Kunstmatige intelligentie (AI) heeft het landschap van wetenschap, industrie, defensie en geneeskunde de afgelopen jaren ingrijpend veranderd. Ondersteund door aanzienlijk verbeterde rekenkracht en cloud-opslag, is het gebied van AI verschoven van voornamelijk theoretische studies in de computerwetenschappen naar diverse real-life toepassingen, zoals het ontwerpen van medicijnen, het ontdekken van materialen, spraakherkenning, zelfrijdende auto’s, reclame, financiën, medische beeldvorming en astronomische observatie, waarbij is aangetoond dat de door AI geproduceerde resultaten vergelijkbaar of zelfs beter zijn dan de prestaties van menselijke experts. Bij deze toepassingen zijn de gegevens die nodig zijn voor machinaal leren van wezenlijk belang voor de ontwikkeling van AI. Ondanks het grote belang ervan is het allereerste proces van de ontwikkeling van AI, namelijk het verzamelen en voorbereiden van gegevens, doorgaans de meest bewerkelijke taak en vaak een beperkende factor bij het construeren van functionele AI-algoritmen. Lab-on-a-chip technologie, in het bijzonder microfluïdica, is een krachtig platform voor zowel de bouw en de uitvoering van AI in een grootschalige, kosteneffectieve, high-throughput, geautomatiseerde en multiplexed manier, waardoor het bovenvermelde knelpunt te overwinnen. Op dit platform is high-throughput imaging een cruciaal instrument omdat het op grote schaal informatie met een hoge inhoud kan genereren (b.v. grootte, vorm, structuur, samenstelling, interactie) van objecten. High-throughput imaging kan ook worden gekoppeld aan sortering en DNA/RNA sequencing om een massaal onderzoek uit te voeren naar fenotype-genotype relaties waarvan de gegevens te complex zijn om te analyseren met traditionele computationele instrumenten, maar wel analyseerbaar zijn met de kracht van AI. Naast de functie als een data provider, kan lab-on-a-chip technologie ook worden gebruikt om de ontwikkelde AI te implementeren voor nauwkeurige identificatie, karakterisering, classificatie en voorspelling van objecten in gemengde, heterogene of onbekende monsters. In dit overzichtsartikel, gemotiveerd door de uitstekende synergie tussen AI en lab-on-a-chiptechnologie, schetsen we fundamentele elementen, recente vorderingen, toekomstige uitdagingen en opkomende mogelijkheden van AI met lab-on-a-chiptechnologie of kortweg “AI on a chip”.