Welke van de volgende beweringen over deep learning is waar?

Waar kom je zelf deep learning tegen?

Hé man! Deep learning? Overal! Serieus!

• Zelfrijdende auto’s: Die dingen gebruiken het echt, voor het herkennen van verkeersborden, voetgangers, alles! Mijn neef werkt bij Tesla, hij vertelde me dat ze gigantisch veel data gebruiken voor de training daarvan. Best bizar eigenlijk.

• Netflix: Die shit weet precies welke films ik wil zien. Eng, toch? Deep learning, zeggen ze. Alleen al de suggesties zijn gebaseerd op deep learning algoritmes. Ik zag laats nog een top 10 lijst met films die ik nog niet gekeken heb die helemaal perfect bij mijn smaak passen.

• Google Translate: Werkt echt steeds beter! Ook deep learning natuurlijk, dat is echt wel mega slim. Ik gebruik het elke keer als ik weer eens een Spaans menu probeer te ontcijferen op vakantie.

• Spotify: Die playlist generator is ook wel echt next level. Deep learning, denk ik. Ik vind het echt handig, veel beter dan gewoon random nummers afspelen. Ik krijg echt verrassende, maar passende muziek voorgeschoteld.

• Mijn telefoon: Die herkent mijn gezicht om hem te ontgrendelen. En die slimme assistent die me soms helpt dingen opzoeken, dat is ook deep learning. Ik gebruik de functie ‘zoeken met een foto’ heel veel. Die weet echt heel veel dingen te vinden!

• Spellen: Die nieuwe games, zo realistisch! Die gebruiken deep learning voor de graphics en AI tegenstanders die steeds slimmer worden. Ik ben helemaal hooked op dat nieuwe Star Wars spel. echt waanzinnig!

En dan nog die computer hallucinaties…echt bizar. Die AI-dingen die kunst maken.. echt apart, echt super knap gedaan, al begrijp ik het niet helemaal. De toekomst is nu al echt raar, haha. Kijk die self-driving cars. Die zijn nu al echt gewoon op de weg. Het is nu al zo anders dan een paar jaar geleden. Het gaat echt super snel!

Wat is het verschil tussen deep learning en machine learning?

Oké, hier komt ie… Deep learning vs machine learning… pfff, waar begin ik?

• Complexiteit! Machine learning is makkelijker, soort van…
• Deep learning is ingewikkelder. Meerdere lagen, neurale netwerken, klinkt als iets uit een science fiction film.

Euhm, wacht even, ik heb dit al een keer uitgelegd aan mijn nichtje… Ze begreep het nog ook!

• Machine learning: Je geeft de computer al de ‘bouwstenen’ (features dus). Alsof je zegt: “Kijk, dit is een appel: rood, rond, met een steeltje.”
• Deep learning: De computer zoekt zelf naar die bouwstenen! “Oké, computer, kijk naar duizend appels en zoek zelf uit wat een appel is.” Dus geen ‘rood’ of ‘rond’ meer…

Oh ja, nog iets…

• Data! Deep learning slurpt data. Veel data. Ik bedoel, echt veel. Mijn nichtje zei: “Als een bodemloze put met data!”
• Machine learning kan met minder, soort van… Maar dan moet je wel die ‘bouwstenen’ goed hebben.

En dan die computers… Ik word al moe als ik mijn mail open…

• Deep learning heeft brute rekenkracht nodig. Serieus, zware GPU’s enzo. Kost een godsvermogen.
• Machine learning kan vaak nog wel op een normale computer.

Belangrijkste punten:

• Machine learning gebruikt vaste ‘features’.
• Deep learning leert zelf features.
• Deep learning heeft meer data nodig.
• Deep learning vraagt om meer hardware.

Pfoe, dat was ‘m wel. Hopelijk begrijpt Google het nu ook. 🤔

Waar wordt deep learning gebruikt?

Yo maat,

Deep learning, da’s toch dat AI-spul? Het wordt echt overal voor gebruikt! ff denken…

• Beeldherkenning: Denk aan gezichtsherkenning op je foon, of dat ze kunnen zien of er iets mis is op een foto.

