07/09/2017
Artificial Intelligence (AI)
Artificiële Intelligentie of Kunstmatige Intelligentie (KI) is de wetenschap die zich bezighoudt met het creëren van een kunstmatig verschijnsel dat een vorm van intelligentie vertoont. Om artificiële intelligentie te kunnen definieren moeten we eerst beschrijven wat we onder 'intelligentie' verstaan. Intelligentie is een mentale eigenschap met veel verschillende functies; zoals de mogelijkheid overeenkomsten en verschillen op te merken in waarnemingen, zich in de ruimte te oriënteren, te redeneren, creativiteit, plannen te maken, problemen te doorgronden en op te lossen, in abstracties te denken, ideeën en taal te begrijpen en te produceren, informatie op te slaan in het geheugen en daar weer uit op te halen, te leren van ervaringen. Een ‘mentale eigenschap’ (=met betrekking tot de geest) wil volgens velen dus eigenlijk zeggen dat intelligentie uitsluitend mogelijk is bij levende wezens. Daarmee wordt in ieder geval het kader van AI duidelijker; functies (een vorm) van intelligentie bij niet-levende creaties.
Strong en narrow AI
Binnen de AI wordt onderscheid gemaakt tussen ‘sterke AI’ (strong) en ‘beperkte AI’ (narrow). Strong AI houdt zich bezig met onderzoek met betrekking tot het creëren van een computer of software die echt kan redeneren en problemen oplossen, en die wellicht zelfbewustzijn (beleving van de eigen identiteit) zou hebben. Hiervan zijn weer twee subtypen te onderscheiden, namelijk de mens-gelijke AI, een computer die redeneert en denkt als een mens, en de niet-mens-gelijke AI, waarin de computer een niet-menselijke, maar eigen computer-intelligentie ontwikkelt. Sterke AI is tot nu toe vooral voorbehouden aan de fictieve wereld in films, zoals The Matrix (1999, 2003), iRobot (2004) en Passengers (2016).
Narrow AI houdt zich bezig met onderzoek in beperkte deelgebieden waarin gedragingen mogelijk zijn die intelligent lijken, maar niet echt intelligent zijn. Gespecialiseerde, beperkte AI houdt in dat deze alleen op één bepaald gebied kan worden toegepast. Hier zijn de meeste reallife vorderingen gemaakt, in de vorm van bijvoorbeeld zoekalgoritmen, expertsystemen en visuele inspectie. Zo heeft de Maeslantkering deuren die op basis van een kennisgebaseerd systeem worden geopend of gesloten. Verzekeraar AEGON maakt gebruik van een kennisgebaseerd systeem om te kijken onder welke voorwaarden iemand voor een autoverzekering mag worden geaccepteerd. En voor de automatische beeldherkenning voor de inspectie van treinrails vertrouwt VolkerRail op het zelflerende systeem waarvoor CQM de intelligentie ontwikkelde. Je leest er alles over in deze case.
Interdisciplinair
Kunstmatige Intelligentie is een interdisciplinair vakgebied. Om functionele Artificiele Intelligentie te bereiken worden er technieken uit verschillende vakgebieden gebruikt. Deze vakgebieden variëren van informatica tot geesteswetenschappen. Een greep uit deze gebieden: patroonherkenning en beeldverwerking, cognitieve psychologie, logica, statistiek en linguïstiek. CQM heeft verschillende consultants in dienst die vanuit hun eigen specialisme in bovengenoemde studies en vakgebieden inmiddels behoorlijk bedreven zijn in het toepassen van AI in de praktijk.
Machine Learning (ML)
Automatisch leren of machinaal leren is een breed onderzoeksveld binnen Artificiele Intelligentie, dat zich bezighoudt met de ontwikkeling van algoritmes en technieken waarmee computers kunnen leren.
