Page 9 - HS 1 Wat is AI
P. 9

Artificiële intelligentie in de wiskunde


               1.6.1  Modellen van machine learning













               Supervised learning (gecontroleerd leren)

               Supervised learning wordt gebruikt wanneer de trainingsdata bestaan uit voorbeelden die duidelijk
               beschreven of gelabeld zijn. Deze vorm van leren is 'gecontroleerd', omdat mensen aan de computer
               voorbeelden laat zien. Het systeem leert door zijn antwoorden steeds te vergelijken met de juiste
               output. Heeft een systeem bijvoorbeeld als taak om honden van katten te onderscheiden, dan laten
               mensen eerst veel verschillende voorbeelden zien van zowel honden als katten. Het systeem gaat
               vervolgens aan de slag en formuleert zelf regels om vast te stellen waarom een afbeelding een hond of
               een kat laat zien. Door middel van oefening en het ontvangen van feedback scherpt het systeem de
               regels steeds verder aan.
               Voorbeelden:
                   •  Classificatie: Een spamfilter waarbij de data (duizenden voorbeelden van e-mails) door mensen
                      werden gelabeld als zijnde spam of geen spam. Het AI-systeem is vervolgens in staat om in
                      e-mails bepaalde patronen te herkennen om e-mails te classificeren als zijnde spam of niet.
               Indien een e-mail de worden “avondje uit” en “casino” dan zal dit allicht beschouw worden als spam.

                   •  Regressie: Het voorspellen van de verkoopprijs van een huis op basis van kenmerken zoals
                      locatie, grootte en leeftijd.

               Het nadeel van supervised learning is dat het labelen van trainingsdata een erg arbeidsintensief en vaak
               duur proces is. Vaak werd er gewerkt met bedrijven in lageloonlanden. Dit kon op weinig bijval rekenen
               omwille van ethische bezwaren.

               Recentere initiatieven zoals Samasource ( https://www.sama.com/) werden opgestart met als missie
               mensen uit de armoede te halen en kansen te bieden in de digitale economie door hen een leefbaar
               loon te betalen.





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

                                                                                                                   w
               Iedereen die gebruik maakt van websites zal al dan niet bewust meehelpen aan het labelen van data.   w




               © 2025 Ivan De Winne                                        ivan@mathelo.net                                                          9
   4   5   6   7   8   9   10   11   12   13   14