Hoe werkt deep learning?
Een neuraal netwerk bestaat uit lagen van knooppunten. Tussen de invoer en de uitkomst zitten verborgen lagen. Heeft een netwerk meer dan één verborgen laag, dan heet het een diep netwerk. Daar komt de naam deep learning vandaan.
Elke laag leert iets abstracters. Google geeft het voorbeeld van beeldherkenning: de eerste laag herkent randen, de tweede vormen en de derde objecten. Tijdens de training past het netwerk de gewichten op de verbindingen aan, vaak met een techniek die backpropagation heet. Zo classificeert het netwerk de data steeds beter.
Yann LeCun, Yoshua Bengio en Geoffrey Hinton beschreven de aanpak in 2015 in het tijdschrift Nature. Volgens hen leert een model met meerdere verwerkingslagen representaties van data op meerdere abstractieniveaus. Ze noemden spraakherkenning en het herkennen van objecten in beeld als gebieden waar deep learning grote stappen zette.
Wat is het verschil met machine learning?
Deep learning is een onderdeel van machine learning. Machine learning is het bredere begrip en omvat allerlei technieken, waaronder deep learning. Beide kun je inzetten voor beeldherkenning, spraakherkenning en taalverwerking.
Het verschil zit in hoe het model kenmerken vindt. Een neuraal netwerk zoekt zelf naar niet-lineaire patronen in de data. Je hoeft dus niet vooraf uit te proberen welke combinaties van kenmerken werken. Bij complexe taken, zoals het classificeren van afbeeldingen, presteert deep learning volgens Google vaak beter dan traditionele machine learning.
Daar staat iets tegenover. Deep-learningmodellen trainen meestal op grote datasets. Volgens Google zijn de meeste diepe modellen en grote taalmodellen bovendien een black box. Je ziet wat erin gaat en wat eruit komt, maar niet precies hoe het model tot zijn antwoord komt.
Waar kom je deep learning tegen als marketeer?
- Google Zoeken: RankBrain was in 2015 het eerste deep-learningsysteem in Zoeken. Het helpt Google begrijpen hoe woorden met begrippen samenhangen. In 2018 volgde neural matching en in 2019 BERT.
- Taalmodellen: grote taalmodellen zoals Gemini en GPT zijn gebouwd op de Transformer. Dat is een architectuur voor neurale netwerken die Google ontwikkelde. Ook chatbots en AI-antwoorden in zoekmachines draaien op zulke modellen. Meer daarover lees je in het artikel over large language models.
Een voorbeeld: fietsenwinkel Trapkracht uit Deventer heeft een pagina over bakfietsen met drie zitplaatsen. Iemand zoekt op ‘fiets om drie kinderen naar school te brengen’. De pagina bevat die woorden niet letterlijk. Toch kan Google de pagina relevant vinden, omdat RankBrain begrijpt dat de inhoud met die woorden en begrippen samenhangt. Voor de winkel betekent dit: schrijf helder over het onderwerp, in plaats van elke zoekvariant letterlijk te herhalen.
Veelgestelde vragen over Deep learning
Wat is het verschil tussen AI, machine learning en deep learning?
AI is het bredste begrip. Machine learning is een deel van AI waarin systemen leren van data. Deep learning is weer een deel van machine learning, met neurale netwerken van meerdere lagen.
Waarom heet het deep learning?
Deep slaat op de diepte van het netwerk. Een netwerk met meer dan één verborgen laag heet diep. Voor de diepte telt Google de verborgen lagen en de uitvoerlaag, maar niet de invoerlaag.
Gebruikt Google deep learning in de zoekresultaten?
Ja. RankBrain was in 2015 het eerste deep-learningsysteem in Google Zoeken. Google noemt RankBrain, neural matching en BERT nog in het overzicht van rankingsystemen, bijgewerkt in december 2025.