Een inleiding tot kunstmatige intelligentie

Tegenwoordig is AI overal in de IT te vinden. Maar hoe werkt het? En hoe kun je zelf kunstmatige intelligentie creëren?

In dit artikel leg ik alles uit wat je moet weten om aan de slag te gaan met AI.

AI Geschiedenis

Mensen denken er al sinds de oudheid over na om dingen tot leven te brengen. Maar vooral met de uitvinding van computers begon het idee van denkende machines vorm te krijgen.

Alan Turing vond in 1950 de Turingtest uit om te bepalen of een machine intelligent is of niet.

De term kunstmatige intelligentie werd voor het eerst gebruikt in 1956 tijdens een conferentie op het Dartmouth College.

Een belangrijke uitvinding in 1967 was het nearest neighbor algoritme, dat belangrijk is voor objectclassificatie en patroonherkenning.

De eerste autonome kar werd ontwikkeld in 1979. Het heette Stanford Cart en kon muren detecteren en ontwijken.

In 1985 werd de AI NETtalk uitgevonden. Het gebruikte Deep Learning om te leren hoe te praten.

In 1997 begon AI echt van de grond te komen. IBM's supercomputer Deep Blue slaagde erin de toenmalige wereldkampioen schaken Garry Kasparov te verslaan.

NASA ontwikkelde de zelfrijdende verkenningsrovers Spirit en Opportunity, die in 2004 autonoom op het oppervlak van Mars reden.

In 2011 versloeg een AI genaamd Watson een mens in de spelshow "Jeopary!".

Google's AlphaGo versloeg in 2016 een pro-speler in Go. Go wordt beschouwd als veel complexer dan schaken en rekenkracht is niet het enige dat nodig is voor succes.

In 2019 versloeg een AI zelfs een professionele speler in Starcraft II.

Tegenwoordig is AI overal. Het loste het eiwitvouwprobleem op en leerde zelfs kunst te maken of code te schrijven.

Belangrijke termen

Hier volgt een overzicht van de belangrijkste termen in verband met AI.

Het gebied AI is enorm. Het omvat zaken als computervisie, natuurlijke taalverwerking, robotica en automatisering, om er maar een paar te noemen.

Een belangrijk onderdeel van AI is Machine learning. Het is een verzameling van methoden en algoritmen die een computer in staat stellen te leren. Deze methoden kunnen in drie klassen worden onderverdeeld:

Begeleid leren, onbegeleid leren en versterkingsleren.

Bij supervised learning gebruikt de AI gelabelde gegevens om te trainen. Dit is niet het geval bij unsupervised learning. Reinforcement learning is een manier om een virtuele agent te trainen. De agent krijgt een beloning telkens hij doet wat hij moet doen. Dit moedigt het gewenste gedrag aan.

Neurale netwerken

Een specifieke methode voor supervised learning is deep learning. Deep learning is het proces van het trainen van een zogenaamd neuraal netwerk. Het netwerk bestaat uit ontelbare knooppunten (neuronen). Deze zijn verbonden met een bepaald gewicht en zijn gestapeld in lagen met een zogenaamde bias.

Om de waarde van een neuron te berekenen uit het vorige neuron, vermenigvuldigt u de waarde van het vorige neuron met het gewicht tussen de neuronen en voegt u de bias toe.

Om het netwerk te trainen, moet u de gelabelde trainingsgegevens naar de inputlaag schrijven. Het netwerk verspreidt de gegevens door een variabel aantal verborgen lagen, afhankelijk van de gewichten en biases.

Tenslotte bereiken de gegevens de uitgangslaag. Het output neuron met de hoogste waarde is de voorspelling van het netwerk. Afhankelijk van of de voorspelling juist is of niet, past de AI alle individuele gewichten en biases aan. Op die manier worden de voorspellingen steeds nauwkeuriger, wat betekent dat het netwerk aan het leren is.

Kijk eens naar onze YouTube-video om een voorbeeld te zien en je eigen AI te trainen.

AI-toepassingen

Laten we eens kijken naar enkele toepassingen van AI. Men zou kunnen beweren dat kunstmatige intelligentie alles kan, als er maar genoeg tijd en rekenkracht voor is.

AI kan beelden herkennen en menselijke taal begrijpen. We kennen allemaal dingen als Alexa of Siri.

Als u uw eigen AI wilt bouwen, vooral voor domotica, computer vision of natuurlijke taalverwerking, dan hebben wij iets speciaals voor u.

Onze nieuwe AIY Maker Kit bevat alles wat u nodig heeft voor uw Machine Learning projecten.

De gecombineerde kracht van de Raspberry Pi 4 met 8 GB RAM en de Google Coral USB Accelerator betekent dat je kunt bouwen wat je maar wilt. Denk aan een automatisch hondenluik of je eigen thuisassistent. Je kunt een slot met gezichtsherkenning maken of een realtime vertaalapparaat.