Kunstmatige intelligentie
Kunstmatige intelligentie (de Engelse term ‘artificial intelligence’ wordt afgekort tot AI) :
BRONNEN:
- https://nl.wikipedia.org/wiki/Kunstmatige_intelligentie
- https://app.ai-cursus.nl
- 14 maart 2018 : Deze gevaren zag Stephen Hawking in kunstmatige intelligentie
- Wat is (het verschil tussen) Artificial Intelligence, Machine Learning en Deep Learning?
- https://www.scientias.nl/een-machine-als-huisarts-worden-we-daar-beter-van/
Wat is AI?
## TO DO :: nog verder uitwerken . . .
De verzamelterm voor software waarmee computers kunnen leren om zelfstandig informatie te interpreteren en problemen op te lossen.
Narrow AI houdt zich bezig met onderzoek in beperkte deelgebieden waarin gedragingen mogelijk zijn die intelligent lijken, maar niet echt intelligent zijn. Gespecialiseerde, beperkte AI houdt in dat deze alleen op één bepaald gebied kan worden toegepast. Hier zijn de meeste reallife vorderingen gemaakt, in de vorm van bijvoorbeeld zoekalgoritmen, expertsystemen en visuele inspectie. Verzekeraar AEGON maakt gebruik van een kennis-gebaseerd systeem om te kijken onder welke voorwaarden iemand voor een autoverzekering mag worden geaccepteerd. En voor de automatische beeldherkenning voor de inspectie van treinrails vertrouwt VolkerRail op het zelflerende systeem waarvoor CQM de intelligentie ontwikkelde. Je leest er alles over in deze case.
Strong AI houdt zich bezig met onderzoek met betrekking tot het creëren van een computer of software die echt kan redeneren en problemen oplossen, en die wellicht zelfbewustzijn (beleving van de eigen identiteit) zou hebben. Hiervan zijn weer twee subtypen te onderscheiden:
- namelijk de mens-gelijke AI, een computer die redeneert en denkt als een mens, en de
- niet-mens-gelijke AI, waarin de computer een niet-menselijke, maar eigen computer-intelligentie ontwikkelt.
Sterke AI is tot nu toe vooral voorbehouden aan de fictieve wereld in films, zoals The Matrix (1999, 2003), iRobot (2004) en Passengers (2016).
Machine learning
Deep Learning, ook bekend als diep gestructureerd leren of hiërarchisch leren, maakt deel uit van een bredere familie van Machine Learning-methoden. DL kan gecontroleerd, ongecontroleerd en semi-gecontroleerd gebeuren. Bij gecontroleerde DL krijgt het algoritme voorbeelden van invoer en bijbehorende uitvoer. Het leert op basis van deze voorbeelden hoe de eigenschappen van de invoer bepalend zijn voor de uitvoer. Na de leerfase kan het algoritme ook voor nieuwe invoer zelfstandig de juiste uitvoer produceren. Bij ongecontroleerde DL zijn geen voorbeelden van de gewenste uitvoer; het algoritme ontdekt zelf een structuur in de gegeven invoer. Semi-gecontroleerd zit er tussenin.
Deep learning architecturen, kunstmatige neurale netwerken, zijn succesvol toegepast op gebieden als beeldherkenning (computer vision), spraakherkenning, natuurlijke taalverwerking (zoals bijvoorbeeld een geautomatiseerde online assistent als klantenservice), audioherkenning, sociale netwerkfiltrering, machinevertaling en bioinformatica. De resultaten zijn vergelijkbaar met en in sommige gevallen zelfs superieur aan menselijke deskundigen!
Lees hier hoe CQM met Machine Learning en automatische beeldherkenning de inspectie van treinrails vijf keer efficienter maakte voor VolkerRail/Inspectation.
- Supervised learning
- Reinforcement learning een bal door een vierkant, dan door een rond gaatje
- Unsupervised learning
https://cqm.nl/nl/nieuws/wat-is-het-verschil-tussen-artificial-intelligence-machine-learning-en-deep-learning
Supervised learning
Leren van de voorbeelden die als data ingebracht en als output verwacht worden.
Deze vorm van leren is ‘gecontroleerd’, omdat mensen aan de computer voorbeelden laat zien. Heeft een systeem bijvoorbeeld als taak om honden van katten te onderscheiden, dan laten mensen eerst veel verschillende voorbeelden zien van zowel honden als katten. Het systeem gaat vervolgens aan de slag en formuleert regels om vast te stellen waarom een afbeelding een hond of een kat laat zien. Door middel van oefening en het ontvangen van feedback scherpt het systeem de regels steeds verder aan.
Een andere methode van supervised learning is classificatie, oftewel: in groepen indelen.
Ook dankzij deze methode wordt jouw leven een stuk makkelijker gemaakt. Een voorbeeld hiervan is een spamfilter. Dankzij dit systeem hoef je niet zelf alle spam uit je inbox te verwijderen, maar wordt dat voor je gedaan.
REINFORCEMENT LEARNING
In het kort
- Artificial Intelligence (AI) is erop gericht functies van intelligentie te ontwikkelen buiten het menselijke brein.
- Strong AI richt zich op de ontwikkeling van computers/software die echt kunnen redeneren en problemen oplossen, hierin onderscheiden we mens-gelijke en niet-mens-gelijke intelligentie.
- Narrow AI richt zich op de ontwikkeling van systemen die intelligente gedragingen vertonen binnen een bepaald domein, maar niet echt intelligent zijn.
- Machine Learning (ML) houdt zich bezig met de ontwikkeling van algoritmes en technieken om AI te bereiken. Bij ML wordt met behulp van grote hoeveelheden data de machine getraind om bepaalde taken uit te voeren.
- Deep Learning (DL) is een ML-methode gebaseerd op ingewikkelde neurale netwerken; het algoritme bepaalt (al dan niet gecontroleerd/zelfstandig) een relatie tussen de invoer en uitvoer van gegevens. Deze vorm van Kunstmatige Intelligentie komt wel heel dicht bij menselijke intelligentie en kan in steeds meer gevallen zelfs efficienter en robuuster zijn. Daardoor is het voor veel organisaties steeds interessanter zich te verdiepen in dit vakgebied. En CQM helpt daar natuurlijk graag bij!
Als onvoorspelbare situaties voor mensen al lastig zijn, hoe moeten AI-systemen hier dan mee omgaan?
✓ Door middel van regressie analyseert een systeem bestaande data om voorspellingen te doen over nieuwe data.
✓ Door middel van classificatie wordt data in vooraf gemaakte groepen ingedeeld.
✓ Door middel van clustering worden groepen gevormd op basis van de data zelf.