Machine Learning (ML) is een breed onderzoeksveld binnen de kunstmatige intelligentie, dat zich bezighoudt met de ontwikkeling van algoritmes en technieken waarmee computers kunnen leren.

Binnen de beeldherkenningstechnologie is het voor een computersysteem relatief eenvoudig om exacte maten zoals grootte, positie, diepte en rondheid van een gat in een object te detecteren. Daar hebben mensen moeite mee. Andersom is het voor een computer erg lastig om te zien of een bos bloemen bestaat uit tulpen of rozen. En daar zijn mensen – zelfs niet-fytologen – weer goed in.

Sinds enkele jaren bestaat er een zich snel ontwikkelende computertechnologie die dit soort zaken wel mogelijk maakt: Machine Learning. Deze technologie is gebaseerd op het herkennen van patronen en werkt door het inleren van duizenden afbeeldingen. Zou het bijvoorbeeld gaan om een systeem om rozen van tulpen te onderscheiden, dan voeden we het systeem met duizenden verschillende foto’s van rozen en tulpen waarbij we voor elke foto aangeven of het een roos of een tulp is. De computer gaat al deze foto’s tientallen keren bekijken om te zien aan welke eigenschappen hij kan zien of het een roos of een tulp is. Deze procedure kan enkele uren of zelfs dagen duren. Maar is dit leerproces eenmaal doorlopen, dan kan de computer in een fractie van een seconde zien of de aangeboden nieuwe afbeelding een roos of een tulp betreft. Dit noemen we classificatie.

Op dezelfde wijze kunnen we een computer dus ook leren hoe hij kan zien of een willekeurige bos bloemen vers of verwelkt is. Enzovoorts. Een taak die voor een conventioneel camera systeem onmogelijk is.