Machine learning, in het Nederlands machinaal leren, is een manier om computers taken te laten uitvoeren door patronen te leren uit voorbeelden in plaats van uit vooraf geschreven regels.
Een machine learning-model traint eerst op data; daarna test je het op nieuwe voorbeelden en zet je het in voor voorspellingen.
Voorbeelden zitten overal: in het spamfilter van je mailbox, in fraudedetectie bij betalingen en in de aanbevelingen van een webshop.
Machine learning is een deelgebied van artificial intelligence: elke toepassing van machine learning valt onder AI, maar niet elke AI leert uit data. ChatGPT, Claude en Gemini zijn met machine learning gebouwd, en dezelfde techniek verklaart hun beperkingen.
Wat betekent machine learning?
Machine learning betekent dat een computerprogramma een taak steeds beter uitvoert naarmate het meer voorbeelden verwerkt, zonder dat iemand elke regel voorschrijft.
Tom Mitchell van Carnegie Mellon University omschreef machine learning in zijn boek uit 1997 als de studie van algoritmen die automatisch beter worden door ervaring. De term zelf is ouder. Arthur Samuel gebruikte hem in 1959 in de titel van een publicatie in het IBM Journal of Research and Development, over een programma dat het damspel leerde.
In het Nederlands heet het machinaal leren of automatisch leren. In Nederlandstalige teksten is machine learning de gangbare term.
Hoe werkt machine learning?
Machine learning werkt in vijf stappen. Een spamfilter maakt ze goed zichtbaar.
De eerste stap is data verzamelen: duizenden e-mails. In de tweede stap krijgt elke e-mail een label, spam of geen spam. Daarna, in stap drie, traint een algoritme op die gelabelde data en zoekt het naar kenmerken die spam onderscheiden, zoals bepaalde woorden, afzenders of links.
Uit die training komt een model: een set rekenregels die voor een nieuwe e-mail de kans op spam berekent. In stap vier test je het model op e-mails die het nog niet heeft gezien, want een model dat alleen zijn trainingsdata goed kent, valt in de praktijk tegen.
In stap vijf gaat het model in gebruik en voorspelt het bij elke binnenkomende mail of die in de spammap hoort. Bij de vraag hoe AI werkt vormen deze stappen de leerfase; de toepassing van het getrainde model volgt daarna.
Welke soorten machine learning zijn er?
Er zijn drie hoofdsoorten machine learning: supervised learning, unsupervised learning en reinforcement learning. Een vierde variant is semi-supervised learning, een mengvorm die met een kleine hoeveelheid gelabelde en veel ongelabelde data werkt.
De tabel vat per soort samen welke data het gebruikt, wat het leert en een voorbeeld.
| Soort | Data | Wat het leert | Voorbeeld |
|---|---|---|---|
| Supervised learning | Voorbeelden met het juiste antwoord erbij | Een categorie of getal voorspellen | Facturen indelen naar grootboekrekening |
| Unsupervised learning | Voorbeelden zonder antwoord | Groepen en patronen vinden | Klanten indelen naar gedrag |
| Reinforcement learning | Beloning of straf na een actie | De beste reeks acties kiezen | Een programma dat een spel leert spelen |
Wat is supervised learning?
Supervised learning, in het Nederlands gesuperviseerd leren, is leren van voorbeelden waarbij het juiste antwoord al bekend is. Een model leert bijvoorbeeld uit duizenden geboekte facturen bij welke grootboekrekening een nieuwe factuur hoort.
Die vooraf gelabelde voorbeelden maken supervised learning geschikt voor classificatie, oftewel kiezen uit categorieën, en voor het voorspellen van getallen.
Wat is unsupervised learning?
Unsupervised learning zoekt patronen in data zonder labels, dus zonder vooraf bekend antwoord. Een bekende toepassing is clustering: klanten groeperen op gedrag, waarbij het model zelf bepaalt welke groepen er zijn.
Een mens beoordeelt daarna of die groepen iets betekenen. Namen of verklaringen geeft het model niet.
Wat is reinforcement learning?
Reinforcement learning is leren door te handelen en daarvoor beloning of straf te krijgen. Een programma probeert acties uit, krijgt per actie een score en past zijn gedrag aan om de totale beloning te vergroten.
Spellen zijn een bekende toepassing. Een variant met menselijke beoordelingen speelt een rol bij taalmodellen, zoals verderop bij ChatGPT blijkt.
Welke machine learning-modellen bestaan er?
Er bestaan vier veelgebruikte soorten machine learning-modellen, elk geschikt voor een ander type vraag:
- Regressie: voorspelt een getal, zoals de verwachte doorlooptijd van een dossier op basis van eerdere dossiers met vergelijkbare kenmerken.
- Beslisboom: maakt een keuze via een reeks ja-of-nee-vragen, waardoor de uitkomst goed na te lopen is voor wie hem controleert.
- Clustering: verdeelt gegevens in groepen die op elkaar lijken, zonder vooraf bekende categorieën, zoals klantsegmenten of soorten vragen.
