SCÈNE 1: Een introductiebeeld vergelijkbaar met dat uit deel 1. We zien Martha, Flip, Bit en Octavius elk in een eigen cirkel, met daaromheen een aantal afbeeldingen met betrekking tot neurale netwerken. TITEL: Lessen over NEURALE NETWERKEN. Een online strip van Google AI. Bijschrift/pijl: Met MARTHA, die het onder de knie probeert te krijgen. Martha: Ik DENK dat ik het snap? Bijschrift: Met FLIP Bijschrift: En BIT Bijschrift: En we verwelkomen OCTAVIUS! Octavius: Hallo!

SCÈNE 2: Martha opent met de sleutel de deur naar de wereld van neurale netwerken. Bijschrift: Eerder in De Avonturen van Machine Learning… Martha: Volgende halte: neurale netwerken!

SCÈNE 3: Martha gooit met een blijde kreet de deur open. Martha: HALLO WEREL—

SCÈNE 4: De camera draait achter Martha langs en in de deuropening zien we ontelbare onderling verbonden nodes die een overweldigend tafereel vormen. En misschien wat rook die door de deuropening komt. We zien het silhouet van Martha. Martha: Waah!

SCÈNE 5: Terug aan de andere kant van de deur. Martha staat met grote ogen en ontploft haar voor de deur die ze heeft dichtgegooid. Flip en Bit kijken haar stoïcijns aan. Geluidseffect: BAM

SCÈNE 6: Hetzelfde als de vorige scène, maar Martha's ogen kijken nu naar beneden naar Flip en Bit. Van achter de deur klinkt een stem. Octavius (van achter de deur): Sorry, sorry! Ik was nog niet klaar. Oké, kom maar binnen.

SCÈNE 7: Martha, Flip en Bit steken hun hoofd voorzichtig door de deuropening.

SCÈNE 8: Octavius, een schattige babyoctopus, zweeft naast een eenvoudig technologisch neuron. Octavius: Hoi! Ik ben Octavius! Laten we met de BASIS beginnen, oké?

SCÈNE 9: Martha kijkt opgelucht over haar schouder naar het overweldigende tafereel van zojuist. Flip en Bit begroeten Octavius. Martha: *Poe* Ja, graag. Ik ben Martha. Octavius: Hoi, Martha! Dus, NEURALE NETWERKEN bestaan uit verschillende bouwstenen en de MEEST EENVOUDIGE is 'HET NEURON'. Oh, hé Flip! Hoi Bit! Flip: Yo. Bit: Hé Doc.

SCÈNE 10: Terwijl Octavius uitlegt, knielt Martha naast twee beschrijvende afbeeldingen van biologische en technologische neuronen. Octavius: Net als hun biologische naamgenoot kunnen deze neuronen verschillende INVOER ontvangen en deze samenvoegen tot UITVOER. Martha: Invoer?

SCÈNE 11: Octavius en Bit praten boven een tabel met eigenschappen waarvan de kolommen zijn gevuld met gegevens. Octavius: Dat kan bijna ALLES zijn, zolang je het maar in GETALLEN kunt uitdrukken. Bit: Denk bijvoorbeeld aan eigenschappen in een spreadsheet!

SCÈNE 12: Flip tikt met haar achterpoten de tabel op zijn zij, terwijl Bit handgebaren maakt. Flip: …maar dan HORIZONTAAL. Bit: (Niet echt nodig, maar van links naar rechts is het iets duidelijker…)

SCÈNE 13: Octavius en Martha kijken naar de nu horizontale tabel. We zien bij elke kolom met gegevens een pijl die naar rechts wijst in de richting van een ronde node (de invoer). Octavius: Hier begint het, onze eerste LAAG met INVOER.

SCÈNE 14: Octavius zweeft tussen de vorige invoerlaag en wijst naar een eenvoudige binaire classificatie aan de rechterkant: kat of hond. Kat is gemarkeerd. Octavius: Ons DOEL is vervolgens om met de waarden die voortkomen uit die INVOERLAAG, hoe complex ook, aan de andere kant een UITVOERLAAG te genereren met een eenvoudig antwoord.

