Ways of explaining machine learning of various levels of difficulty

Toen ik de Vocast podcast met Shad deed vroeg hij mij het verschil tussen Neurale Netwerken en Machine Learning uit te leggen. Ik was eigenlijk niet tevreden met mijn uitleg van machine learning.

Deze meme is wel aardig als super simpele intro:

  • Interviewer: What's your biggest strength?
  • Me: I'm an expert in machine learning.
  • Interviewer: What's 9+10?
  • Me: It's 3.
  • Interviewer: Not even close. It's 19.
  • Me: It's 16.
  • Interviewer: Wrong. It's still 19.
  • Me: It's 18.
  • Interviewer: No, it's 19.
  • Me: It's 19.
  • Interviewer: You're hired!

Ik zou nu zoiets proberen om het idee aan leken uit te leggen:

Stel je voor dat je een rare machine hebt met drie displays die elk een waarde tussen 0 en 255 aangeven. Het idee is dat je de machine een bepaalde kleur laat zien, en dat de machine leert wat de RGB waardes van die kleur zijn. De machine heeft ook verschillende knoppen die allemaal iets te maken hebben met welke waarden op de schermen komt te staan, maar je weet niet precies welke knop waar het meeste invloed op heeft. Als je een knop open draait, krijgt hij meer invloed, als je hem dicht draait minder.

We gaan er hier even van uit dat alle knoppen in een "black box" met elkaar verbonden zijn.

Stel je nu voor dat jij, als mens, het "machine learning" proces simuleert (supervised learning).

Je laat een kleur zien, en er komen wat willekeurige waardes uit. Jij weet wat de RGB waardes zijn die er uit horen te komen, dus voor elke waarde kun je zien hoeveel die bijgesteld moet worden.

Vervolgens ga je aan de knoppen draaien, laat je opnieuw een kleur zien, en kijk je wat het effect is op de waardes.

Als de waarde heel ver afwijkt, weet je dat je een flinke draai aan de knop mag geven. Als we waardes al heel dicht bij het correcte antwoord zijn, draai je maar zachtjes aan de knoppen, alsof je de radio zender precies zuiver probeert te pakken.

Stel je voor dat je even focust op de "R"-waarde. Dan heeft natuurlijk weinig zin om aan een knop te draaien die geen invloed heeft op bijvoorbeeld de R waarde. Daarbij kan draaien aan die knop wel de andere waardes sterk veranderen.

De truc is nu om uit te vogelen welke knoppen het meeste invloed op welke waardes hebben, want die wil je dan het meeste bijstellen en wel zó dat ze in zoveel mogelijk gevallen de juiste RGB waardes laten zien.

Als mens zou je alle knoppen één voor één aanpassen om daarachter te komen. In de praktijk pas je alle knoppen tegelijk aan met slimme wiskunde die bijvoorbeeld voor de "R" output waarde alle knoppen die daarom het meeste invloed hebben meer aanpassen. Als je dat ook voor "G" en "B" doet, en dit process vaak genoeg herhaalt en genoeg kleuren aan de machine laat zien, dan eindig je uiteindelijk met een machine die kleuren "herkent".