Kunstmatige intelligentiesystemen zijn slim. Ze kunnen patronen beter herkennen dan bijvoorbeeld mensen. Toch zijn mensen nog steeds hard nodig. Hoe kun je die AI-systemen beter aansturen? LIACS-docent Jan van Rijn schreef hier samen met een aantal collega's een boek over. We stelden hem een ​​paar vragen.

Wat staat er in het boek en voor wie is het bedoeld?

Dit boek gaat over de verschillende aspecten van metalearning. Metalearning betekent leren over het leerproces, het ondersteunt computerexperts om het leerproces van AI-systemen beter te managen. Het boek is bedoeld om collega's in het veld een uniform beeld te geven van de huidige technieken op het gebied van metalearning. Omdat het vrij toegankelijk is, wordt het ook gebruikt als lesmateriaal in mastercursussen.

Welk probleem lost metalearning op?

Van Rijn:Kunstmatige intelligentiesystemen zijn beter in het herkennen van patronen dan mensen. Er moet dan aan een aantal voorwaarden worden voldaan. Zo moeten er voldoende data van goede kwaliteit zijn en moet je een goed modeltype kiezen.

Bekende modeltypen op het gebied van data science zijn onder meer neurale netwerken, beslisbomen en zogenaamde Gauss-processen (een modeltype uit de wiskunde, red.). Deze modellen kunnen patronen in data herkennen. De modeltypes hebben verschillende parameters die het leerproces sturen. Al die parameters moeten correct worden gekozen. Wanneer aan deze voorwaarde wordt voldaan, levert het vaak uitstekende prestaties op, maar als dat niet het geval is, vallen de prestaties van AI-systemen tegen. Daarom blijft menselijke expertise belangrijk om het leerproces van die systemen te begeleiden.

Welke oplossing is er gevonden voor dit probleem?

Vervolgens kijk je naar eerdere leerprocessen en of je lessen daaruit kunt overdragen naar toekomstige leerprocessen. U kunt bijvoorbeeld de menselijke expert ondersteunen bij het selecteren van een modeltype of het finetunen van bovengenoemde parameters.

Waar kan metalearning nog meer voor worden gebruikt?

Bijvoorbeeld wanneer er weinig data beschikbaar is. In sommige gevallen kunt u gegevens overzetten van het ene domein naar een domein waar weinig gegevens beschikbaar zijn. Dit kan bijvoorbeeld erg handig zijn voor medische toepassingen waar vaak gegevens ontbreken.