De verschillen tussen Machine Learning en Artificial Intelligence
Zelflerende systemen en kunstmatige intelligentie in detail
Het verschil tussen ML en AI begint bij een beter begrip van Machine Learning (ML). Dat is in de basis de techniek om complexe gegevenspatronen zichtbaar te maken. De basis daarvan wordt in dit artikel uitgelegd. Met deze ‘inzichtelijkheid’ en dus patroonkennis, kunnen vervolgens beslissingen genomen worden. Het maken van beslissingen is daarmee dus niet voorbehouden aan Artificial Intelligence of in goed Nederlands: Kunstmatige intelligentie.
De computer neemt beslissingen aan de hand van een algoritme
Computers, oftewel de software die daarop is geïnstalleerd, neemt al zolang ze bestaan beslissingen. If, then of Else zijn begrippen die in veel computertalen voorkomen. In die zin is het nemen van beslissingen niets nieuws.
Het verschil bij Machine Learning (ML) en Artificial Intelligence (AI) komt voort uit het gegeven dat deze beslissingen niet meer direct te herleiden zijn.
Met andere woorden, er is geen sprake meet van “If” en “Then”, je data wordt in een soort ‘Black Box” verwerkt waaruit iedere transparantie lijkt te zijn verdwenen. In de praktijk valt dat wel mee, in ieder geval doen we er bij EasyData alles aan de transparantie in het Machine Learning proces inzichtelijk en herleidbaar te houden.
Te beginnen met Machine Learning (ML)
Machine Learning gebruikt algoritmes om gegevens te analyseren, die zich op de computer (de Machine) bevinden. Die algoritmen vindt je overal op het Internet. Zoek zelf maar eens op “open source machine learning”. Los van de gesponsorde links vallen Tensorflow en Open ML meteen op. Machine Learning projecten vertonen onderling grote verschillen, dat zal je direct opvallen. Al die Machine Learning projecten delen wel allemaal in hetzelfde fundament, namenlijk om met door door lering (het ML netwerk trainen) de gewenste resultaten op een begrijpelijke wijze te extraheren.
Het Machine Learning algoritme
Als Machine Learning specialist hoef je daar ook helemaal niet geheimzinnig over te doen. Belangrijk is dat je de juiste algoritmen selecteert voor jouw speciale project specificaties. Zo’n Machine Learning Algoritme wordt al snel een “Neural Network” genoemd. In dat geval betreft het Machine Learning al meer dan slechts een basis algoritme. De term “Neural Network” impliceert in het woord zelf al dat er sprake is van een onderliggende verbinding, het “Netwerk”. In zo’n “Neural Network” worden een diversiteit aan mogelijkheden meegeleverd waarmee je makkelijker aan het werk kan.
Machine Learning is Artificial Intelligence?
Zeker niet, Machine Learning is in zekere zin het voorportaal van Artificial Intelligence (AI). Meerdere Machine Learning algoritmen kunnen samen Artificial Intelligence (AI) vormen. Voordat we aan Artificial Intelligence kunnen komt Machine Learning in beeld. En beginnen daarvoor bij het analyseren van je ruwe data set. Op basis van die analyse wordt de selectie van het “Neural Network” gemaakt of juist gekozen voor een basis algoritme dat specifiek getraind gaat worden. Dat is afhankelijk van het project specialisten werk, Iedere IT Engineer kan een Machine Learning “Neural Network” platform installeren, het verkrijgen van effectieve resultaten gaat een stap verder, een onderdeel waar EasyData in gespecialiseerd is. Door onze aanpak kan je al snel resultaat verwachten.
Hoe werkt dat proces precies?
Dat is altijd spannend bij het opzetten van de Machine Learning architectuur, geeft de exportdata het gewenste resultaat? Die kennis is bij EasyData voorhanden, het samenstellen van een Machine Learning netwerk is een specialisme dat we beheersen en snel resultaten mee kunnen presenteren. Krachtige servers kunnen met onze bestaande technologie in korte tijd voor specifieke Machine Learning opdrachten geconfigureerd worden. We testen het samengestelde Neural Network door grote hoeveelheden data aan de ”Machine” te geven, deze “Learning” stap zorgt ervoor dat we de export resultaten krijgen die voor het project gedefinieerd zijn.
Machine Learning betekenis
Machine Learning volgens de juist opgezette structuur resulteert nooit in een afgesloten container, er zal bij door EasyData opgezette Machine Learning werkstromen altijd ruimte zijn om uitzonderingen aan het Machine Learning netwerk toe te voegen. Dat kan bijvoorbeeld via EasyVerify, maar ook door de raadpleging van openbare bronnen of actuele database informatie van de organisatie waarvoor het Machine Learning Neural Network is opgeleverd.
Algoritmen
Dit is waar het allemaal om draait. Algoritmen worden toegepast en die algoritmen leren patronen uit de gegevens te herkennen. Die patronen worden vervolgens gebruikt om voorspellingen te doen. Die voorspellingen (lees resultaten) zullen veranderen zodra er meer data binnen het model beschikbaar komt om betere (Lees slimmere) voorspellingen te genereren. Met deze uitleg lijken we al een beetje op te schuiven naar “Artificial Intelligence”, maar is dat niet het complete beeld.
Het verschil tussen ML en AI?
Allereerst is “Intelligentie” een menselijke eigenschap die vergezeld wordt met een verscheidenheid aan cognitieve vaardigheden. Precies hetgeen mensen uniek maakt en dat stoppen we niet zomaar in een doosje. Denk aan je capaciteiten deze tekst te lezen, deze te beredeneren en hier vervolgens effectieve actie op te ondernemen.
De conclusie van deze stelling is dat intelligentie uitsluitend mogelijk is bij levende wezens. Vervolgens kan je de intelligentieniveaus gaan onderverdelen en verlaten we de kennis van EasyData. Onze kennis, intelligentie is toegespitst op het vangen van specifieke kennis in modellen die de mens antwoorden geven op vragen over deze specifieke gebieden. Laten we dat minder abstract maken met het meest platte voorbeeld dat we allemaal kennen, denk aan Chatbots die op basis van bestaande klantgegevens en vragen de meest voorkomende antwoorden online presenteren, wie ergert zich daar niet aan? Is hier sprake van intelligentie?
Machine Learning versus Artificial Intelligence samengevat
Machine Learning is het onderdeel van Artificial Intelligence dat zich richt op het structuren van data. Die data kan gebruikt worden om kunstmatige intelligentie met de gewenste kennis te voeden. Machine Learning technologie is erop gericht steeds nieuwe data aan kunstmatige intelligentie toe te voegen om daarmee het kennis model verder te optimaliseren.
