Wat is machinaal leren?

Wat is machinaal leren? Karen Hao

Algoritmen voor machinaal leren zijn verantwoordelijk voor de overgrote meerderheid van de ontwikkelingen op het gebied van kunstmatige intelligentie en toepassingen waarover u hoort. (Bekijk voor meer achtergrondinformatie ons eerste stroomdiagram over 'Wat is AI?' hier .)

Wat is de definitie van machine learning?

Algoritmen voor machine learning gebruiken statistieken om patronen te vinden in enorme* hoeveelheden gegevens. En gegevens omvatten hier veel dingen: getallen, woorden, afbeeldingen, klikken, wat dan ook. Als het digitaal kan worden opgeslagen, kan het worden ingevoerd in een machine learning-algoritme.

Machine learning is het proces dat aan de basis ligt van veel van de services die we tegenwoordig gebruiken: aanbevelingssystemen zoals die op Netflix, YouTube en Spotify; zoekmachines zoals Google en Baidu; feeds voor sociale media zoals Facebook en Twitter; stemassistenten zoals Siri en Alexa. De lijst gaat verder.

In al deze gevallen verzamelt elk platform zoveel mogelijk gegevens over u - naar welke genres u graag kijkt, op welke links u klikt, op welke statussen u reageert - en gebruikt het machine learning om een ​​goed onderbouwde schatting te maken van wat u misschien de volgende wil. Of, in het geval van een stemassistent, over welke woorden het beste passen bij de grappige klanken die uit je mond komen.

Eerlijk gezegd is dit proces vrij eenvoudig: zoek het patroon, pas het patroon toe. Maar het bestuurt zo'n beetje de wereld. Dat is grotendeels te danken aan een uitvinding in 1986, met dank aan Geoffrey Hinton, tegenwoordig bekend als de vader van diep leren.

Wat is diep leren?

Deep learning is machinaal leren op steroïden: het maakt gebruik van een techniek die machines een verbeterd vermogen geeft om zelfs de kleinste patronen te vinden en te versterken. Deze techniek wordt een diep neuraal netwerk genoemd - diep omdat het vele, vele lagen van eenvoudige rekenknooppunten heeft die samenwerken om door gegevens te knabbelen en een eindresultaat te leveren in de vorm van de voorspelling.

Wat zijn neurale netwerken?

Neurale netwerken waren vaag geïnspireerd door de innerlijke werking van het menselijk brein. De knooppunten zijn een soort van neuronen, en het netwerk is een soort van als de hersenen zelf. (Voor de onderzoekers onder jullie die huiveren bij deze vergelijking: stop met poeh-poohing de analogie. Het is een goede analogie.) Maar Hinton publiceerde zijn baanbrekende paper in een tijd waarin neurale netwerken uit de mode waren geraakt. Niemand wist echt hoe ze ze moesten trainen, dus ze produceerden geen goede resultaten. Het duurde bijna 30 jaar voordat de techniek een comeback maakte. En jongen, maakte het een comeback.

Wat is begeleid leren?

Nog een laatste ding dat u moet weten: machinaal (en diep) leren is er in drie smaken: onder toezicht, zonder toezicht en versterking. Bij gesuperviseerd leren, de meest voorkomende, zijn de gegevens gelabeld om de machine precies te vertellen naar welke patronen hij moet zoeken. Zie het als zoiets als een speurhond die op doelen jaagt zodra hij de geur kent waarnaar hij op zoek is. Dat is wat je doet wanneer je op play drukt in een Netflix-show - je vertelt het algoritme om vergelijkbare shows te vinden.

Wat is onbegeleid leren?

Bij niet-gesuperviseerd leren hebben de gegevens geen labels. De machine zoekt gewoon naar alle patronen die hij kan vinden. Dit is hetzelfde als een hond tonnen verschillende objecten laten ruiken en ze in groepen met vergelijkbare geuren laten sorteren. Niet-gecontroleerde technieken zijn niet zo populair omdat ze minder voor de hand liggende toepassingen hebben. Interessant is dat ze grip hebben gekregen op cyberbeveiliging.

Wat is versterkend leren?

Ten slotte hebben we versterkingsleren, de nieuwste grens op het gebied van machine learning. Een versterkingsalgoritme leert met vallen en opstaan ​​om een ​​duidelijk doel te bereiken. Het probeert veel verschillende dingen uit en wordt beloond of bestraft, afhankelijk van of zijn gedrag hem helpt of verhindert om zijn doel te bereiken. Dit is hetzelfde als het geven en onthouden van traktaties bij het aanleren van een nieuwe truc aan een hond. Reinforcement learning is de basis van Google's AlphaGo, het programma dat de beste menselijke spelers versloeg in het complexe Go-spel.

Dat is het. Dat is machinaal leren. Bekijk nu het stroomschema hierboven voor een laatste samenvatting.

*Opmerking: Oké, er zijn technisch gezien manieren om machine learning uit te voeren op kleine hoeveelheden gegevens, maar je hebt meestal enorme stapels nodig om goede resultaten te behalen.

____

Dit verscheen oorspronkelijk in onze AI-nieuwsbrief The Algorithm. Schrijf je hier gratis in om het direct in je inbox te krijgen.

zich verstoppen