SCÈNE 15: Er wordt uitgezoomd en we zien de hele groep tegen een lege achtergrond. Octavius glimlacht, Martha kijkt beduusd. Octavius: Zo werkt het dus. Zijn er nog vragen? Martha: …

SCÈNE 16: Hetzelfde als de vorige scène, maar Flip en Bit grinniken. Bit (geluidseffect): *gigigi*

SCÈNE 17: Hetzelfde als de vorige scène, maar Martha slaakt nu een kreet van verwarring. De rest van de groep moet nu hard lachen. Martha: MAAR… WAT GEBEURT ER IN DE TUSSENTIJD? Octavius: Goede vraag!

SCÈNE 18: Octavius kijkt toe terwijl een klein bewegend classificatie-icoon zich door de verborgen lagen van een standaard NN-diagram verplaatst… Octavius: Die tussenliggende verborgen lagen voeren een reeks eenvoudige [classificatie]taken uit om tot een complex antwoord te komen.

SCÈNE 19: Octavius wijst naar een eenvoudig neuron met gemarkeerde invoer (X1, X2) die samenkomen in een node met een sigmateken (Σ). Flip doet onder in het beeld haar zegje. Octavius: De numerieke waarde (X) van elke eigenschap wordt bij elkaar opgeteld in het neuron. Flip: En die som (∑) helpt bij het bepalen van de helling van de lijn.

SCÈNE 20: Hetzelfde als de vorige scène maar de lijnen tussen de invoer en de node met de som zijn gemarkeerd met W1 en W2, en hebben een verschillende dikte. Octavius: Maar sommige eigenschappen WEGEN zwaarder dan andere, dus eerst wordt de weging van de invoer naar boven of beneden aangepast.

SCÈNE 21: Martha komt in beeld en wijst naar de lijnen die nu een knop op de stand Hoog en een knop op de stand Laag hebben (volgens onze uitleg in deel 1) MARTHA: Oh! Dus de gewichten zijn een van onze KNOPPEN! Octavius: Precies!

SCÈNE 22: Martha en Octavius onderzoeken het eenvoudige neuron, dat nu onderaan een extra node (b) heeft voor de som. Ook deze lijn heeft een gewicht. Octavius: Dan is er nog de AFWIJKING, een verschil voor de hele som die ook kan worden aangepast qua weging.

SCÈNE 23: Martha’s tekstballon bevat twee in een herhaling bewegende grafieken die tonen hoe de helling en y-asafsnede veranderen als het gewicht en de afwijking worden gewijzigd. Octavius en Flip doen onder in het beeld hun zegje. Martha: Dus een wijziging in het GEWICHT verandert de HELLING… …en een wijziging in de VERTEKENING verandert de ASAFSNEDE? Octavius: Precies! Flip: Ik zei toch dat ze een snelle leerling was.

SCÈNE 24: Ons neuron heeft nu een schuine lijn in plaats van de node met de som en Octavius geeft de volgende stap aan: een golflijn (een soort sigmoïdevorm) die de activeringsfunctie aangeeft. Bit houdt onder in het beeld een bordje omhoog. Octavius: Vervolgens zetten we die lineaire classificatie om in een NIET-LINEAIRE vorm zoals een sigmoïdefunctie. Bijschrift (vastgehouden door Bit): Meer informatie.

SCÈNE 25: Octavius zweeft boven de asafsnede van een vergrote sigmoïdegrafiek, Martha maakt rechtsonder een kader met haar vingers om een goed beeld te krijgen. Octavius: Deze 'ACTIVERINGSFUNCTIE' maakt non-lineaire relaties… …en eenvoudige aanpassingen in het leerproces mogelijk. Martha: Huh.

SCÈNE 26: We zien nu onze volledige neuron met alle labels, Octavius en Martha kijken onder in het beeld toe. Het is de bedoeling dat het beeld met alle onderdelen er wat overweldigend uitziet. Labels: node, gewicht, edge, som, vertekening, activeringsfunctie en niet-lineaire functie. (Bijvoorbeeld: Sigmoid, tanh, Softmax, Swish, ReLU, Leaky ReLU, Diet ReLU, ReLU met Chips, ReLU, Spam, Spam, ReLU en Spam.) Octavius: Zo ziet het geheel eruit. Martha: Oh, jeetje.

