Bloggers

Van Wilfred Rubens (redactie) | 16-08-2016 | | (0) reacties

De andere betekenis van ‘deep learning’

Binnen het onderwijs, en op het gebied van leren en ontwikkelen, zou het vooral ook moeten gaan om ’deep learning’, en niet alleen om oppervlakkig leren. Dit begrip heeft echter ook een andere betekenis.

Foto: geralt, pixabay

Bij “deep learning’ oftewel verdiepend leren ontwikkel je als lerende begrip van concepten, herken je patronen of verbanden binnen cq tussen verschillende feiten en gebeurtenissen, reflecteer je op je leerproces en pas je mentale modellen aan op basis van feedback op ervaringen (het zogenaamde ‘double loop learning” van Argyris en Schön). Hierbij gaat het om leeractiviteiten van een hogere orde dan het kunnen memoriseren en reproduceren van feiten.

Onlangs werd ik op het spoor gezet van een andere, maar ook weer verwante, betekenis van ‘deep learning’. Daarbij gaat het om een ontwikkeling binnen de computerwetenschappen die toch al weer heel wat jaren blijkt te bestaan. ‘Deep learning’ is dan een vorm van ‘machine learning’. Bij ‘machine learning’ leren computers op basis van bepaalde technieken en algoritmes. Bij ‘deep learning’ gaat het dan om het gebruik van grafische representaties van abstracties op een ‘hoger niveau’. Daarbij wordt gebruik gemaakt van meerdere lagen en niet-lineaire bewerkingen van data. Machine learning wordt dan als te oppervlakkig beschouwd.

Net als bij de cognitieve benadering van verdiepend leren, gaat het ook nu om het herkennen van patronen. Er is sprake van een verband met neurale netwerken en artificiële intelligentie. ‘Deep learning’ wordt dan gebruikt bij spraakherkenning, gezichtsherkenning of bij ‘recommender’ systemen. Verder kan deze systematiek worden gebruikt bij het geven van meer verdiepemde en specifieke feedback.

Meer, maar best wel complexe, informatie is te vinden via http://deeplearning.net/. Wikipedia heeft ook een uitgebreide pagina over deze benadering.