We worden vandaag de dag met zoveel nieuws rond artificiële intelligentie om de oren geslagen en horen begrippen als machine learning en deep learning te pas en te onpas gebruikt worden. Je zou voor minder door het bos de bomen niet meer zien. Simpel gezegd: machine learning en deep learning zijn de systemen die ervoor zorgen dat Netflix weet welke serie je als volgende wilt zien, of hoe Facebook de gezichten van je vrienden kan herkennen in een foto. Maar wat is nu het verschil, en hoe kan je deze systemen toepassen in jouw maakbedrijf? 

Machine learning

Simpel gesteld bestaat machine learning uit algoritmes die data verzamelen, uit deze data leren, en dan wat ze geleerd hebben toepassen om geïnformeerde beslissingen te nemen. Een makkelijk voorbeeld: Netflix gebruikt een algoritme om info te verzamelen en meer te leren over jouw kijkvoorkeuren. Op basis van deze informatie gaat het voorspellen welke andere series of films je leuk zou kunnen vinden.

Toegepast in de maakindustrie kan machine learning veel voordelen bieden. Algoritmen kunnen binnen een bedrijf informatie verzamelen over bijvoorbeeld productieprocessen, workflows en tal van andere factoren en op basis hiervan beslissen welke factoren leiden tot de meest efficiënte, de duurzaamste, de meest kwalitatieve, de goedkoopste… productiemethode.

Deep learning

Deep learning is een onderdeel van machine learning. Een deep learning-systeem moet echter niet gevoed worden met algoritmes, maar kan zichzelf algoritmes aanleren. In die zin werkt deep learning gelijkaardig aan het menselijk brein. Het vangt iets op, denkt erover na, en trekt er dan conclusies uit. Om dit mogelijk te maken, gebruikt deep learning een gelaagde structuur bestaande uit neuronen, het artificial neural network genaamd. Het ontwerp van dit netwerk is geïnspireerd op het biologische neurale netwerk van het menselijke brein. Ook gelijkaardig aan het menselijke brein, is dat een deel van het proces van deep learning onzichtbaar is. De input is zichtbaar, bijvoorbeeld een foto van een auto. En ook de output is zichtbaar, het systeem oordeelt dat op de foto ofwel een auto staat, ofwel niet. Maar hoe is het systeem tot deze conclusie gekomen? Hoe heeft het zichzelf aangeleerd wat als auto geclassificeerd dient te worden en wat niet? Die fase tussen in- en output is bij deep learning een mysterie, en mede daardoor kijkt menig (bekend) persoon (denk maar aan Elon Musk) met het nodige scepticisme en wantrouwen naar artificiële intelligentie.

machine learning vs deep learning

Bron afbeelding: upwork.com

 

 

 

 

 

 

 

 

 

 

Bronnen: zendesk.com, forbes.com, techpulse.be.

Foto: Charles 🇵🇭 via Unsplash

 

 

 

 

Pin It on Pinterest

Shares
Share This