Les 2 van 9: Hoe leert een computer?
Hoe leert een computer?
In les 1 zag je dat AI patronen herkent. Maar hoe leert een computer die patronen eigenlijk? In deze les leggen we machine learning uit: de manier waarop de meeste AI van vandaag leert.
Leren van voorbeelden: wat is machine learning?
Denk aan een kind dat leert wat een hond is. Niemand somt regels op. Het kind ziet gewoon veel honden en herkent er op een dag zelf een, ook een hond die het nog nooit zag. Machine learning werkt zo: je laat de computer heel veel voorbeelden zien, zodat hij zelf de kenmerken leert. Dat proces heet trainen.
Trainen en dan gebruiken
Data is een ander woord voor voorbeelden: foto's, tekst, geluid, cijfers. Eerst traint een AI met heel veel data. Daarna kun je hem gebruiken voor iets nieuws, zoals een foto die hij nog nooit zag.
Een neuraal netwerk: heel veel knopjes
Je hebt vast wel eens het woord "neuraal netwerk" gehoord. Stel het je voor als een mengpaneel met miljoenen knopjes. Tijdens het trainen draait de computer steeds een klein beetje aan die knopjes, tot hij het patroon goed herkent. Dezelfde soort techniek zit achter chatbots zoals ChatGPT. Meer daarover in les 3.
Handig om te weten: een AI-programma "begrijpt" niet echt wat een hond is, zoals jij dat doet. Het herkent alleen heel goed het patroon dat bij het woord "hond" hoort.
Waarom de kwaliteit van data telt
Een AI is zo goed als de voorbeelden waar hij van leert. Krijgt hij vooral eenzijdige voorbeelden, dan leert hij ook een scheef beeld. Dat heet een vooroordeel, of in vaktaal "bias".
Probeer het zelf
Wil je zelf merken dat een chatbot af en toe iets fout heeft "geleerd"? Open een gratis chatbot en stel deze vraag:
Lees rustig het antwoord. Je zult zien dat de chatbot zelf ook aangeeft dat hij fouten kan maken. Dat is precies waarom je een antwoord altijd blijft controleren.
Onthoud
- Machine learning is leren van heel veel voorbeelden, net zoals een kind leert wat een hond is.
- Data zijn de voorbeelden waarvan een AI leert: foto's, tekst, geluid of cijfers.
- Een neuraal netwerk werkt met miljoenen "knopjes" die tijdens het trainen steeds worden bijgesteld.
- Een AI "begrijpt" niet echt iets, het herkent heel goed patronen.
- Slechte of eenzijdige data leidt tot een AI met vooroordelen. Blijf dus altijd zelf meedenken.
Wat is het verschil tussen data en training?
Data zijn de voorbeelden. Training is het proces waarin de computer van die voorbeelden leert door zichzelf steeds bij te stellen.
Waarom kan een AI vooroordelen hebben?
Omdat een AI leert van de voorbeelden die hij krijgt. Zijn die voorbeelden eenzijdig, dan leert de AI ook een eenzijdig beeld.
Begrijpt een AI echt wat een hond is?
Niet zoals jij dat doet. Een AI herkent alleen het patroon dat bij het woord "hond" hoort, zonder er zelf een beeld bij te hebben.
Veelgestelde vragen
Wat is machine learning in gewone taal?
Machine learning is de manier waarop een computer leert van heel veel voorbeelden, in plaats van vaste regels te volgen. Hoe meer goede voorbeelden, hoe beter de computer het patroon leert herkennen.
Wat is een neuraal netwerk?
Een neuraal netwerk is een soort rekenmodel met miljoenen instelbare onderdelen, die tijdens het trainen steeds worden bijgesteld totdat het model goede antwoorden geeft.
Heeft machine learning veel data nodig?
Meestal wel. Hoe meer goede voorbeelden een AI krijgt, hoe beter hij patronen kan herkennen. Bij te weinig of te eenzijdige data werkt een AI minder goed.
Kan een AI zichzelf verbeteren zonder mensen?
Een AI stelt tijdens het trainen zichzelf bij op basis van voorbeelden. Maar mensen bepalen welke voorbeelden gebruikt worden en controleren het resultaat. Het proces gebeurt niet helemaal vanzelf.