Choose a different country or region if you want to see the products and prices for your location. Click Continue to go to the selected country or region.

Technologie

Het geheim achter het deep learning algoritme

Het geheim achter het deep learning algoritme

Hoe werkt deep learning? 


Deep learning valt onder de noemer Artificial Intelligence en vindt in de vorm van neurale netwerken, zijn oorsprong al in de jaren vijftig van de vorige eeuw.

Dat deep learning pas nu echt opkomt, heeft voornamelijk te maken met de onvoorstelbare hoeveelheid computing power die nodig is om het goed te laten werken. Hoe werkt deep learning eigenlijk?

In 2004 deden 15 zelfrijdende robotvoertuigen mee aan de eerste autorace zonder bestuurders; een tocht van 240 kilometer door de Mojavewoestijn in Californië. Wat een spectaculair vertoon van technologische innovatie moesten worden, eindigde in een fiasco. Drie auto’s haalden het startschot niet eens en de meeste anderen gingen vlak erna over de kop. De winnaar legde 12 kilometer af, voordat hij in een haarspeldbocht crashte.

Dat was 13 jaar geleden. Tegenwoordig hebben zelfrijdende auto’s miljoenen kilometers afgelegd, bijna zonder ongelukken te veroorzaken. Het illustreert de enorme vlucht die Artificial Intelligence (AI) de afgelopen jaren heeft genomen, die alles te maken heeft met de baanbrekende technologie binnen de AI die deep learning wordt genoemd.

 Patronen herkennen uit duizenden voorbeelden

Deep learning is een algoritme waarmee computers patronen leren herkennen uit eindeloos veel voorbeelden. Door een computer honderdduizenden foto’s van katten te laten zien, leert het na verloop van tijd het patroon van een kat te herkennen. Net zoals wij dat ook ergens in onze hersenen hebben opgeslagen. Na voldoende voorbeelden ‘weet’ de computer hoe een kat, of welk object dan ook, eruitziet en kan het die ook in nieuwe foto’s en video’s aanwijzen.

Op dezelfde manier heeft patroonherkenning computers leren luisteren en spreken. Taal bestaat tenslotte ook uit patronen. Door computers eindeloos audioclips te laten horen, leerden ze letters, woorden, zinnen en uiteindelijk grammaticale constructies herkennen én reproduceren. Daarom kunnen we nu met onze smartphones praten. ‘Oké Google.’

Digitale hersencellen

Wanneer mensen informatie uit de buitenwereld opvangen via ons netvlies of ons gehoor, zetten onze hersencellen die signalen om in beelden en klanken. Deep learning algoritmes zijn gebaseerd op deze manier van werken, waarbij ze gebruik maken van digitale hersencellen die ‘neurale netwerken’ worden genoemd. 

Net als in ons brein wordt een neuraal netwerk gevoed met data uit de buitenwereld, zoals de pixels van een foto. De digitale zenuwcellen scannen en analyseren de pixels talloze keren, waarbij ze er elke keer meer informatie uit filteren. In de eerste analyses identificeren ze de contouren van de objecten in de foto. Zodra die buitengrenzen zijn vastgesteld, zoomt het neurale netwerk in op verdere details zoals kleur, vorm, licht en schaduw.

Steeds wordt de interpretatie van de pixels nauwkeuriger, totdat het beeld duidelijk genoeg is dat de computer een uitspraak kan doen over de identiteit van de objecten, of het nu om een auto, mens of lantaarnpaal gaat. Hoe meer voorbeelden van auto’s, mensen en lantaarnpalen de computer al eerder heeft gezien en in zijn database heeft opgeslagen, des te sneller en beter hij het object zal herkennen.

Zonder kleerscheuren door het verkeer

Zoals gezegd heeft deep learning een ware revolutie veroorzaakt in AI. Zelfrijdende auto’s danken er hun bestaan aan. De software van zo’n auto moet zijn omgeving heel nauwkeurig kunnen lezen om zonder kleerscheuren door het verkeer te navigeren. De auto moet het verschil kunnen zien tussen een onschuldige krant die over de weg waait of een voetganger die plotseling oversteekt.

Naast zelfrijdende auto’s en pratende bots helpt deep learning bij het opsporen van huidkanker en geeft het blinden en slechtzienden de mogelijkheid hun wereld in kaart te brengen.

Killer robots

Deep learning heeft ook zijn keerzijdes. Uitgerust met een slim algoritme kan elke webshop of overheidsdienst zien wie of wat er op jouw Facebook foto’s staat. Met nog gerichtere spam of ongewenste overheidsbemoeienis tot gevolg. Zelfs de online foto’s van anderen waar jij opstaat zijn dan niet langer veilig.

Luguber wordt het als het deep learning algoritmes de wapenindustrie bereikt. Het Amerikaanse leger heeft al geïnvesteerd in technologie voor autonome wapensystemen, die op basis van het algoritme schietbeslissingen nemen. Twee jaar geleden zette Zuid-Korea een robotwachter neer op de grens met de noorderburen, die op eigen houtje indringers kan identificeren en afschieten.

Een eng idee, vinden ook veel AI wetenschappers. Artificial Intelligence mag dan zijn roots hebben in sciencefiction films, niemand zit te wachten op een Terminator scenario. In een open brief, ondertekend door vierduizend wetenschappers, heeft de AI community zich al uitgesproken voor een verbod tegen killer robots.

Miljard dollar

AI wetenschappers houden hun vakgebied scherp in de gaten. Ze zouden niet de eersten zijn wiens technologische innovaties worden gebruikt voor doeleindes die ze niet hadden beoogd. Zwaargewichten zoals Elon Musk en Linked-In oprichter Reid Hoffman hebben een miljard dollar geïnvesteerd in onderzoek naar manieren om AI veilig en beheersbaar te houden.Laten we hopen dat dat ons vrijwaart van het Terminator scenario.

Deep learning valt onder de noemer Artificial Intelligence en is een nieuwe term voor wat in de computerwetenschap bekend staat als 'neurale netwerken'.
Deep learning is een algoritme waarmee computers patronen leren herkennen uit eindeloos veel voorbeelden. Computers leren luisteren en spreken door patroonherkenning. Daarom kunnen we nu met onze smartphones praten.
Deep learning algoritmes zijn gebaseerd op de manier van werken, waarbij ze gebruik maken van digitale hersencellen die ‘neurale netwerken’ worden genoemd. De interpretatie (van de data uit de buitenwereld) wordt steeds nauwkeuriger, totdat het beeld duidelijk genoeg is dat de computer een uitspraak kan doen over de identiteit van de objecten. Hoe meer voorbeelden, des te sneller en beter hij het object zal herkennen.

Meer weten over Deep Learning? Lees dan de Exact Technologie blog: het geheim achter het deep learning algoritme.
NL Select your country