- Neuraal netwerk: rekent via lagen van verbonden rekeneenheden en vormt de basis van deep learning, beeldherkenning en taalmodellen.
Wat zijn voorbeelden van machine learning?
Voorbeelden van machine learning kom je dagelijks tegen, ook in kantoorsoftware:
- Spamfilter: classificeert binnenkomende e-mail als gewoon of ongewenst op basis van eerder beoordeelde berichten.
- Fraudedetectie: herkent betalingen die afwijken van het normale patroon van een rekeninghouder en houdt ze tegen voor controle.
- Aanbevelingen: stelt producten, artikelen of video’s voor op basis van wat vergelijkbare gebruikers eerder bekeken of kochten.
- Documentclassificatie: sorteert binnenkomende post, facturen of stukken automatisch op soort, klant of dossier.
- Spraakherkenning: zet een opgenomen gesprek of dictaat om in tekst, de basis van automatische notulen.
Wat is het verschil tussen AI en machine learning?
AI en machine learning verschillen in reikwijdte. AI is het brede vakgebied van systemen die taken uitvoeren waarvoor menselijke intelligentie nodig lijkt; machine learning is één manier om zulke systemen te bouwen.
Is machine learning dus AI? Ja, machine learning valt onder AI, maar niet elke AI is machine learning.
Een regelgebaseerd systeem, zoals een programma dat vaste als-dan-regels volgt, valt ook onder AI maar leert niet uit data. Machine learning leidt die regels juist zelf af uit voorbeelden.
Is ChatGPT machine learning?
Ja, ChatGPT is gebouwd met machine learning: het onderliggende taalmodel heeft zijn vaardigheden uit data geleerd. ChatGPT draait op een LLM, een groot taalmodel dat met deep learning is getraind.
Zo’n model leert eerst door enorme hoeveelheden tekst te verwerken en steeds het volgende woord te voorspellen. OpenAI beschreef die voortraining in 2020 in een paper over een eerdere generatie van zijn GPT-modellen.
Daarna volgde een tweede leerfase. Bij de lancering in november 2022 schreef OpenAI dat ChatGPT eerst met supervised fine-tuning is getraind en daarna met reinforcement learning from human feedback, waarbij mensen antwoorden rangschikten.
Claude van Anthropic en Gemini van Google zijn eveneens grote taalmodellen, getraind met machine learning. Tekst, beeld of code die zulke modellen maken, valt onder generatieve AI, de tak van AI die nieuwe inhoud produceert.
Wat zijn de beperkingen van machine learning?
Machine learning heeft vier beperkingen die bepalen hoeveel je op een uitkomst vertrouwt. De eerste is bias: een model neemt de scheefheid uit zijn trainingsdata over. Zijn bepaalde groepen ondervertegenwoordigd, dan beoordeelt het model die groepen slechter.
De tweede is datakwaliteit. Fouten, gaten en verouderde gegevens in de trainingsset komen terug in elke voorspelling.
De derde is uitlegbaarheid. Bij complexe modellen zoals neurale netwerken is niet goed na te gaan waarom een uitkomst zo uitvalt, wat lastig is wanneer je een besluit verantwoordt.
De vierde is overfitting: een model dat zijn trainingsdata vrijwel uit het hoofd kent, maar op nieuwe gevallen tegenvalt. Samen maken deze beperkingen menselijke controle op de uitkomst nodig, zeker bij besluiten over mensen.
Wat is het verschil tussen machine learning en deep learning?
Deep learning is een vorm van machine learning die werkt met neurale netwerken van vele lagen. Die diepte maakt deep learning geschikt voor tekst, beeld en spraak, maar vraagt veel meer data en rekenkracht dan klassieke modellen zoals een beslisboom.
Valt machine learning onder de AI-verordening?
Ja, machine learning valt onder de AI-verordening wanneer het onderdeel is van een AI-systeem zoals de verordening dat definieert. Overweging 12 van Verordening (EU) 2024/1689 noemt benaderingen op basis van machinaal leren, waarbij aan de hand van data wordt geleerd, uitdrukkelijk als techniek achter een AI-systeem.
Welke verplichtingen gelden, hangt af van het risiconiveau van de toepassing en van je rol, niet van de techniek. Artikel 4 vraagt sinds 2 februari 2025 om AI-geletterdheid bij wie AI-systemen aanbiedt of gebruikt; sinds 27 juli 2026 gaat het om maatregelen die de ontwikkeling van AI-geletterdheid ondersteunen, zonder dat een bepaald niveau gewaarborgd hoeft te worden.
Hoe leer je verantwoord werken met AI-systemen?
Verantwoord werken met AI-systemen leer je door te begrijpen hoe een op machine learning gebouwd model tot een uitkomst komt en waar het misgaat. In de AI-geletterdheid cursus leer je hoe een taalmodel tot een antwoord komt, waar bias en hallucinaties vandaan komen en wat de AVG en de AI-verordening vragen.
Je sluit af met een interne AI-richtlijn voor je organisatie.
