Door de snelle ontwikkeling van kunstmatige intelligentie (artificial intelligence, AI) gaat ons leven sneller veranderen dan menigeen denkt. Steeds vaker wordt de menselijke intelligentie ondersteund en deels ook vervangen door slimme algoritmen en AI. De gevolgen voor werk en maatschappij zullen aanzienlijk zijn. Maar wat is kunstmatige intelligentie? En wat is het verschil tussen machine learning en deep learning?
Definitie van kunstmatige intelligentie
De kortste definitie van kunstmatige intelligentie is de automatisering van denkkracht. AI is een vakgebied dat machines intelligent gedrag laat vertonen. Ze kunnen min of meer denken en handelen zoals mensen dat doen. Die systemen doen dat door hun omgeving te analyseren. Met een zekere mate van zelfstandigheid ondernemen ze actie om bepaalde doelen te bereiken. AI-software is in staat taken te verrichten die tot voor kort alleen door mensen konden worden gedaan. Deze systemen zijn vooral goed in hele specifieke taken. Ze kunnen complexe problemen oplossen op een zeer beperkt gebied en als ze heel knap zijn geprogrammeerd en met veel data zijn gevoed, zijn ze ook nog eens zelflerend.
Machine learning vs deep learning
Machine learning
Intelligentie kan worden verkregen door die er uitdrukkelijk in te programmeren. Een andere manier is het systeem te laten leren van data. Dat laatste, machine learning genaamd, maakt momenteel een enorme opgang. Machine learning is een onderdeel van kunstmatige intelligentie dat zich bezighoudt met de ontwikkeling van algoritmes, statistische modellen en technieken waarmee computers kunnen leren. De softwarestructuur die een machine intelligent gedrag laat vertonen, heet een algoritme. Dit is een serie computerinstructies die observaties en intern geheugen omzetten tot voorspellingen, beslissingen dan wel acties. Ook de software die wordt gebruikt om een algoritme met behulp van data te verbeteren is weer een (leer)algoritme. Het mooie van systemen die zijn gebaseerd op machine learning, is dat zich van bepaalde taken kunnen kwijten zonder dat expliciete instructies hoeven worden gegeven. In plaats daarvan komen ze tot resultaten door patronen te herkennen.
Deep learning: onderdeel van machine learning
Deep learning is weer een onderdeel van machine learning. Dit familielid gebruikt neurale netwerken die kunnen leren. Deep learning is een specifieke tool in de gereedschapskist van de 'machine learner' (het neurale netwerk) die inputgegevens (bijvoorbeeld geluid, tekst of beeld) omzet in voorspellingen (wat hoor ik, wat lees ik, wat zie ik?). Neurale netwerken zijn kortweg gezegd voorspellingsalgoritmen. Die zijn geïnspireerd op de structuur van het biologische brei.
Neurale netwerken
En nu wordt het wel even ingewikkeld. Deze neurale netwerken zijn gebaseerd op abstracties van neuronen (nodes) en synapsen. De menselijke hersenen bestaan uit liefst 100 miljarden neuronen (zenuwcellen). Een synaps is een speciaal gebied waar de zenuwprikkels van de ene zenuw overgaan op de andere en waar twee zenuwcellen kunnen communiceren. De onderzoekers die deze neurale netwerken ontwikkelen, spieken dus erg bij het menselijk brein. Ze bootsen de architectuur na die aan het brein ten grondslag ligt. Ze voeren het neurale netwerk met bakken data, hoe meer hoe beter.
Als deze systemen een heleboel voorbeelden hebben gezien, beginnen ze gaandeweg patronen binnen die data te herkennen. Zonder dat de mens hen alles voorkauwt, leert het systeem een hond van een kat te onderscheiden. Dankzij deze vorm van machine learning kan een robot bij het 5G Field lab van KPN in Valthermond (Drenthe) aardappelloof van suikerbieten onderscheiden en bestrijdingsmiddel op de juiste plekken spuiten. Deze test is een fraai voorbeeld van een AI-toepassing.
AI toepassingen van deep learning en machine learning in het bedrijfsleven
AI wordt al volop in het bedrijfsleven toegepast. Voorlopers zijn vooral te vinden in de digitale en financiële wereld. Het begon allemaal met zogenaamde aanbevelingsalgoritmen.
De zoekmachines van Google en Microsoft werken hiermee om gebruikers de juiste zoekresultaten voor te schotelen. Google weet ook precies welke advertenties de gebruiker zullen aanspreken.
Netflix gebruikt de algoritmen om kijkers hun favoriete films aan te bieden.
Spotify doet hetzelfde met muziek, YouTube met video, Amazon met producten en Tinder met partners. Deze systemen matchen de informatie uit gigantische databases met persoonlijke voorkeuren. Ook in de zorg begint artificial intelligence door te breken.
In security software helpt machine learning verdachte patronen in netwerkverkeer en e-mails te ontdekken. Zo kunnen verzekeraars inmiddels aardig voorspellen welke automobilisten sneller schade rijden en welke polissen fraudegevoelig zijn. De banken ploegen met algoritmes hun databestanden door. Ze kunnen zo de kans inschatten dat een bepaalde lening niet wordt terugbetaald. AI kan dat veel beter dan de meest ervaren bankier. Amazon opende al volledige autonome supermarkten waar automatisch wordt gedetecteerd wat iemand van de schappen pakt. De klant hoeft zijn boodschappen niet meer te scannen of een pasje tegen een lezer aan te houden en de rekening wordt automatisch voldaan.
Meer weten?
Lees in dit artikel verder over een aantal voorbeelden en toepassingen van AI. Of neem contact met ons op om te weten te komen wat AI voor uw organisatie kan betekenen.
Neem contact met ons op
