Wat bedoelen we eigenlijk?
Dezelfde woorden worden vaak door elkaar gebruikt. Hieronder de definities zoals we ze in de cursus hanteren.
Kernbegrippen
Verzamelnaam voor systemen die “intelligente” taken doen (redeneren, plannen, taal).
AI‑deelgebied dat leert uit data. Je programmeert niet het antwoord, maar het leerproces.
Model‑architectuur (veel parameters) die patronen leert door training op voorbeelden.
Model dat tekst (en soms beeld/audio) voorspelt. In basis: “volgend woord/token” voorspellen.
Stukje tekst dat het model verwerkt. Alles in één gesprek (instructies + chat + docs) kost tokens.
Het “werkgeheugen” van een LLM: wat het tegelijk kan meenemen. Groter ≠ automatisch beter.
Model geeft overtuigend een onjuist “feit”. Meestal door te weinig/ruisige context.
De opdracht die je geeft. In onze cursus: opdracht + context + input + output‑format + grenzen.
LLM‑gedreven systeem dat (semi)autonoom stappen kan nemen: plannen → tools gebruiken → bijsturen.
Een agent/prompt die je “vastzet” als workflow: herhaalbaar, toetsbaar, met vaste output en regels.
Copilot in Word/Outlook/Teams/PowerPoint, met toegang tot jouw M365‑data via rechten.
Platform om eigen copilots/agents te bouwen (flows/connectors) en te publiceren.
Tip: als je merkt dat je langs elkaar praat: wijs één term aan en pak deze lijst erbij.