SCÈNE 27: We gaan terug naar onze eenvoudige neuron met drie nodes. X1 en X2 zijn de invoer en de sigmoïdecurve staat voor de activeringsfunctie. Martha kijkt opgelucht terwijl Octavius uitlegt waarom ze teruggaan naar het eenvoudige overzicht. Octavius: Maar voor het gemak combineren we de som, vertekening en activeringsfunctie in één node… …en gebruiken we de dikte van de lijn om het gewicht aan te geven. Martha: *poe* Ja, GRAAG!

SCÈNE 28: Het ene neuron heeft nu bewegende lijnen, van verschillende diktes, die de nodes met elkaar verbinden en een nieuwe uitvoerlijn naar rechts. Octavius: En nu kan de UITVOER van DIE node… Martha: OH!

SCÈNE 29: Neuron 1 is samengevoegd met een tweede neuron. De uitvoer van N1 wordt de invoer van N2. De lijnen tussen de neurons bewegen nog steeds om de stroom van informatie tussen de nodes weer te geven. Martha: …de INVOER van een andere node zijn! Octavius: Je snapt het!

SCÈNE 30: Het netwerk groeit en bevat zes lagen onderling verbonden neuronen met een web van bewegende lijnen die tussen de neuronen lopen. Octavius: …en NOG een, en NOG een… Martha: Wow.

SCÈNE 31: Onder Martha's tekst zien we twee bewegende vierkanten uit deel 1: een rollend balletje dat onder in de curve blijft liggen en een roterende lijn die uiteindelijk stilstaat en het juiste classificatietraject voor een verzameling X- en 0-waarden aangeeft. Bit houdt een bordje omhoog met een link naar deel 1. Martha: Dus als we neurale netwerken trainen met BACKPROPAGATION en GRADIËNTDALING*, dan VERANDERT dat proces die gewichten en afwijkingen? Octavius: Precies! Voetnoot (omhoog gehouden door Bit): *Zie deel 1.

SCÈNE 32: Een eenvoudig neuron met drie soorten invoer bevat bewegende regelknoppen voor het aanpassen van de lijndikte om het gewicht aan te geven. Octavius geeft boven in het beeld uitleg, Bit gooit zijn handen in de lucht en Martha zit in de kleermakerszit op de grond en gebaart. Octavius: Deze geautomatiseerde aanpassingen noemen we 'MODELTRAINING'. Bit: Mam, kijk! Zonder handen! Martha: Allemaal leuk en aardig, maar wat doen de TECHNICI?

SCÈNE 33: Martha prikt in een node-netwerk met meerdere lagen dat voor haar zweeft, terwijl Flip op haar rug staat en uitleg geeft. Bit zweeft onderin. Flip: Oh, ze doen ALLES Technici kiezen de juiste architectuur, passen het aantal lagen of nodes aan, selecteren activeringsfuncties, en nog veel meer. Martha: Huh. Bit: Dat noemen we 'HYPERPARAMETERAFSTELLING'.

SCÈNE 34: Martha en Octavius praten, met op de achtergrond een raster voor een grafiek. Octavius: Informatie heeft STRUCTUUR. Met een goed getraind neuraal netwerk kun je door die structuur NAVIGEREN.

SCÈNE 35: Martha en Octavius kijken over een muurtje en zien hoe twee kleine Martha's bezig zijn met regressie (het tekenen van een trendlijn door een verzameling gegevens) en classificatie (het tekenen van een lijn om twee groepen gegevens af te bakenen). Octavius: Dat is wat je doet als je die REGRESSIE- en CLASSIFICATIE-lijnen tekent… Dit kun je eenvoudig met de HAND doen als er maar een of twee eigenschappen zijn… Martha: Aww… Kijk ze eens bezig.

