![](/upload_mm/d/1/3/435f7bad-f45b-4e96-beae-16f37ad14bcc_robothand%203_850ad844_320x800.jpg)
Kunstmatige intelligentie en Machine Learning
Zou je een appel vangen als iemand hem voorzichtig naar je toe gooit? Zou dat moeilijk zijn? Zou je snel een complexe vergelijking kunnen oplossen over de beweging van een appel in een 3D ruimte? Op deze pagina bekijken we de onderwerpen kunstmatige intelligentie en machine learning in wat meer detail.
![Mensen kunnen vrij eenvoudig leren om te jongleren. Foto van Paranamir/Shutterstock.com](/upload_mm/4/8/e/088ad75f-a302-4bea-bfe0-3637e41e42dc_AI-what%20is%20it-shutterstock_344261759_715f4719_320x240.jpg)
Wat is kunstmatige intelligentie?
Zou je een appel vangen als iemand die voorzichtig naar je gooit? Waarschijnlijk zeggen de meeste van ons "Jawel, gemakkelijk!"
Wij mensen kunnen inderdaad een appel vangen die naar ons wordt gegooid, of een tennisbal of een voetbal of elk ander type bal, zonder al te veel moeite. Dit komt doordat we ervaring hebben met vergelijkbare situaties met langzaam 'vliegende' objecten. We hoeven ook niet speciaal te trainen om appels te vangen. Als je twintig minuten geoefend hebt met het overgooien van een bal samen met je vrienden, dan heb je alle kennis en vaardigheden die nodig zijn voor het vangen van appels, peren, mandarijnen, citroenen, etc.
Dit voorbeeld vat kort samen wat kunstmatige intelligentie (KI of AI) en Machine Learning (ML) eigenlijk is: leren van ervaringen en de opgedane kennis toepassen in meerdere situaties. Op deze pagina bespreken we de belangrijkste begrippen van KI en ML, we onderzoeken verschillende soorten KI en bespreken wat misverstanden.
Is Kunstmatige Intelligentie hetzelfde als Machine Learning?
Hoe leert een machine?
![Hoe leert een machine? Foto van Optinik/Shutterstock.com](/upload_mm/9/b/7/228847d0-5a4c-4475-a29c-33ef11584e5a_AI_how-does-machine-learn-shutterstock_1210490581_753bd407_322x175.jpg)
De ontwikkeling van bijne elk machine learning systeem bestaat uit 3 of 4 stappen:
- Exploratory Data Analysis (EDA) – de eerste stap gaat over het begrijpen van de beschikbare data door de programmeur. Hiervoor worden verschillende technieken gebruikt.
- Ontwerp – de programmeur kies het type algoritme en de juiste implementatie van het algoritme om de machine zo goed mogelijk de taak te laten uitvoeren.
- Training – de data wordt aangeboden aan de machine om hem met behulp van het algoritme te laten leren.
- Inzet – als het ML algoritme goed genoeg presteert, heeft de machine voldoende geleerd en kan hij de taak gaan uitvoeren waarvoor hij getraind is.
![Een collectie van zomervakantiefoto's. Foto van REDPIXEL.PL/Shutterstock.com](/upload_mm/e/d/7/e7868aba-fe68-4bce-be5e-367f47ed1739_AI-ML-example-shutterstock_162131621_19b9c1f2_320x240.jpg)
Machine learning voorbeeld
Laten we als voorbeeld voor alle theorie hierboven een taak bedenken: het sorteren van zomervakantiefoto's in de groepen (i) portretten, (ii) stad, (iii) natuur en (iv) strand.
Voordat we het ML algoritme kunnen ontwerpen, moeten we eerst goed naar de data set kijken. Om de machine te laten leren, moeten we natuurlijk foto's hebben uit elke groep, die ook als zodanig gelabled zijn. De voorbeeldfoto's moeten representatief zijn en er moeten er genoeg van zijn.
Het trainen is eigenlijk vrij rechttoe rechtaan: we laten een foto aan het ML algoritme zien, het algoritme probeert te bepalen bij welke groep de foto hoort, en we vertellen het algoritme of dat klopt of niet. Als de foto goed geclassificeerd is, krijgt het algoritme positieve feedback, anders negatieve feedback. Bij negatieve feedback maakt het algoritme een kleine verandering aan zichzelf, zodat het niet nog een keer die fout maakt.
Het proces van foto's laten zien en feedback geven, wordt herhaald tot het algoritme goed presteert, typisch 98% goed. Daarmee is de trainingsfase afgerond.
Het algoritme kan nu ingezet worden om je vakantiefoto's te classificeren. Het leuke is dat het nog steeds mogelijk is dat het algoritme blijft leren van nieuwe foto's, waardoor het zichzelf automatisch blijft verbeteren!