Deep learning is een iteratieve benadering van AI waarbij machine-learningalgoritmen in een hiërarchie van toenemende complexiteit en abstractie worden gestapeld. Elk diepgaand leerniveau wordt gecreëerd met kennis die is opgedaan in de voorgaande laag van de hiërarchie. De eerste laag van een beeldherkenninsalgoritme kan bijvoorbeeld gericht zijn op het leren over kleurpatronen in trainingsgegevens, terwijl de volgende laag zich richt op vormen. UIteindelijk zal de hiërarchie lagen hebben die zich richten op verschillende combinaties van kleuren en vormen. Uiteindelijk zal de hiërarchie lagen hebben die zicht richten op verschillende combinaties van kleuren en vormen, waarbij de bovenste laag zich richt op het eigenlijke object dat wordt hertekend. Deep learning is momenteel de meest geavanceerde AI-architectuur die in gebruik is.

Een digitale tweeling is een virtuele weergave van objecten en processen in de echte wereld, gesynchroniseerd met een bepaalde frequentie en getrouwheid. Eenvoudigweg: Je stopt er informatie in - kiest hoe je die informatie wilt zien - drukt op play en ziet de resultaten.Het is een manier om gegevens te gebruiken om verschillende scenario’s visueel in kaart te brengen zonder overweldigd te worden door cijfers. Het heeft de potentie om organisch te zijn - hoe meer informatie je het geeft, hoe meer de digitale tweeling zal blijven evolueren, groeien en zich aanpassen

Explainable AI (XAI) is kunstmatige intelligentie (AI) waarin de resultaten van de oplossing door mensen kunnen worden begrepen. Het staat in contrast met het concept van de “black box” in machine learning, waar zelfs de ontwerpers niet kunnen uitleggen waarom een AI tot een specifieke beslissing is gekomen. XAI kan een implementatie zijn van het sociale recht op uitleg. XAI is relevant, zelfs als er geen wettelijk recht of wettelijke vereiste is. XAI kan bijvoorbeeld de gebruikerservaring van een product of dienst verbeteren door eindgebruikers te helpen erop te vertrouwen dat de AI goede beslissingen neemt. Op deze manier is het doel van XAI om uit te leggen wat er is gedaan, wat er nu is gedaan, wat er daarna zal gebeuren en de informatie te onthullen waarop de acties zijn gebaseerd. Deze kenmerken maken het mogelijk om bestaande kennis te bevestigen, bestaande kennis uit te dagen en nieuwe aannames te genereren.