Machine learning deep learning ai

Ooit een wetenschappelijk experiment, is het nu een populair project in technologie en wiskunde: machine learning. Deze bewegingstak komt voort uit de eindeloze verkenning van een vorm van kunstmatige intelligentie.

Wetenschappelijke feiten hebben nu het punt bereikt waarop ze stilaan in aanraking komen met sciencefiction. Het is niet per se een automatische robot, zoals de C-3PO in Star Wars, die droomt van elektrische schapen of een existentiële crisis doormaakt; we komen echter steeds dichter bij de toekomst van kunstmatige intelligentie die ooit werd beschreven.

Wat is machinaal leren?
Een veelgebruikte formele definitie van machine learning is een techniek: “Een computerprogramma kan leren van gebeurtenis E, ten opzichte van een vergelijkbare taak T en prestatiemetriek P, als de prestaties op de taak in T worden gemeten door P, Experience E-verbetering. “

Kort gezegd omvat machine learning computeralgoritmen voor autonoom leren, dat wil zeggen, leren van data en input zonder begeleiding. Computers hoeven dus niet zelf te programmeren, maar kunnen zelfstandig hun algoritmen veranderen en verbeteren.

Tegenwoordig worden algoritmen voor machine learning gebruikt om computers met mensen te laten communiceren, eigen zelfrijdende auto’s mogelijk te maken, rapporten en statistieken over sportwedstrijden samen te stellen en te publiceren, e-mails op spam te controleren, patiënten tijdig te diagnosticeren en mogelijke terroristen te identificeren en te lokaliseren.

De rol van machine learning
Al tijdens de hype van kunstmatige intelligentie beseften veel onderzoekers het belang van machines die onafhankelijk van data kunnen leren – tot nu toe is dit een van de hoekstenen van kunstmatige intelligentie gebleken. Tot nu toe heeft het onderzoek naar neurale netwerken, statistiek en waarschijnlijkheid als onderdeel van intelligentie grote vooruitgang geboekt op dit gebied.

In de loop van de tijd begonnen de paden van machine learning en kunstmatige intelligentie langzaam te scheiden. Toenemende aandacht voor methoden die steunen op modellen die gebaseerd zijn op logica en kennis, duwt probabilistische modellen verder naar de achtergrond: de rol van machine learning in het Internet of Things en de rol van machine learning. Kansberekening was en ontbeert immers vertrouwen. Het verzamelen van de juiste gegevens en het op de juiste manier omgaan met deze praktische problemen heeft geleid tot een sterke afname van het gebruik van statistische modellen.

machine learning deep learning ai