Wat betekent ‘machine learning’ en waarom is de combinatie van AI en chatbots magic?
Michiel Vandendriessche, Managing Partner van Craftworkz aan het woord
Machine Learning
“Machine learning betekent, in mensentaal uitgelegd, dat een computer of algoritme zaken kan onthouden door naar voorbeelden te kijken. Stel je even voor dat een algoritme veel foto’s toont van honden (je geeft die manueel het label ‘hond’) dan gaat die zelf leren hoe een hond eruit ziet. Laat je een random foto zien van een hond dan gaat die je kunnen zeggen dat dit een hond is. De programmeur moet dit niet in een code uitschrijven wat een foto van een hond is. Het systeem gaat dit zelf leren. In een klassiek computerprogramma moet je alle logica van dat programma wél zelf programmeren. Voor machine learning zijn er heel wat business toepassingen: herkennen van objecten, herkennen van gezichten, herkennen van emoties, vinden van patronen, aanraden van producten, omzetten van spraak naar tekst, interpreteren van natuurlijke taal, structureren van data… Als ik mijn smartphone neem, herkent die eerst en vooral mijn gezicht via machine learning, als ik dan naar beneden swipe zie ik ‘voorgestelde apps’ via machine learning, als ik begin te tippen stelt die woorden voor via machine learning. Als ik de camera-app open, herkent die gezichten en past die kleuren aan via machine learning en als ik tegen Siri praat kan die niet alleen mijn spraak omzetten naar tekst, maar ook zelfs de tekst interpreteren en op een juiste manier antwoorden, allemaal via machine learning.”
AI + Chatbots = Magic
“Vroeger werden chatbots met klassieke methoden geprogrammeerd, zonder AI of machine learning. Men probeerde de regeltjes rond natuurlijke taal in code te vervatten en zo een computersysteem natuurlijke taal te laten interpreteren. Een goed voorbeeld is de bekende psychotherapeut-chatbot ELIZA, ontwikkeld in de jaren 60 aan MIT university, die op een niet-zo-intelligente manier speelt met de keywords in zinnen van gebruikers om zo telkens nieuwe vragen te stellen zonder ooit echt tot een oplossing te komen. Nu moeten we die logica van natuurlijke taal niet meer zelf in code proberen te schrijven. In plaats daarvan voeden we een algoritme met voorbeeldzinnetjes en hun bijhorende interpretatie en zo leert het systeem zelf hoe het uitdrukkingen van gebruikers moet interpreteren en kan het zo op de juiste manier antwoorden. Deze AI maken chatbots veel intelligenter én krachtiger.”
Michiel Vandendriessche, Managing Partner van Craftworkz aan het woord
Machine Learning
“Machine learning betekent, in mensentaal uitgelegd, dat een computer of algoritme zaken kan onthouden door naar voorbeelden te kijken. Stel je even voor dat een algoritme veel foto’s toont van honden (je geeft die manueel het label ‘hond’) dan gaat die zelf leren hoe een hond eruit ziet. Laat je een random foto zien van een hond dan gaat die je kunnen zeggen dat dit een hond is. De programmeur moet dit niet in een code uitschrijven wat een foto van een hond is. Het systeem gaat dit zelf leren. In een klassiek computerprogramma moet je alle logica van dat programma wél zelf programmeren. Voor machine learning zijn er heel wat business toepassingen: herkennen van objecten, herkennen van gezichten, herkennen van emoties, vinden van patronen, aanraden van producten, omzetten van spraak naar tekst, interpreteren van natuurlijke taal, structureren van data… Als ik mijn smartphone neem, herkent die eerst en vooral mijn gezicht via machine learning, als ik dan naar beneden swipe zie ik ‘voorgestelde apps’ via machine learning, als ik begin te tippen stelt die woorden voor via machine learning. Als ik de camera-app open, herkent die gezichten en past die kleuren aan via machine learning en als ik tegen Siri praat kan die niet alleen mijn spraak omzetten naar tekst, maar ook zelfs de tekst interpreteren en op een juiste manier antwoorden, allemaal via machine learning.”
AI + Chatbots = Magic
“Vroeger werden chatbots met klassieke methoden geprogrammeerd, zonder AI of machine learning. Men probeerde de regeltjes rond natuurlijke taal in code te vervatten en zo een computersysteem natuurlijke taal te laten interpreteren. Een goed voorbeeld is de bekende psychotherapeut-chatbot ELIZA, ontwikkeld in de jaren 60 aan MIT university, die op een niet-zo-intelligente manier speelt met de keywords in zinnen van gebruikers om zo telkens nieuwe vragen te stellen zonder ooit echt tot een oplossing te komen. Nu moeten we die logica van natuurlijke taal niet meer zelf in code proberen te schrijven. In plaats daarvan voeden we een algoritme met voorbeeldzinnetjes en hun bijhorende interpretatie en zo leert het systeem zelf hoe het uitdrukkingen van gebruikers moet interpreteren en kan het zo op de juiste manier antwoorden. Deze AI maken chatbots veel intelligenter én krachtiger.”
