkel model zal bijvoorbeeld niet toereikend zijn om een drone overal ter wereld veilig te laten vliegen. Daarom is het verstandig om je analyse eerst te beperken tot de meest waarschijnlijke scenario\u2019s.\u2019<\/p>\n

Badings benadrukt het belang van een multidisciplinaire aanpak bij AI-systemen. \u2018Vertrouw niet blindelings op AI-uitkomsten, zoals die van ChatGPT. Combineer inzichten uit de regeltechniek, informatica en kunstmatige intelligentie om tot robuuste en veilige oplossingen te komen.\u2019<\/em><\/p>\n

\n

Via: Radboud Universiteit, maart 2025<\/p>\n","protected":false},"excerpt":{"rendered":"

...<\/p>\n","protected":false},"author":25,"featured_media":705972,"comment_status":"open","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[338],"tags":[],"class_list":["post-705971","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-nieuws-tool-ai-business-marketing-ai-modellen"],"_links":{"self":[{"href":"https:\/\/www.nieuws.marketing\/strategie_nieuws\/wp-json\/wp\/v2\/posts\/705971","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.nieuws.marketing\/strategie_nieuws\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.nieuws.marketing\/strategie_nieuws\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.nieuws.marketing\/strategie_nieuws\/wp-json\/wp\/v2\/users\/25"}],"replies":[{"embeddable":true,"href":"https:\/\/www.nieuws.marketing\/strategie_nieuws\/wp-json\/wp\/v2\/comments?post=705971"}],"version-history":[{"count":0,"href":"https:\/\/www.nieuws.marketing\/strategie_nieuws\/wp-json\/wp\/v2\/posts\/705971\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.nieuws.marketing\/strategie_nieuws\/wp-json\/wp\/v2\/media\/705972"}],"wp:attachment":[{"href":"https:\/\/www.nieuws.marketing\/strategie_nieuws\/wp-json\/wp\/v2\/media?parent=705971"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.nieuws.marketing\/strategie_nieuws\/wp-json\/wp\/v2\/categories?post=705971"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.nieuws.marketing\/strategie_nieuws\/wp-json\/wp\/v2\/tags?post=705971"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}