SCÈNE 36: We gaan terug naar het gekantelde spreadsheet met de bijbehorende laag invoernodes. Martha en Octavius observeren. Octavius: Maar bij meerdere eigenschappen zijn er meerdere soorten INVOER. En dat betekent…

SCÈNE 37: Martha, Octavius, Flip en Bit zweven plotseling in een kolkende wereld van gegevens. Stromen van gehele getallen en letters vliegen hen om de oren, Martha kijkt verschrikt. Bit neemt een vreemde opgezwollen vorm aan. Flip loopt ondersteboven door een Escheriaanse reeks getallen. Octavius doet gewoon zijn ding. Octavius: …meerdere DIMENSIES om doorheen te navigeren… en dan lijkt een eenvoudige rechte lijn tussen A en B vrijwel ONMOGELIJK. Martha: W-W-WAT??

SCÈNE 38: De multidimensionale achtergrond vervaagt richting de bovenkant van het beeld. Bit ziet er rustig en zelfverzekerd uit terwijl Martha in de hoek nog aan het hallucineren is. Octavius: Gelukkig bekijkt onze DIGITALE familie andere dimensies op een WISKUNDIGE manier en kan zo een weg banen DOOR die structuur. Bit: Oh ja, eitje. Kwestie van de onderliggende topografie verbuigen.

SCÈNE 39: Bit gebaart naar een grafiek met twee met elkaar verweven spiralen van gegevens. Flip doet rechts in beeld zijn zegje. Bit: Het lijkt bijvoorbeeld onmogelijk dat een rechte lijn deze twee vormen kan scheiden, maar neurale netwerken vinden toch een manier. Flip: Dit is het moment van de VERBORGEN LAGEN…

SCÈNE 40: Bit draait de gegevensspiralen tussen zijn handen in drie stappen totdat er twee kronkellijnen ontstaan die eenvoudig met een enkele lijn van elkaar kunnen worden gescheiden. Bit: Ze TRANSFORMEREN gegevens… Ze REKKEN en PLETTEN de ruimte… maar kunnen deze nooit AFSNIJDEN, BREKEN of VOUWEN in de zoektocht naar een antwoord.

SCÈNE 41: Boven Octavius zweeft een gekantelde wereldbol met een gestippelde cirkel rond Antarctica, met een klein vraagteken ernaast. Onderaan tekent Octavius een rechte lijn over een mercatorprojectie. Octavius: Het is net alsof je een RECHTE LIJN tussen ANTARCTICA en andere continenten tekent… Het lijkt misschien onmogelijk op een WERELDBOL… maar niet als je het 'PERSPECTIEF VERANDERT.'

SCÈNE 42: We zien drie nodes met lijnen die de datasets in die nodes van elkaar scheiden. De eerste twee (in één laag) worden gecombineerd om een gebogen lijn te maken in de uitvoernode, waarmee de gewenste dataset wordt gescheiden. Bit houdt een bordje met de tekst Meer informatie omhoog die een link bevat naar de oefendemo voor neurale netwerken. Octavius: Als elke neuron een andere lineaire functie bevat… …levert de COMBINATIE ervan COMPLEXERE vormen op voor DATA-FITTING. Bijschrift/link (vastgehouden door Bit): Meer informatie.

SCÈNE 43: Martha kijkt kwaadaardig naar een cloud van nodes die tussen haar handen zweeft. Octavius legt een tentakel op haar schouder en kijkt verontrust. Martha: OOH! Dus met GENOEG neuronen kan ik ELKE dataset toevoegen, hoe complex ook? Mwa-ha-ha… Octavius: Niet zo snel! TE VEEL neuronen kan leiden tot OVERFITTING!

SCÈNE 44: De stippellijn loopt enigszins af van links naar rechts en Flip begint langzaam te lopen. FLIP: …die matrix van pieken en dalen noemen we een 'foutfunctie' of 'verliesfunctie'… …en kan alleen worden getoond…

SCÈNE 45: Martha, Bit, Octavius en Flip praten in een witte ruimte. Martha: HELAAS. Dus waarom noemen we ze dan 'VERBORGEN LAGEN'? Bit: Jeetje. Goede vraag. Octavius: Nou… We weten welke eigenschappen we ERIN stoppen… We weten welke antwoorden ERUIT komen… Flip: …en we kunnen zelfs beschrijven HOE verborgen lagen werken…

SCÈNE 46: Martha knielt om naar Flip te luisteren. Haar silhouet is zichtbaar tegen een achtergrond van een complex web van nodes. Bit houdt rechts in beeld een bordje Meer informatie vast met een pijl naar de tekstballon van Flip. Het bordje bevat een link naar het onderzoek van Cassie. Bit: Maar in een VOLLEDIG VERBONDEN NEURAAL NETWERK mengt elke node de resultaten van alle nodes in de vorige laag. Het is niet duidelijk naar welke eigenschappen het precies kijkt. Flip: Om de woorden van datawetenschapper Cassie Kozyrkov te gebruiken: we 'AUTOMATISEREN het ONDOORGRONDELIJKE.'

