In deze serie artikelen behandelen we deep learning. Eerder gaven we een definitie en legden we uit hoe deep learning werkt. Aanvullend bespreken we nu de toepassingen. We doen dit aan de hand van een aantal domeinen – taal, beeld, zorg en commercie – waarbij we steeds een aantal voorbeelden van toepassingen van deep learning geven.
Er zijn veel toepassingen van deep learning op het gebied van taal. Zo is er spraakherkenning dat gesproken woorden transcribeert, vervolgens kan omzetten in een andere taal, en dan meteen in de stem van de gebruiker uitspreekt in die andere taal. Daarnaast kennen we allemaal de gesproken zoekopdrachten op je telefoon. Omdat de verschillende lagen in het neurale netwerk het systeem kunnen trainen met variaties in geluid kan het systeem stukjes geluid beter herkennen, ook in lawaaiige omgevingen.
Tekst gaat verder onder de afbeelding.
Ook is er veel geëxperimenteerd met ongelabelde screenshots uit YouTube-filmpjes, waarbij middels deep learning random geselecteerde afbeeldingen ingedeeld kunnen worden in categorieën: gezichten, gele bloemen, verschillende soorten roggen en nog 1000 andere categorieën. En dat met een foutpercentage kleiner dan bij mensen is geconstateerd. Middels deep learning is het ook mogelijk om zwart-witfoto’s in te kleuren, want doordat objecten herkend kunnen worden, kunnen ze ook met de juiste kleuren ingevuld te worden. Dit kan vervolgens uitgebreid worden met de taak om bijschriften voor beelden te genereren.
Er zijn ook deep learning-systemen die dokters helpen betere beslissingen te maken. Bijvoorbeeld door scans te lezen en een diagnose te stellen. Onderzoek heeft zich daarbij onder meer gericht op huidkanker, en hart- en vaatziekten. Uit de analyse van algoritmes kwamen bijvoorbeeld tientallen nieuwe klinisch relevante eigenschappen van tumoren voort. Ook kan een ziekte of behandeling gemonitord worden, en kunnen er medicijnen ontwikkeld worden die afgestemd zijn op het genoom van de persoon in kwestie.
Heel veel van de deep learning-systemen hebben een commerciële toepassing gekregen bij bedrijven als Google, Microsoft, Facebook en Amazon, oftewel de bedrijven die grote hoeveelheden data beschikbaar hebben. Veel van hen proberen realistische en behulpzame chatbots en aanbevelingssystemen te maken. Zo behalen banners die op basis van deep learning worden geselecteerd een hogere doorklik ratio. Maar Google heeft hun DeepMind bijvoorbeeld ook ingezet om de energie-efficiëntie van het bedrijf met 15 procent te doen toenemen.
Deep learning-systemen zijn ook getraind om spelletjes te spelen (en te winnen), zoals de Atari-game Breakout en het bordspel Go. Deze AlphaGo was niet geprogrammeerd met beslissingsbomen, vergelijkingen om bordposities te evalueren of als-dan-regels. AlphaGo leerde door zelf te spelen en potjes te observeren. Verder kan middels deep learning voorspeld worden wat de uitspraak in een rechtszaak zal zijn. Een andere bekendere toepassing is die in autonome auto’s, waarmee voetgangers herkend kunnen worden. En ten slotte speelt deep learning bijvoorbeeld ook een rol bij robotica en fraudedetectie.
Dit artikel is onderdeel van een serie.
Lees meer:
Deel 1 – Machine learning, neurale netwerken en deep learning uitgelegd
Deel 2 – Wat is deep learning: een introductie
Deel 3 – Hoe werkt deep learning – deep learning uitgelegd
Deel 4 – Voorbeelden van deep learning – de werking uitgelegd
Deel 6 – De toekomst van deep learning – technologie en investeringen
Infographic – Op weg naar echte AI met deep learning
Bronnen – Bronnen 3Bplus artikelen deep learning
