Machinaal leren
Machinaal leren geeft computers het vermogen te leren zonder expliciet geprogrammeerd te worden (Arthur Samuel, 1959). Het is een deelgebied van de informatica.
Het idee kwam voort uit het werk op het gebied van kunstmatige intelligentie. Machine learning is de studie en constructie van algoritmen die kunnen leren en voorspellingen doen op basis van gegevens. Dergelijke algoritmen volgen geprogrammeerde instructies, maar kunnen ook voorspellingen doen of beslissingen nemen op basis van gegevens. Zij bouwen een model op aan de hand van voorbeeldinputs.
Machineleren wordt toegepast waar het ontwerpen en programmeren van expliciete algoritmen niet mogelijk is. Voorbeelden zijn het filteren van spam, het opsporen van netwerkindringers of kwaadwillende insiders die werken aan een gegevensinbraak, optische tekenherkenning (OCR), zoekmachines en computervisie.
Vragen en antwoorden
V: Wat is machinaal leren?
A: Machinaal leren is een deelgebied van computerwetenschap dat computers de mogelijkheid geeft om te leren zonder expliciet geprogrammeerd te worden, met behulp van algoritmen die kunnen leren en voorspellingen kunnen doen op basis van gegevens.
V: Waar kwam het idee voor machinaal leren vandaan?
A: Het idee voor machinaal leren kwam van werk in de kunstmatige intelligentie.
V: Hoe werken de algoritmen die bij machinaal leren gebruikt worden?
A: Algoritmen voor machinaal leren volgen geprogrammeerde instructies, maar kunnen ook voorspellingen doen of beslissingen nemen op basis van gegevens. Ze bouwen een model op basis van voorbeeldinvoer.
V: Wanneer wordt machinaal leren gebruikt?
A: Machine learning wordt gebruikt waar het ontwerpen en programmeren van expliciete algoritmen niet mogelijk is. Voorbeelden zijn spamfiltering, detectie van netwerkindringers of kwaadwillende insiders die naar een datalek toewerken, optische tekenherkenning (OCR), zoekmachines en computervisie.
V: Wat zijn enkele risico's van het gebruik van machinaal leren?
A: Het gebruik van machinaal leren heeft risico's, waaronder het creëren van eindmodellen die "zwarte dozen" zijn en kritiek op vooroordelen bij het aannemen van personeel, strafrecht en het herkennen van gezichten.
V: Wat betekent het dat een model voor machinaal leren een "black box" is?
A: Een "black box" model voor machinaal leren betekent dat de besluitvormingsprocessen niet gemakkelijk te verklaren of te begrijpen zijn voor mensen.
V: Wat zijn enkele voorbeelden van toepassingen van machinaal leren?
A: Enkele voorbeelden van toepassingen van machinaal leren zijn spamfiltering, detectie van netwerkindringers, optische tekenherkenning (OCR), zoekmachines en computervisie.
