Deep Learing is een type machine learning dat gebruik maakt van neurale netwerken, een algoritme dat geprogrammeerd is om het menselijke brein na te bootsen. Het kan gebruikt worden om computer te trainen zodat ze moeilijke datasets te analyseren, gecompliceerde of niet-lineaire taken kunnen uitvoeren. Je komt ook vaak in contact met deep learning aangezien het de ondertiteling op YouTube genereerd, voor spraakherkenningen en gezichtsherkenning voor foto’s te bieden. Het wordt dus steeds meer deel van ons dagelijks leven.
Er zijn verschillende manieren voor het trainen van deep learning modellen. Om even een paar voorbeelden te noemen zijn er leren onder supervisie, leren zonder supervisie, reinforcement learning en deep reinforcement learning. Bij leren onder supervisie gebruiken ze gegevensets die zijn gelabeld. De labels worden gebruikt om te controleren of de gekozen beslissing juist is, maar de mensen moet de gegevens wel eerst labelen voordat dit gebruikt kan worden. Bij leren zonder supervisie gebruiken ze geen labels en gebruikt het systeem patronen die het herkent. Met reinforcement learning worden taken opgelost door een trail-and-error om een reeks beslissingen te nemen en het gewenste resultaat te krijgen. Bij deep reinforcement learning is als deep learning- en reinforcement learning-technieken worden gecombineerd. Het is bijna hetzelfde als reinforcement learning, maar het verwerkt en maakt de ongestructureerde gegevens zinvol.
Het kan gebruikt worden voor beeld-, spraak- en emotieherkenning. Bijvoorbeeld als je gezichtsherkenning gebruikt bij je telefoon. Het zorgt ook voor een op maat gemaakte ervaring. Allemaal verschillende platformen gebruiken deep learning technologieën om aanbevelingen te doen gebaseerd op allemaal verschillende gegevens. Het kan gebruikt worden als chatbot voor als je bijvoorbeeld vragen wilt stellen over de website dan kan je de chatbot een berichtje sturen. Het kan als assistent gebruikt worden. Het kan spraak herkennen dus kan je er makkelijk vragen aan stellen. Denk maar aan siri of gemini op je telefoon. Het kan ook nog gebruikt worden voor zelfrijdende auto’s. Het heeft zo veel optie en in de toekomst kan het waarschijnlijk veel meer.
Je kan het ook gebruiken om games te spellen. AlphaGo is er een voorbeeld van. Het is een AI-systeem ontwikkeld door DeepMind en het versloeg een GO-wereldkampioen. Ze maakten gebruik van diepe neutrale netwerken en geavanceerde zoekalgoritmen en combineert ze. Eerst speelde AlphaGo tegen amateurs om te leren hoe mensen dit spel spelen. Daarna speelde het steeds tegen andere versies van zichzelf om te leren van zijn fouten. Het maakt dus gebruik van reinforcement learning. Na een tijdje krijg je een idee wat de beter zet is en met die informatie bouwen ze een zoekboom. Ze maken daarvoor gebruik van MCTS (Monte Carlo Tree Search) en het bestaat uit vier stappen. Selectie, uitbreiding, evaluatie en back-up. Door al deze technologie wist de AlphaGo te winnen van een van de beste go-spelers in 2016.
Built In’s Expert Contributor Network is een bedrijf over de hele wereld. Zij publiceren goed overgedachte verhalen, commentaren en berichten die zich richten op nieuwe oplossingen. Dit wordt gedaan van kleine startups tot multinationals en dit gebeurt over de hele wereld! Het is een van de belangrijkste bestemmingen in de techwereld voor het geven van interessante, zelfgeschreven voorlichtingen en verslagen voor innovatie in de techwereld.
