In plaats van voor elke situatie regels op te stellen, geef je een computer voorbeelden en laat je hem patronen ontdekken. Dat is machine learning: algoritmes die leren van data om voorspellingen te doen. Een spamfilter leert van miljoenen gelabelde e-mails. Een aanbevelingssysteem leert van wat je hebt bekeken en wat je hebt overgeslagen.

Machine learning kent drie belangrijke paradigma's. Supervised learning maakt gebruik van gelabelde data. Unsupervised learning zoekt naar structuren in ongelabelde data. Reinforcement learning traint agenten door middel van beloningen en straffen. Deep learning gebruikt neurale netwerken met veel lagen om afbeeldingen, spraak en tekst te verwerken.

Algemene toepassingen

• Beeldherkenning: gezichten, objecten, medische scans
• Natuurlijke taal: vertaling, chatbots, sentimentanalyse
• Aanbevelingen: producten, films, muziek
• Fraudebestrijding: creditcards, verzekeringsclaims
• Autonome systemen: auto's, drones, robots

Machine learning is krachtig, maar niet perfect. Modellen kunnen bevooroordeeld, kwetsbaar en moeilijk te interpreteren zijn. Ze hebben grote hoeveelheden schone data nodig. Ze falen op manieren die voor mensen vanzelfsprekend zijn. Het vakgebied ontwikkelt zich snel. De vangrails niet.