Welke technologieën spelen een belangrijke rol bij AI?

Kunstmatige oftewel artificiële intelligentie (AI) is waarschijnlijk de belangrijkste technologische ontwikkeling van dit moment. Welke technologieën spelen hierbij een belangrijke rol?

De Nationale AI-cursus (tip!) gebruikt de volgende definitie van AI: intelligente systemen die zelfstandig taken kunnen uitvoeren in complexe omgevingen en eigen prestaties verbeteren door te leren van ervaringen. Machines hebben daarbij toegang tot data, herkennen patronen en nemen zelfstandig beslissingen (niet meer op basis van regels en commando’s). Big data vormen de brandstof van AI. Algoritmes zijn dan de reeks instructies die een computermodel toepast om een bepaalde taak te kunnen uitvoeren en een doel te bereiken (zoals het opzoeken van een betekenis van een woord).

Daarbij wordt vaak een onderscheid gemaakt tussen ‘Narrow AI’ (geschikt voor een afgebakende taak zoals navigeren) en ‘General AI’ (het uitvoeren van elke mensen lijkt taak). Deze laatste vorm van AI komt nog niet voor.

Information Week zet op een rij welke technologieën belangrijk zijn bij AI:

• Machine Learning: de ontwikkeling van algoritmes wordt geautomatiseerd door data te gebruiken om algoritmes te “trainen”. Je hoeft als software ontwikkelaar geen code meer te schrijven. Machines leren dus zelf op basis van trainingssets met voorbeelden.
• Deep Learning: deze technologie gaat een stap verder dan Machine Learning. Bij Deep Learning wordt een extra laag toegevoegd op basis van een eerste beslissing. In feite wordt de werking van hersenen nagebootst (neurale netwerken). Deep Learning analyseert meer (ongestructureerde) data, en is in staat patronen te ontdekken waar menselijke experts waarschijnlijk niet toe in staat zijn. Daarmee kunnen zeer nauwkeurige voorspellingen worden gemaakt.
• Natural Language Processing: machines zijn in staat om menselijke taal te begrijpen. Digitale assistenten zoals Google Home en Siri maken hier gebruik van. NLP wordt echter ook gebruikt voor het verwerken van ongestructureerde data en voor het uitvoeren van sentiment analyses.
• Computer Vision: het automatisch herkennen van afbeeldingen (zoals mensen afbeeldingen herkennen). Gezichtsherkenning is daar een voorbeeld van. Microsoft en Amazon hebben onlangs gepleit voor overheidsregulering rond gezichtsherkenning.
• Tenserflow: platform voor Machine Learning waarmee op een snelle en gemakkelijke manier toepassingen voor Machine Learning mee ontwikkeld kunnen worden, met ondersteuning van geavanceerde API’s zoals Keras. Dit platform is bijvoorbeeld gebruikt voor Google Brain.
• Jupyter Notebook: web-based interactieve omgeving oor datawetenschappers en ontwikkelaars van Machine Learning voor het creëren en delen van documenten met live code, vergelijkingen, visualisaties en tekst.

Een handig, informatief, artikel.

This content is published under the Attribution 3.0 Unported license.