SCÈNE 47: Octavius komt rechts in het beeld. Hij draagt een conducteurspet en heeft een kleine mijnkar bij zich. De groep maakt zich klaar om in te stappen. Octavius: Een VOLLEDIG VERBONDEN neuraal netwerk is slechts één soort architectuur… Martha: Leuke pet. Octavius: Dank je!

SCÈNE 48: Octavius zit in het mijnkarretje met op de achtergrond een lijnennetkaart met meerdere haltes, die ieder gemarkeerd zijn volgens het betreffende symbool van de netwerkarchitectuur. Octavius: Laten we een ritje maken naar een ANDERE populaire halte op de kaart van neurale netwerken.

SCÈNE 49: De hele groep rijdt in het karretje over een soort achtbaan, omgeven door verschillende zwevende architectuuriconen. Martha houdt haar hart vast, terwijl Octavius vrolijk de boel uitlegt. Octavius: Dit hele veld is voortdurend in BEWEGING, of 'in aanbouw'. Een aantal populaire bestemmingen waren tien jaar geleden nog gewoon PROTOTYPEN.

SCÈNE 50: Het karretje gaat in drie fasen door een lus die lijkt op een wijzerplaat. Figuren zijn te klein en kunnen niet goed worden onderscheiden. Octavius: TERUGKERENDE NEURALE NETWERKEN (zoals LSTM's) voorzien zichzelf keer op keer van informatie… …en lossen problemen met het TEMPORELE ELEMENT op… …zoals SPRAAKHERKENNING. Bijschrift / link: Meer informatie.

SCÈNE 51: Het karretje rijdt over een spoorwissel, van bovenaf gezien. Meerdere sporen komen samen en splitsen weer. Octavius bedient de spoorwissel terwijl hij uitlegt. De link Meer informatie verwijst naar [what would we like to link out to here?] Octavius: AUTOMATISCHE CODERINGSPROGRAMMA'S helpen bijvoorbeeld om lijn te brengen in ongecontroleerde gegevens… …en verminderen zo de DIMENSIONALITEIT van grote hoeveelheden big data. Bijschrift / link: Meer informatie.

SCÈNE 52: De groep toeft op de voorgrond voorbij, met op de achtergrond andere sporen en karretjes. Terwijl ze door het beeld schieten, onderbreekt Martha Octavius om te vragen naar de passagiers in de andere karretjes. Hij kijkt olijk vooruit. Octavius: Het volgende netwerk op onze route is vooral populair voor het analyseren van… Martha: Hé, wie zijn DAT? Octavius: Oh, dat is de GAN-lijn. Die passagiers bestaan helemaal niet. Maak geen oogcontact.

SCÈNE 53: Het karretje stopt bij een perron waar een bord met de tekst CNN's boven een boogdeur hangt. Iedereen stapt uit om te gaan kijken. Octavius: We zijn er. Volgende halte: CONVOLUTIONELE NEURALE NETWERKEN! Martha: Aha, DIE ken ik wel. Bit: Ze komen veel in het nieuws.

SCÈNE 54: De groep loopt een hal binnen vol met sierlijk omlijste kunstwerken, maar op elk doek is een wirwar van enen en nullen te zien. Bit is op slag verliefd op een van de doeken, Martha kijkt verward. Bit: Oh, deze is TE GEK. Ze heeft de 11001101010 echt prachtig vastgelegd, vinden jullie ook niet? Martha: Uhm… Octavius: Voor een CNN zijn afbeeldingen niet meer dan een reeks cijfers.

