De eenvoudigste uitleg van machine learning die je ooit zult lezen
Vertaald door Lucas Noordhoorn en Valentijn van der Stap van het origineel door Cassie Kozyrkov
Je hebt vast al eens gehoord over machine learning en artificial intelligence, maar weet je wat deze begrippen precies betekenen? Als je het lastig vindt om er iets van te maken, dan ben je zeker niet de enige. Door de hype rondom deze buzzwords is het moeilijk om science en science fiction uit elkaar te houden. Laten we beginnen met de begrippen zelf…
Machine learning is in wezen een label-machine.
Ik ben van huis uit een statistica en neurowetenschapper en wij statistici hebben een reputatie als het gaat om het kiezen van de allerdroogste en saaiste benamingen. Wij doen graag precies wat er op de verpakking aangegeven staat. Hoe wij machine learning genoemd zouden hebben als het aan ons lag? Een label-machine!
In tegenstelling tot wat vaak wordt gedacht, is machine learning geen toverdoos vol magie, of de reden voor het ophalen van $30 miljard in durfkapitaal. In de kern is machine learning gewoon een label-machine, die aan de hand van jouw beschrijving vertelt welk label iets krijgt. Dit klinkt een stuk minder interessant dan wat te lezen is op Hacker News, maar was jij net zo enthousiast over dit onderwerp wij het een label-machine hadden genoemd? Waarschijnlijk niet, wat bewijst dat een beetje marketing nuttig is om technologie de aandacht te geven die het verdient
Het is ongelofelijk nuttig, maar niet zo sci-fi als het klinkt.
Artificial intelligence (AI) dan? Hoewel academici discussiëren over wat AI is en wat niet, wordt de term in de praktijk vaak gebruikt in verwijzing naar een specifiek type machine learning. Ze worden eigenlijk meestal als synoniemen gebruikt en daar kan ik wel mee leven. AI gaat dus ook over labelen. Verwachtte je misschien robots? Iets sci-fi met een eigen wil; een humanoïde? Dat is AI vandaag de dag niet, maar vergeet niet dat wij een soort zijn die graag overal menselijke kenmerken in ziet. Wij zien gezichten in onze toast, torso’s in wolken, en als ik twee knopen op mijn sok naai, ga ik er misschien zelfs tegen praten. Deze sokpop is geen persoon en AI is dat ook niet; dit is belangrijk om te onthouden. Is dit een teleurstelling? Geen nood! De real deal is veel nuttiger.
Ok, ik zal je laten zien waarom je zo enthousiast zou moeten zijn! Wat zie je op deze foto?
Zojuist heb jij vrij complexe data door jouw zintuigen tot je genomen en, op bijna magische wijze, het als ‘kat’ gelabeld. Dat was makkelijk hè! Stel nou dat wij willen dat een computer hetzelfde doet , het classificeren (labelen) van foto’s als kat/niet-kat.
Machine learning is een nieuw programmeerparadigma, een nieuwe manier om jouw wensen met een computer te communiceren.
In de traditionele programmerings aanpak, zou een programmeur heel diep nadenken over de pixels en labels, communiceren met het grotere universum, inspiratie kanaliseren, om er uiteindelijk een model mee te bouwen. Eigenlijk is een model slechts een duur woord voor recept, of een set van instructies die een computer moet opvolgen om pixels in labels te veranderen.
Maar denk eens na over wat deze instructies zouden kunnen zijn. Wat gebeurt er daadwerkelijk met deze pixels? Kun je dat uitleggen? Jouw hersenen hebben het voordeel van een eeuwigheid aan evolutie, waardoor het nu gewoon werkt. Je weet eigenlijk niet eens hoe je het doet. Dat recept is namelijk nog flink lastig om te bedenken.
Leg het uit met voorbeelden, niet met instructies.
Zou het niet beter zijn als je gewoon tegen de computer kon zeggen: “Kijk naar een aantal voorbeelden van katten, kijk aan een aantal voorbeelden van niet-katten, en dan kom je d’r zelf wel uit”? Dat is de essentie van machine learning. Het is een volledig ander programmeerparadigma. In plaats van het geven van expliciete instructies, programmeer je met voorbeelden en het machine learning algoritme vindt patronen in de data en transformeert deze naar instructies die jij zelf niet zou kunnen schrijven. Het zelf bouwen van recepten is niet meer nodig!
AI geeft de mogelijkheid om het onbeschrijfelijke te automatiseren.
Waarom is dit interessant? Dit is een manier van wensen overbrengen naar een computer, op een manier die tot nu toe niet mogelijk was. Wij houden ervan om computers dingen voor ons te laten doen maar hoe kunnen wij instructies geven wanneer deze instructies te complex zijn? Als ze onbeschrijfelijk zijn? AI en machine learning gaan over het automatiseren van het onbeschrijfelijke. Ze gaan over het kunnen uitleggen met voorbeelden in plaats van instructies. Dit speelt een enorme groep taken vrij, waarvoor we computers nooit konden gebruiken omdat wij hen de instructies hier niet voor konden geven. Nu al deze taken mogelijk zijn, staat machine learning voor een enorme sprong voorwaarts in de menselijke vooruitgang. Het is de toekomst en de toekomst is hier!
