Selecteer een pagina
Home » technologie » AI, Machine Learning, en Deep Learning beter begrijpen

AI, Machine Learning, en Deep Learning beter begrijpen

door

Het menselijk brein is, zoals de neurowetenschapper Joseph LeDoux, Ph. D., in The Emotional Brain (1996) zegt, “de meest geavanceerde machine denkbaar”. Dat klopt wellicht ook wel, want de hersenen bestaan uit meer dan 100 miljard neuronen en ongeveer 1 quadriljoen verbindingen tussen neuronen.

Misschien is het deze eindeloze wereld van mogelijkheden die inspireert tot het veld van artificiële intelligentie (AI), een onderdeel van de computerwetenschap dat zich richt op machines die intelligent menselijk gedrag imiteren. Sinds de term voor het eerst werd bedacht in 1956 door een aantal wetenschappers op de Dartmouth Conferenties, heeft AI een aantal belangrijke successen geboekt, zoals het eerste zelflerende programma en de eerste industriële robot. Deze vooruitgang werd geboekt door de manier waarop het menselijk brein beslissingen neemt te bestuderen en intelligente software en systemen te ontwikkelen op basis van de resultaten van de studies.

Er wordt veel samengevat onder de overkoepelende term AI. Sommige deelverzamelingen, zoals machine learning en deep learning, vertegenwoordigen meer dan andere de werkelijke complexiteit van het menselijk brein. Zoals je hieronder kun lezen, richten beide subgroepen zich op het leervermogen van een machine, maar met verschillende mate van zelfstandigheid.

Hoe zit het met AI?

Kunstmatige intelligentie
De ontwikkeling van computers die in staat zijn taken uit te voeren die typisch menselijke intelligentie vereisen.

Machine learning
Machine learning is een stap dichter bij de menselijke cognitie, door computers de mogelijkheid te bieden om te leren zonder expliciet geprogrammeerd te worden. Om dit te kunnen doen, krijgt de computer een doel en een prestatiemaatstaf. Hij gebruikt gegevens en algoritmen om zichzelf te trainen en zo steeds dichter bij het gewenste resultaat te komen. Net zolang tot het lukt.

Terwijl dit indrukwekkend is, doet het menselijk brein veel meer dan lineair denken. Het houdt rekening met ervaring en context en past zich voortdurend aan. Voor dergelijke complexe en niet-lineaire conclusies wordt meestal een machine learning techniek toegepast die deep learning heet. Terwijl een machine learning model zichzelf leert door meer data te vergaren, gaat een deep learning model verder door zelfstandig te leren via zijn ‘computerbrein’.

Deep Learning
Het ‘deep learning brein’ is beter in staat om het menselijk brein na te bootsen door zijn kunstmatige neurale netwerk, dat geïnspireerd is op het biologische neurale netwerk. Traditionele machine learning maakt gebruik van ondiepe netten van twee of drie lagen, maar deep learning maakt gebruik van een structuur van ‘diep’ neuraal netwerk van meer dan drie lagen. Deze complexe neurale netwerken zijn beter in staat om links te leggen tussen grote hoogdimensionale datasets.

Naarmate de gegevens door de ene laag knooppunten naar de andere worden geleid, traint elke laag op een bepaalde set functies op basis van de output van de vorige laag. Hoe dieper in het neurale netwerk, hoe complexer de gegevens worden verwerkt. Dit proces wordt het best geïllustreerd met hulpmiddelen zoals beeldherkenning.

Supervised learning
Het tonen van gelabelde voorbeeldgegevens, zoals foto’s, om een computer te leren wat hij moet doen.

Unsupervised learning
Leren zonder expliciete voorbeelden, alleen op basis van ervaringen met data of de wereld. Vooralsnog niet praktisch voor machines.

Reinforcement learning
Software die experimenteert met verschillende acties om uit te zoeken hoe je een virtuele beloning kunt maximaliseren, zoals het scoren van punten in een spel.

Artificial general intelligence
Tot op heden bestaat er nog geen software die het menselijk vermogen toont om zich aan te passen aan verschillende omgevingen en taken, en vervolgens die kennis over te dragen.

