Machine learning 

Wat staat er op de foto’s?  

Benoem zo snel mogelijk elk plaatje. 3…2…1…GO! Voor een computer is dit supermoeilijk. Maar zoals je al ontdekte, kan die toch leren om dingen te herkennen. Met machine learning!  

Machine learning is een belangrijk onderdeel van AI. Binnen machine learning zijn er 3 soorten van leren. 

1 Supervised learning 

Stap 1  

Je geeft veel data aan de computer én zegt er telkens bij wat het is. Bijvoorbeeld heel veel foto’s van chihuahua’s en muffins, die je telkens ‘muffin’ of ‘chihuahua’ labelt. Die data aan de computer geven om van te leren, noemen we het trainen van AI.  

Vervolgens zoekt de computer naar patronen in beide groepen foto’s. Omdat ze wat op elkaar lijken, zal je veel moeten trainen. Probeer het hier maar eens. 

Stap 2  

Klaar met trainen? Geef de computer dan een nieuwe foto. Hij voorspelt, op basis van de aangeleerde patronen, welk antwoord het meest waarschijnlijk is: chihuahua of muffin? 

2 Unsupervised learning 

Oké, genoeg van chihuahua’s en muffins? Naast een computer het verschil tussen chihuahua’s en muffins aanleren, kan je nog veel meer.  

Je kan bijvoorbeeld een computer ook een heleboel data geven zonder te zeggen wat die zijn. Dan gaat hij op zoek naar patronen en maakt hij zélf groepen. Bijvoorbeeld van een heleboel pannenkoeken en wafels. 

De pannenkoeken staan bij elkaar en de wafels staan bij elkaar. Kan jij nog andere groepen ontdekken? (Check de achtergrond van de afbeeldingen eens.)  

• In dit geval leert de computer van data zonder een label. 

3 Reinforcement learning  

Er is nog één belangrijke manier van leren. Die ken je wel van games. Bij een game ben je in het begin meestal niet zo goed. Maar al doende leer je wat jou helpt en wat minder goede zetten zijn. Je wordt beloond als je goed bezig bent LEVEL UP en gestraft als je slecht bezig bent GAME OVER. Zo word je altijd maar beter. En jawel, op die manier kan je een computer ook dingen laten leren. Zo kan die bijvoorbeeld leren om een spelletje te spelen of … een doolhof op te lossen. Check de schermen maar eens. 

• In dit geval leert de computer van data die hij krijgt door dingen goed of slecht te doen. Ook wel samen te vatten als ‘van proberen kan je leren’. 

Deep learning 

Digitaal brein  

Binnen machine learning heb je ook een onderdeel deep learning. 

‘Deep learning’ is een complex onderdeel van machine learning dat specifiek werkt met neurale netwerken. De inspiratie daarvoor? De manier waarop onze hersenen werken. 

Zo ziet een neuraal netwerk eruit 

Véél data  

Zo’n neuraal netwerk wordt vaak getraind met énorme hoeveelheden data. Gigantisch veel teksten, afbeeldingen of video’s. AI-bedrijven halen die van het internet. Grote hoeveelheden data van webpagina’s halen heet ‘scraping’. Data van het internet afschrapen, zeg maar.  

Veel neurale netwerken vatten de belangrijkste kenmerken van al die data samen in een ‘latent space.’ 

Black box  

Als ons neuraal netwerk helemaal is getraind, kan je er data insteken en dan komt er een resultaat uit. Het probleem is dat we niet altijd weten wat het precies heeft geleerd. We weten vaak niet waarom het een bepaald resultaat geeft. Wat er tussen data en resultaat gebeurt is dus een zwarte doos of een ‘black box’. 

Als we niet snappen waarom een AI-model een bepaald resultaat geeft, is het dan wel oké om het te gebruiken? Stel je voor: een AI-model wordt getraind om te beslissen welke studierichtingen geschikt zijn voor jou. En het beslist dat je niet geschikt bent om de richting te doen die je wou doen. Maar niemand weet waarom. Zou jij die beslissing dan volgen? 

In’t kort: 

• Machine learning is een onderdeel van AI. Door machine learning kan een computer leren.  
  Bv: Leren om het verschil tussen een chihuahua en een muffin te herkennen. 

• Er zijn 3 soorten machine learning: 

1. Supervised learning 
2. Unsupervised learning 
3. Reinforcement learning  

• Deep learning is een onderdeel van machine learning. Het werkt met neurale netwerken. Bij deep learning gaan er data in het AI-model en komt er een resultaat uit. Wat daartussen gebeurt, weten we niet altijd. Dan spreken we van een ‘black box’.