Wat is machine learning en waarom kan het jouw baan overnemen?

2024 Auteur: Malcolm Clapton | [email protected]. Laatst gewijzigd: 2023-12-17 04:06

Met nieuwe algoritmen kunnen computers problemen oplossen die voorheen alleen voor mensen mogelijk waren. Enerzijds zal dit ons grote voordelen opleveren, anderzijds nieuwe uitdagingen voor ieder van ons. Om te voorkomen dat de voortgang u overvalt, moet u alert zijn en de situatie in de gaten houden.

Tot voor kort moesten programmeurs complexe en zeer nauwkeurige instructies schrijven, zelfs om computers in staat te stellen de eenvoudigste taken uit te voeren.

Talen zijn altijd geëvolueerd, maar de belangrijkste vooruitgang op dit gebied is de vereenvoudiging van het werken met code. Nu kunnen computers niet meer worden geprogrammeerd zoals voorheen, maar zo worden ingesteld dat ze zelf leren.

Dit proces, machine learning genaamd, belooft een echte technologische doorbraak te worden en kan iedereen raken, ongeacht hun werkterrein. Daarom zal het voor ieder van ons nuttig zijn om het onderwerp te begrijpen.

Wat is machine learning?

Machine learning elimineert de noodzaak voor een programmeur om in detail aan een computer uit te leggen hoe een probleem moet worden opgelost. In plaats daarvan wordt de computer geleerd om zelf een oplossing te vinden. In wezen is machine learning een zeer complexe toepassing van statistieken om patronen in gegevens te vinden en daaruit voorspellingen te maken.

De geschiedenis van machine learning gaat terug tot de jaren vijftig, toen computerwetenschappers erin slaagden computers te leren dammen. Sindsdien zijn, samen met de rekenkracht, de complexiteit van de patronen en voorspellingen die de computer kan herkennen en doen, en de problemen die hij kan oplossen, toegenomen.

Het algoritme verkrijgt eerst een set trainingsgegevens en gebruikt deze vervolgens om verzoeken te verwerken. U kunt bijvoorbeeld meerdere foto's in uw auto laden met beschrijvingen van de inhoud, zoals "deze foto toont een kat" en "deze foto heeft geen kat". Als daarna nieuwe afbeeldingen aan de computer worden toegevoegd, begint deze zelf afbeeldingen met katten te identificeren.

Het algoritme wordt steeds beter. De juiste en foutieve herkenningsresultaten komen in de database en met elke verwerkte foto wordt het programma slimmer en beter en kan de taak beter aan. In wezen is dit leren.

Waarom machine learning belangrijk is

Nu kunnen machines veilig worden toegepast in gebieden die voorheen alleen voor mensen toegankelijk werden geacht. Hoewel de technologie nog verre van ideaal is, komt het erop neer dat computers voortdurend verbeteren. In theorie kunnen ze oneindig evolueren. Dit is het hoofdidee van machine learning.

De machines leren afbeeldingen zien en classificeren, zoals in het bovenstaande fotovoorbeeld. Ze kunnen tekst en cijfers in deze afbeeldingen herkennen, evenals mensen en plaatsen. Bovendien identificeren computers niet alleen de geschreven woorden, maar houden ze ook rekening met de context van hun gebruik, inclusief positieve en negatieve tinten van emoties.

Machines kunnen onder andere naar ons luisteren en reageren. Virtuele assistenten in onze smartphones - of het nu Siri, Cortana of Google Now is - belichamen doorbraken in natuurlijke taalverwerking en blijven zich ontwikkelen.

Bovendien leren computers schrijven. Algoritmen voor machine learning genereren al nieuwsartikelen. Ze kunnen schrijven over financiën en zelfs over sport.

Dergelijke functies kunnen alle activiteiten veranderen op basis van gegevensinvoer en classificatie die voorheen alleen mogelijk waren voor mensen. Als een computer een afbeelding, document, bestand of ander object kan herkennen en nauwkeurig kan beschrijven, biedt dit volop mogelijkheden voor automatisering.

Hoe machine learning tegenwoordig wordt gebruikt

Algoritmen voor machinaal leren zijn al in staat om indruk te maken.

