Wanneer men spreekt over moderne technologieën, worden naast blockchain en bijvoorbeeld virtual reality (VR) ook machine learning, kunstmatige intelligentie en deep learning vaak genoemd. Tussen deze drie moderne technologieën zitten een aantal grote verschillen. In dit artikel neem ik je mee langs deze ontwikkelingen, waarbij ik kort toelicht wat ze jou kunnen bieden op het gebied van technologische innovatie. Staan ze al op jouw IT roadmap?
Machine learning en de vormen die we onderscheiden
Feitelijk betekent machine learning automatisch leren, wat goed omschrijft wat deze moderne technologie organisaties te bieden heeft. Binnen software ontwikkeling gaat het meer specifiek om het ontwikkelen van algoritmen, die op basis van het verwerken van grote hoeveelheden data helpen software zichzelf te verbeteren. Des te meer data een stukje software verwerkt heeft, des te beter zal deze software ook presteren. Het verklaart waarom machine learning sterk samenhangt met data mining. De toepassing van machine learning helpt applicaties steeds sneller patronen te herkennen in een grote dataset.
In de basis wordt onderscheid gemaakt tussen drie vormen van machine learning, te weten: supervised machine learning, unsupervised machine learning en reinforcement machine learning. Zoals de benaming van deze categorieën al enigszins doet vermoeden, zit het verschil voornamelijk in de rol die mensen spelen bij de toepassing van deze vormen van machine learning. In het geval van supervised machine learning brengen mensen labels aan in de set met data, iets wat bij unsupervised machine learning niet gebeurt. Dit betekent dat de uitkomsten van het toepassen van supervised- en unsupervised machine learning op dezelfde dataset verschillende uitkomsten kunnen geven. Bij unsupervised machine learning probeert de software zelf labels aan de data in de set te hangen; het algoritme zoekt op basis van de reeds verwerkte data naar patronen.
Reinforcement machine learning betekent dat een stukje software een simulatie meermaals uitvoert om tot een optimale uitkomst te komen; de computer leert zichzelf efficiënter naar een vraagstuk te kijken. Er zijn verschillende toepassingen van reinforcement machine learning te bedenken. De bekendste voorbeelden zijn navigatiesystemen. Software zoekt voortdurend naar de snelste route tussen A en B.
Kunstmatige intelligentie of Artificial Intelligence (AI)
Middels kunstmatige intelligentie slaagt men erin een computer de eigenschap van een mens te geven; intelligentie. Het stelt de computer in staat om zaken waar te nemen, bijvoorbeeld verschillen tussen twee uitkomsten of patronen. Ook stelt men de computer middels AI in staat om een plan te maken op basis van het gedetecteerde verschil of een door de gebruiker aangeleverde input. Denk in dat laatste geval aan het automatisch vullen van een rooster op basis van de beschikbaarheid van medewerkers.
Men is steeds beter in staat om computers zelfstandig problemen op te laten lossen. Iets wat veel kan betekenen voor de toekomst. Tegelijkertijd brengt dit risico’s met zich mee, op het moment dat de computer een eigen bewustzijn creëert en niet langer denkt zoals een mens dat doet. Er zijn tal van films te vinden, die specifiek gaan over dat laatste punt. Denk bijvoorbeeld aan The Terminator of iRobot. Ze zijn het bekijken waard!
Er zijn tegenwoordig talloze voorbeelden te bedenken van producten waarin men gebruik maakt van kunstmatige intelligentie. Denk bijvoorbeeld aan zelfrijdende auto’s, die op basis van de input uit sensoren en camera’s beslissingen maken over de gewenste stuurbeweging. Of wat te denken van productierobots? Op basis van de input van een gebruiker, bijvoorbeeld in de vorm van een bouwtekening, gaat de robot zelfstandig aan de slag. Ook de gepersonaliseerde aanbevelingen binnen applicaties als Spotify en Netflix zijn een voorbeeld van de toepassing van kunstmatige intelligentie; de applicatie leert op basis van een eerdere input van de gebruiker en koppelt dit aan patronen van andere gebruikers om tot aanbevelingen te komen.
Deep learning als een vorm van machine learning
Dat de termen deep learning en machine learning af en toe door elkaar gebruikt worden is niet gek. Het verschil tussen beide manieren van learning door een applicatie is namelijk beperkt. Deep learning wordt ook wel gestructureerd leren genoemd; het is een verzamelterm die gebruikt wordt voor een combinatie van technieken die gebruikt worden bij zelfsturende machine learning.
Over het algemeen worden middels deep learning robuustere oplossingen gecreëerd dan bij de toepassing van machine learning. Het helpt systemen om te gaan met ontbrekende data of een verkeerd ingegeven input. Dit doet het systeem op basis van een voorbeeld die men vooraf geeft, wat ook wel gecontroleerd deep learning genoemd wordt. Een alternatief is ongecontroleerd deap learning, waarbij het systeem leert van eigen fouten; het heeft geen voorbeeld tot diens beschikking.
De robuustheid van oplossingen die middels deep learning bereikt worden zit ook in het feit, dat vaak diepere patronen herkend kunnen worden. Iets wat met machine learning veel minder goed zal lukken. Er zijn verschillende toepassingen die dit verschil zichtbaar maken, denk bijvoorbeeld aan beeldherkenning. Het ontgrendelen van je iPhone middels Face ID is een voorbeeld van een toepassing van deep learning.
