Machines die Leren (2)

Machine learning (ML) is een deelgebied van de informatica dat voortkwam uit de studie van patroonherkenning en kunstmatige intelligentie. Arthur Samuel zei in 1959: machine learning geeft computers de mogelijkheid om te leren zonder dat ze expliciet worden geprogrammeerd. Dat klinkt misschien eng, maar aan de andere kant is het hartstikke handig voor zelfrijdende auto’s en allerlei andere toepassingen. Als u, net als ik, tien, twintig of dertig jaar geleden bent begonnen met programmeren, dan weet u niks van ML. Dat soort programmeren was misschien al wel in ontwikkeling op een prestigieuze universiteit, maar zeker niet op de miljoenen homecomputers die toen hun opmars begonnen. Intussen is het landschap veranderd. Met behulp van open source software zoals Tensorflow (oorspronkelijk gemaakt door Google) en ‘scikit-learn’, een Python bibliotheek, kunnen u en ik, en ook de nieuwe generatie whizkids, eenvoudig aan de slag met Machine Learning. Op het Internet staat een serie goede instructievideo’s waarmee iedereen zo aan de slag kan. Er zijn verschillende hoofdgroepen in ML, zoals ‘leren onder begeleiding’, ‘leren Zonder begeleiding’, en een mengvorm van de twee. Bij leren zonder begeleiding krijgt de computer een berg data en onttrekt daaruit bepaalde patronen. Een heel mooi voorbeeld daarvan is hoe Deep-Q (Googles kunstmatige intelligentie netwerk) Space Invaders heeft leren spelen puur op basis van de beelden op het scherm. ML houdt een belofte in voor de toekomst: op basis van enorme hoeveelheden data, voorspellingen te kunnen doen die het menselijk brein te boven gaan.

https://www.youtube.com/watch?v=cKxRvEZd3Mw&feature=youtu.be
https://www.youtube.com/watch?v=Ja2hxBAwG_0&feature=youtu.be
http://www.telegraph.co.uk/news/science/science-news/11435688/Google-network-learns-to-play-Space-Invaders-in-breakthrough-for-artificial-intelligence.html