Wat is Machine learning?

Machine learning betekent dat een computer leert van voorbeelden in plaats van van vaste regels. In het Nederlands heet het ook wel machinaal leren. Het is een belangrijk onderdeel van AI. Het systeem wordt beter naarmate het meer voorbeelden ziet.

Hoe werkt het?

Bij gewone software schrijft een programmeur precies op wat de computer moet doen. Bij machine learning laat je de computer zelf de regels vinden. Je geeft het systeem veel data, dat zijn gegevens zoals foto’s, teksten of cijfers. Het systeem zoekt daarin patronen. Dit proces heet trainen. Het resultaat is een model. Een model is het getrainde programma dat nieuwe gevallen kan beoordelen.

Er zijn drie hoofdvormen:

• Gesuperviseerd leren: de data bevatten al het juiste antwoord, zoals foto’s met het label kat of hond.
• Ongesuperviseerd leren: het systeem zoekt zelf groepen of verbanden zonder labels.
• Versterkend leren: het systeem leert door te proberen en beloond te worden voor goede keuzes.

Een voorbeeld uit de praktijk

Een webwinkel wil weten welke klanten waarschijnlijk niet meer terugkomen. Het bedrijf laat een machine learning model kijken naar gegevens van duizenden eerdere klanten. Het model leert welke kenmerken vaak voorafgaan aan vertrek. Daarna kan het nieuwe klanten een risicoscore geven en kan de winkel op tijd een actie bedenken.

Waarom is dit belangrijk voor jou?

Machine learning zit achter spamfilters, aanbevelingen, spraakherkenning en fraudedetectie. Het helpt om grote hoeveelheden gegevens te begrijpen. Er zijn ook aandachtspunten:

• Slechte of scheve data leiden tot slechte of oneerlijke uitkomsten.
• Een model kan fouten maken in situaties die het niet eerder zag.
• Het is niet altijd uit te leggen waarom het een bepaalde keuze maakt.

Goede data en menselijke controle blijven dus belangrijk.