← Terug naar het overzicht

Machine Learning vs. Deep Learning: hoe werkt het?

Als je inmiddels al eens met ChatGPT of een andere AI-oplossing aan de slag bent gegaan, weet je dat de resultaten best indrukwekkend zijn. En om tot zulke resultaten te komen, worden AI-modellen getraind door middel van machine learning. En machine learning is gebaseerd op heel veel data. Alleen is het zo dat de data waarmee een AI is getraind lang niet altijd up-to-date is.

Deep learning is de volgende stap in de ontwikkeling van AI: een techniek waarmee een AI-model zelf leert en zich constant verbetert. Je kunt het vergelijken met een kind wat van z’n ouders hoort dat open vuur gevaarlijk is (de trainingsdata), en daarna vanzelf ontdekt dat dit ook geldt als iets gloeit (het zelflerend vermogen). Maar hoe werkt dat dan precies?  

Machine Learning & Deep Learning: het verschil

Een AI die is getraind met traditionele machine learning, is eigenlijk een grote “voorspellings-machine” die wiskundige formules en statistiek toepast om de meest waarschijnlijke uitkomsten te bepalen. Deep learning gaat een stap verder en maakt daarnaast ook nog gebruik van neurale netwerken. Dat is een techniek waarmee een door deep learning getrainde AI de werking van het menselijk brein simuleert. Deep learning is dus een onderdeel van Artificial Intelligence, en een geavanceerde versie van machine learning. Zo'n AI is vervolgens in staat om veel grotere hoeveelheden data te verwerken, om te leren van fouten en om uitkomsten nauwkeuriger te voorspellen.   

"Traditionele machine learning kan een afbeelding alleen in z’n geheel analyseren en leren."

"Dat is geen fiets"

Een praktisch voorbeeld: met traditionele machine learning kun je een AI trainen om een fiets te herkennen. De AI leest dan de afbeelding uit en vertelt of daar een fiets op staat, of niet. Daarvoor moet de AI wel eerst getraind worden met plaatjes van een fiets. En als die het fout heeft en bijvoorbeeld een plaatje van een auto aanmerkt als fiets, heeft de AI een mens nodig om te vertellen dat het niet klopt. Zo wordt een AI steeds beter in het herkennen van plaatjes van fietsen. Maar traditionele machine learning kan een afbeelding alleen in z’n geheel analyseren en leren.   

Als je een plaatje laat zien van een fiets met een andere vorm, zoals een driewieler, dan zegt een AI die op deze manier is getraind: “Dat is geen fiets”. Een AI die is getraind met deep learning is veel slimmer en kan bijvoorbeeld “zadel” en “trappers” individueel herkennen als onderdelen van een fiets en vervolgens zeggen: “Dat is ook een fiets”. Met deep learning kan een AI dus zelf leren wat de onderdelen van een geheel zijn, deze herkennen en daar vervolgens conclusies uit trekken, in plaats van dat het iets in z’n geheel moet leren.  

Superslimme Security

Deep learning wordt sindskort toegepast in cybersecurity. De grote kracht zit daarbij in preventie: de nieuwste malware stoppen, nog voordat deze wordt weggeschreven op systemen. Net zoals in het voorbeeld van de fiets, herkent een deep learning-brein de individuele onderdelen waar een malware-aanval uit bestaat en grijpt razendsnel in wanneer het deze eerste stappen detecteert. Deep learning voorkomt dus infecties, in plaats van dat het erop reageert. Is deep learning daarmee het antwoord op alle problemen en kun je je EDR de deur uit doen?   

Niet helemaal. Deep learning voorkomt dat malware zich in het systeem nestelt, maar je moet nog steeds kunnen reageren op verdachte gedragingen in het systeem of netwerk. Daar is je EDR-software voor. EDR is namelijk reactief en mitigeert een dreiging op het moment dat de software deze detecteert. Daarnaast vertelt een deep learning-oplossing je niet wat de achtergrond van een aanval is, en kan een EDR je daar wel weer bij helpen. Deep learning vult EDR-software dus aan, door nog voor de uitvoering van het kwaadaardige bestand in te grijpen. Zie het als een extra laag beveiliging die samenwerkt met je bestaande security-software.  

"Deep learning is echt de volgende stap in de ontwikkeling van AI en wordt steeds belangrijker."

De toepassing van deep learning is dus een echte quick win voor de bescherming van je systeem. En met quick bedoelen we ook echt quick. De software kost weinig ruimte en rekenkracht, en het brein zelf wordt mee-geïnstalleerd op het apparaat zodat je niet afhankelijk bent van een internetverbinding om de kracht van deep learning te kunnen gebruiken.  

Deep learning is echt de volgende stap in de ontwikkeling van AI en wordt steeds belangrijker. Wil je zelf in de praktijk leren hoe je met deep learning vliegensvlug de installatie en verspreiding van malware voorkomt? Neem contact op voor een live demonstratie met een van onze specialisten, waarin we de nieuwste malware zullen activeren en je zult zien hoe deep learning daarbij in actie komt.

Meer weten?

Mark Schager helpt je graag verder. Je kunt hem bereiken op: mark@mydigitals.nl

Contact

Neem contact met ons op. We helpen je graag verder!

Contact
Volgend artikel

AI-assistenten voor cybersecurity: een slim teamlid

AI-assistenten zijn in rap tempo bezig om de markt te bestormen en om al onze dagelijkse bezigheden makkelijker te maken. Meerdere leveranciers van cybersecurity-oplossingen hebben nu zo’n assistent in hun product verwerkt. Maar hoe helpt zo’n assistent nu precies?