Je hebt gezien dat je hersenen informatie verwerken via miljarden verbonden cellen (neuronen) die met elkaar ‘praten’, en dat een neuraal netwerk in AI op een vergelijkbare manier werkt. Zo’n netwerk moet eerst getraind worden met héél veel betrouwbare voorbeelden (data), anders leert de AI de verkeerde dingen. Een taalmodel is eigenlijk een neuraal netwerk dat geleerd heeft welke woorden en zinnen logisch samenhangen. Generatieve AI—de slimme tools die teksten of plaatjes voor je maken—gebruikt precies deze getrainde netwerken.
Ook heb je geleerd wat machine learning is en dat er ook deep learning is waarbij een neuraal netwerk uit heel veel lagen bestaat, zo kunnen neurale netwerken ook bijvoorbeeld tekst genereren of afbeeldingen. En kun je ook je smartphone openen met gezichtsherkenning of met spraak een agent een opdracht geven.
In dit filmpje staat het nog even samengevat in één minuut.
Bij machine learning krijgt een computer heel veel voorbeelden te zien—zoals duizenden foto’s van dieren—en leert hij zelf welke kenmerken bij een dier horen. Een neuraal netwerk werkt dan als een team van denkertjes (neuronen) in verschillende lagen: elke laag bekijkt een stukje informatie en geeft het door. Door steeds opnieuw te oefenen past het netwerk zijn “samenwerking” aan, tot de computer zelf kat en hond kan herkennen zonder dat iemand het stap voor stap uitlegt!
Wist je dat?
Sommige robotstofzuigers gebruiken een slimme techniek die machine learning heet. Dit betekent dat de stofzuiger leert van wat hij elke keer doet.
Tijdens het stofzuigen maakt hij steeds een betere plattegrond van je kamer, net als een schatkaart. Hij leert nieuwe dingen, zoals waar een stoel of tafel staat. Zo kan hij de volgende keer een slimmere route kiezen en wordt je kamer sneller en beter schoon.
