Cursus Artificiële Intelligentie

Artificiële of kunstmatige intelligentie wordt dé meest ingrijpende technologische ontwikkeling van onze tijd. Er wordt zelfs gezegd dat AI meer verandering teweeg brengt dan het internet. Hoog tijd om er meer over te weten te komen! Vanuit mijn richting netwerkeconomie kregen wij de mogelijkheid om een interessante cursus “De Nationale AI-cursus” te volgen. In dit blogbericht deel ik met jullie mee wat ik hierover heb bijgeleerd en welke interessante onderwerpen me zijn bijgebleven.

Om te beginnen bij het begrip “Artificiële Intelligentie”

AI is een verzamelnaam geworden voor applicaties die complexe taken uitvoeren waarvoor voorheen menselijke input was vereist, zoals bij de online communicatie met klanten of een potje schaken. De term wordt vaak door elkaar gebruikt met onderliggende gerelateerde termen, zoals machine learning en deep learning. Er zijn echter verschillen. Machine learning is bijvoorbeeld gericht op het bouwen van systemen die kunnen leren of hun prestaties kunnen verbeteren op basis van de data waarmee de systemen worden gevoed. Hierbij is het van belang om op te merken dat machine learning altijd onder AI valt, maar AI niet altijd onder machine learning.

AI heeft twee belangrijke kenmerken, namelijk zelfstandigheid en zelf leren. Een AI is zelfstandig omdat het systeem, zoals hierboven gezegd, complexe taken kan uitvoeren die ze hebben overgenomen van de mensen, hoe beter een AI zich ontwikkeld hoe zelfstandiger deze wordt, waardoor begeleiding door de gebruiker steeds overbodiger wordt. Het zelf lerende kenmerk van AI wilt zeggen dat het systeem zijn prestaties steeds blijft verbeteren door het leren uit ervaring. Net zoals bij mensen baart oefening ook kunst bij machines.

Algoritmen

Een algoritme is een stukje programmeertaal dat bestaat uit een eindige reeks instructies, die naar een zeker doel toewerken. Dat doel kan bijvoorbeeld zijn om mensen inhoud voor te schotelen die ze interessant zullen vinden in hun tijdlijn op sociale media. Een algoritme wordt vaak gebruikt om bepaalde beslissingen te automatiseren. De algoritmen die de machine aangeleerd krijgt zorgen er tevens voor dat de systemen sneller en efficiënter gaan werken dan de mensen. Een simpel voorbeeld: als een mens een hele boel data voorgeschoteld krijgt zou dit uren duren om dit allemaal te begrijpen, te verwerken of te onderzoeken. Maar je als je dit overlaat aan een artificieel brein van een geprogrammeerd systeem, dan kan dit in slechts een aantal minuten of soms zelfs seconden. Een ander voorbeeld waarvoor algoritmen gebruikt worden is voor het oplossen van een Rubik’s Kubus. Het record van een mens staat op 4,22 seconden, waar een geprogrammeerde machine dit in 0,38(!) seconden kan. Bekijk het zelf maar: https://www.youtube.com/watch?v=nt00QzKuNVY

Machine Learning

Machine learning is een vorm van kunstmatige intelligentie die is gericht op het bouwen van systemen die van de verwerkte data kunnen leren of data gebruiken om beter te presteren. Tegenwoordig wordt machine learning overal om ons heen toegepast. Bij de communicatie met banken, het online winkelen of het gebruik van sociale media draagt machine learning ertoe bij dat onze ervaringen efficiënt, soepel en veilig verlopen. Machine learning en de technologie eromheen ontwikkelen zich snel, maar we beginnen pas net te begrijpen welke mogelijkheden ze allemaal te bieden hebben.

Machine learning wordt onderscheiden in 3 vormen: supervised, reinforcement en unsupervised learning. Bij supervised learning is de vorm van leren ‘gecontroleerd, omdat mensen aan de computer voorbeelden laten zien. Reinforcement learning ontvangt daarentegen pas feedback nadat de taak helemaal is uitgevoerd. Tot slot unsupervised learning, bij deze vorm gaat het systeem zelf op zoek naar patronen in data. Dit is een ongecontroleerde manier van leren waarbij er niet wordt gestuurd door middel van juiste voorbeelden. Kort samengevat is machine learning een systeem dat dankzij de algoritmen steeds beter en beter wordt. Dankzij het meerdere vormen zoals hierboven vermeld zijn ze ook om meerdere manieren inzetbaar. De meest voorkomen inzetting is voor het uitfilteren van spam-berichten.

Deep Learning

Deep learning is familie van machine learning, alleen kan deze technolie véél meer data analyseren. Er kan met behulp van deze technologie zelfs zoveel data geanalyseerd worden, dat systemen patronen ontdekken die getrainde mensen hoogstwaarschijnlijk zouden missen. Op basis van deze patronen maken systemen zulke accurate voorspellingen, dat ze het vrijwel altijd bij het rechte eind hebben. Het is in feite een aaneenschakeling van wiskunde vergelijkingen en kan in tegenstelling tot machine learning uit de voeten met ongestructureerde data. Het kan ook zelf patronen ontdekken door te oefenen met grote hoeveelheden (test)data.

Geef een reactie

Het e-mailadres wordt niet gepubliceerd. Vereiste velden zijn gemarkeerd met *