X

Dit is het verschil tussen AI, machine learning en deep learning

Michael Ros
Oracle PR Agency

ai_machinelearning_deeplearning

 

Door Cees Tolboom, Cloud Platform Business Development Oracle

Artificial intelligence (AI), machine learning en deep learning. Het zijn overlappende termen en ze worden regelmatig door elkaar gebruikt. Maar wat zijn eigenlijk de definities van deze technologieën?

AI wil zeggen dat je een computer gebruikt om een vorm van menselijk gedrag na te bootsen. Machine learning is een subset van AI en omvat technologieën die computers in staat stellen om zaken uit data te herleiden en AI-applicaties te leveren. Deep learning is weer een subset van machine learning waarmee computers complexe problemen kunnen oplossen. Het zijn beknopte definities. Daarom hieronder iets meer achtergrond over deze drie technologieën.

Wat is AI?

Als academische discipline gaat AI al terug tot 1956. Het doel was toen – en nog steeds – om computers taken te laten uitvoeren die als uniek menselijk te typeren zijn. Zaken die menselijke intelligentie vereisen. De eerste initiatieven op dit gebied richtten zich op onder meer schaken en het oplossen van logische problemen.

Wanneer je kijkt naar de output van een schaakcomputer zie je achter de zetten een vorm van ‘artificial intelligence’. De eerste successen op dit gebied leidden onder onderzoekers tot enorm veel enthousiasme over de mogelijkheden van AI. Dat enthousiasme was overigens net zo groot als de mate van onderschatting van sommige problemen, waar AI geen raad mee wist. Artificial intelligence wijst dus op de output van een computer. Deze doet iets intelligents en daarom noemen we dit kunstmatige intelligentie.

De term AI zelf zegt niets over hoe problemen worden opgelost. Er zijn veel verschillende technieken, waaronder op regels gebaseerde- en expertsystemen. Een bepaalde categorie werd in de jaren tachtig populair: machine learning.

Wat is machine learning?

In het begin van het AI-onderzoek bleek dat sommige problemen lastiger waren dan gedacht en niet met andere technologieën op te lossen waren. Hard gecodeerde algoritmes of op vaste regels gebaseerde systemen konden niet omgaan met zaken als beeldherkenning of het interpreteren van tekst.

De oplossing lag dus niet in het nabootsen van menselijk gedrag, zoals AI doet, maar in  het nadoen hoe mensen iets leren. Denk bijvoorbeeld terug aan hoe je hebt leren lezen. Dat begon met spelling en eenvoudige grammatica en met het lezen van eenvoudige boeken. Naarmate je verder ging met leren, werden de boeken moeilijker en leerde je steeds meer leesregels. Met andere woorden: je verwerkte steeds meer data en zo leerde je steeds beter lezen.

Dat is precies het idee van machine learning. Je voedt een algoritme met veel data en laat hem vervolgens zelf zaken uitzoeken. Denk aan een bak met financiële data: vermeld welke data wijzen op fraude en laat het algoritme zelf leren hoe hij fraude detecteert. Of neem een flinke hoeveelheid klantdata en laat een algoritme leren hoe segmentatie het best kan plaatsvinden. Lees meer over machine learning-technologieën via deze link.

Naarmate algoritmes zich ontwikkelen, kunnen ze meer problemen oplossen. Tegelijkertijd hebben machines nog veel moeite met zaken die we als mensen heel gemakkelijk vinden, zoals het herkennen van spraak of een handschrift. Daarom kan machine learning nog een stap verder gaan en het menselijke brein imiteren. Dat is het idee achter neurale netwerken.

De gedachte om kunstmatige neuronen te gebruiken (als alternatief voor de neuronen in het menselijk brein) leeft al langer. Neurale netwerken, die gesimuleerd worden in software, worden nu voor specifieke problemen ingezet. Zij zijn veelbelovend en kunnen naar verwachting problemen oplossen waar andere algoritmes niet uitkomen.

