Deep Learning

Wat is deep learning?

Deep learning is een onderdeel van machine learning dat werkt met diepe neurale netwerken: rekenmodellen met vele lagen die zelf leren welke kenmerken in data belangrijk zijn. Waar klassieke machine learning vraagt dat een mens vooraf de relevante kenmerken aanwijst, ontdekt een deep learning-model die zelf uit ruwe data zoals tekst, beeld of geluid. Het is de technologie achter vrijwel alle moderne AI-doorbraken, van beeldherkenning en spraakherkenning tot de grote taalmodellen achter tools als ChatGPT, Claude en Copilot.

Hoe werkt het?

Een neuraal netwerk bestaat uit lagen van rekeneenheden (“neuronen”), losjes geïnspireerd op het brein. De invoerlaag ontvangt ruwe gegevens, tussenliggende verborgen lagen herkennen steeds abstractere patronen (van randjes naar vormen naar gezichten, of van letters naar woorden naar betekenis), en de uitvoerlaag geeft de voorspelling. Trainen gebeurt met backpropagation: het netwerk vergelijkt zijn uitkomst met het juiste antwoord, rekent de fout terug door alle lagen en past miljoenen tot miljarden interne instellingen (parameters) een fractie aan. Na heel veel voorbeelden worden de voorspellingen steeds beter. Voor taal is de transformer-architectuur sinds 2017 de standaard geworden.

Wat heb je eraan als bedrijf?

Je traint als MKB-bedrijf zelden zelf een deep learning-model; dat vergt enorme datasets en rekenkracht. Maar je gebruikt het dagelijks: elke AI-assistent, vertaaltool, transcriptiedienst of beeldgenerator draait op deep learning. Begrijpen wat eronder ligt helpt je de mogelijkheden en beperkingen in te schatten, bijvoorbeeld waarom zulke modellen soms overtuigend klinkende fouten maken.

Gerelateerde begrippen

Deep learning bouwt op het artificial neural network en is een tak van machine learning. Bekende varianten zijn convolutional neural networks voor beeld en large language models voor taal.