{"id":27520,"date":"2024-09-18T11:18:04","date_gmt":"2024-09-18T11:18:04","guid":{"rendered":"https:\/\/www.techopedia.com\/nl\/?post_type=definition&p=27520"},"modified":"2024-09-18T11:18:04","modified_gmt":"2024-09-18T11:18:04","slug":"human-in-the-loop-hitl","status":"publish","type":"definition","link":"https:\/\/www.techopedia.com\/nl\/definitie\/human-in-the-loop-hitl","title":{"rendered":"Human in the Loop (HITL)"},"content":{"rendered":"
Human in the loop (HITL) is een ontwerpstrategie die het belang van menselijke feedback in de ontwikkeling en werking van een kunstmatig intelligentie systeem (AI)<\/a> benadrukt. HITL erkent dat AI en menselijke intelligentie elk hun eigen sterke punten en beperkingen hebben en dat beide soorten intelligentie nodig zijn om de beste resultaten te genereren.<\/p>\n Dit is met name relevant op gebieden als financi\u00ebn, transport en wetshandhaving, waar door AI gegenereerde uitkomsten iemands leven aanzienlijk kunnen be\u00efnvloeden.<\/p>\n De mate waarin mensgerichte AI-systemen worden ge\u00efmplementeerd kan sterk vari\u00ebren, afhankelijk van de specifieke doelen van het AI-project, de complexiteit van het AI-systeem, de risico’s en de beschikbare middelen van het projectteam. In sommige gevallen wordt HITL alleen gebruikt tijdens de ontwikkelingsfase van een AI-systeem als aanvulling op reinforcement learning.<\/p>\n Zodra de trainingsgegevens gelabeld zijn en de besluitvormingsparameters zijn vastgesteld, kan de menselijke betrokkenheid beperkt blijven tot hertrainingsinitiatieven, indien nodig.<\/p>\n In andere gevallen kan de samenwerking tussen mens en machine doorgaan tijdens de operationele fase om AI-drift te voorkomen en optimale output te behouden als de omstandigheden veranderen en\/of nieuwe gegevens beschikbaar komen.<\/p>\n De mate waarin HITL-systemen worden ge\u00efmplementeerd kan ook worden be\u00efnvloed door de regelgeving waarin een AI-systeem wordt ingezet. In sommige sectoren, zoals de gezondheidszorg of de luchtvaart, kunnen er strenge eisen zijn voor mensen om toezicht te houden op beslissingen die worden genomen door deep learning<\/a> algoritmen en deze te valideren om eerlijke en rechtvaardige uitkomsten te garanderen.<\/p>\n HITL-implementatie is geen pasklare oplossing. De aard van de taak of taken die een AI-systeem moet uitvoeren kan sterk vari\u00ebren en vereist een verschillende mate van menselijke betrokkenheid. Routinetaken op laag niveau kunnen worden geautomatiseerd met slechts af en toe menselijk toezicht, terwijl complexere en\/of gevoeligere taken menselijke tussenkomst kunnen vereisen gedurende de gehele levenscyclus van de softwareontwikkeling (SDLC).<\/p>\nVoorbeelden van Human in the Loop implementaties<\/span><\/h2>\n