Wat is het verschil tussen AI/ML/DL?

Kunstmatige intelligentie, in het Engels ook wel afgekort als Artificial Intelligence (AI), is niet meer weg te denken uit onze digitale wereld. Zelfrijdende auto’s met autopilot technologie of ontgrendeling van telefoons door middel van gezichtsherkenning: zomaar wat toepassingen waarin AI een rol speelt.

Als u in deze wereld duikt, kunt u al snel verloren raken in de buzzwords en moeilijke termen. Om een beter begrip te krijgen wat AI precies inhoudt en wat belangrijk is, neem ik u graag mee hoe we hier vanuit Esri Nederland naar kijken.

Artificial Intelligence

Het begint allemaal met het overkoepelende begrip wat ik al een aantal keer heb genoemd, Artificial Intelligence (AI). Hierbij voeren machines taken uit die normaliter een bepaalde mate van menselijke intelligentie vragen. De theorie achter AI stamt al uit de jaren ’50, maar het is de digitale transformatie die het op veel vlakken naar de dagelijkse realiteit heeft gebracht. Denk hierbij aan ontwikkelingen in computerkracht, slimmere algoritmes, goedkopere dataopslag en niet onbelangrijk: het volume en de variatie in beschikbare data.

AI omvat een aantal subvelden, zoals natural language processing, waarbij een machine leert om menselijke taal te begrijpen en vertalen. Virtuele assistenten zoals Apple Siri of Google Assistant zijn hiervan bekende voorbeelden. Machine Learning (ML) is een ander belangrijk subveld en gaat over het gebruik van datagedreven algoritmes om het voorspellen, classificeren en clusteren van data te automatiseren. Waar wij mensen leren op basis van ervaringen, volgen computers normaliter instructies waarbij ze reageren op onze commando’s. Machine Learning laat computers leren op basis van ervaringen, in de vorm van data.

Deep Learning (DL) is een specifiek subveld van Machine Learning en is in het laatste decennium aan een opmars bezig. Deep Learning maakt gebruik van een specifieke techniek, diepe neurale netwerken. Deze werken net als een menselijk brein en bestaan uit heel veel met elkaar verbonden lagen van kleine leereenheden (neuronen) die elk hun eigen taak hebben en met elkaar verbonden zijn en leren naarmate er meer data is langsgekomen.

We zien dat ArcGIS zowel Machine Learning-algoritmes integreert in analyses, zoals de Spatial Statistics tools, en daarnaast de mogelijkheid om Deep Learning-modellen te trainen binnen of buiten ArcGIS om, waarbij een sterk integratiecomponent aanwezig is om ook gebruik te maken van externe frameworks.

Classificatie van foto’s met Machine Learning & Deep Learning

Classificatie fotos machine deep learning verschil

Om het verschil tussen Machine Learning en Deep Learning nog verder te duiden, kijken we naar het proces van het classificeren van foto’s, waarbij bepaald moet worden of er een auto of een busje op de foto staat. Bij de traditionele Machine Learning geven we de computer verschillende afbeeldingen van auto’s en busjes en geven we handmatig aan welke features er belangrijk zijn. Bijvoorbeeld: het aantal wielen, de lengte van het dak en de grootte van de wielen. De computer kijkt vervolgens, wanneer het een foto krijgt, of het deze features kan herkennen in de foto en geeft daarna het label auto.

Deep Learning

Schaalbaar nauwkeurig snel deep learning

Bij Deep Learning geeft u alleen de foto’s aan de computer door met een bijbehorend label: auto of bus. De computer zal dan zelf de unieke features uit de foto’s halen en kan dus relaties ontdekken die u als mens niet hebt gezien. Met name bij Deep Learning is het van belang dat u voldoende afbeeldingen aanlevert. Met meer voorbeelden wordt de kans groter dat de computer veelvoorkomende features beter herkent.

Deep Learning: snel, nauwkeurig en schaalbaar

Maar waarom zou u Deep Learning willen toepassen? We stellen hogere eisen aan technologie: analyses moeten snel beschikbaar, voldoende nauwkeurig en het liefst schaalbaar zijn, zodat grote gebieden efficiënt kunnen worden verwerkt. Dat zijn precies de elementen waar Deep Learning in uitblinkt in vergelijking tot meer traditionele analyses.

Ik nodig u uit om zelf ook te onderzoeken hoe Machine en Deep learning kunnen bijdragen aan complexere ruimtelijke vraagstukken binnen uw organisatie. We denken daar overigens ook graag in mee! Heeft u nog vragen? Neem dan contact met ons op via contact@esri.nl.

Slimmer werken met GeoAI

Volgend Artikel

Deep Learning: Hoe bereid je je voor?

Lees dit artikel