Deep learning

Het concept deep learning

Kunstmatige intelligentie kan worden gedefinieerd als de bekwaamheid van een machine om intelligent menselijk gedrag te imiteren. Hieronder valt de capaciteit om complexe taken zoals het maken van beslissingen te verrichten, menselijke spraak te begrijpen, fraude te detecteren, etcetera. Machine learning is een onderdeel van kunstmatige intelligentie en is de techniek om computers zich te laten gedragen op bepaalde manieren zonder ze daar expliciet voor te programmeren. Deep learning is op zijn beurt een vorm van machine learning die geïnspireerd is op de structuur van het menselijk brein en met name effectief is in het detecteren van kenmerken. Deze techniek is gebaseerd op het leren kennen van data representaties zoals afbeeldingen en video’s, in tegenstelling tot technieken die gebaseerd zijn op taak-specifieke algoritmen.

Traditionele intelligente algoritmen worden ontworpen door mensen. Of deze wel of niet goed worden ontworpen hangt sterk af van ervaring en zelfs geluk, en dit proces vereist een hoop tijd. Gelukkig is het het doel van kunstmatige intelligentie om machines taken als het leren kennen van kenmerken automatisch te laten doen.

De inspiratie voor deep learning komt van de neurale netwerken van het menselijk brein. Ons brein kan worden gezien als een zeer complex deep learning model. Neurale netwerken van het brein bestaan uit miljarden neuronen die met elkaar verbonden zijn. Deep learning simuleert deze structuur. Deze meerlaagse netwerken kunnen informatie verzamelen en overeenkomstige acties uitvoeren. Ze kunnen ook objecten uit situaties afleiden en opnieuw creëren.

De voordelen van deep learning

Deep learning verschilt wezenlijk van andere algoritmen. Het lost een aantal tekortkomingen van traditionele algoritmen op.

Ten eerste is het met deep learning mogelijk om grote hoeveelheden data in complexe classificaties te verwerken vanwege de hoeveelheid lagen van het netwerk. Een neuraal netwerk brengt data door lagen van met elkaar verbonden punten. Informatie en kenmerken van een laag worden geclassificeerd voordat de resultaten naar de volgende lagen wordt gebracht. Het verschil tussen deep learning en traditionele algoritmen is het aantal lagen. Traditionele algoritmen bevatten twee 3-laagse structuren, terwijl het algoritmische model voor deep learning een veel diepere structuur heeft die meer dan honderd lagen kan bereiken. Hoe meer lagen, hoe specifieker de componenten. (De afbeelding bij deze post bevat erg weinig lagen voor deep learning, maar ik vond deze het concept van classificatie wel duidelijk in beeld brengen.)

Ten tweede vereist deep learning geen handmatige interventie, maar vertrouwt op een computer die de kenmerken zelf afleidt. Voor deze techniek moet je het model grote hoeveelheden data voeden, maar het vereist minder engineering voor de kenmerken. Als je bijvoorbeeld beelden van een kat wilt classificeren, dan moet je bij deep learning je data set voeden met beelden van katten zodat het zelf kan leren wat de kenmerken van een kat zijn, maar je hoeft je computer niet te vertellen dat een kat iets is met schattige oren en snorharen. Op deze manier kunnen er zoveel mogelijk kenmerken van het object afgeleid worden, inclusief abstracte kenmerken die moeilijk te beschrijven zijn. Hoe meer kenmerken er zijn, hoe accurater de herkenning en classificatie zullen zijn. Enkele van de meest directe voordelen van deep learning zijn het bereiken van vergelijkbare of zelfs betere nauwkeurigheid wat betreft patroon herkenning, en de mogelijkheid om duizenden kenmerken van objecten te herkennen.

Deep learning is het volgende niveau in de ontwikkeling van kunstmatige intelligentie. Het gaat voorbij machine learning, waarbij menselijke interventie nodig is voor het creëren van algoritmen voor de classificatie van kenmerken en patronen. Deep learning maakt namelijk gebruik van self-learning principes. Het gebruiken van deze techniek voor observatie en beveiliging zal de resultaten significant verbeteren.

Geef een reactie

Vul je gegevens in of klik op een icoon om in te loggen.

WordPress.com logo

Je reageert onder je WordPress.com account. Log uit /  Bijwerken )

Google photo

Je reageert onder je Google account. Log uit /  Bijwerken )

Twitter-afbeelding

Je reageert onder je Twitter account. Log uit /  Bijwerken )

Facebook foto

Je reageert onder je Facebook account. Log uit /  Bijwerken )

Verbinden met %s