Deep learning is een onderdeel van machine learning waarbij een computer leert met een neuraal netwerk dat uit veel lagen bestaat. Dat „diep” slaat op het aantal lagen. Elke laag pikt iets abstractere kenmerken op uit de data: bij een foto herkent de eerste laag randen en kleurvlakken, een latere laag vormen, en de laatste laag pas „dit is een factuur”. Je programmeert de regels niet zelf; het netwerk leidt ze af uit grote hoeveelheden voorbeelden.
Dit is de techniek onder vrijwel alle AI die je in de praktijk tegenkomt. Spraakherkenning in Teams, automatische vertaling, het uitlezen van facturen, gezichtsherkenning op je telefoon en de grote taalmodellen achter chatbots draaien er allemaal op. Voor een MKB-bedrijf betekent het vooral dat taken die eerder „typisch mensenwerk” waren, zoals het herkennen van documenten of het samenvatten van tekst, nu betaalbaar te automatiseren zijn.
Twee kanttekeningen zijn de moeite waard. Ten eerste is een deep-learning model zo goed als de data waarmee het is getraind: zit er een scheve verhouding in de voorbeelden, dan zit die ook in de uitkomst. Ten tweede is zo’n netwerk moeilijk uit te leggen; het geeft een antwoord, maar niet altijd een navolgbare reden. Gebruik het daarom als hulp bij een beslissing en niet als eindoordeel, zeker niet bij zaken die klanten of medewerkers raken. En let op welke bedrijfsdata je in een extern model stopt.
Hoe werkt een neuraal netwerk?
Een neuraal netwerk is losjes gebaseerd op het menselijk brein: kunstmatige ‘neuronen’ zijn gerangschikt in lagen die informatie aan elkaar doorgeven. De eerste laag krijgt de ruwe data binnen — pixels van afbeeldingen, losse woorden, geluidsfragmenten. Elke volgende laag werkt van grof naar fijn en herkent steeds specifiekere patronen. Bij het klassieke voorbeeld van een foto: eerst randen, dan vormen, dan objecten.
Het netwerk leert door voorbeelden te vergelijken met het juiste antwoord en zichzelf bij te stellen. Daar is veel data voor nodig en flink wat rekenkracht; grote modellen worden getraind op zware grafische kaarten. De winst zit erin dat je niet zelf hoeft te beschrijven waar het systeem op moet letten. Juist bij ongestructureerde informatie — tekst, beeld, spraak — werkt dat beter dan traditionele software.
Waar kom je deep learning in de praktijk tegen?
Vaker dan je denkt. Slimme stemassistenten als Siri verstaan je dankzij deze technologie, streamingdiensten als Netflix en Spotify baseren hun tips erop, en zelfrijdende auto’s gebruiken het om verkeersborden en voetgangers te herkennen. Banken zetten het in om afwijkende betaalpatronen op te sporen.
Zakelijk zie je het vooral terug in software die je al gebruikt: het uitlezen van facturen en bonnen, automatische vertaling, spraak-naar-tekst in vergaderingen en het samenvatten van documenten. Je koopt dus zelden ‘deep learning’; je koopt een functie die er toevallig op draait.
Veelgestelde vragen
Wat is het verschil tussen deep learning en machine learning?
Deep learning is een onderdeel van machine learning. Bij klassieke machine learning geef je zelf aan welke kenmerken belangrijk zijn; bij deep learning leidt het netwerk die kenmerken zelf af uit de voorbeelden. Dat maakt het krachtiger bij complexe data, maar ook hongeriger naar data en rekenkracht.
Hoeveel data heb je nodig voor deep learning?
Om zelf een model te trainen: veel, al gauw duizenden tot miljoenen voorbeelden. Voor de meeste bedrijven is dat geen zinnig startpunt. Je gebruikt in de praktijk een bestaand, getraind model en voedt dat met je eigen documenten of vragen.
Is deep learning hetzelfde als AI?
Nee. Kunstmatige intelligentie is de brede verzamelnaam, machine learning is een tak daarvan en deep learning weer een tak daarbinnen. Wel is deep learning de techniek achter vrijwel alle AI die de laatste jaren doorbrak.
Kan een MKB-bedrijf hier iets mee?
Ja, maar zelden door zelf modellen te bouwen. De winst zit in het slim inzetten van bestaande diensten, en in de afspraak welke bedrijfsgegevens je daar wel en niet in stopt.
Wat OkayICT hierin doet: Wij helpen bepalen welke taken zich lenen voor AI en zorgen dat bedrijfsdata daarbij binnen je eigen omgeving blijft.
Meer lezen: Wat is machine learning? · Wat is een neuraal netwerk?
