Wat is deep learning. Wat is het verschil met machine learning.
Martijn van Engelen: “Deep learning is een subcategorie van machine learning. Waarbij machine learning de gebruiker de data selecteert en het machine learning model traint, hoeft dit bij deep learning niet. Deep learning bepaalt zelf welke data gebruikt wordt en hoe het model tot het goede antwoord komt. Deep learning doet dit door meerdere lagen in een zogenaamd neural network te maken.”
“De werking van neural networks is gebaseerd op het menselijk brein. Net zoals bij het menselijke brein is een neural network opgebouwd uit meerdere lagen die neuronen bevatten, deze lagen zijn onderling met elkaar verbonden. Dit samen vormt het netwerk. Op basis van een input en output signaal kunnen de neuronen informatie aan elkaar doorgeven en op die manier tot een uitkomst komen.”
Wat is het doel van deep learning?
Van Engelen: “Het doel van deep learning is om aan de hand van data een patroon of taak te leren en dit te gebruiken om voorspellingen te doen. Het exacte doel van deep learning is afhankelijk van de situatie. Een voorbeeld van een deep learning applicatie waar aan gewerkt wordt is het inmeten van een woning. Er worden foto’s gemaakt van een woning. Met behulp van deze foto’s en geo data wordt er een rapport gegenereerd van de woning. Handmatig een woning inmeten zou hierdoor niet meer nodig zijn.”
“Deep learning komt op dit moment vooral tot zijn recht bij grote ongestructureerde datasets, zoals afbeelding, spraak en tekst herkenning en complexe probleemstellingen waar vele variabelen een rol spelen. Bij kleinere datasets en minder complexe probleemstelling kan traditionele machine learning gebruikt worden.”
Wat zijn de voor- en nadelen?
Van Engelen: “De voordelen zijn dat een veel hogere accuraatheid bereikt kan worden ten opzichte van traditionele machine learning en complexere problemen kunnen worden opgelost. Er is minder expertkennis nodig van het onderwerp, het deep learning model bepaalt zelf welke data nuttig is.”
“Hier tegenover staat dat deep learning weinig toevoegt op een beperkte dataset. Verder kost deep learning veel rekenkracht en de modellen en techniek zijn complexer. Hier is diepgaande expertise en kennis voor nodig. Daarnaast is het bij deep learning belangrijk om altijd goed naar de ethische kant van het probleem te kijken, aangezien de keuzes van het model niet altijd goed verklaard kunnen worden.”
Waar staan we op het gebied van deep learning en zijn corporaties hier al aan toe?
Van Engelen: “Deep learning wordt al veel gebruikt door bedrijven. Denk aan social media bedrijven om afbeeldingen te herkennen, marketing bedrijven om hun klanten de juiste producten aan te raden en zelfs het plannen van bouwwerkzaamheden.”
“Een corporatie heeft veel data en een goede data infrastructuur nodig, maar ook de kennis om deep learning oplossingen te identificeren, uit te voeren én onderdeel te laten zijn van strategische besluitvorming. Een organisatie moet aan het eind van het Gartner-datavolwassenheidsmodel zitten. Of een corporatie toe is aan deep learning hangt dus af of ze op dit hoogste niveau acteren, anders zou ze hier naartoe kunnen werken.”
“Als een corporatie nog niet toe is aan deep learning kan zij ook al mooie stappen zetten met het traditionele machine learning of BI tooling, zoals dashboards en inzichten, in combinatie met gestructureerde data uit eigen bronnen, openbare bronnen of bronnen van ketenpartners.”
Tot slot, hoe ziet de toekomst van deep learning eruit?
Van Engelen: “Deep learning onderzoek is in volle gang, veel grote bedrijven spenderen veel tijd en geld aan deep learning ontwikkelingen. De steeds krachtig wordende computers maken steeds meer deep learning toepassingen mogelijk. The sky is the limit voor deep learning. Het publieke debat moet gevoerd worden over hoe ver we willen gaan met technologische ontwikkelingen als deep learning.”
Dit interview verschijnt tevens in bewerkte vorm als artikel in het e-book Digitale Transformatie van Corporaties dat alle leden van CorporatieNL medio 2021 ontvangen.
