Machine learning is een vorm van kunstmatige intelligentie waarbij computers zelflerend zijn en slimmer worden door te oefenen met voorbeelden, net zoals mensen dat doen. Je komt het vandaag de dag ov…
Machine learning is een vorm van kunstmatige intelligentie waarbij computers zelflerend zijn en slimmer worden door te oefenen met voorbeelden, net zoals mensen dat doen. Je komt het vandaag de dag overal tegen, van je favoriete streamingdienst tot de navigatie op je telefoon. Het mooie is dat je geen computergenie hoeft te zijn om te begrijpen hoe deze fascinerende technologie werkt.
Om te begrijpen wat machine learning (vaak afgekort als ML) precies is, helpt det om te kijken naar hoe we vroeger computers gebruikten. Vroeger moest je een computer voor elk klein dingetje exact vertellen wat hij moest doen door middel van lange lijnen programmeercode. Als je wilde dat een computer appels van peren kon onderscheiden, moest je een lijst met regels opstellen over de vorm, de kleur en het steeltje. Dat was heel veel werk en vaak niet waterdicht.
Bij machine learning draaien we dat principe juist om. In plaats van regels te bedenken, geef je de computer duizenden foto’s van appels en peren. De computer gaat zelf op zoek naar overeenkomsten en verschillen. Door al die oefening ontdekt het systeem vanzelf het verschil, zonder dat wij de precieze regels hoeven voor te kauwen. Het is eigenlijk hetzelfde als een kind dat leert wat een hond is: na een paar keer plaatjes kijken, herkent het kind een hond ook op straat.
Het leerproces van een computer via machine learning bestaat grofweg uit drie eenvoudige stappen. Het begint allemaal met data, oftewel informatie. Hoe meer informatie je de computer geeft, hoe beter het resultaat zal zijn.
1. Gegevens verzamelen: Eerst verzamel je een grote hoeveelheid voorbeelden. Dit kunnen foto's zijn, maar ook songteksten, weersvoorspellingen of aankopen uit een webshop.
2. Trainen en patronen zoeken: Vervolgens gebruikt de computer slimme wiskundige formules om door die berg gegevens te ploegen. Het systeem zoekt naar vaste patronen en herkenbare structuren in de informatie.
3. Voorspellingen doen: Zodra de computer genoeg heeft geoefend, kan hij nieuwe situaties beoordelen. Geef je hem een foto die hij nog nooit heeft gezien? Dan gebruikt hij zijn opgedane kennis om te voorspellen wat er op de foto staat.
Dit proces gaat maar door. Als de computer een foutje maakt en wij corrigeren hem ("Nee computer, dat was geen peer, maar een appel"), dan leert het systeem daar weer van voor de volgende keer.
Je gebruikt machine learning waarschijnlijk al vaker op een dag dan je denkt. De technologie werkt stilletjes op de achtergrond om ons leven net wat makkelijker te maken.
Een heel bekend voorbeeld zijn de aanbevelingen van diensten zoals Netflix of Spotify. Terwijl jij films kijkt of luistert naar muziek, onthoudt het systeem wat je leuk vindt. Het vergelijkt jouw smaak met die van miljoenen andere gebruikers. Zo ontdekt de computer een patroon en kan hij precies die serie of dat liedje aanraden dat jij waarschijnlijk geweldig zult vinden.
Ook handige toepassingen zoals automatische vertaalprogramma's en spellingscontrole op je telefoon maken hier gebruik van. Ze begrijpen de context van je zin doordat ze zijn getraind op miljarden geschreven zinnen. Hierdoor kunnen ze al raden welk woord je wilt typen nog voordat je het helemaal hebt ingevoerd. Zelfs de spamfilter in je e-mailbox werkt op deze manier: hij leert van jouw eerdere keuzes welke mailtjes ongewenst zijn en houdt je inbox lekker opgeruimd.
Net als elke andere technologie heeft machine learning zowel positieve kanten als punten waar we goed op moeten letten.
Het grootste voordeel is dat computers enorm snel grote hoeveelheden werk uit handen kunnen nemen. Ze worden nooit moe, kunnen eindeloos doorwerken en ontdekken patronen die voor het menselijk oog veel te ingewikkeld of te groot zijn. Hierdoor kunnen we sneller keuzes maken en worden processen een stuk efficiënter.
Daartegenover staan ook enkele nadelen en uitdagingen. Zo is een computer zo slim als de voorbeelden die je hem geeft. Als je een systeem traint met gekleurde of onvolledige informatie, kan de computer vreemde of oneerlijke beslissingen nemen. Daarnaast is het soms lastig om te begrijpen waarom een computer een bepaalde beslissing heeft genomen, omdat de onderliggende berekeningen zo complex zijn. Het blijft dus belangrijk dat wij als mensen altijd een oogje in het zeil houden en de eindverantwoordelijkheid behouden.
Is machine learning hetzelfde als kunstmatige intelligentie?
Nee, machine learning is een specifiek onderdeel van de bredere term kunstmatige intelligentie (AI). Waar AI staat voor alle technologieën die machines menselijk laten lijken, is machine learning de specifieke methode waarmee computers zelfstandig leren van data.
Heb ik programmeerkennis nodig om machine learning te begrijpen?
Je hebt absoluut geen programmeerkennis nodig om de basisprincipes van machine learning te begrijpen en toe te passen in je dagelijks leven. De technologie werkt immers op basis van logica en voorbeelden, net zoals wij mensen nieuwe dingen leren.
Kan een computer door machine learning echt zelfstandig denken?
Een computer denkt niet op een bewuste, menselijke manier na zoals wij dat doen, maar bootst denkprocessen heel goed na via geavanceerde statistiek en patroonherkenning. Het systeem heeft geen gevoelens of eigen wil, maar voert puur berekeningen uit op basis van zijn training.
Het is geweldig om te zien hoe machine learning ons dagelijks leven verrijkt en eenvoudiger maakt, zonder dat je er ingewikkelde technische formules voor hoeft te kennen. Door te begrijpen dat deze systemen simpelweg leren door heel veel te oefenen met voorbeelden, verdwijnt de magie en houd je een toegankelijke, behulpzame technologie over. Er valt nog ontzettend veel te ontdekken over dit onderwerp en je kunt altijd meer leren over AI technologievragen.
Nog een vraag over dit onderwerp?
Stel hem direct aan AskDirect — gratis, snel en in gewone taal.
Stel een vraag →