Machine learning, deep learning en AI: wat is het verschil?

AI, machine learning en deep learning worden vaak door elkaar gebruikt, maar het zijn geneste begrippen — elk een deelverzameling van het vorige.

AI: het overkoepelende vakgebied

Kunstmatige intelligentie is de bredere paraplu: elke techniek waarmee een computer taken uitvoert die intelligentie lijken te vereisen. Dat omvat ook regelgebaseerde systemen die helemaal niet "leren" — bijvoorbeeld een schaakcomputer uit de jaren 90 die vooraf geprogrammeerde strategieën volgt.

Machine learning: leren van data in plaats van regels programmeren

Machine learning (ML) is een subset van AI waarbij het systeem patronen leert uit data, in plaats van dat een programmeur elke regel expliciet voorschrijft. Een klassiek voorbeeld: in plaats van handmatig duizenden regels te schrijven om spam te herkennen, laat je een ML-model duizenden voorbeelden van spam en geen-spam zien, en het leert zelf welke kenmerken onderscheidend zijn.

Deep learning: ML met neurale netwerken

Deep learning is op zijn beurt een subset van machine learning die gebruikmaakt van neurale netwerken met meerdere ("diepe") lagen, losjes geïnspireerd op hoe hersenen met elkaar verbonden neuronen gebruiken. Deep learning is de techniek achter de meeste recente doorbraken: beeldherkenning, spraakherkenning, en grote taalmodellen zoals die achter ChatGPT en vergelijkbare systemen.

Waarom dit onderscheid praktisch nuttig is

Niet elk probleem heeft de zwaarste techniek nodig. Een eenvoudig, klassiek ML-model (zoals een beslisboom of lineaire regressie) is vaak sneller te trainen, makkelijker uit te leggen, en goedkoper om te draaien dan een deep learning-model — en presteert bij gestructureerde data (spreadsheet-achtige tabellen) soms zelfs beter. Deep learning schittert vooral bij ongestructureerde data: afbeeldingen, audio, vrije tekst.