De introductie van machine learning in het dagelijks leven
Van academisch onderzoek tot toepassingen in de praktijk
We horen voortdurend over de 'AI-revolutie' en 'digitale transformatie' en zien overal om ons heen op AI gebaseerde robots en software. Deze ontwikkelingen zijn het resultaat van de snelle innovaties in het vakgebied machine learning, zoals zelfrijdende auto’s, ChatGPT, DeepSeek en zelfs het voorspellen van extreme weersomstandigheden. Maar hoe ontwikkelen deze innovaties zich van fundamenteel onderzoek tot onderdeel van het dagelijks leven? Geert-Jan Houben bespreekt deze vraag met de twee codirecteuren van de ELLIS Unit Delft: Frans Oliehoek en Jens Kober.
De rol van 'machine learning' binnen 'artificial intelligence (AI)'
“Het is binnen AI traditie om problemen als zoek- of optimalisatieprobleem te formuleren. Dat houdt wel in dat we weten wat we proberen te optimaliseren of dat we beschikken over de juiste data om waarschijnlijkheden in te schatten. Maar in veel gevallen weten we dat niet of zijn deze data niet voorhanden," legt Frans Oliehoek uit, universitair hoofddocent aan de faculteit Elektrotechniek, Wiskunde en Informatica (EWI).
“In dat geval komt machine learning (ML) in beeld als deelgebied van AI. ML haalt met behulp van algoritmen informatie uit data, waardoor onze oplossingen beter aansluiten bij alledaagse problemen. Zo kan ML worden ingezet om zeldzame fenomenen als extreme weersomstandigheden te voorspellen. Door patronen te vinden in grote of complexe datasets bieden ML-modellen nieuwe inzichten in situaties waarin traditionele methoden soms tekortschieten."
"Bovendien maakt ML inmiddels een integraal en fundamenteel onderdeel uit van veel AI-systemen. Zo blijken op regels gebaseerde modellen in zelfrijdende auto's niet te voldoen in complexe en onvoorspelbare omgevingen als drukke steden. Maar via ML kunnen de systemen leren van observaties en zich aanpassen aan dit soort onvoorspelbare scenario's," Jens Kober, universitair hoofddocent aan de faculteit Mechanical Engineering (ME), voegt daaraan toe: "Een van de grootste pluspunten van ML is dat het mogelijk wordt taken als bijvoorbeeld gezichtsherkenning te automatiseren. Die werden voorheen handmatig uitgevoerd omdat we ze onvoldoende begrijpen om expliciet oplossingen te kunnen programmeren."
[....]