Desondanks kan machine learning niet goed omgaan met eenvoudige vragen waar een leerling op de lagere school geen enkel probleem mee heeft. Bijvoorbeeld: ‘hoeveel honden staan er op deze foto of zijn het geen honden maar wolven’ of ‘waarom moet het meisje in het boek zo vaak huilen’? 

Het blijkt dat de reden hiervan niet ligt in het concept van machine learning of het nabootsen van het menselijk brein. Het komt omdat een eenvoudig neuraal netwerk met honderden of duizenden neuronen, die op een eenvoudige manier zijn gekoppeld, niet kan dupliceren wat het menselijk brein kan. En dat is ook niet verrassend, want een menselijk brein telt rond de 86 miljard neuronen die ook nog op een complexe manier zijn verbonden.

Wat is deep learning?

Kort gezegd gaat het bij deep learning om het gebruik van neurale netwerken met meer neuronen, lagen en interconnectiviteit. Het is nog een lange weg voordat we het menselijke brein in al zijn complexiteit kunnen nabootsen, maar die kant gaat het wel op. Wanneer je leest over de vooruitgang op het gebied van autonome voertuigen of supercomputers die het spel Go spelen, zit er deep learning onder de motorkap.

Een voorbeeld: als ik jou een foto van een paard geef, herken jij dat meteen als een paard, ook als je de desbetreffende foto nog nooit hebt gezien. Het maakt niet uit of het paard bij wijze van spreken in een woonkamer staat of in carnavalskleren is uitgedost. Je herkent het dier aan de verschillende elementen die het kenmerken: de vorm, de plek van de benen, etc.

Deep learning kan dit ook. En dat is van belang voor veel zaken, waaronder de zelfrijdende auto. Voordat zo’n auto een volgende actie kan ondernemen, moet hij weten wat er rondom hem gebeurt. Hij moet mensen, auto’s, fietsers, borden en meer herkennen, ook onder uitdagende omstandigheden. Dat is met standaard technieken voor deep learning niet mogelijk.

Neem natuurlijke-taalverwerking die chatbots en smartphone-voice assistants gebruiken en deze zin: Ik ben in Nederland geboren, maar heb het grootste deel van mijn leven in Portugal en Brazilië gewoond. Maar ik spreek nog vloeiend ……………

Het meest waarschijnlijke antwoord is uiteraard Nederlands. Hoe komen we tot die conclusie? We weten dat het ontbrekende woord een taal moet zijn. We zien dat iemand geboren is in Nederland en dus met 93 procent kans (volgens Wikipedia) dus Nederland als moedertaal heeft. Het woord ‘nog’ geeft aan dat ik niet doel op Portugees en dus op het Nederlands. Stel je voor wat er bij zo’n zin gebeurt in de neurale netwerken in je hersenen. Verschillende signaalwoorden als ‘geboren in Nederland’ en ‘nog’ leiden naar de oplossing Nederlands en Portugal en Brazilië leiden even af, maar niet voor lang. Dit hele concept vindt dus plaats in neurale netwerken in je brein.

Hopelijk is de definitie die aan het begin van dit artikel genoemd word nu duidelijker. AI verwijst naar apparaten die op een of andere manier menselijke intelligentie vertonen. Er zijn meerdere technieken voor AI maar een onderdeel van deze grote lijst is machine learning – waar de algoritmen leren van AI. Tot slot is deep learning weer een onderdeel van machine learning waarbij de vele lagen van het neurale netwerk worden ingezet om de moeilijkste (computer)problemen op te lossen. 

Wil je beginnen met machine learning? Probeer dan gratis Oracle Cloud om je eigen data-lake te bouwen en de technieken te testen. Als je nog meer wil leren over machine learning, download dan ons gratis e-book  ‘Demystifying Machine Learning’.

Be the first to comment

Comments ( 0 )
Please enter your name.Please provide a valid email address.Please enter a comment.CAPTCHA challenge response provided was incorrect. Please try again.