Managed hosting door True
Deze opinie is van een externe deskundige. De inhoud vertegenwoordigt dus niet noodzakelijk het gedachtegoed van de redactie.

Machine learning gaat harder dan je denkt

 

Computable Expert

ir. Dingeman Leijdens
CEO, TJIP. Expert van Computable voor de topics Development en Digital Innovation.

Big data, machine learning en kunstmatige intelligentie (ai) zorgen voor grote veranderingen in de manier waarop we leven en hoe we zakendoen. Enerzijds maken ze banen overbodig, anderzijds maken ze ons werk ook gemakkelijker en komen er andere banen bij. Machines kunnen nu al op e-mails antwoorden met steeds meer zorgvuldigheid en met bijna menselijke eigenschappen. Ze kunnen gegevens sneller en nauwkeuriger analyseren dan wij en dat levert vele toepassingen op.

Het World Economic Forum, dat deze maand in Davos gaande is, voorspelt dat er op korte termijn vijf miljoen banen gaan verdwijnen door de komst van machines en automatisering. Dat betekent dat ieder voor zich goed moeten nadenken op wat voor manier machine learning effect heeft op zijn manier van werken. Machines kunnen door alle technologische ontwikkelingen, steeds beter leren van eerdere situaties en zich zo steeds beter aanpassen aan nieuwe situaties. En het mooiste is dat dit alles kan zonder dat daar een ontwikkelaar code voor schrijft.

Machine learning wordt veelal gezien als een onderdeel van kunstmatige intelligentie (ai). Toen data-mining begon te domineren in de jaren ’90, kwam machine learing meer in beeld, omdat het nuttig was bij het maken van statistieken en voorspellende analyses. Maar er zijn veel meer toepassingen en machine learning blijft groeien, zodat het steeds meer invloed heeft op verscheidene aspecten van ons leven. Voor de duidelijkheid enkele voorbeelden.

Communicatie: Echo en Alexxxa zijn conversatie-interfaces die hun intrede al in ons huis hebben gedaan. In het bedrijfsleven zal dit ook gemeengoed worden. Wen er dus maar aan dat je met robots op de werkvloer gaat converseren. Tot op zekere hoogte worden het een soort werkcollega’s.  

Handel: Algoritmes zijn in staat om grote hoeveelheden data te gebruiken om te voorspellen hoe de markt reageert op verschillende gebeurtenissen. Dit systeem van algoritmes zorgt ervoor dat machines veel beter zijn in beleggen en investeren dan mensen.

Gezondheidszorg: Bij het diagnosticeren van patiënten toont onderzoek aan dat machines verscheidene condities al kunnen diagnosticeren soms jaren voordat artsen dit kunnen. Op korte termijn zal je niet bij een robot op spreekuur kunnen. Medische toepassingen van machine learning spelen zich nu nog vooral achter de schermen af. Denk aan algoritmes die gebruikt worden om röntgenfoto’s en MRI-scans te interpreteren. Watson for Oncology van IBM analyseert enorme hoeveelheden medische literatuur, onderzoeksgegevens en andere data om een behandeladvies voor kankerpatiënten te genereren. Deze supercomputer kan in een paar minuten informatie analyseren waar een medisch specialist anders weken mee bezig zou zijn. Het systeem baseert belangrijke medische beslissingen dus niet op de kennis van een of meerdere personen, maar op de huidige stand van de wetenschap.

Zelfrijdende auto’s: 74 procent van het management in de automotive industrie meent dat smart cars, ofwel zelfrijdende auto’s, de standaard zijn in 2025. Nederland moet hierin vooroplopen omdat ons land zich goed leent voor deze nieuwe manier van vervoer.

Bewustwording

We beseffen nog maar nauwelijks wat machine learning allemaal kan. Supercomputer Watson wordt nog steeds geavanceerder en onderzoekers hebben al gezegd dat we aangeland zijn in een periode van cognitieve computing. Dit betekent dat er computers worden ontwikkeld met neurale netwerken die de neurologische systemen van mensen nabootsen. Deze systemen bieden de mogelijkheid tot deep learning. Bij dit type machine learning lopen algoritmes tegelijkertijd in meerdere lagen, hierdoor is leren zonder supervisie en op simulatie gebaseerd leren mogelijk voor machines. Daarnaast wordt op korte termijn machine learning ook nog efficiënter; machines halen dezelfde prestaties in minder tijd en met minder data.

De technische aspecten van ai en machine learning mogen misschien een beetje abstract lijken, maar de uitkomsten zijn verbluffend. Kijk maar eens naar robot Sophia die deze aspecten al in zich heeft en bij Jimmy Fallon in de uitzending was. Sophia is een superintelligente robot met levensechte emoties. Ze heeft een menselijk uiterlijk en kan ook echt vragen van mensen beantwoorden. Machine learning, het gaat echt veel harder dan je denkt!

Dit artikel is afkomstig van Computable.nl (https://www.computable.nl/artikel/6287224). © Jaarbeurs IT Media.

?


Lees meer over


 

Jouw reactie


Je bent niet ingelogd. Je kunt als gast reageren, maar dan wordt je reactie pas zichtbaar na goedkeuring door de redactie. Om je reactie direct geplaatst te krijgen, moet je eerst rechtsboven inloggen of je registreren

Je naam ontbreekt
Je e-mailadres ontbreekt
Je reactie ontbreekt
Vacatures Development

Stuur door

Stuur dit artikel door

Je naam ontbreekt
Je e-mailadres ontbreekt
De naam van de ontvanger ontbreekt
Het e-mailadres van de ontvanger ontbreekt

×
×