SCÈNE 55: Martha houdt een van de doeken omhoog en tuurt naar de cijfers. Octavius legt uit. Bit houdt rechtsonder een microfoon omhoog boven een geluidsgolf om te laten zien hoe CNN's visueel weergegeven gegevens kunnen parseren. Martha: Is dat niet van toepassing op ALLE neurale netwerken die afbeeldingen verwerken? Octavius: Nou en of. Maar CNN's bieden een unieke manier om al die afbeeldingsgegevens te parseren en te verkrijgen. Bit: (Waaronder elk gegevenstype dat als een afbeelding kan worden WEERGEGEVEN.)

SCÈNE 56: De groep kijkt naar een grijsgekleurde foto van een kat van 32x32 pixels. Octavius: Zelfs een afbeelding met een LAGE RESOLUTIE zoals deze bevat een enorme hoeveelheid informatie. Elke van die 1024 PIXELS vormt een aparte invoer. En als je de rode, groene en blauwe kanalen telt, dan zijn het er zelfs DRIE. Flip: Dat is mijn oom Rufus!

SCÈNE 57: Octavius, links in het beeld, vertelt over de verscheidenheid van kleurenafbeeldingen. Hij zweeft boven een set invoerlagen met rode, groene en blauwe kanalen waarvoor het totale aantal invoerbronnen (3072) wordt aangegeven. Een reusachtige muur van invoer strekt zich uit naar rechts. Martha deinst verschrikt terug. Octavius: Dat is nog eens een MULTIDIMENSIONALE INVOERLAAG… En dat is nog niet eens een hoge resolutie of een video! Martha: AAAH! Ik krijg FLASHBACKS.

SCÈNE 58: Octavius gaat verder met zijn uitleg naast een reeks van zes plaatjes met katten: in close-up, vanuit verschillende hoeken, in verschillende posities in hetzelfde plaatje, enzovoort. Linksonder vermeldt een classificatienode de tekst Kat: JA. Octavius: We willen straks nog steeds een eenvoudig, eendimensionaal JA of NEE als antwoord, maar het moet werken voor ELKE kat, vanuit ELKE hoek en in elk deel van de afbeelding. MARTHA: Wow. Da's nog eens een uitdaging!

SCÈNE 59: Bit verschijnt in een matrix van pixels waarbij elk blok rechts in het beeld naar voren springt en een apart eenheid vormt. Octavius: Inderdaad. CNN's VERWERKEN deze informatie door de enorme matrixen met pixelgegevens OP TE DELEN in BEHEERBARE STUKKEN, laag voor laag.

SCÈNE 60: Octavius gooit een klein matrix met handvatten (het filter) naar Martha. Octavius: Laten we beginnen met het maken van een overzicht van KATEIGENSCHAPPEN in onze bronafbeelding. VANG! Martha: Wat is dit? Octavius: Een FILTER. Het begint als een matrix met willekeurige gewichten, maar het wordt na verloop van tijd door het algoritme afgestemd.

SCÈNE 61: Kleine Martha en Octavius lopen op hun tenen over twee bewegende matrixen. In de eerste matrix is zichtbaar hoe een filter stapsgewijs over de invoergegevens beweegt. In de tweede matrix wordt weergegeven hoe op basis van de gegevens het eigenschappenoverzicht vierkantje voor vierkantje wordt gegenereerd. [Hier komt een voorbeeld.] Flip verschijnt rechtsonder in het beeld en zegt iets. Octavius: Bij een 'CONVOLUTIE' beweegt dit filter over de hele afbeelding met een variabel interval, ook wel een 'STAP' genoemd. Martha: Oh! Het vermenigvuldigt de BRONGEGEVENS met die matrix! Flip: Het resultaat noemen we een EIGENSCHAPPENOVERZICHT!

SCÈNE 62: Octavius, met zwemband en zonnebril, vertelt verder over CNN's. We zien de invoerafbeelding, de meerdere eenvoudige afbeeldingen die door convolutie zijn gegenereerd, een activeringsfunctie en ten slotte de kleinere afbeeldingen die met pooling zijn gegenereerd. Martha staat erbovenop en bekijkt het geheel. Octavius: Deze eigenschappenoverzichten maken gebruik van POOLING om hun computationele omvang verder te verkleinen. Martha: Oh, dus je kunt ze blijven stapelen om meer eigenschappen te vinden.

