Hoofdstuk 2: bigdata AI algoritmes

AI terminologie

• artificiële intelligentie - AI

  • machine learning - ML

    • neural networks - NN

      • deep learning - DL

        • transformers

          • generatieve AI - GenAI

            • generatieve pre-trained transformers - GPT

              • large language models - LLM

                • GPT - 4

                  • ChatGPT

Artificiële intelligentie

• = domein binnen computerwetenschappen die zich bezig houdt met creatie intelligente machines die werken/reageren als mensen

• technische componenten:

  • representatie kennis (model)

  • redeneren

  • natural language processing (NCP)

  • leren (machine learning algoritmes)

• grondlegger → Alan Turing:

  • betrokken ontcijferen Duiste engima en Lorenzo machines WOII → code veranderde om 24u

  • ontwikkelde eerste computers → Bomba (geen general purpose)

Alan Turing: Turing Test

• doel → weten of machine kan denken/kan machine imitation game slagen

• imitation game/Turing Test:

  • ontworpen bepalen machine intelligent gedrag kan vertonen + niet onderscheiden van mens

  • principe = vragen stellen aan computer zonder + met mens → antwoorden anoniem beide kanten → onderscheiden van wie het is → slagen? geen onderscheid maken

• programma bouwen menselijke geest imiteert → 3 componenten bekijken:

1. oorspronkelijke staat geest bv.: bij geboorte

2. opvoeding

3. andere ervaringen

Conceptueel model van AI

• overkoepelden term

• ruwe kennis technologie → nodig voor gebruik technologie

• 4 kaders:

1. denken als mens

2. denken in 0/1

3. ageren als mens

4. ageren in 0/1

Machine learning

= domein studie, ontwerp en ontwikkeling algoritmen computers die mogelijkheden bieden te leren zonder expliciet te worden geprogrammeerd

Machine learning algoritmes

• algoritme = beschrijving wijze waarop taak wordt volbracht

  • abstractie

  • autonoom bestaan onafhankelijk van implementatie details → uitvoering in bepaalde programmeertaal

• ML algoritme → geven computer mogelijkheid leren zonder geprogrammeerd te worden

• kenmerken:

  • ondubbelzinnig

  • onafhankelijke programmeertalen

  • geldig voor alle inputs

Machine learning algoritmes: soorten: algemeen

• supervised learning algorithms

• unsupervised learning

• reinforcement learning

Machine learning algoritmes: soorten: supervised learning algorithms

• algoritmen geleerd van classificatiesysteem door mens gemaakt

  • begeleiding gegeven: labels + vaste classificaties

• trainingsdata = data gebruikt model te trainen bij ontwikkelen ML algoritme

• proces:

1. input → ruwe data

2. supervisor input → trainingsdata + gewenste uitkomst

3. algoritme → trainen met labels

4. algoritme → testen zonder labels

5. loslaten op andere data

6. output

Machine learning algoritmes: soorten: unsupervised learning

• algoritme krijgt geen classificaties + resultaten problemen onbekend

• leert zonder toezicht:

  • grote datasets interpreteren

  • oplossingen vinden via ruwe data + binair logische mechanisme in computersysteem

• proces:

1. input → ruwe data

2. interpretatie → onbekende output + geen trainingsdata

3. algoritme → patronen zoeken

4. output

• veel resultaten niet relevant → veel correlaties niet betekenisvol → haalt machine er ook uit

Machine learning algoritmes: soorten: reinforcement learning

• algoritmes ondernemen acties obv waarnemingen echte wereld + geleid door feedback

• bestaan uit samenstelling verschillende algoritmes

• stimulatie ‘agent’ (= algoritme specifieke taken/geheel aan taken meegekregen)

  • krijgt enkel spelregels

  • trial-and-error acties → oplossing vinden

• proces:

1. input → ruwe data

2. geen labels + output niet bepaald

3. agent → trial-and-error + rewards

4. algoritme → juist richting geduwd

5. output

• voorbeelden: YT aanbeveling algoritme + Spotify algoritme (BART)

Google search: algemeen

• belangrijkste factoren die uitkomst bepalen:

  • betekenis query

  • relevantie webpagina

  • kwaliteit inhoud webpagina

  • gebruiksvriendelijkheid webpagina

  • context + persoonlijke settings

Google search: page rank algoritme

• gebruikt om webpagina’s te rangschikken → bij geven resultaten

• ruwe schatting hoe belangrijke website is → optellen aantal + kwaliteit van links naar pagina

