Page 11 - HS 1 Wat is AI
P. 11

Artificiële intelligentie in de wiskunde


               Stel je voor dat een model een schaakspel speelt. In het begin maakt het model willekeurige zetten en
               krijgt feedback (bijvoorbeeld +1 voor winnen, -1 voor verliezen). Na verloop van tijd leert het model
               welke zetten waarschijnlijk leiden tot winst en leert geleidelijk hoe hij een spel moet spelen.
               Denk hierbij bijvoorbeeld aan hoe je een hond zou kunnen leren om een high five te geven. Je moet
               geen lijst met instructies aan de hond geven. Het is gewoon een kwestie van goed gedrag te belonen,
               slecht gedrag te negeren en de hond voldoende te trainen waardoor hij zelf leert wat er verwacht
               wordt.

               Voorbeelden:
                   •  Speltheorie: Het trainen van computers om complexe taken uit te voeren, zoals het spelen van
                      bordspellen of videogames;
                   •  Robotica: Het aansturen van robots om taken uit te voeren zoals navigeren in een omgeving,
                      objecten manipuleren, of autonoom rijden.
               1.7  Deep learning


               Deep learning is een type machine learning dat gebruikmaakt van neurale netwerken met meerdere
               verborgen lagen. Dit type AI kan ook uit de voeten met ongestructureerde data. Deze diepe netwerken
               kunnen complexe patronen leren en herkennen in enorme hoeveelheden ongestructureerde data zoals
               afbeeldingen, geluid en tekst. Een neuraal netwerk is geïnspireerd op de werking van het menselijke
               brein. Door lagen van neuronen te verbinden, leert deep learning bijvoorbeeld zelf gezichten of
               stemmen te herkennen.

               Zelfrijdende auto’s zijn voertuigen die deep learning technieken gebruiken.  Ze verwerken grote
               hoeveelheden gegevens om de omgeving te analyseren. Hierdoor herkennen ze objecten en anticiperen
               ze op menselijk handelen in het verkeer nemen ze autonome beslissingen tijdens het rijden.

               Bij het trainen van een neuraal netwerk is het niet de programmeur die de oplossing bedenkt, maar de
               software. Bij het trainen van een neuraal netwerk ontvangt het systeem zowel de input als de output en
               stelt hiermee zelf de regels op om een bepaalde taak correct uit te voeren.

               1.8  Generative AI


               GenAI is een onderdeel van Deep Learning.  GenAI gebruikt neurale netwerken om nieuwe inhoud te
               genereren.  Denk hierbij in de eerste plaats aan teksten (ChatGPT), maar evengoed aan afbeeldingen
               (Dall-E), video (Synthesia) en audio (Suno).  Zelfs PowerPointpresentaties maken of stemmen genereren
               is mogelijk of het genereren van code.



                                                                                                                   t

                                                                                                                   e
                                                                                                                   n
                                                                                                                   .
                                                                                                                   o
                                                                                                                   l
                                                                                                                   e
                                                                                                                   h
                                                                                                                   t
                                                                                                                   a
                                                                                                                   m
                                                                                                                   .
                                                                                                                   w
                                                                                                                   w

                                                                                                                   w




               © 2025 Ivan De Winne                                        ivan@mathelo.net                                                          11
   6   7   8   9   10   11   12   13   14   15   16