De laatste jaren hoor je steeds meer over AI en machine learning. Het wordt steeds meer toegepast in steeds meer verschillende industrieën.
Maar wat is machine learning nu precies? En wat zijn nu concrete voorbeelden van machine learning in de praktijk?
In dit artikel leggen we je meer uit over machine learning en geven we je 5 voorbeelden van machine learning in de praktijk. Lees snel verder om te kijken welke rol machine learning speelt in jouw leven.
Inhoud
Wat is machine learning?
Een computer voert, normaal gesproken, taken uit op basis van instructies. Dit is erg lastig in complexe situaties met enorme hoeveelheden data. Het is haast onmogelijk om voor elke situatie een correcte handeling te definiëren.
Machine learning werkt precies andersom. De software wordt getraind op basis van data en wordt niet vooraf geschreven. Hierdoor gaat de software zelfstandig op zoek naar een antwoord, op basis van de data die het krijgt.
Om machine learning in de praktijk toe te kunnen passen, zijn er twee voorwaarden. Ten eerste moet voldoende data beschikbaar zijn om mee te kunnen trainen. Ten tweede moet er heel veel rekenkracht beschikbaar zijn om de data snel te kunnen analyseren.
Doordat de rekenkracht de laatste jaren gigantisch is verbeterd, heeft machine learning zich geweldig kunnen ontwikkelen.
Voordelen van machine learning in de praktijk
Machine learning stelt ons in staat om complexe problemen op te lossen, zonder dat daarvoor extreem gecompliceerde software voor geschreven hoeft te worden.
Bovendien wordt een model getraind op basis van data, niet op basis van instructies. Hierdoor zal het beslissingen baseren op data. Ook wordt er geen emotie meegenomen in de beslissingen. Dit zorgt ervoor dat machine learning leidt tot logische, data-gedreven beslissingen.
Voorbeelden van machine learning in de praktijk
Nu je een beeld hebt van wat machine learning is en wat de voordelen zijn, is het tijd om je een aantal concrete voorbeelden te geven. Op deze manier kun je concreet beeld vormen van de toepassing van machine learning in de praktijk.
Spraakherkenning
Deze toepassing is ongetwijfeld bekend. Machine learning is in staat om spraak te vertalen naar tekst. Sommige software is in staat om dit live te doen. Andere software kan alleen opgenomen spraak, als bestand, vertalen naar tekst.
Voorbeelden van spraakherkenning in de praktijk:
- Gesproken zoekopdrachten
- Spraakassistenten zoals Siri of Alexa
- Apparaten bedienen met spraak
Beeldherkenning
Ook deze toepassing van machine learning is vrij bekend. Het gaat hierbij om technologie die in staat is om mensen of voorwerpen te herkennen, op basis van de intensiteit van de pixels.
In het geval van gezichtsherkenning zoekt het systeem naar specifieke gelaatstrekken. Deze worden vervolgens vergeleken met gezichten in de database. Op deze manier kan bijvoorbeeld de Politie om mensen te zoeken met camerabeelden.
Voorbeelden van beeldherkenning in de praktijk:
- Ontgrendelen van je telefoon
- Naam en gezicht aan elkaar koppelen in je fotorol op je telefoon
- Herkennen van tumoren op röntgenfoto’s
Statistiek
Machine learning kan eenvoudig grote hoeveelheden data analyseren en hier een conclusie uit trekken. Op deze manier kan het bepaalde statistieken uit grote hoeveelheden data halen.
Dit kan handig zijn voor onderzoeken, maar het wordt ook veel gebruikt in de financiële sector. Hierbij worden grote sets van effecten geanalyseerd om correlaties te vinden. Op die manier kan de handelsstrategie verbeterd worden.
Voorbeelden van machine learning en statistiek in de praktijk:
- Analyse van grote hoeveelheden data
- Het vinden van kansen op de markt
- Conclusies trekken uit grote hoeveelheden data, verzameld in een onderzoek
Voorspellende analyses
Machine learning is in staat om grote hoeveelheden data te analyseren en dit in groepen te verdelen. Als er dan vervolgens data gevonden wordt die in geen enkele groep past, dan kan de software de data als een fout aanmerken. Hierdoor kun je snel afwijkingen opsporen. Dit is zeer breed toe te passen.
Voorbeelden van voorspellende analyses in de praktijk:
- Vinden van frauduleuze transacties
- Betere voorspellingen doen
- Het opsporen van fouten in gigantische hoeveelheden data
Medische diagnoses stellen
Machine learning speelt een steeds belangrijkere rol in het stellen van medische diagnoses. Artsen kunnen namelijk machine learning gebruiken om patronen in symptomen op te sporen.
Bovendien kan je met machine learning heel veel foto’s en scans met elkaar vergelijken. Hierbij wordt de software geleerd wat er normaal is. Alles wat afwijkt zal dan herkend worden als foutief.
Voorbeelden van medische diagnoses stellen in de praktijk:
- Hulp voor artsen bij het stellen van diagnoses
- Herkennen van afwijkingen op foto’s en scans
- Analyseren van bijvoorbeeld bloed en urine