Definities - AIIB

Definities en termen

Er zijn erg veel termen rond AI in gebruik en hoewel er over de meeste termen en definities een discussie is, volgt hier toch een overzicht met een toelichting op de belangrijkste termen.

Artificiële algemene intelligentie

De Heilige Graal, Artificial General Intelligence (AGI). In tegenstelling tot wat over het algemeen gedacht wordt, ligt dit nog ver in de toekomst. Momenteel zijn we in staat om hele snelle en heel gespecialiseerde intelligentie te creëren. Deepl-blue, Alpha-go of spraakherkenning zoals Apple’s Siri.

Artificiële algemene intelligentie (AGI) is het hypothetische vermogen van een intelligente agent om elke intellectuele taak te begrijpen of te leren die een mens beheerst of kan leren.

De essentie van intelligentie is het principe van aanpassing aan de omgeving terwijl met onvoldoende kennis en middelen wordt gewerkt. Een intelligent systeem moet dus kunnen rekenen op een eindige verwerkingscapaciteit, in real time werken, openstaan voor onverwachte taken, en leren uit ervaring. Deze werkdefinitie interpreteert “intelligentie” als een vorm van “relatieve rationaliteit” (Wang, 2008)

Artificiële intelligentie

Artificiële intelligentie (AI) verwijst naar de simulatie van menselijke intelligentie in machines die geprogrammeerd zijn om als mensen te denken en hun handelingen na te bootsen. De term kan ook worden toegepast op elke machine die eigenschappen vertoont die met een menselijke geest worden geassocieerd, zoals leren en problemen oplossen.

Artificiële Intelligentie (AI) als de theorie en ontwikkeling van computersystemen die in staat zijn taken uit te voeren waarvoor normaal menselijke intelligentie vereist is, zoals visuele waarneming, spraakherkenning, besluitvorming en vertaling tussen talen.

Artificiële intelligentie AI is het brede studiegebied gewijd aan het oplossen van complexe problemen (Sapunov, 2016)

Machine learning en Deep Learning

Machine learning (ML) wordt beschouwd als een deelgebied van AI. ML is een data gestuurde aanpak die gericht is op het creëren van algoritmen die het vermogen hebben om van gegevens te leren zonder daarvoor expliciet geprogrammeerd te zijn.

Deep learning (DL) wordt beschouwd als een subgebied van ML en is gericht op ‘diepe’ neurale netwerken (met meerdere lagen) en is in staat om automatisch hiërarchische representaties te leren.

Bij Supervised learning wordt een algoritme getraind met geclassificeerde data en resultaten. Bij Unsupervised learning zoekt het algoritme zelf patronen in de data, een bijzondere vorm hiervan is Reinforced learning waarbij positieve of negatieve feedback wordt gegeven aan het algoritme (Mueller, 2018).

Datascience en relatie met AI

Data science is een concept om statistiek, data-analyse, machinaal leren en andere verwante methoden te verenigen om verschijnselen te begrijpen en te analyseren met behulp van data (Kampakis, 2020).

Een Data scientist is iemand die met data werkt en een opleiding heeft in analyse, statistiek or ML (Kampakis, 2020).

Er is een doorlopende discussie over het begrip datascience en de relatie met AI. De één zegt dat datascience alles omvat (Kampakis, 2020) de ander (Ng, 2017) dat het specifieke delen omvat zoals weergegeven in de Venndiagram. Volgens Andrew Ng heeft data science te maken met kennis extraheren en inzicht verkrijgen met behulp van data en door gebruik te maken van diverse tools. ML aan de andere kant geeft vaak als resultaat een programma dat gedraaid wordt om uit inputs A outputs B te verkrijgen. Dit kan leiden tot voorspellingen of aanbevelingen.

Gezien de relatieve nieuwheid van het vakgebied zal de discussie voorlopig nog wel door gaan. Belangrijk voor een organisatie is te weten wat nodig is en wat gevraagd wordt én te weten hoe dat doel bereikt kan worden.

Bronverwijzing:

Kampakis S. (2020).The Decision Maker’s Handbook to Data Science. Apress, Berkeley, CA.

Mueller & Massaron. (2018). Artificial Intelligence for dummies. Willey & Sons, Hoboken, New Jersey.

Ng, A. (2017). Machine learning course Stanford. Coursera [online]. Available at: https://www. coursera. org/learn/machinelearning.

Sapunov, G. (2016). Artificial Intelligence – Past, Present and Future. Slideshare [online]. Available at: https://www.slideshare.net/grigorysapunov/artificial-intelligence-past-present-and-future-64586944.

Wang, P. (2008). What do you mean by “AI”? In Artificial general intelligence 2008, ed. P. Wang, B. Goertzel, and S. Franklin, 362–373. Amsterdam: IOS Press.

Definities en termen

Artificiële algemene intelligentie

Artificiële intelligentie

Machine learning en Deep Learning

Datascience en relatie met AI

Bezoekadres

Postadres

Privacy

Social

Copyright