Wat is machine learning? Software die patronen leert uit data in plaats van uit geprogrammeerde regels. Verschil met AI en met generatieve AI.
Machine learning is een tak van AI waarin software patronen leert uit voorbeelden in plaats van uit geschreven regels. Geef het uitgesorteerde gevallen, en het deelt nieuwe gevallen zelf in of voorspelt ze. EIGHTY8 zet het in waar het werk een patroon heeft dat te groot is om te benoemen, en laat vaste regels doen wat regels beter kunnen.
Gewone software volgt een recept: de programmeur schrijft elke regel op, en de computer voert ze onverbiddelijk uit. Machine learning draait dat om. In plaats van regels te schrijven, geef je voorbeelden (duizenden e-mails die wél en niet spam zijn, tienduizenden orders die wél en niet buiten koopje vielen) en het algoritme leert zelf het onderscheid. Het resultaat is een model: geen lijst met regels, maar een ingeslepen patroon.
De familie heeft meerdere takken. Classificatie deelt dingen in: deze factuur hoort bij deze kostensoort, deze klacht heeft haast, deze foto toont een schade. Voorspelling schat een waarde: wat wordt de verwachte omvang van deze opdracht. Afwijkingsdetectie zoekt het rare: deze betaling wijkt af van het patroon van deze leverancier. En de nieuwste tak, generatieve AI, maakt nieuwe tekst en beeld. Daar zit de taalmodellen-golf van nu onder, met machine learning als gemeenschappelijke motor.
De inzetvraag is praktisch: heeft de taak een patroon dat een mens herkent maar niet makkelijk in regels kan vatten? Dan is machine learning een kandidaat. Is de regel simpel te benoemen (boven dit bedrag, na deze datum), dan is een gewone regel goedkoper, voorspelbaarder en uitlegbaar. De kunst van een goed traject is die scheidsrechter eerlijk te spelen: niet elk probleem verdient een model, en een paar vaste regels verslaan soms een indrukwekkend algoritme.
De moeite waard is het bij taken met volume en variatie: indelen, voorspellen en afwijkingen vangen over duizenden gevallen per week, waar handwerk duurt en regels de uitzonderingen niet bijhouden. Ook als de omgeving meebeweegt loont het: een model dat opnieuw wordt bijgesteld met nieuwe voorbeelden volgt de werkelijkheid, waar een harde regelslijst stilletjes veroudert.
Niet de moeite waard is het bij kleine, scherpe regels: een drempel, een uitzondering, een vast goedkeuringstraject. Dat los je op met logica die iedereen kan lezen. En het vraagt om voorwaarden die niet elke organisatie heeft: voorbeelden van het werk zelf, en bereidheid om de uitkomsten te controleren. Zonder echte voorbeelden is er niets om van te leren; zonder controle blijft het een gok die er vertrouwd uitziet.
Wij kiezen de techniek pas nadat het werk is uitgeschreven: in de discovery blijkt of een taak een patroonvraag is of een regelsvraag, en de oplossing volgt dat antwoord. Vaak is machine learning een stap in een grotere werkstroom (indelen, herkennen, voorstellen) met een menselijke controle op de plekken waar het telt. Zo draait de techniek onder het werk, in plaats van dat het werk om de techniek heen moet.
AI is de overkoepelende term voor systemen die taken doen waar normaal menselijk inzicht voor nodig leek. Machine learning is de belangrijkste methode daaronder. De relatie is als sport en hardlopen: niet elke sport is hardlopen, maar vrijwel alles wat je nu AI ziet noemen draait op machine learning. In de praktijk worden de woorden door elkaar gebruikt; het onderscheid telt vooral bij het kiezen van een aanpak, want lang niet elke automatisering heeft een lerend systeem nodig.
Deep learning is de tak met meerlaagse neurale netwerken die zelf uit ruwe invoer leren welke kenmerken ertoe doen. Beeld, spraak, vrije tekst. Klassieke machine learning werkt met kenmerken die een mens vooraf kiest en leert het verband daartussen, wat goedkoper en uitlegbaarder is. Vuistregel: heb je gestructureerde gegevens in een tabel, dan komt de klassieke route vaak uit; ga het om ruwe tekst, beeld of geluid, dan is deep learning de natuurlijke keuze.
Ja, het is een taalmodel dat met machine learning is getraind op enorme hoeveelheden tekst en dat per stap het volgende woord voorspelt. 'Generatieve AI' is het productbegrip voor wat het doet: nieuwe tekst, beeld of code maken. Handig om te weten bij bedrijfsprojecten: de techniek eronder is machine learning, maar jouw toepassing hoeft niets te trainen, want je bouwt op een bestaand model en richt het met instructies en eigen documenten.
De gebruiksvormen die het meest terugkomen zijn bescheiden en direct bruikbaar: inkomende vragen automatisch indelen, documenten of orders in de juiste categorie plaatsen, afwijkende betalingen of facturen signaleren, en een schatting maken van de omvang van een nieuwe opdracht. Ze dragen het terugkerende oordeel dat anders per geval handmatig viel. Wat het vraagt: voorbeelden uit eigen werk om mee te leren en te toetsen, en een controle door een mens op de plekken waar het telt.
EIGHTY8