078-2034021 [email protected]

Machine learning: alles over machine learning

Machine learning: alles dat je moet weten over machine learning

In dit artikel vertellen we je alles over machine learning (ML). We geven een korte definitie en gaan in op de werking. Ook bespreken we het verschil met deep learning en zetten we een aantal voordelen op een rijtje.

Machine learning: definitie, werking en voordelen. Alles dat je moet weten over machine learning.

Wat heeft machine learning met Artificial Intelligence te maken?

Artificial Intelligence (AI; of Kunstmatige Intelligentie, KI) is intelligentie tentoongesteld door machines. Maar waar komt hun intelligentie vandaan? Hoe komt het dat AI-systemen kunnen schaken, een gesprek kunnen voeren en kunnen autorijden? Hoe verschillend AI-systemen ook zijn, de technologie erachter werkt in de basis vaak grotendeels hetzelfde. 

Artificial Intelligence slim maken met machine learning

Om AI-systemen slim te maken, gebruik men vaak machine learning (ML), oftewel algoritmes die leren door ervaring. Door een ML-algoritme te voeden met data (voorbeelden) wordt het algoritme steeds beter in zijn taak. We noemen dit ook wel training. Het trainen gebeurt vaak middels supervised learning. Hierbij wordt het systeem niet alleen gevoed met input (de data), maar ook met labels, oftewel het gewenste antwoord. Het doel is dat het systeem zichzelf door ervaring op te doen leert om de input te vertalen naar deze gewenste output. Door te trainen maakt de machine steeds minder fouten en kan deze uiteindelijk ook met nieuwe input zelf tot de juiste output komen.

Machine learning  train je met heel veel (gelabelde) data

Stel dat je een ML-algoritme foto’s van vogels wilt leren herkennen. Door het systeem heel veel foto’s van vogels te laten zien en te vertellen dat het hier om vogels gaat (de labels), leert het systeem beoordelen hoe een vogel er precies uitziet. Hoe meer foto’s van vogels je het algoritme voedt, hoe beter het systeem op den duur vogels zal herkennen, ook in nieuwe foto’s die het algoritme nog niet kent. Ook bij andere toepassingen van machine learning wordt ditzelfde principe (leren door ervaring) gebruikt. Neem een algoritme dat fraudeleuze creditcardtransacties moet leren herkennen. Dat voer je met historische data van bewezen fraudeleuze creditcardtransacties. Uiteindelijk kan het systeem voorspellingen doen, zoals: dit is met 97 procent zekerheid een fraudeleuze creditcardtransactie. 

Het verband tussen machine learning en deep learning

Binnen ML vind je de subcategorie deep learning, waarbij algoritmen in lagen worden gestructureerd om een kunstmatig neuraal netwerk te creëren. Zo’n neuraal netwerk doet denken aan het menselijk brein, bestaande uit verschillende lagen. Het mooie aan deep learning is dat je data niet hoeft te labelen. We keren daarvoor even terug naar ons voorbeeld. Met deep learning bouwt het systeem zelf een voorspellend model op. Zoals dat alles met twee poten en een snavel het label “vogel” moet krijgen. Uiteraard is het programma niet bewust van zaken als snavels en poten, het zoekt simpelweg naar patronen in de data. 

Waarom zou je als bedrijf investeren in machine learning?

ML helpt bedrijven om data om te zetten naar bedrijfswaarde. Door data (in korte tijd) te analyseren, wordt het omgezet in nuttige informatie, waarmee je betere beslissingen kunt nemen. ML gaat immers om het doen van voorspellingen en daarbij onzekerheid bij het maken beslissingen te reduceren. Zo is bijvoorbeeld gebleken dat bedrijven in verschillende sectoren die ML inzetten hogere jaarwinsten noteren dan bedrijven die het zonder moeten stellen. 

Een concreet voorbeeld van machine learning: voorspellend onderhoud

We leggen dat uit met een concreet voorbeeld: voorspellend onderhoud. Wanneer we stilstanden beter kunnen voorspellen, dan kunnen we onderhoud plegen op het juiste moment, dus net voor het moment dat er een stilstand plaatsvindt. Doordat we met ML continu meetwaarden van diverse sensoren kunnen analyseren, kunnen we trends herkennen, zoals een oplopende temperatuur. Deze trends kunnen we in dit geval omzetten naar voorspellend onderhoud.

Wat kan 3Bplus betekenen op het gebied van machine learning?

Wil je meer weten over wat 3Bplus kan betekenen op het gebied van ML? We hebben ons in de afgelopen jaren gespecialiseerd in de nieuwste innovaties op het gebied van telecom én slimme sensortechnologie, zoals in smart homes. Wij laten je graag de mogelijkheden en de voordelen van machine learning zien. Neem gerust contact met ons op voor meer informatie.