Wat is Probability?

Wat is probability eigenlijk?

Probability — of in het Nederlands: kans of waarschijnlijkheid — is een getal tussen 0 en 1 dat aangeeft hoe waarschijnlijk iets is. Een probability van 0 betekent: dit gebeurt echt nooit. Een probability van 1 betekent: dit gebeurt 100% zeker. En alles daartussen? Dat is het grijze gebied waar de meeste dingen zich afspelen.

Stel je voor: je gooit een muntje op. De kans op kop is 0,5 (oftewel 50%). De kans dat het regent morgen? Misschien 0,3 (30%). De kans dat jouw hond een kat is? 0. Zo simpel is het principe.

Maar waarom is dit belangrijk voor AI? Omdat AI-modellen vrijwel nooit iets met absolute zekerheid weten. Ze rekenen uit wat het meest waarschijnlijke antwoord is, gegeven alle data die ze hebben gezien.

Hoe gebruikt AI probability?

Als je ChatGPT vraagt: "Wat is de hoofdstad van Frankrijk?", berekent het model niet één antwoord, maar de waarschijnlijkheid van alle mogelijke woorden die zouden kunnen volgen. "Parijs" krijgt een hele hoge probability (bijna 1), terwijl "banaan" een probability van bijna 0 krijgt.

Hetzelfde geldt voor beeldherkenning. Een AI die naar een foto van een hond kijkt, zegt niet gewoon: "Dit is een hond." Hij zegt: "De probability dat dit een hond is, is 0,92. De probability dat het een kat is, is 0,05. De probability dat het een wasmachine is, is 0,0001." Vervolgens kiest hij het antwoord met de hoogste score.

Dit principe heet probabilistische AI — en het is de basis van bijna alle moderne systemen. Het maakt AI flexibel, maar ook onzeker. Een model kan zich vergissen, vooral als de input onduidelijk is of buiten de trainingsdata valt.

Waarom zou jij hier iets aan hebben?

Begrijpen dat AI werkt met kansen in plaats van feiten helpt je om realistischer te zijn over wat AI wel en niet kan. Een AI die zegt: "Dit is waarschijnlijk spam" met een probability van 0,7 betekent: in 30% van de gevallen kan het toch een normale mail zijn. Dat is geen fout — het is inherent aan hoe het systeem werkt.

Het helpt ook om AI-uitkomsten kritisch te bekijken. Als een model iets voorspelt met een lage probability, kun je dat als signaal zien om extra te controleren. En bij hoge probabilities weet je dat het model zich vrij zeker voelt — al is dat nog geen garantie.

Een voorbeeld uit de praktijk

Stel: je gebruikt een AI-tool die vacatureteksten screent op geschiktheid. De tool geeft elke kandidaat een score tussen 0 en 1. Iemand met 0,85 is volgens het model zeer geschikt. Iemand met 0,12 waarschijnlijk niet. Maar let op: die 0,85 betekent niet dat deze persoon perfect is — het betekent dat het model denkt dat deze persoon op basis van de trainingsdata lijkt op eerdere succesvolle kandidaten.

In spam-filters zie je hetzelfde: een mail met probability 0,95 voor spam verdwijnt automatisch. Een mail met 0,4? Die landt misschien in je inbox, want het model twijfelt.

Waar kom je het tegen?

• Taalmodellen zoals ChatGPT, Claude, Gemini, Copilot: elk woord dat ze genereren is gebaseerd op berekende kansen

• Beeldherkenning in Google Foto's, Apple Photos: "Dit is waarschijnlijk een hond" = hoge probability

• Aanbevelingssystemen op Netflix, Spotify, YouTube: "Je vindt dit waarschijnlijk leuk" = probability score

• Fraudedetectie bij banken: transacties met hoge probability voor fraude worden geblokkeerd

• Medische AI: "Deze scan heeft een probability van 0,78 voor een bepaalde aandoening" — altijd ter ondersteuning van een arts

• Chatbots in klantenservice: routeren vragen op basis van de probability van het onderwerp

Zet het in perspectief

Probability is de taal waarin AI denkt. Elk oordeel, elke voorspelling, elk antwoord is eigenlijk een kansberekening. Dat maakt AI krachtig, maar ook feilbaar — want kansen zijn geen zekerheden. Als je dit begrijpt, kun je beter inschatten wanneer je een AI-uitkomst moet vertrouwen en wanneer je zelf nog een slag om de arm moet houden. Kijk de volgende keer dat je een AI-tool gebruikt eens of je ergens een "confidence score" of percentage ziet staan — dat is probability in actie.