Toepassingen van neurale netwerken – van chatbots tot zorg

//Toepassingen van neurale netwerken – van chatbots tot zorg

Toepassingen van neurale netwerken – van chatbots tot zorg

Waar kunnen neurale netwerken voor gebruikt worden?

In deze serie artikelen bespreken we neurale netwerken. In het vorige artikel gaven we een definitie. Aanvullend gaan we nu in op een aantal velden waarin neurale netwerken gebruikt worden, zoals patroonherkenning, productie en gezondheidszorg. We beginnen echter met een aantal toepassingen van neurale netwerken waar ook jij in je dagelijks leven al mee te maken hebt.

De toepassingen van neurale netwerken: je dagelijks leven

In theorie kunnen we voor bijna alles neurale netwerken gebruiken. En je hebt ze waarschijnlijk gebruikt zonder het te realiseren. Wanneer je Siri vraagt waar het dichtstbijzijnde tankstation is, voert je iPhone je spraak door een neuraal netwerk om erachter te komen wat je zegt. En als je ooit met een chatbot hebt gepraat, kan er zomaar een neuraal netwerk gebruikt worden om passende antwoorden te bieden. Een neuraal netwerk kan ook je gewoontes leren om je internetzoekresultaten te personaliseren of te voorspellen waar je in de nabije toekomst naar zoekt. En e-mailproviders gebruiken neurale netwerken om spam te detecteren en te verwijderen uit de inbox van een gebruiker.

De toepassingen van neurale netwerken: robots en meer

Autonome auto’s kunnen neurale netwerken gebruiken om visuele gegevens te verwerken, waardoor de verkeersregels worden gevolgd en botsingen vermeden worden. Robots van alle soorten kunnen profiteren van neurale netwerken die hen helpen leren om taken efficiënt te voltooien. Computers kunnen ook spellen leren spelen zoals schaken, Go en Atari-games. Het vermogen voor neurale netwerken om patronen te leren, generalisaties te maken en voorspellingen te doen, maakt ze waardevol in talloze situaties.

Hieronder werken we een aantal algemene toepassingsgebieden van neurale netwerken uit:

De toepassingen van neurale netwerken: patroonherkenning

Neurale netwerken blinken uit in het interpreteren van niet-eenduidige informatie, zoals een handschrift. Een handschrift zal in ieder geval overeenkomsten vertonen, maar er zullen altijd subtiele afwijkingen optreden. De manier waarop een kunstmatig neuraal netwerk werkt, is uitermate geschikt voor dit soort taken. Vanwege deze eigenschappen worden kunstmatige neurale netwerken ook toegepast bij spraakherkenning.

DeepDream is een neuraal netwerk van Google dat patronen zoekt in afbeeldingen om bijvoorbeeld gezichten, katten en andere objecten te herkennen. Dit proces wordt geperfectioneerd door DeepDream met miljoenen afbeeldingen te trainen. Google gebruikt de technologie onder meer in Google Photos. Daarnaast kan de software absurdistische kunstwerken creëren waarvoor liefhebbers duizenden euro’s neertellen.

De toepassingen van neurale netwerken: productie

In de industrie zijn er eigenschappen van het te maken product die niet real-time tijdens de productie gemeten kunnen worden. De hardheid van een plastic kan bijvoorbeeld alleen achteraf in een laboratorium worden bepaald, maar dan is het te laat om het proces nog bij te sturen. Om nu vooraf toch een idee te krijgen van deze parameters kan een neuraal netwerk gebruikt worden dat als input alle parameters heeft die wel gemeten kunnen worden, zoals druk, temperatuur en hoeveelheden van stoffen. Dit netwerk wordt getraind met gegevens uit de archieven van het laboratorium en kan, als het goed werkt, tijdens de productie al een voorspelling van de gewenste eigenschappen doen.

De toepassingen van neurale netwerken: gezondheidszorg

Op dit moment zijn neurale netwerken meestal gericht op modelleren van het menselijk lichaam, zoals het cardiovasculaire systeem. Diagnose kan worden bereikt door een model van het cardiovasculaire systeem van een individu op te bouwen en te vergelijken met de fysieke metingen van de patiënt in real time. Als dit regelmatig wordt uitgevoerd, kunnen potentiële schadelijke aandoeningen in een vroeg stadium worden gedetecteerd. Daarnaast kan een neuraal netwerk getraind worden om een groot aantal medische dossiers op te slaan, die elk informatie bevatten over de symptomen, diagnose en behandeling in kwestie. Na het trainen kan het neurale netwerk een reeks symptomen aangeboden worden; het zal dan het opgeslagen patroon vinden dat de beste diagnose en behandeling vertegenwoordigt.

Ook worden neurale netwerken gebruikt voor het herkennen van ziekten met behulp van scans, omdat er geen specifieke algoritme nodig is om de ziekte te identificeren. Neurale netwerken leren door voorbeeld, zodat de details voor het herkennen van de ziekte niet nodig zijn. Wat er nodig is, is een reeks voorbeelden die representatief zijn voor alle variaties van de ziekte. Een vierde applicatie is de elektronische neus. Elektronische neuzen hebben verschillende potentiële toepassingen in telemedicine. De elektronische neus kan geuren identificeren in de afgelegen omgeving. De geïdentificeerde geuren worden dan elektronisch overgedragen naar een geurgeneratiesysteem, die ze kan herstellen. Omdat het geur een belangrijk indicator voor de arts kan zijn, kan hiermee de operatie verbeterd worden.

Dit artikel is onderdeel van een serie.

Lees meer:

Artikel 1: Machine learning, neurale netwerken en deep learning uitgelegd 

Artikel 2: Wat is een neuraal netwerk: een introductie

Artikel 4: Hoe werkt een neuraal netwerk – neurale netwerken uitgelegd

Artikel 5: Voorbeeld van een neuraal netwerk – de werking uitgelegd

By | 2018-06-20T14:05:26+00:00 September 23rd, 2017|Artificial Intelligence|