Artificiële intelligentie, machine learning en deep learning: geen synoniemen

Data is het nieuwe goud. Veel bedrijven bevinden zich op een databerg, en willen meer datagedreven beslissingen nemen. De fuzz rond data en artificiële intelligentie schrikt veel mensen onnodig af. Enkele praktische tips en tricks.

Trefwoorden: #Agoria, #artificiële intelligentie, #machine learning

Lees verder

Columns

( Foto: Agoria )

ENGINEERINGNET.BE - Artificiële Intelligentie (AI), Machine Learning (ML) en Deep Learning (DL) zijn alle drie praktische toepassingen van diverse data-analysemodellen en algoritmen voor uiteenlopende toepassingen.

Deze tools hebben het potentieel om meer inzichten te genereren op basis van data. Deze inzichten genereren op hun beurt waarde voor bedrijven. Dankzij AI, ML en DL zijn mensen in staat om ongeziene patronen te ontdekken en om mogelijke uitkomsten te voorspellen van bepaalde acties.

Het blijft nog steeds een uitdaging om zinvolle inzichten uit data te halen. Daarvoor is net zowel kennis van datatoepassingen als van de bedrijfsvoering noodzakelijk.

Wat is artificiële intelligentie?
Simpel gezegd heeft AI betrekking op systemen of machines die onze eigen intelligentie nabootsen om taken uit te voeren en die zichzelf tijdens dat proces kunnen verbeteren op basis van de vergaarde informatie.

AI heeft eerder betrekking op het proces van en het vermogen tot uiterst doelgericht denken en analyseren van data dan dat het om een bepaalde indeling of functie gaat. AI is een breed begrip, en omvat machine learning en deep learning.

Wat is machine learning?
ML is de subset van AI-technologie die rond de jaren 80 een hoge vlucht heeft genomen. De belangrijkste toepassing ervan is de steeds hogere kwaliteit en precisie van big data-analyse. De ML-algoritmen vinden patronen in de historische gegevens en de getrainde ML-modellen volgen deze patronen om de waardevolle inzichten in nieuwe gegevens te voorspellen.

Twee belangrijke methodes hierin zijn: supervised learning (met tussenkomst van een data-analist of een domeinexpert) en unsupervised learning (waar een algoritme alle inzichten zelfstandig genereert). Supervised learning is meer tijdsintensief voor de expert, maar hij/zij leert zelf wel veel bij tijdens het experiment.

Unsupervised learning is minder tijdsintensief, maar kan dan weer tot inzichten leiden die niet erg waardevol zijn (bijvoorbeeld dat er een verband is tussen elektriciteitsproductie en het geproduceerd volume bij een bedrijf).

Wat is deep learning?
DL-algoritmen maken gebruik van meerdere lagen van knooppunten met verschillende gewichtsfactoren, zogenaamde Deep Neural Networks of DNN's. Er zijn input- en outputknooppunten, en daartussen ten minste tien lagen. Door het logische gewicht van elke DNN-knoop aan te passen, kunnen de datawetenschappers de uitkomst beïnvloeden en zo het model trainen om op schaal de gewenste resultaten te bereiken.

Door de ontwikkeling van massaal parallelle gegevensverwerking en het gebruik van krachtige GPU's (Graphic Processing Units) kunnen datawetenschappers tegenwoordig gebruik maken van DNN's met duizenden lagen. Op deze manier kan je een algoritme trainen om bijvoorbeeld katten en honden van elkaar te onderscheiden op basis van beelden.

Steeds meer configureerbare tools
Zowat twintig jaar geleden vereisten deze technieken nog veel codeerwerk, en werden deze tools vooral gebruikt door data-experten, in nauw overleg met specialisten die over de nodige expertise in een bepaald domein beschikten.

Deze codeersystemen zijn nu nog wijd verspreid, maar er komen ook steeds meer configureerbare tools op de markt. AI wordt dus meer en meer gemeengoed, en je kan nu zelf ook hands on aan de slag met configureerbare tools om een data-experiment op te zetten.

www.agoria.be

Wegwijs in AI:  van idee tot realisatie
Ben je op zoek naar inspiratie of ondersteuning om de kracht van artificiële intelligentie ook voor jou bedrijf te laten werken? Volg gratis een of meerdere AI Inspiration Sessions van Agoria en ontdek in online sessies van een uurtje telkens drie of vier concrete use cases uit de praktijk. Meer info hier: www.agoria.be/nl/ai-inspiration-sessions-concrete-use-cases-in-uw-vakgebied