SCÈNE 63: Octavius zweeft naar vier filters met een lage resolutie en vage randen (horizontaal, verticaal, schuin naar links en schuin naar rechts). Bit verschijnt in een inzetkader onder in het beeld en houdt zijn hand op een stel hersenen met uitpuilende ogen. Octavius: In de eerste fasen detecteren filters mogelijk niet meer dan RANDEN en RICHTING…* Bit: *LEUK WEETJE: De visuele cortex van je hersenen werkt precies zo. Het lag zelfs aan de basis van CNN's. Bijschrift: Meer informatie.

SCÈNE 64: Links worden drie lagen met eigenschappen in rasters weergegeven: grove randen, duidelijkere elementen en volledig herkenbare personen of figuren, waaronder een kleine Octavius! De echte Octavius gaat rechts in beeld verder met zijn uitleg. Octavius: Maar bij elke volgende laag, worden de eigenschappen DUIDELIJKER zichtbaar. Kijk! Dat ben IK!

SCÈNE 65: Martha en Octavius turen van bovenaf naar een oplichtend filter. Martha: Dus het gaat van LIJNEN en HOEKEN, naar SNORHAREN, POOTJES en VACHT, en uiteindelijk KATTEN of HONDEN? Octavius: Nou… *ehm* JA, NEE en JA! We komen waarschijnlijk nooit te weten welke eigenschappen het precies ziet in de TUSSENFASE… …maar uiteindelijk worden ze toch GEVONDEN, wat ze ook zijn en waar ze zich ook verstoppen!

SCÈNE 66: Terug naar ons overzicht van de CNN-fasen, maar nu is aan het einde een extra classificatielaag toegevoegd, waarin we een volledige lijn van nodes zien met onderling verbonden lijnen die naar een binaire uitvoer bewegen. Flip komt rechts in beeld om uitleg te geven. Flip: CNN's zijn niet volledig verbonden zoals in ons EERSTE voorbeeld. Maar de uiteindelijke uitvoerlaag is dat WEL. Alle neuronen op de vorige laag zijn hiermee verbonden.

SCÈNE 67: Martha, Octavius, Bit en Flip staan in een witte ruimte. Ze zijn ieder omgeven door een kader en voorzien van een label met de betreffende voorspelling van het netwerk. Martha is 98% mens, Octavius is 94% octopus, Flip is 89% kat, maar Bit is 60% basketbal. Octavius: Deze CLASSIFICATIELAAG biedt de nauwkeurige antwoorden voor… Bit: Uhm… Jongens? Labels: 98% mens 94% octopus 60% basketbal 89% kat

SCÈNE 68: Martha buigt zich bezorgd om. Alle kaders zijn weg, behalve die van Bit. Octavius zweeft bovenlangs en kijkt bezorgd. Bit kijkt boos. Martha: Oh-oh. Wat is dit? Waren er geen VLIEGENDE ROBOTS in de trainingsgegevens? Octavius: Die ZOUDEN er wel moeten zijn! Label: 60% basketbal

SCÈNE 69: Flip en Martha onderzoeken de trainings- en testgegevens die uitgespreid over de vloer liggen. Bit, op de achtergrond, kijkt vastberaden en opstandig. Flip: Toch NIET! Alleen wezens met voeten. Typisch voorbeeld van ZELFSELECTIE. Martha: Nou, dat is ook niet eerlijk! Sommige robots kunnen nou eenmaal niet lopen… Bit: IK BEN DE BAAS IN DE LUCHT! Label: 60% basketbal

SCÈNE 70: Bit en Flip vliegen het beeld uit. Martha staat op. Martha: Ik dacht dat gegevens altijd ONPARTIJDIG waren. Aangezien het gewoon 'cijfers' zijn… Octavius: Datasets zijn het product van de tijd en locatie waar ze zijn samengesteld. Label: 60% basketbal

SCÈNE 71: Octavius draagt verschillende sokpoppen op zijn tentakels. Elke sokpop heeft een tekstballon met een eigen symbool. Octavius: Je kunt wel proactief 'neutrale' gegevens proberen te maken, maar de mensen die de gegevens hebben gecompileerd hebben misschien wel HUN EIGEN vooroordelen.