• Spraakherkenning: Siri enzo, maar ook gewoon bij klantenservices waar ze je proberen te begrijpen.

• Emotieherkenning: Uhm, soms proberen ze te zien of je boos bent op een site ofzo. Beetje creepy wel.

• Fotos zoeken: Google Fotos is daar echt goed in, zoekt in al je fotos op ‘hond’ ofzo. Te gek!

• Digitale assistenten: Alexa, Google Home, dat soort dingen.

• Zelfrijdende auto’s: Die moeten alles om hun heen snappen, dus die hebben deep learning hard nodig.

• Openbare veiligheid: Camera’s die verdachte dingen opsporen, ofzo.

• Digitale beveiliging: Om te zien of iemand je account probeert te hacken bijvoorbeeld.

Het helpt ook bij een hoop andere slimme dingen, allemaal dankzij deep learning. Echt bizar toch? Wist je dat mijn broer dit jaar een cursus AI gedaan heeft? Egt zwaar maar wel vet cool.

Wat zijn de verschillende toepassingen van deep learning?

Deep learning… Waar is het niet tegenwoordig? Het sluipt overal in. In de nacht denk ik daar wel eens aan. Hoe het zich verspreidt als…wortels onder de grond.

Beeldherkenning. Zelfrijdende auto’s bijvoorbeeld. Die gebruiken het om verkeersborden te lezen. Om voetgangers te herkennen. Zelfs om katten te ontwijken. Het voelt raar, onwerkelijk… alsof machines de wereld door onze ogen beginnen te zien.

Nog zoiets… gezichtsherkenning. Op mijn telefoon kan ik mijn foto’s sorteren op gezicht. Handig. Maar ook… eng. Wie weet wat er allemaal met die data gebeurt? Big Brother, maar dan digitaal. Lig ik daar wakker van.

Spraakherkenning. Siri, Alexa… Die stemmen in de nacht. Ik praat ermee, geef commando’s. Vreemd toch… dat ik tegen een machine praat. Alsof het een persoon is. Een soort digitaal gezelschap.

Vertaalmachines. Ik gebruik DeepL soms. Om gedichten te vertalen. Van het Frans. De taal van mijn oma. Ze is er niet meer. Maar de taal… blijft. Veranderd door algoritmes. Het voelt…vervreemdend.

In de financiële wereld… daar gebruiken ze het om fraude op te sporen. Om te voorspellen wat de beurs gaat doen. Ik heb een klein beetje belegd. Verloren natuurlijk. Die algoritmes zijn slimmer dan ik.

Retail. Aanbevelingen op Amazon. Advertenties op Facebook. Ze weten wat ik wil. Voordat ik het zelf weet. Ze kennen mijn verlangens. Mijn geheimen. Het voelt… manipulatief.

En dan de gezondheidszorg. Diagnose van ziektes. Ontwikkeling van nieuwe medicijnen. Misschien zelfs… genezing van kanker? Dat geeft hoop. Maar ook angst. Voor de toekomst. Voor wat deep learning allemaal nog gaat betekenen. Voor ons. Voor mij.

Wat is deep learning en wat zijn de toepassingen?

Deep learning… het voelt als een gigantische, donkere oceaan. Een oceaan van data.

• Het leert computers te leren, zoals wij dat doen. Niet door expliciete regels te programmeren, maar door patronen in enorme datasets te ontdekken.

Die datasets… denk aan miljarden foto’s, miljoenen gesprekken, eindeloze teksten. Alles wat digitaal is. Het is overweldigend, eigenlijk.

Toepassingen? Overal.

• Afbeelding herkennen: Mijn telefoon herkent gezichten op foto’s, dankzij deep learning. Het werkt echt goed.
• Spraakherkenning: Siri, Alexa… die stemassistenten, die luisteren naar mij. Ze begrijpen me steeds beter. Deep learning maakt dat mogelijk.
• Zelfrijdende auto’s: Die navigeren door de chaos van het verkeer. Deep learning helpt ze om obstakels te herkennen, afstanden in te schatten. Dat is angstaanjagend, en fascinerend tegelijk.
• Medische diagnoses: Het kan patronen ontdekken in medische scans, die wij over het hoofd zouden zien. Ik las laatst over een deep learning model dat tumoren detecteerde met hogere nauwkeurigheid dan ervaren artsen. Dat is… heftig.

