Wat is Gesuperviseerd leren?

Gesuperviseerd leren is een manier om een AI-model te trainen met voorbeelden waarbij het goede antwoord al bekend is. Het model leert dus van vragen met een antwoord erbij.

Hoe werkt het?

Je geeft het model veel voorbeelden. Bij elk voorbeeld hoort een label. Een label is het juiste antwoord, zoals ‘kat’ bij een foto van een kat of ‘spam’ bij een vervelende e-mail.

Het model doet eerst een gok. Daarna vergelijkt het die gok met het label. Als de gok fout is, past het model zichzelf een beetje aan. Dat gebeurt heel vaak achter elkaar. Na verloop van tijd worden de gokken beter.

Als de training klaar is, test je het model met nieuwe voorbeelden die het nog niet kent. Zo zie je of het echt iets geleerd heeft en niet alleen de voorbeelden uit het hoofd kent.

Er zijn twee veelvoorkomende taken:

• Classificatie: het model kiest een categorie, bijvoorbeeld spam of geen spam.
• Voorspelling van een getal: het model schat een waarde, bijvoorbeeld de prijs van een huis.

Een voorbeeld uit de praktijk

Stel, je werkt bij een bedrijf dat veel klantmails krijgt. Medewerkers hebben al duizenden mails gelabeld als ‘factuurvraag’, ‘klacht’ of ‘offerte’. Met die gelabelde mails train je een model. Daarna sorteert het model nieuwe mails automatisch naar de juiste afdeling. Jouw collega’s besparen daardoor veel tijd.

Waarom is dit belangrijk voor jou?

Veel AI die je dagelijks gebruikt, werkt zo. Denk aan spamfilters, gezichtsherkenning in je fotoapp en slimme sorteersystemen op het werk.

Let wel op een paar zaken:

• Labelen kost veel werk. Mensen moeten duizenden voorbeelden beoordelen.
• Fouten in de labels leiden tot fouten in het model.
• Als de voorbeelden eenzijdig zijn, werkt het model slechter voor bepaalde groepen of situaties.

Als je weet dat een systeem van voorbeelden heeft geleerd, snap je beter waarom de kwaliteit van die voorbeelden zo belangrijk is. Vraag dus altijd: waarmee is dit model getraind?