Het verschil tussen Artificial Intelligence, Machine Learning en Deep Learning.
Kunstmatige intelligentie, machine learning en deep learning worden vaak in één adem genoemd. Toch zijn ze verre van gelijk aan elkaar. Wat is het verschil tussen Kunstmatige intelligentie, machine learning en deep learning?
Verschil tussen Machine learning, Deep Learning en Kunstmatige intelligentie in essentie:
- Kunstmatige intelligentie streeft naar het ontwikkelen van functionele intelligentie buiten het menselijk brein om. Binnen kunstmatige intelligentie onderscheiden we sterke en beperkte A.I. De sterke of brede variant richt zich op het ontwikkelen van software welke zelfstandig kan redeneren en problemen op kan lossen.
- Machine Learning houdt zich bezig met de ontwikkeling van software die haar eigen performance verbetert. Machine learning leunt sterk op statistische wetenschap.
- Deep learning is methode van machine learning. Deep learning is gebaseerd op meerlaagse neurale netwerken. Er zijn talloze “niche” voorbeelden van Deep learning waarbij het menselijke brein moeiteloos verslagen wordt.
Groeien met de meest belangrijke technologie sinds het internet.
Machine learning biedt u en uw onderneming ongekende mogelijkheden. In dit whitepaper verkennen we de mogelijkheden voor uw bedrijf. GlobalOrange heeft een pionierspositie op het gebied van machine learning en kunstmatige intelligentie en de ervaring die daar bij hoort. Deze ervaring delen we graag met u middels deze whitepaper machine learning. In dit whitepaper behandelen we definities, verschillende technieken en de kansen die machine learning u biedt.
Deep learning.
Deep Learning noemen we ook wel gestructureerd- of hiërarchisch leren. Deep learning maakt deel uit van een bredere variatie van machine learning-methoden. Deep learning kan feitelijk op drie manieren geschieden:
- Gecontroleerd: in dit geval krijgt het algoritme een input en een voorbeeld van een output. Het algoritme leert op basis van het voorbeeld.
- Ongecontroleerd: in dit geval krijgt het algoritme geen voorbeeld van een output.
- Semi-gecontroleerd: houdt het midden tussen gecontroleerde en ongecontroleerde deep learning.
Deep learning wordt succesvol gebruikt op het gebied van bijvoorbeeld beeldherkenning (e.g. faceID, beoordelen van medische scans), spraakherkenning (Alexa, Siri, etc) en vertaling (Google translate). Samenvoeging van diverse deep learning toepassingen leidt tot nog krachtigere toepassingen. Voorbeelden hiervan zijn de zelfrijdende auto en realtime spraakvertaling waarbij je in het Nederlands tegen een Chinees kan praten en hij/zij jouw moeiteloos verstaat.
Maar wat is een neural network dan?
Machine learning.
Machine learning, of automatisch leren is een behoorlijk breed onderzoeksveld binnen kunstmatige intelligentie en tevens in software ontwikkeling. Als we het binnen software ontwikkeling over machine learning hebben dan hebben we het feitelijk over de ontwikkeling van algoritmes en begeleidende software waarmee computers kunnen leren. Deze software wordt beter in haar taak naarmate ze deze vaker uitvoert. De ontwikkelende performance van machine learning software kan uitgedrukt worden middels de volgende formule.
T = Task
X = Number of exercises
P = Performance
T x X = P
Machine learning leunt sterk op statistische analyse, het analyseren van data. Machine learning is meer gericht op algoritmische complexiteit in programma’s. Tevens is machine learning sterk gerelateerd aan data mining. In data mining wordt op een geautomatiseerde manier gezocht naar relaties of voorkomende patronen in een grote hoeveelheid data.
Methodes binnen machine learning zijn ruwweg te verdelen in drie categorieën:
Supervised machine learning
Supervised learning maakt gebruik van data welke gelabeld is door mensen. Supervised data wordt voornamelijk gebruikt om middels data gebeurtenissen te voorspellen. Anders gezegd, er kan het beste voor supervised learning gekozen worden als de gewenste output van een algoritme bekend is. In supervised learning leert een algoritme een serie inputs samen met een serie inputs in combinatie met de corresponderende (verlangde) outputs en de vergelijking tussen ongewenste outputs. Op basis van de discrepantie tussen de beiden past het model zich aan.
Een voorbeeld van supervised learning is Apple’s Photos op iOS en Mac OS X. Als de gebruiker een paar vrienden tagged op een paar foto’s is de software in staat om deze mensen voortaan te herkennen op foto’s en deze zelfstandig te taggen.
Classification
Classification valt onder supervised learning. Classification kan het beste worden gedefinieerd als het pogen om een output te voorspellen wanneer de input bekend is. Om dit te kunnen doen heeft het model behoefte aan een gelabeld voorbeeld in de vorm van een afbeelding, tekst of spraak.
Unsupervised machine learning
In het geval van data welke niet gelabeld is kan het beste gebruik gemaakt worden van unsupervised learning. In dit geval poogt de software nieuwe patronen in de data te ontdekken zonder dat de software bekend is met de soort data of labels in welke vorm dan ook. Deze vorm van machine learning werkt goed voor bijvoorbeeld clustering. Bij clustering wordt data georganiseerd op basis van overeenkomstige kenmerken.
