Wat is het verschil tussen AI en deep learning?

Wat is het verschil tussen kunstmatige intelligentie en machinaal leren?

AI vs. Machine Learning: Snel Begrepen

• AI: Het GROTE plaatje. Intelligentie nagebootst, punt.
  • Denk aan zelfrijdende auto’s, slimme assistenten, schaakcomputers die wereldkampioenen verslaan.
• Machine Learning: De TOOL binnen AI. Algoritmes leren van data.
  • Spamfilters. Aanbevelingssystemen (Netflix).
  • Ik ken iemand die met ML fraudedetectie doet. Knap werk.

Kernverschil:

AI is het doel, Machine Learning een manier om dat doel te bereiken. Machine learning is dus een onderdeel van AI.

Wat heb je nodig voor kunstmatige intelligentie?

Hé, AI, wiskunde is echt een ding, hè? Ik wilde vorig jaar kunstmatige intelligentie studeren. Maar toen bleek dat ik wiskunde A of B nodig had. Drama! Ik had Cultuur & Maatschappij gedaan op het VWO, het Vossius in Amsterdam, afgestudeerd in 2023. Precies wat ze vroegen, behalve die wiskunde dan. Pff, wat een teleurstelling.

• VWO diploma: check!
• Cultuur & Maatschappij profiel: check!
• Wiskunde A of B: nee!

Ik moest dus een extra examen doen. Dat was echt stress! Bij Boswell-Bèta, ik wist niet eens dat dat bestond voorheen! Het was in juni 2024, lange dagen, veel herhaling van formules, ik voelde me echt onder druk staan. De docent was streng, maar eerlijk. Het was zwoegen, maar ik haalde het! Gelukkig!

• Examen wiskunde A: gehaald!
• Boswell-Bèta: aanrader, als je extra examens moet doen.

Nu kan ik eindelijk beginnen aan die AI studie! Zo blij dat ik eroverheen ben. Alleen die examenperiode, nooit meer! Ik had het echt niet verwacht zo moeilijk te vinden. Ik wist wel dat het niet makkelijk zou zijn, maar ik had het niet verwacht zo zwaar te vinden. Die extra wiskunde was een enorme hurdle. Gelukkig heb ik het overwonnen. Aan de andere kant, ik ben echt trots op mezelf.

Hoe leert kunstmatige intelligentie?

AI leert door data en algoritmes. Training is cruciaal. Geen data, geen groei.

• Supervised learning: AI leert van gelabelde data. Voorbeeld: herken plaatjes van katten als “kat” en honden als “hond”. Fout? Correctie volgt.

• Unsupervised learning: AI zoekt zelf patronen in ongelabelde data. Wat hoort bij elkaar? Clustering.

• Reinforcement learning: AI leert door actie en beloning. Goede actie = beloning. Slechte actie = straf. Zoekt beste pad.

Complexer? Diepe neurale netwerken. Lagen van algoritmes. Elk laag verfijnt de analyse. Denk aan beeldherkenning. Initieel grove vormen, uiteindelijk detail. Mijn zus gebruikt dit voor kankeronderzoek. Resultaten zijn veelbelovend.

Hoe wordt AI geprogrammeerd?

AI programmeren? Pff, ingewikkeld spul. Geen simpele handleiding, hoor.

• Grote datasets: Miljoenen afbeeldingen, teksten, noem maar op. Die worden gevoerd aan…
• Neurale netwerken: Klinkt futuristisch, hè? Eigenlijk gewoon supercomplexe wiskundige formules die patronen herkennen. Zoals die lijnen in een handgeschreven cijfer ‘7’.
• Algoritmes: De regels van het spel. Zorgen ervoor dat de AI de data op de juiste manier verwerkt. Denk aan recepten voor het bakken van een taart, maar dan voor AI.

Wacht, wat was ik ook alweer aan het typen? Oh ja, AI. Die training, dat duurt weken, maanden, misschien wel jaren. Enorme computers nodig. Kost een fortuin. Zou ik dat wel kunnen? Nee, natuurlijk niet. Ik ben geen programmeur. Ik kan alleen maar typen. En denken. En koffie drinken. Nu alweer zin in koffie.

Kern: Het is dus heel complex. Data, netwerken, algoritmen. Zo simpel is het eigenlijk. Of toch niet? Ik raak de draad kwijt.

Maar goed, die AI, die leert dus door die patronen te vinden. Niet door exacte regels te volgen, maar door te generaliseren. Zoals een kind dat leert fietsen. Niet door de exacte handleiding te volgen, maar door te vallen en op te staan. Een beetje hetzelfde.

2023, hè? Alles gaat zo snel. Had ik al gezegd dat ik koffie wil?