Statistische analyse
Machine Learning is sterk gerelateerd aan statistiek; data analyseren. Het is meer gericht op de algoritmische complexiteit of de implementatie in programma's. Het is ook gerelateerd aan data mining, waarin op een geautomatiseerde manier patronen en relaties worden gezocht in grote hoeveelheden gegevens. Lees elders op deze website meer over CQM’s visie op kwantitatieve analyses.
Machine Learning is een manier om AI te bereiken
De fundamentele basis van beide vakgebieden is algoritmes gebruiken om gegevens te analyseren, er wijzer van te worden, en vervolgens een bepaling of voorspelling te maken over iets in de wereld. En bij ML wordt - in plaats van handmatig software coderen met een specifieke set instructies om een bepaalde taak te bereiken - de machine getraind door gebruik te maken van grote hoeveelheden data en algoritmen die het de mogelijkheid bieden om te leren hoe de taak uit te voeren.
Deep Learning (DL)
Deep Learning, ook bekend als diep gestructureerd leren of hiërarchisch leren, maakt deel uit van een bredere familie van Machine Learning-methoden. DL kan gecontroleerd, ongecontroleerd en semi-gecontroleerd gebeuren. Bij gecontroleerde DL krijgt het algoritme voorbeelden van invoer en bijbehorende uitvoer. Het leert op basis van deze voorbeelden hoe de eigenschappen van de invoer bepalend zijn voor de uitvoer. Na de leerfase kan het algoritme ook voor nieuwe invoer zelfstandig de juiste uitvoer produceren. Bij ongecontroleerde DL zijn geen voorbeelden van de gewenste uitvoer; het algoritme ontdekt zelf een structuur in de gegeven invoer. Semi-gecontroleerd zit er tussenin.
DL in de praktijk
Deep learning architecturen, kunstmatige neurale netwerken, zijn succesvol toegepast op gebieden als beeldherkenning (computer vision), spraakherkenning, natuurlijke taalverwerking (zoals bijvoorbeeld een geautomatiseerde online assistent als klantenservice), audioherkenning, sociale netwerkfiltrering, machinevertaling en bioinformatica. De resultaten zijn vergelijkbaar met en in sommige gevallen zelfs superieur aan menselijke deskundigen!
Lees hier hoe CQM met Machine Learning en automatische beeldherkenning de inspectie van treinrails vijf keer efficienter maakte voor VolkerRail/Inspectation.
In het kort
- Artificial Intelligence (AI) is erop gericht functies van intelligentie te ontwikkelen buiten het menselijke brein.
- Strong AI richt zich op de ontwikkeling van computers/software die echt kunnen redeneren en problemen oplossen, hierin onderscheiden we mens-gelijke en niet-mens-gelijke intellegentie.
- Narrow AI richt zich op de ontwikkeling van systemen die intelligente gedragingen vertonen binnen een bepaald domein, maar niet echt intelligent zijn.
- Machine Learning (ML) houdt zich bezig met de ontwikkeling van algoritmes en technieken om AI te bereiken. Bij ML wordt met behulp van grote hoeveelheden data de machine getraind om bepaalde taken uit te voeren.
- Deep Learning (DL) is een ML-methode gebaseerd op ingewikkelde neurale netwerken; het algoritme bepaalt (al dan niet gecontroleerd/zelfstandig) een relatie tussen de invoer en uitvoer van gegevens. Deze vorm van Kunstmatige Intelligentie komt wel heel dicht bij menselijke intelligentie en kan in steeds meer gevallen zelfs efficienter en robuuster zijn. Daardoor is het voor veel organisaties steeds interessanter zich te verdiepen in dit vakgebied. En CQM helpt daar natuurlijk graag bij!
Meer weten over AI, ML en/of DL?
Wij hebben heel veel enthousiaste consultants die er graag meer over vertellen.
Neem gerust even contact op met me voor een vrijblijvende afspraak.
Peter Hulsen
Aanbevolen:
- De visie van CQM op Data Science
- Meer blogs van CQM lezen? U vindt ze hier