Reinforcement machine learning
Deze manier van machine learning is sterk gebaseerd op een theorie uit de psychologie. In het kort, reinforcement behavior is niets anders dan leren door ‘Trial & Error’. Dat kan een computer natuurlijk bij uitstek. In het geval van reinforcement learning onderzoekt een computer de ideale uitkomst door deze simpelweg een groot aantal keer te simuleren. Deze vorm van machine learning wordt veel gebruikt bij navigatie applicaties of gaming.
Praktische voorbeelden:
SimpledCard: Machine learning bespaart tijd en voorkomt fraude.
SimpledCard is een innovatieve fintech applicatie waarbij internationaal geaccepteerde betaalpassen kunnen worden uitgegeven zonder tussenkomst van een bank. Bonnetjes worden via een eenvoudige mobiele app direct aan de transacties gekoppeld.
Voor SimpledCard hebben we Machine Learning op de volgende gebieden toegepast:
Transaction monitoring
De applicatie monitort alle transacties en leert zelf frauduleuze transacties te herkennen. Dit bespaart de tijd die benodigd was voor handmatige controle van transacties en bonnetjes.
Spraakherkenning
Diverse handelingen in de app kunnen spraakgestuurd worden uitgevoerd, zoals het geven van een opdracht tot aanvullen van het saldo op de kaart met een bepaald bedrag.
Herkennen van bonnetjes
De applicatie herkent zelf de bonnetjes en vult de benodigde informatie voor verantwoording, zoals omschrijving en bedrag, automatisch in.
We kunnen helpen met:
Kunstmatige intelligentie.
Als we het hebben over kunstmatige intelligentie dan hebben we het over een gecreëerd (en dus kunstmatig) verschijnsel dat in meerdere of mindere mate intelligentie vertoond.
Wikipedia (what else) definieert intelligentie als volgt:
Intelligentie is een algemeen begrip uit de psychologie dat een mentale eigenschap beschrijft met veel verschillende functies; zoals de mogelijkheid overeenkomsten en verschillen op te merken in waarnemingen, zich in de ruimte te oriënteren, te redeneren, plannen te maken, problemen te doorgronden en op te lossen, in abstracties te denken, ideeën en taal te begrijpen en te produceren, informatie op te slaan in het geheugen en daar weer uit op te halen, te leren van ervaringen. -Wikipedia
Het feit dat Wikipedia refereert naar een mentale eigenschap impliceert dat intelligentie louter voorbehouden zou zijn aan levende wezens. Kunstmatige intelligentie is dus het vermogen zoals hierboven wordt beschreven maar dan bij een levenloos object zoals een computer.
Binnen het veld van kunstmatige intelligentie maken we onderscheid tussen beperkte en sterke kunstmatige intelligentie.
Beperkte kunstmatige intelligentie.
Beperkte kunstmatige intelligentie beperkt zich als het ware tot kleine gebieden waarin bepaald gedrag intelligent lijkt. Beperkte kunstmatige intelligentie zou daarom ook gespecialiseerde intelligentie genoemd kunnen worden. De software lijkt intelligentie maar dan alleen op een specifiek gebied. Hierbij kan gedacht worden aan de algoritmen die Google inzet om zoeken op het internet te faciliteren. Maar ook visuele inspectie of bepaalde expertsystemen. Beperkte kunstmatige is op het moment van schrijven de heilige graal van software ontwikkeling.
Sterke kunstmatige intelligentie.
Bij sterke kunstmatige intelligentie gaat het om software die echt zelfstandig problemen kan oplossen. Theoretisch gezien is het mogelijk dat een dergelijk systeem een eigen bewustzijn zou kunnen ontwikkelen. Software die dus daadwerkelijk haar eigen identiteit gaat krijgen. Een dergelijk bewustzijn kan zich op twee manieren uiten. Een intelligentie gebaseerd op de menselijk intelligentie. In dit geval denkt en uit de computer zich als een mens. De tweede mogelijke mogelijkheid is anders, de software ontwikkelt zich op een niet menselijke manier. Het is lastig te omschrijven hoe een dergelijk construct er daadwerkelijk uit zou zien. Fictieve voorbeelden zijn bekend uit films zoals iRobot, The Terminator en The Matrix. U leest het goed, op dit moment is het onmogelijk om een sterke A.I te bouwen. Wait-but-Why is een leuke blog die hier verder op in gaat.
Samengevat.
Deep learning is een discipline van machine learning, in deep learning leren gelaagde neurale netwerken van grote hoeveelheden data. Met machine learning refereren we naar algoritmen wiens performance verbetert naarmate ze in een verloop van tijd meerdere keren aan data worden blootgesteld. Kunstmatige intelligentie is een (software) construct dat zelfstandig kan waarnemen, redeneren en reageren.
Meer lezen over machine learning:
Vrijblijvend advies over software ontwikkeling?
Laat uw gegevens hier achter en wij nemen zo spoedig mogelijk contact met u op.
“GlobalOrange heeft goed met ons meegedacht en door toepassing van machine learning de applicatie vereenvoudigd. Onze eindgebruikers hoeven nu veel minder tijd te besteden aan controle.”
Contact
GlobalOrange
GlobalOrange 
