Het verschil tussen AI, machine learning en deep learning

Drie cirkels in elkaar

De eenvoudigste manier om dit te onthouden: het zijn geen drie concurrerende technieken maar drie schillen om elkaar heen.

Kunstmatige intelligentie is de buitenste cirkel — alle software die taken doet waarvoor je normaal denkvermogen nodig hebt. Daarbinnen zit machine learning: de aanpak waarbij een systeem leert uit voorbeelden. En daarbinnen zit weer deep learning: machine learning met diepe neurale netwerken.

Kunstmatige intelligentie: de buitenste schil

Hieronder valt ook ouderwetse AI die helemaal niet leert. Een schaakprogramma uit de jaren tachtig dat alle zetten doorrekende volgens vaste regels, was kunstmatige intelligentie. Een beslisboom in een verzekeringssysteem ook. Niet alle AI leert; dat wordt vaak verward.

Machine learning: leren uit voorbeelden

Hier zit de kern van de moderne aanpak. In plaats van regels op te schrijven, geef je het systeem duizenden voorbeelden en laat je het zelf de patronen vinden. Er zijn drie hoofdvormen:

• Begeleid leren — je geeft voorbeelden mét het juiste antwoord. Duizend e-mails met het label "spam" of "geen spam".
• Onbegeleid leren — je geeft alleen de gegevens en laat het systeem zelf groepen ontdekken. Handig om klantsegmenten te vinden die je zelf niet had bedacht.
• Bekrachtigingsleren — het systeem probeert dingen en krijgt beloning of straf. Zo leren spelcomputers en robots.

Veel machine learning is helemaal niet spectaculair: een model dat voorspelt hoeveel brood een filiaal morgen verkoopt, is machine learning. Het werkt al twintig jaar en levert bergen geld op.

Deep learning: netwerken met veel lagen

Een neuraal netwerk is een reeks lagen van rekeneenheden waar informatie doorheen stroomt. "Deep" betekent simpelweg: veel lagen. Elke laag herkent iets abstracters dan de vorige — bij beeldherkenning eerst randjes, dan vormen, dan ogen en oren, dan het hele gezicht.

Deep learning is de reden dat AI sinds ongeveer 2012 zo hard vooruit ging. Het vraagt wel enorme hoeveelheden gegevens en rekenkracht, wat verklaart waarom alleen grote bedrijven de zwaarste modellen kunnen trainen.

En waar past een taalmodel?

Een taalmodel als GPT of Claude is deep learning, dus ook machine learning, dus ook kunstmatige intelligentie. Alle drie tegelijk. Specifieker gezegd is het een transformer: een bepaald ontwerp van neuraal netwerk uit 2017 dat bijzonder goed is in het verwerken van reeksen zoals tekst.

En een algoritme dan?

Een algoritme is gewoon een stappenplan dat een computer uitvoert — dat kan van alles zijn, van een sorteermethode tot een neuraal netwerk. In het nieuws wordt "het algoritme" vaak gebruikt als het over aanbevelingssystemen van sociale media gaat, maar het woord zelf zegt niets over of er AI in zit.

Elk van deze begrippen wordt uitgebreider behandeld in de kennisbank van AI Dagblad, met meer dan negentig onderwerpen van de basis tot geavanceerde technieken.