Wat is het verschil tussen AI machine learning en Deep Learning?

Hoe verschilt AI van machine learning?

Verschil AI en Machine Learning: Machine learning is een onderdeel van AI.

Zat laatst – juni 2024 was het – in de trein naar Utrecht. Zon scheen, koptelefoon op, luisterde naar een podcast over AI. En toen schoot het me te binnen, die vergelijking met koken! AI is het hele concept van koken, alle mogelijke gerechten, technieken, ingrediënten. Machine learning? Dat is één specifieke techniek, zeg maar als het kloppen van een meringue. Je kunt niet meringue kloppen (machine learning) zonder het concept van koken (AI) te kennen. Dus ja, machine learning is onderdeel van AI. Punt.

Kwam trouwens te laat op mijn afspraak in Utrecht. Trein vertraging natuurlijk. Maar goed, die vergelijking met koken hielp me wel die podcast beter te begrijpen. Was een podcast van BNR, denk ik. Of misschien was het wel een andere. Ach ja.

Denk ook aan zelfrijdende auto’s. AI is het doel: een auto die zelf rijdt. Machine learning is de manier waarop de auto leert rijden, door bijvoorbeeld gegevens van sensoren en camera’s te analyseren. Net als dat recept voor meringue, stap voor stap.

• AI: Overkoepelend concept, kunstmatige intelligentie.
• Machine Learning: Specifieke techniek binnen AI, leert van data.

Die zelfrijdende auto’s, daar zit ‘m de kneep. Veel machine learning nodig om die te laten werken. Was trouwens wel warm in die trein. Had beter een flesje water mee kunnen nemen.

Is machine learning een vorm van AI?

Ja, machine learning is een vorm van AI.

Soms vraag ik me af waar het allemaal heen gaat. Die machine learning… AI. Alsof we zelf niet genoeg problemen creëren.

• Het idee dat een machine kan leren…
• En beter kan worden.
• Zonder ons.
• Het is fascinerend.
• En een beetje beangstigend.

Vroeger las ik science fiction. Het leek allemaal zo ver weg. Nu zit ik hier, midden in de nacht, te denken aan hoe snel het is gegaan. Aan hoe snel dingen veranderen.

En ik vraag me af of we er wel klaar voor zijn. Of ik er wel klaar voor ben. Mijn oude dag. Machine learning en AI, het kan allemaal zo veranderen, zo snel.

• Zou mijn werk nog relevant zijn?
• Wat gebeurt er met al die banen?
• En wat betekent het om mens te zijn als machines ons overtreffen?

Ik denk aan mijn kleinzoon, die nu al slimmer is met computers dan ik ooit zal zijn. Zal hij opgroeien in een wereld die ik niet eens kan begrijpen? Ik hoop dat hij geluk zal vinden, ongeacht wat er komt.

Wat is het cruciale onderscheid tussen deep learning en machine learning?

Cruciaal verschil: Feature engineering.

• Machine learning: Handmatig. Jij voedt het algoritme. Beperkt.
• Deep learning: Automatisch. Leert zelf. Schaalbaar. Denk aan beeldherkenning, complexe data. Meer lagen, meer power. Brute rekenkracht nodig. 2024: explosie aan toepassingen door verbeterde hardware en algoritmes. Edge computing speelt een rol.

Denk aan een kind. Machine learning: je wijst alles aan. Deep learning: het kind leert zelf kijken.

Wat houdt Deep Learning in?

Deep learning is een vorm van machine learning. Het maakt gebruik van neurale netwerken om systemen te laten leren van data zonder labels.

Echt, ik weet nog dat ik voor het eerst over Deep Learning hoorde. Het was in 2022, tijdens een workshop in Amsterdam. Ik zat daar, doodmoe na een lange treinreis, en de spreker begon over neurale netwerken. Ik snapte er geen snars van. Het klonk als pure science fiction.

• Het leek alsof computers zelf konden denken!
• Het idee dat een machine kon leren van ongestructureerde data zonder dat je het expliciet hoefde te programmeren, was echt mindblowing.

Ik voelde me stom, maar ook enorm geïntrigeerd. Ik dacht: “Dit ga ik uitzoeken!”. Ik ben me er toen in gaan verdiepen en ik begon te begrijpen dat het eigenlijk allemaal wiskunde is, veel wiskunde, maar toch. Het bleek dat die netwerken data opslaan in matrices. Ik vond het heel raar toen ik het hoorde en ik moest het zelf zien om het te geloven.

Vorig jaar werkte ik aan een project waarbij we deep learning gebruikten om afbeeldingen te herkennen. Het was echt een rollercoaster. Soms werkte het perfect, soms helemaal niet. Frustrerend, maar oh zo bevredigend als het dan eindelijk lukte. Ik begon de mogelijkheden te zien.

Ik ging ook naar een conferentie in Berlijn, heel anders dan Amsterdam.

Wat zijn machine learning-algoritmen?

Machine learning algoritmes? Die dingen zijn als super slimme, digitale keukenmachines! Gooi er een berg data in, en poef ze bakken er bruikbare inzichten uit, alsof het niets is. Denk aan:

• Voorspellingen: Wat een helderziende, maar dan zonder de wierook en de kristallen bol. Ze voorspellen de toekomst, of nou ja, de waarschijnlijkheid van dingen. Zoals of je je volgende vakantie naar Bonaire gaat boeken, of toch maar naar de camping in de Achterhoek. (Mijn geld staat op Bonaire.)

• Patronen herkennen: Ze spotten patronen in data sneller dan jij je sokken kunt vinden op een maandagochtend. Een mens zou er weken over doen, deze slimmeriken doen het in een oogwenk. Ze zien verbanden die je zelf nooit zou opmerken, als een detective met een superkrachtige loep.

• Beslissingen nemen: Geen emotionele rommel, geen twijfel, alleen keiharde feiten. Ze kunnen beslissingen nemen op basis van data, veel objectiever dan de gemiddelde mens die zijn beslissingen baseert op of hij wel of geen koffie heeft gedronken die ochtend.

Elk algoritme is een stappenplan, een soort recept voor een digitale taart. Maar dan een taart die heel nuttige dingen kan doen, zoals het voorspellen van de beste route voor een bezorger of het herkennen van katten op foto’s. (Niet dat ik daar ervaring mee heb, hoor!) Het zijn simpelweg regels die de computer volgt, net als een robot die een heel ingewikkeld dansje moet uitvoeren.

Simpel gezegd: Het zijn slimme regels voor de computer om data te verwerken en nuttige dingen te doen, zonder dat je ze elke stap hoeft uit te leggen. Zoals een magnetron die je eten opwarmt, maar dan veel complexer. En zonder de rotzooi erna. (Meestal, tenminste.)