Medecision gebruikt ze om risicofactoren voor verschillende ziekten in grote gemeenschappen te berekenen. Het algoritme heeft bijvoorbeeld acht variabelen geïdentificeerd die kunnen worden gebruikt om te concluderen of een patiënt met diabetes een ziekenhuisopname nodig heeft of niet.

Nadat u in online winkels naar het juiste product hebt gezocht, merkt u misschien dat u lange tijd advertenties voor dit product op internet ziet verschijnen. Deze marketingpersonalisatie is slechts het topje van de ijsberg. Bedrijven kunnen automatisch e-mails, kortingsbonnen, aanbiedingen en weergave-aanbevelingen verzenden die zijn afgestemd op elke klant afzonderlijk. Dit alles duwt de consument zachter om te kopen.

Natuurlijke taalverwerking wordt op veel verschillende manieren gebruikt. Met zijn hulp worden bijvoorbeeld medewerkers van ondersteunende diensten vervangen om gebruikers snel van de nodige informatie te voorzien. Bovendien helpen dergelijke algoritmen advocaten bij het ontcijferen van complexe documentatie.

IBM heeft onlangs een enquête gehouden. hoofden van autobedrijven. 74% van hen verwacht dat er tegen 2025 slimme auto's op de weg verschijnen.

Dergelijke auto's krijgen via het Internet of Things informatie over de eigenaar en zijn omgeving. Op basis van deze gegevens kunnen ze automatisch de temperatuur, audio, stoelpositie en andere instellingen wijzigen. Slimme auto's lossen ook zelf opkomende problemen op, rijden zelfstandig en doen aanbevelingen op basis van verkeer en wegomstandigheden.

Wat te verwachten van machine learning in de toekomst

De mogelijkheden die machine learning ons in de toekomst biedt, zijn bijna eindeloos. Hier zijn enkele indrukwekkende voorbeelden.

• Een gepersonaliseerd gezondheidszorgsysteem dat patiënten gepersonaliseerde medische zorg biedt op basis van hun genetische code en levensstijl.
• Beveiligingssoftware die aanvallen van hackers en malware met de hoogste nauwkeurigheid detecteert.
• Geautomatiseerde beveiligingssystemen voor luchthavens, stadions en vergelijkbare locaties die potentiële bedreigingen identificeren.
• Zelfrijdende auto's die zich oriënteren in de ruimte minimaliseren het aantal files en ongevallen.
• Geavanceerde fraudebestrijdingssystemen die geld op onze rekeningen kunnen beveiligen.
• Universele vertalers waarmee we nauwkeurige en snelle vertalingen kunnen ontvangen met behulp van smartphones en andere slimme apparaten.

Waarom je moet oppassen voor machine learning

Hoewel velen deze kansen zullen ervaren met de komst van nieuwe technologieën, zullen de meesten niet willen begrijpen hoe het allemaal van binnenuit werkt. Maar we kunnen allemaal maar beter alert blijven. Naast alle voordelen zal verdere vooruitgang inderdaad tastbare gevolgen hebben voor de arbeidsmarkt.

Machine learning, gebaseerd op de steeds groter wordende hoeveelheid data die bijna iedereen op aarde genereert, zal beroepen volledig veranderen. Natuurlijk zullen deze innovaties het werk van veel mensen vereenvoudigen, maar er zullen ook mensen zijn die hun baan zullen verliezen. Algoritmen reageren al op e-mails, interpreteren medische beelden, helpen bij rechtszaken, analyseren gegevens, enzovoort.

Machines leren van hun eigen ervaring, zodat programmeurs niet langer voor elke ongebruikelijke situatie code hoeven te schrijven. Dit leervermogen, samen met de vooruitgang in robotica en mobiele technologie, stelt computers in staat om complexe taken beter dan ooit af te handelen.

Maar wat gebeurt er met mensen als ze worden overtroffen door machines?

Volgens. World Economic Forum, computers en robots zullen de komende vijf jaar de vijf miljoen banen bezetten die mensen nu bezitten.

We moeten dus in de gaten houden hoe machine learning de workflow verandert. Het maakt niet uit wie je bent: een advocaat, een dokter, een hulpverlener, een vrachtwagenchauffeur of wie dan ook. Verandering kan iedereen raken.

De beste manier om de onaangename verrassing te vermijden wanneer computers taken beginnen over te nemen, is door proactief te denken en voor te bereiden.