De verschillende vormen van Machine Learning

Er bestaat veel verwarring tussen de termen AI, Machine Learning en Deep Learning. Ze worden ook vaak door elkaar gehaald. In deze blogpost gaan we kort uitleggen wat deze termen nu betekenen.
illustration

Wat is het verschil tussen AI, Machine Learning en Deep Learning?

Stel je een ajuin voor met verschillende lagen. De buitenschil is de Artificiële Intelligentie. Deze term doet vaak denken aan kwaadaardige robots die de wereld willen overnemen maar het is eigenlijk gewoon een manier om computers makkelijker te laten interageren met de mens.

Machine Learning is dan de methode om die computer dat aan te leren. We gaan dus een computer leren leren. Wanneer we bijvoorbeeld een computer een kat wil doen herkennen dan gaan we die computer heel veel foto’s van katten moeten tonen. Hoe meer foto’s de computer van katten te zien krijgt, hoe beter de computer wordt in het herkennen van katten. De computer leert dus enkel door het met heel veel data te voeden. Deze techniek heet dus machine learning en is onderdeel van het bredere concept van Artificiële Intelligentie.

In de kern vinden we Deep Learning. Deep learning is gebaseerd op meerlaagse neurale netwerken. Deep Learning is eigenlijk een deelverzameling van Machine Learning waarin gelaagde neurale netwerken leren van grote hoeveelheden data. Je kan het wat vergelijken met hoe een menselijk brein werkt. Deep Learning wordt bijvoorbeeld gebruikt bij beeldherkenning en spraakherkenning. Of denk aan AlphaGO van Deepmind Google.

de verschillende lagen van artificiële intelligentie

Wat zijn de verschillende vormen van Machine Learning?

De verschillende vormen van machine learning
Machine Learning bestaat uit drie vormen: ‘supervised learning’, ‘unsupervised learning’ en ‘reinforcement learning’.

Supervised Learning

Stel dat je een doos hebt vol met blokken. Je geeft de computer de instructie om alle blokken te sorteren op kleur. Je krijgt dan als output een stapel van alle blokken per kleur. Omdat je de computer een instructie geeft, spreken we van supervised learning. Bij supervised learning komt er nog menselijk werk aan te pas omdat de computer duidelijke instructies moet krijgen om het gewenste resultaat te behalen.

supervised learning, unsupervised learning, reinforcement learning

Unsupervised Learning

Een tweede vorm van machine learning is unsupervised learning. Je krijgt een nieuwe doos met blokken maar nu geef je de computer de instructie om op gelijkenissen te groeperen. Doordat deze instructie niet specifiek genoeg is en ruimte over laat voor interpretatie, kan de computer de blokken sorteren per kleur, per grootte of per vorm. Dit heet clusteren. Er is een belangrijk verschil tussen supervised en unsupervised learning, niet alleen in de instructies die je geeft maar ook in de data. Bij supervised learning train je de algoritme met gelabelde data terwijl bij unsupervised learning train je het algortime met ongelabelde data. Deze laatste vorm is dan ook het minst arbeidsintensief omdat de menselijke input minimaal blijft.

Machine Learning volgt altijd dezelfde logica: input van data verwerking van data en output van data.

Reinforcement Learning

Stel dat je nu de computer de opdracht geeft om met de blokken zo hoog mogelijk te bouwen. In de eerste fase zal de computer de blokjes netjes op elkaar stappelen maar die toren zal al snel omvallen. De computer leert dat dit geen goede manier is om een toren te bouwen. De computer zal nu proberen om met de blokken een bredere basis te vormen. Het merkt op dat dit al vlotter gaat. Doot ‘trail & error’ zal de computer snel het bouwen van een toren perfectioneren. De computer heeft dus bijgestuurd waar nodig, dit heet reinforcement learning.