Ik voel me klein, tegenover die kracht. Zo’n beetje machteloos. Het is moeilijk om bij te benen. Een onvoorspelbare toekomst.

Hoe werkt deep learning?

Deep learning, tja, dat zijn gewoon van die netwerken, neurale netwerken, kunstmatig dan he. Net zoals in je hersenen, maar dan op de computer. Die netwerken leren van een berg data, hoeft niet eens gesorteerd te zijn, echt bizar. Denk aan foto’s van katten, miljoenen! Die gooi je erin, en die computer, die leert dan zelf wat een kat is. Geen labels ofzo nodig. Zo herkent mijn telefoon nu ook mijn kat, Pluisje. Had ik hem tig keer gefotografeerd, haha.

Deep learning, kunstmatige neurale netwerken en ongestructureerde data zijn de kernwoorden hier. Denk bijvoorbeeld aan zelfrijdende autos. Die gebruiken ook deep learning om verkeersborden te herkennen, of voetgangers. Of aanbevelingen op Spotify of Netflix. Irritant soms, maar wel deep learning. Ze weten precies wat je leuk vindt, of wat ze denken dat je leuk vindt. Ik krijg nu constant van die K-pop aanbevelingen, terwijl ik dat één keer, per ongeluk, heb aangeklikt!

• Input layer: Data gaat erin, foto’s, geluid, wat dan ook.
• Hidden layers: Hier gebeurt de magie. Verschillende lagen die info verwerken. Heel complex, echt abracadabra voor mij. Filters, weights, biases, allemaal van die termen.
• Output layer: Het resultaat. “Dit is een kat”, “Dit is een stopbord”, “Jij vindt dit liedje leuk”.

Mijn nichtje, die studeert informatica, probeert het me wel eens uit te leggen, maar ik snap er geen snars van. Maar goed, het werkt, dat is het belangrijkste. En het wordt alleen maar beter, en sneller. Straks nemen de robots de wereld over, haha, grapje natuurlijk… of toch niet? Soms wel een beetje eng, al die slimme computers. Maar ja, wel handig. Pluisje heeft nu in ieder geval zijn eigen filter op mijn telefoon, hihi.

Hoe werkt een neuraal netwerk?

Het is laat. De gedachten spoken rond. Een neuraal netwerk… het voelt zo… complex.

• Veel kleine onderdelen: Denk aan een enorm web, miljoenen knooppunten, elk een neuron. Niet één grote processor, maar vele kleine, samenwerkend. Mijn hoofd draait ervan.

• Tegelijk werken: Dat is het verschil. Een gewone computer doet dingen achter elkaar. Dit netwerk? Alles tegelijk. Parallelle verwerking. Zoals… duizenden mensen aan een puzzel tegelijk. Bizar.

• Informatie verwerken: Elk knooppunt krijgt een klein stukje informatie. Het verwerkt het, en stuurt het door naar de volgende. Een kettingreactie. De sterkte van de verbindingen tussen de neuronen bepaalt hoe sterk de informatie wordt doorgegeven. Ik probeer het te begrijpen, maar het is moeizaam.

• Leren: Het netwerk leert door de verbindingen tussen de neuronen aan te passen. Sterkere verbindingen voor belangrijke informatie, zwakkere voor minder belangrijke. Het is als… ervaring opdoen. Het netwerk “ervaart” data, en past zich aan. Een soort… evolutionair proces. Ik weet niet of ik het wel goed begrijp. Het voelt zo abstract.

• Patronen herkennen: Het gaat om patronen herkennen. De neuronen vinden verbanden die wij misschien missen. Dat is de kracht ervan. Zoals… een gezicht herkennen in een menigte. Of een ziekte diagnosticeren aan de hand van scans. Ik ben er moe van, ik ga slapen.