In de praktijk

Naarmate de tijd vordert doet het systeem meer ervaring op en leert het hoe het zijn kans op een correcte classificatie, op basis van de nieuwe gegevens die het ontvangt, kan vergroten. We zien dit al ingebed in ons dagelijks leven, meestal zonder dat we het merken. E-commerce websites zoals eBay en Amazon registreren bijvoorbeeld complete ‘consumer journeys’, zodat we elke keer als we de site bezoeken een betere ervaring krijgen die zorgt voor meer ‘engagament’. Medische organisaties zetten deep learning in om eerdere onderzoeksgegevens te analyseren en zo vroege ziektesymptomen op te sporen. Beveiligingscamera’s op luchthavens of beveiligde parkeerplaatsen overal ter wereld hebben de mogelijkheid om personen te detecteren en op te sporen als er verdachte activiteiten plaatsvinden, en dat alles vanwege deep learning.

Het is zelfs gelukt om een computerprogramma te ontwikkelen dat kan winnen van professionele Go spelers en, als er niemand anders meer is om tegen te spelen, zichzelf verslaat.

Ook in de financiële wereld wordt de impact van AI gevoeld. Deze sector, die vol zit met voorspellingsproblemen, is bij uitstek geschikt voor machine learning algoritmen. Denk bijvoorbeeld aan het voorspellen of iemand zijn of haar lening kan terugbetalen, of mogelijke fraude met creditcardtransacties.

Op dit moment is het menselijk brein nog geavanceerder en complexer dan welk kunstmatig neuraal netwerk dan ook. Maar mogelijk zal AI na verloop van tijd ook in die richting evolueren. Bij elke doorbraak ontstaan er meer mogelijkheden.

Belangrijke momenten in de geschiedenis van AI

1956 Tijdens het Dartmouth Summer Research Project wordt de naam ‘Artificial Intelligence’ gegeven aan een nieuwe tak van wetenschap die zich bezighoudt met benaderen van menselijke intelligentie door software en computers.

1965 Joseph Weizenbaum bij MIT creëert Eliza, de eerste chatbot, die ingezet kan worden als psychotherapeut.

1975 Meta-Dendral, een programma dat in Stanford is ontwikkeld om chemische analyses te interpreteren, publiceert de eerste ontdekkingen van een computer in een vakblad.

1987 Voor een academisch project onder leiding van ingenieur Ernst Dickmanns, wordt een Mercedes bestalwagen uitgesrust met twee camera’s en een aantal computers, waardoor het busje zelfstandig een afstand van 20km aflegt met meer dan 55 km/u.

1997 IBM’s computer Deep Blue verslaat wereldkampioen schaak Garry Kasparov.

2004 Het Pentagon organiseert de Darpa Grand Challenge, een race voor robotauto’s in de Mojave-woestijn. Een katalysator voor de zelfrijdende auto.

2012 Onderzoekers van “deep learning” stimuleren nieuwe bedrijfsinteresse in AI door spraak- en beeldherkenning veel nauwkeuriger te maken.

2016 AlphaGo, van Google’s DeepMind, verslaat de wereldkampioen van het complexe bordspel Go.

 

Bronnen: Datascience.com en Wired.com

 

Inventors.finance maakt gebruik van cookies en vergelijkbare technieken van haar en/of derden om I) het gedrag van bezoekers vast te leggen en te analyseren om de websites en apps te verbeteren, II) om het mogelijk te maken content via social media te delen, III) om de inhoud van haar websites en advertenties beter af te stemmen op uw interesses en IV) om informatie te verzamelen over uw voorkeuren en de informatie toe te voegen aan uw klantprofiel. Zo kunnen u ook buiten Inventors.finance relevante aanbiedingen worden gedaan. Als u verder surft, accepteert u deze cookies en gaat u akkoord met de verwerking van de (persoons)gegevens die met behulp van cookies kunnen worden verzameld en verwerkt voor de onder I) tot en met IV) genoemde doeleinden. meer informatie

De cookie-instellingen op deze website zijn ingesteld op 'toestaan cookies "om u de beste surfervaring mogelijk. Als u doorgaat met deze website te gebruiken zonder het wijzigen van uw cookie-instellingen of u klikt op "Accepteren" hieronder dan bent u akkoord met deze instellingen.

Sluiten