Machine Learning for Dummies

Machine Learning is een andere manier om een computer uit te leggen wat hij moet doen. Je kunt dit een computer nu eenmaal niet direct vertellen. Daarom geef je instructies hoe verbanden worden gelegd en eigenschappen worden herkend. Door een computer dit te ‘leren’ kunnen we deze apparaten gebruiken om ons te helpen met taken waar mensen van nature goed in zijn maar computers niet.

Voor mensen is het eenvoudig om objecten of personen te herkennen, voor een computer is dat veel moeilijker. Feitelijk is een computer een dom apparaat. Alles wat je er mee kunt doen, is de computer eerst verteld. Een app vertelt de computer wat er op het scherm moet komen of wat er moet gebeuren als je op een bepaalde knop drukt. Alle dingen die een computer doet, zijn van tevoren bedacht en getest door programmeurs. En omdat een computer niets uit zichzelf kan, is dat vrij lastig.

Maak je als programmeur een klein foutje zoals 1+1=3, dan is dat voor de computer de waarheid en zal hij altijd het ‘foute’ antwoord geven. Toch is het mogelijk op deze manier een computer ingewikkelde dingen te laten doen; spelletjes spelen, brieven schrijven, foto’s maken en bewerken, noem maar op. Voordat de mens iets heel precies aan een computer kan uitleggen, moeten wij het eerst zelf heel goed begrijpen.

Een herkenbaar voorbeeld; iedereen begrijpt wat een stoel is, maar het is niet zo makkelijk om dat aan een computer uit te leggen. De meeste kenmerken van een stoel, zijn ook toe te schrijven aan andere objecten. Zoals “het heeft 4 poten” kan ook een tafel zijn maar een bureaustoel heeft maar 1 poot met 5 wielen, of “je kan er op zitten” dat kan ook op een zitzak of een bank. En dit is dan nog maar 1 object, zo zijn er nog ontelbaar veel objecten, onderwerpen en verbanden die overeenkomstige en ook verschillende eigenschappen hebben.

Het is dus bijna niet mogelijk om een computer te vertellen wat een stoel is. De oplossing is om een computer talloze voorbeelden van een stoel te laten zien en zo te ‘leren’ een stoel te herkennen.

Inmiddels begrijpen wij voldoende hoe we een computer iets kunnen leren, ofwel uitleggen hoe het zichzelf iets kan aanleren. Dus in plaats van de computer te vertellen hoe een stoel er uit ziet, leggen we de computer uit hoe het kan leren van voorbeelden. We laten voorbeelden van stoelen zien, en van dingen die misschien wel op een stoel lijken maar geen stoel zijn, net zolang totdat de computer bijna alle stoelen goed herkent.

Naast het herkennen of classificeren van objecten, zijn er andere taken die voor mensen makkelijk zijn, maar lastig aan een computer zijn uit te leggen:

• groeperen (clusteren): We willen de computer dingen laten sorteren, zodat het ons vertelt welke dingen bij elkaar horen en waarom. Zonder dat we van tevoren aangeven op welke criteria we willen sorteren.

• voorspellen (regressie): De computer kan aan de hand van voorbeelden een voorspelling doen voor de toekomst. Bijvoorbeeld wat de prijs van een barbecue of opblaaszwembad wordt als er voor volgende week goed weer wordt voorspeld. Zonder dat we de berekening die hierbij hoort aan de computer hebben verteld. De computer heeft ‘geleerd’ van de voorbeelden en kan zo bepalen of en in hoeverre het weer invloed heeft op de prijs.

De machine heeft geleerd om objecten te herkennen, voorspellingen te doen of te groeperen. Het feitelijk domme apparaat heeft voldoende informatie gekregen om zichzelf deze vaardigheden aan te leren. De rekensnelheid van de computer en het ‘denk’ vermogen is vele malen groter dan dat van een mens en daarmee zijn de kansen en mogelijkheden van een computer dus evenredig groter.

Dit artikel is origineel geschreven voor en gepubliceerd door SMT