Onder toezicht versus niet-gesuperviseerd leren
De termen als begeleid leren en niet-gesuperviseerd leren worden gebruikt in de context van machine learning en kunstmatige intelligentie die met de dag aan belang winnen. Machine learning, voor de leek, is algoritmes die datagedreven zijn en aan de hand van voorbeelden een machine laten leren. Er zijn twee soorten leren; namelijk begeleid leren en niet-gesuperviseerd leren die studenten verwarren omdat er veel overeenkomsten zijn tussen de twee. Ondanks overlap zijn er echter verschillen die in dit artikel worden benadrukt.
In de komende jaren zullen we waarschijnlijk getuige zijn van een toename in de ontwikkeling van machine learning om het omgaan met zakelijke problemen gemakkelijker en sneller te maken. Het inhuren van werknemers om eenvoudige zakelijke problemen aan te pakken zou achterhaald worden met behulp van de concepten van begeleid en niet-gesuperviseerd leren.
Wat is begeleid leren?
Dit is een vorm van leren waarbij machine learning plaatsvindt met behulp van input van gebruikers. Veel van het onderzoek op het gebied van machine learning en kunstmatige intelligentie tot nu toe was gericht op gesuperviseerd leren. De spammap in uw e-mail raakt bijvoorbeeld vol met soms zelfs belangrijke e-mails die er onbedoeld naartoe gaan. Het systeem werkt op basis van machine learning die een algoritme meldt voor de analyse van spam. Het systeem gebruikt de informatie om berichten te filteren en naar de spammap te sturen, waardoor valse positieven worden verminderd. In een zoekmachine werkt het algoritme op basis van de link waarop als eerste wordt geklikt bij het openen van zoekresultaten. Dit leidt tot verbeteringen in de zoekresultaten voor een gebruiker. Er zijn echter bepaalde nadelen aan begeleid leren, aangezien de machine een vaag idee heeft van wat goed en wat fout is. Deze menselijke feedback stelt vaak beperkingen aan het toekomstige gebruik van begeleid leren.
Wat is leren zonder toezicht?
We leven in een tijd waarin we voortdurend op zoek zijn naar betere prestaties van machines, of het nu gaat om CCTV-gegevens, GPS-gegevens, online transactiegegevens, machinescangegevens, beveiligingsscangegevens, enzovoort. Organisaties en overheden willen dat machines die geen gesuperviseerde gegevens van mensen nodig hebben of vereisen, betere resultaten opleveren. Dit vereist natuurlijk veel meer inspanning in de richting van automatisering, en hoewel het onwaarschijnlijk is dat ongesuperviseerd leren in de nabije toekomst gesuperviseerd leren zal vervangen, zullen in de nabije toekomst waarschijnlijk de hybride benaderingen opduiken die sneller en meer zullen zijn efficiënter zijn dan de resultaten die we nu behalen met begeleid leren.
Wat is het verschil tussen begeleid en niet-gesuperviseerd leren?
• Begeleid leren en niet-gesuperviseerd leren zijn twee verschillende benaderingen om te werken aan betere automatisering of kunstmatige intelligentie.
• Bij leren onder supervisie is er menselijke feedback voor betere automatisering, terwijl bij leren zonder toezicht wordt verwacht dat de machine betere prestaties levert zonder menselijke inbreng.
• Hybride benaderingen zijn in de nabije toekomst waarschijnlijker oplossingen die gebruik maken van zowel begeleid als niet-gesuperviseerd leren.
