Deep learning vs machine learning: het verband en het verschil

In dit artikel behandelen we deep learning vs machine learning. Met andere woorden: wat zijn de verschillen tussen deep learning en machine learning? En ook belangrijk: wat is het verband?

Deep learning vs machine learning: Artificial Intelligence slim maken

Om deep learning en machine learning met elkaar te vergelijken, kijken we eerst naar Artificial Intelligence (AI; of Kunstmatige Intelligentie, KI). AI is intelligentie tentoongesteld door machines. De grote vraag is waar die intelligentie vandaan komt. Hoe komt het dat AI-systemen kunnen schaken, een gesprek kunnen voeren en kunnen autorijden? Hiervoor gebruikt men machine learning (ML): algoritmes die leren door ervaring. 

Deep learning vs machine learning: beter worden door ervaring

Door een machine learning-algoritme te voeden met data (voorbeelden) wordt het algoritme steeds beter in zijn taak. Met andere woorden: door ervaring op te doen, leert het algoritme. Dat trainen gebeurt 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.

Deep learning vs machine learning: zo leer je vogels herkennen

We leggen dat idee uit met een voorbeeld van ML: 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. Of neem een algoritme dat fraudeleuze creditcardtransacties moet leren herkennen. Dat voer je met historische data van bewezen fraudeleuze creditcardtransacties. 

Deep learning vs machine learning: van data naar voorspellingen

Het algoritme zet de input om in voorspellingen. Bijvoorbeeld: dit is met 97 procent zekerheid een fraudeleuze creditcardtransactie. Dus als je wilt dat je algoritme voorspellingen maakt over verkeerspatronen bij een drukke kruising, dan train je het met gegevens over historische verkeerspatronen. Wanneer het algoritme voldoende ervaring heeft opgedaan, dan is het in staat om voorspellingen te doen over toekomstige verkeerspatronen.

Deep learning vs machine learning: wat is het verband?

Binnen machine learning vind je de subcategorie deep learning. Deep learning is een subgebied van machine 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. Deep learning-technieken zijn op dit moment de state of the art voor spraakherkenning (Siri), vertaling (Google Translate) en beeldherkenning (het beoordelen van medische scans). 

Deep learning vs machine learning: weg van supervised learning

Het mooie aan deep learning is dat je geen gelabelde data nodig hebt. In het traditionele machine learning wordt het leerproces zoals gezegd supervised uitgevoerd. De programmeur moet heel erg specifiek zijn wanneer hij de computer vertelt welke soorten dingen het moet zoeken bij het bepalen of een afbeelding een vogel bevat. Snavels, vleugels, twee poten; de zogenoemde featureset. 

Deep learning vs machine learning: het systeem zoekt het zelf uit

Het voordeel van deep learning is dat het programma zelf zo’n featureset opbouwt, zonder toezicht. Het programma gebruikt de trainingsdata om een featureset voor “vogel” te maken en een voorspellend model op te bouwen. In dit geval kan het model bijvoorbeeld voorspellen dat alles met een snavel het label “vogel” moet krijgen. Uiteraard is het programma niet bewust van wat een snavel is, het zoekt simpelweg naar patronen in de data, zoals een oranje, driehoekige vorm onder de ogen. Bij elke iteratie wordt het voorspellende model complexer en nauwkeuriger.

Deep learning vs machine learning: wat kan 3Bplus betekenen?

Wil je meer weten over wat 3Bplus kan betekenen op het gebied van machine learning? 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.