Hidden Layers

Wat zijn hidden layers?

Hidden layers (verborgen lagen) zijn de tussenlagen van een neuraal netwerk: alles wat tussen de invoer (de data die erin gaat) en de uitvoer (de voorspelling die eruit komt) zit. Ze heten verborgen omdat je hun tussenresultaten normaal niet te zien krijgt. Juist in deze lagen gebeurt het eigenlijke werk: het netwerk zet er ruwe data stap voor stap om in steeds abstractere kenmerken, tot er een bruikbaar antwoord uitrolt.

Hoe werkt het?

Elke laag bestaat uit rekencellen, neuronen, die de uitkomsten van de vorige laag wegen, optellen en door een activatiefunctie halen. Die laatste stap zorgt ervoor dat het netwerk ook niet-lineaire, complexe verbanden kan leren. Vergelijk het met het herkennen van een gezicht op een foto: de eerste verborgen laag pikt randen en kleurovergangen op, een volgende laag combineert die tot vormen zoals ogen en neuzen, en diepere lagen herkennen daaruit complete gezichten. Hoe meer verborgen lagen, hoe dieper het netwerk; vandaar de naam deep learning. Grote taalmodellen hebben tientallen tot ruim honderd van zulke lagen.

Wat heb je eraan als bedrijf?

Voor de meeste bedrijven is dit achtergrondkennis, maar het verklaart twee dingen die je in de praktijk merkt. Ten eerste waarom diepe netwerken zo krachtig zijn: elke laag voegt begripsniveau toe. Ten tweede waarom AI soms lastig uitlegbaar is: wat er precies in die verborgen lagen gebeurt, is ook voor specialisten moeilijk te doorgronden. Dat is relevant zodra je AI inzet voor beslissingen die je moet kunnen verantwoorden.

Gerelateerde begrippen

Hidden layers zijn de bouwstenen van een artificial neural network en van deep learning. De gewichten in deze lagen worden geleerd via backpropagation, en het gebrek aan inzicht in hun werking raakt aan explainable AI.