• onderliggende veronderstelling → belangrijke websites meer links andere websites ontvangen

• score → hoe hoger, hoe beter, hoe meer vanboven

Recommender algoritme

• = aanbevelingsalgoritmes

• probeert te raden wat jij leuk vindt, zelf als je het nog niet hebt beoordeeld of gezien → adhv:

  • wat je leuk vond

  • wat mensen die op jou lijken leuk vonden

• manier om gedrag te sturen

• obv eigen gedrag + andere gebruikers → data heel breed

“Domme” en “slimme” algoritmes

• domme:

  • IFTTT (if this than that)

  • = bestaan uit reeks regels die zorgen voor automatisatie van taken

• slimme:

  • machine learning

  • ai

  • = gebruiken nauwkeurige, probabilistische en zelf-lerende technieken die computers mogelijkheid geven om:

    • punt uit verleden op pikken

    • patronen waarnemen uit moeilijke datasets

  • = automatische eigen gedrag aanpassen/verbeteren obv gedrag verleden

IFTT algoritmes: sorteringsalgoritmes

• = algoritme dat elementen in lijst in bepaalde volgorde zet:

  • cijfers klein naar groot

  • woorden alfabetisch

• gebruikt in complexe algoritmes

• bestaat al lang → nog steeds gebruikt

• software → proberen minder stappen gebruiken voor uitkomst

• verschillende soorten:

  • bubble sort

  • selection sort

  • insertion sort

Object en gezichtsherkenning algoritmes

• objectdetectie → gebied computer vision en beeldverwerking

  • bezighouden met → detecteren verschillende soorten objecten in vastgelegd beeld/video

• toegepast → zelf-rijdende auto’s, camera bewaking, …

• YOLO algoritme → beste in markt

  • voorspelt klasse + locatie voor volledig beeld in 1 keer

Neurale netwerken en deep learning

• neurale netwerken = NN

  • ML modellen → getraind specifieke taak oplossen + gebaseerd structuur en functioneren menselijke hersenen

• neuronen → georganiseerd in groepen → = lagen

  • verbonden → vormen netwerk

  • patronen leren + voorspelling maken

• hoog aantal lagen → deep learning:

  • = onderdeel ML, gebruikt deep neural networks → complexe besluitvormingskracht menselijke brein stimuleren

Generatieve AI

• = vorm AI → nieuwe content creëren

• voorbeeld: Chatbot ChatGPT → gemaakt door OpenAI

• genereert nieuwe/unieke output obv prompt gebruiker adhv analyse grote hoeveelheid bestaande data

• prompt = input die wordt geleverd

• modellen → leren patronen + structuur trainingsgegevens → genereren nieuwe gegevens

• vorm DL AI

• basis → LLM

Soorten prompts

• zero-shot: 1 vraag + duidelijk kort antwoord

• few-shot: voorbeelden toevoegen

• instructieve: instructies geven

• rol gebaseerd: rol innemen

• contextueel: achtergrond/extra info geven

Large language model/groot taalmodel

• = LLM

• = geavanceerd ML algoritme → gebruikt neurale netwerken met uitgebreide parameters → voor diverse taken op vlak van natuurlijke taalverwerking

• = mathematische modellen van statistische verdeling van tokens

  • token = klein stukje tekst opgesplitst door AI-modellen om te verwerken → bouwstenen AI om taal te begrijpen/genereren

  • bv.: woorden, delen woorden, leestekens, …

• getraind met grote datasets → LLM blinkt uit:

  • verwerken + genereren menselijke taal

  • tekstgeneratie + vertaling + samenvatting

• drijvende kracht → chatbots, virtuele assistenen, tools contentanalyse

• hulp → transformeer modellen + training grote datasets

Generatieve pre-trained transformers

• = type taalmodel → gebruikt deep learning om teksten te maken

ChatGPT: AI chatbot

• verfijnd GPT-3 taalmodel

• supervised + reinforcement learning + menselijke interacties —> doel: conversatie bot zijn

• doelen:

  • menselijke conversatie nabootsen

  • taken uitvoeren

  • geheugen vorige vragen

ChatGPT: hoe werkt het

• vraag → antwoord

• ChatGPT weet niets

• gebruikt statistische verdeling + waarschijnlijkheid

AI-hallucinaties

= wanneer kunstmatig intelligentiesysteem valse/misleidende info genereert die plausibel lijkt maar feitelijk fout is