Wat is deep learning?

Deep learning is verbonden aan machine learning en neurale netwerken, zodat we deze twee onderwerpen in eerdere series bespraken. We sluiten onze drieluik af met een serie over deep learning. In latere artikelen kijken we naar de werking en toepassingen van deep learning. We beginnen echter met een introductie waarin we een definitie geven. Wat is deep learning?

Wat is deep learning: verband met machine learning, neurale netwerken en AI

Deep learning heeft als doel om machine learning dichter bij een van zijn oorspronkelijke doelen te brengen: Artificial Intelligence (AI). AI omvat een breed scala van technologieën waarmee computers problemen kunnen oplossen op een manier die (op zijn minst oppervlakkig) lijkt op het menselijke denken. Binnen dat rijk is een kleinere categorie genaamd machine learning, dat is de naam voor een hele toolbox van wiskundige technieken waarmee computers door middel van ervaring kunnen verbeteren bij het uitvoeren van taken. Tenslotte bevindt zich binnen dit machine learning de kleinere subcategorie deep learning. Deep learning richt zich nog nauwer op een subset van machine learning tools en technieken door de inzet van diepe neurale netwerken.

Wat is deep learning: diepe neurale netwerken

Diepe neurale netwerken worden onderscheiden van andere neurale netwerken door hun diepte. Een diep neuraal netwerk is een neuraal netwerk met meerdere verborgen lagen tussen de input- en outputlagen. Het grote aantal lagen maakt complexe transformaties mogelijk. Deep learning is kort gezegd de toepassing van (diepe) neurale netwerken die meer dan één verborgen laag bevatten.

Onderzoek naar neurale netwerken maakte de term deep learning populair, omdat hiermee benadrukt kon worden dat de onderzoekers in staat waren om diepere neurale netwerken te trainen en de aandacht te vestigen op het theoretische belang van deze diepte. Veel wetenschappers gebruiken daarom liever de academische term diepe neurale netwerken dan deep learning.

Wat is deep learning: structuren in ongelabelde data

Bovenal zijn deze diepe neurale netwerken in staat om latente structuren te ontdekken binnen ongestructureerde en ongelabelde data, oftewel de overgrote meerderheid van alle gegevens ter wereld. Een van de problemen waar deep learning in uitblinkt, is het verwerken en bundelen van deze ruwe data. Oftewel: het onderscheiden van patronen in gegevens die geen mens ooit heeft georganiseerd of een naam heeft gegeven.

Wat is deep learning: patroonherkenning

Deep learning-technieken zijn op dit moment de state of the art voor het identificeren van patroonherkenning, zoals objecten in afbeeldingen en woorden in geluiden. Deep learning stelt computers namelijk in staat om representaties van data met meerdere abstractieniveaus te leren: van eigenschappen op het laagste niveau naar concepten op het hoogste niveau.

Dit artikel is onderdeel van een serie.

Lees meer:

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

Artikel 3: Hoe werkt deep learning – deep learning uitgelegd

Artikel 4: Voorbeelden van deep learning – de werking uitgelegd

Artikel 5: Toepassingen van deep learning – taal, beeld en zorg

Artikel 6: De toekomst van deep learning – technologie en investeringen