AI · Begrijpen
Hoe leert een computer?
Een computer leert anders dan jij. Hij bekijkt veel voorbeelden en zoekt daarin patronen. Daardoor kan hij later een nieuwe afbeelding, tekst of vraag herkennen of verwerken.
Wat leer je?
Je begrijpt wat leren uit voorbeelden betekent en waarom nieuwe voorbeelden lastig kunnen zijn.
Korte uitleg
Bij machine learning zoekt een systeem patronen in voorbeelden. Die gebruikt het bij nieuwe invoer. De kwaliteit en variatie van de voorbeelden zijn belangrijk: een systeem kan fouten maken wanneer een nieuwe situatie anders is.
Herkenbaar voorbeeld
Een systeem ziet vooral foto's van rode fietsen. Een blauwe fiets of een fiets in het donker kan moeilijker te herkennen zijn. Meer verschillende voorbeelden kunnen helpen, maar garanderen geen foutloos resultaat.
Probeer het zelf
- Open de chatbot die je gebruikt. Kies een oefening zonder privégegevens.
- Kopieer de opdracht hieronder. Vervang eventuele woorden tussen [haakjes] door je eigen tekst.
- Verstuur de opdracht en lees het antwoord rustig door.
Leg met het voorbeeld van fietsenfoto's uit hoe een computer uit voorbeelden leert. Gebruik maximaal vijf zinnen en noem één reden waarom de computer een fout kan maken.
Controleer je resultaat
Wordt duidelijk wat voorbeelden en patronen zijn? Staat er een mogelijke fout bij? Kun je de uitleg navertellen zonder te zeggen dat de computer leert zoals een mens?
Past het antwoord nog niet? Vertel wat anders moet en controleer de nieuwe versie opnieuw.
Meer uitleg en voorbeelden over dit onderwerp
Van voorbeelden naar een patroon
Stel dat je een computer wilt laten herkennen of er een fiets op een foto staat. Je geeft hem veel voorbeelden: foto’s mét een fiets en foto’s zonder fiets. Tijdens het oefenen past het systeem zichzelf aan. Het leert welke kenmerken vaak bij fietsen horen, zoals wielen, een frame en een stuur.
Daarna krijgt het een nieuwe foto die het nog niet heeft gezien. Het gebruikt wat het uit de voorbeelden heeft geleerd om een voorspelling te doen. Zo’n voorspelling is geen zekerheid.
Bekijk drie verschillende fietsen. Wat hebben ze gemeen? En wat verschilt er? Een AI-systeem zoekt ook naar patronen, maar heeft daarvoor veel meer voorbeelden nodig.
Waarom zijn goede voorbeelden belangrijk?
Als een systeem alleen racefietsen heeft gezien, kan het moeite hebben met een bakfiets. Als voorbeelden fouten bevatten, kunnen de uitkomsten ook fouten bevatten. Daarom testen mensen een AI-systeem met nieuwe voorbeelden en verbeteren ze het waar nodig.
En hoe zit het met ChatGPT?
ChatGPT is getraind om patronen in taal te leren. Het kan daardoor zinnen maken die goed op jouw vraag aansluiten. Het haalt niet simpelweg één kant-en-klaar antwoord uit een boek. Toch betekent vloeiende taal niet dat elk feit klopt.
Oefenen en testen zijn niet hetzelfde
Tijdens het oefenen ziet een AI-systeem voorbeelden met de juiste antwoorden. Daarna wordt het getest met voorbeelden die het nog niet kende. Dat is belangrijk: als het alleen de oefenfoto’s goed herkent, weet je niet of het een nieuwe foto aankan.
Vergelijk het met woordjes leren. Als je alleen een rijtje uit je hoofd kent, kan een vraag in een andere volgorde lastig zijn. Je merkt pas wat je kunt wanneer je met nieuwe vragen oefent. Bij AI gebruiken makers daarom aparte voorbeelden om te testen hoe goed een systeem werkt.
Wat als de voorbeelden scheef verdeeld zijn?
Stel dat een systeem bijna alleen foto’s van blauwe fietsen ziet. Dan kan het per ongeluk kleur gebruiken als aanwijzing. Een rode fiets kan het moeilijker herkennen. Makers proberen daarom verschillende soorten voorbeelden te gebruiken en kijken waar het systeem fouten maakt.
Teken drie soorten fruit en drie voertuigen op losse kaartjes. Laat iemand anders de kaartjes in groepen leggen. Voeg daarna een nieuw plaatje toe, bijvoorbeeld een step. Waar hoort die volgens de ander bij? Bespreek waarom. Zo merk je dat categorieën en voorbeelden invloed hebben op een beslissing.
Kan AI alles leren?
Nee. Een systeem is gemaakt en getraind voor bepaalde taken. Een programma dat fietsen op foto’s herkent, kan niet vanzelf een goed verhaal schrijven. Zelfs een breed hulpmiddel zoals ChatGPT heeft grenzen: het kan een overtuigend antwoord maken zonder te weten of een bewering waar is.
Daarom is de nuttige vraag niet alleen “Kan AI dit?”, maar ook “Hoe goed werkt het voor deze taak, en hoe controleer ik de uitkomst?”
Bekijk ook de video
Zie hoe voorbeelden en patronen een computer helpen om een taak te leren.
Hoe kan een computer leren?Zie hoe voorbeelden en patronen een computer helpen om een taak te leren.2:46 min · Bekijk video