SCÈNE 72: Martha gaat tussen de gegevensafbeeldingen zitten. Flip en Bit kijken ontredderd. Octavius bladert rechts in het beeld nog door wat afbeeldingen. Martha: Dit is ingewikkelder dan ik dacht. Octavius: Hmmm… Misschien hebben we ook wel te maken met VERBORGEN VOOROORDELEN. Kijk eens wat deze basketbalfoto's gemeen hebben. Label: 60% basketbal

SCÈNE 73: Octavius toont Martha verschillende foto's. Het zijn foto's van basketballers die een basketbal vasthouden. Octavius: Zie je de GELIJKENISSEN? Martha: Ik weet het niet hoor, het lijkt op een hoop armen die een bal…

SCÈNE 74: Martha kijkt weer naar Bit in zijn basketbalkader. Het kwartje valt. Martha: OOOHHH. Label: 60% basketbal

SCÈNE 75: Martha en Octavius praten met elkaar. Octavius: TECHNICI en ETHICI proberen nog steeds te begrijpen hoe neurale netwerken de wereld zien… …en welke ROL ze de komende jaren gaan spelen.

SCÈNE 76: Martha, Octavius, Flip en Bit staan op een spiegeloppervlak en kijken naar omgekeerde versies van zichzelf. Octavius: Door een CNN ondersteboven te draaien, hebben onderzoekers met een unieke afbeeldingsclassificatie… …GENERATIVE ADVERSARIAL NETWORKS, of G.A.N.'s, ontwikkeld… …waarmee prachtige surreële afbeeldingen kunnen worden gemaakt, maar ook de beruchte 'deep fakes.' Bijschrift: Meer informatie.

SCÈNE 77: Martha kijkt vastberaden, Octavius kijkt bemoedigend. Flip en Bit zeggen iets onder in het beeld. Martha: Ja, ik wil deel van de oplossing zijn, niet deel van het probleem… Ik hoop alleen dat ik het VERSCHIL kan zien als het moment daar is. Octavius: Hé, leren hoe alles WERKT is al een goed BEGIN. Flip en Bit (buiten beeld): Mee eens!

SCÈNE 78: Martha tuurt optimistisch omhoog, maar wordt onderbroken door Mel, haar baas. Octavius kijkt verontwaardigd. Martha: Pas maar op iedereen! Ik ben er voor 99% van overtuigd dat ik kan… Mel (buiten beeld): HÉ, MARTHA!

SCÈNE 79: Mel kijkt over de rand van hun fantasiewereld en doet alsof hij er zelf in is beland om antwoord te krijgen op zijn vragen. De hele groep kijkt geagiteerd. Flip blaast. Mel: Ooh! Waar ben ik? Wat is dat? Wie zijn DAT? Martha: Oh, dit is… Mel: Kan me eigenlijk NIET SCHELEN.

SCÈNE 80: Martha gaat tegen de muur zitten, naast Bit en Octavius. Iedereen kijkt terneergeslagen terwijl Mel blijft doorratelen. Mel: Ik wil dat je over TIEN MINUTEN een presentatie geeft aan de aandeelhouders. Octavius: Gaat hij altijd zo tekeer? Martha: Yep.

SCÈNE 81: Mel verdwijnt al zwaaiend uit beeld. Martha krabbelt overeind terwijl de groep zich om haar heen schaart. Mel: OKÉ, DOEI! Octavius: Oh jeetje, dat was een hoop info die we… Flip: Ik ga de vergaderruimte saboteren om tijd te winnen.

SCÈNE 82: Octavius staart paniekerig in de verte, maar Martha steekt haar hand omhoog om hem te stoppen. Octavius: Ik wist het, ik ging te snel! Ik word het lachertje van de lerarenopleiding voor inktvissen! Martha: NEE.

SCÈNE 83: Close-up van een vastberaden en opgetogen Martha. Martha: IK KLAAR DAT KLUSJE WEL EVEN.

Nu bent u aan zet!
Vervolg uw reis in
de wereld van machine learning…

SCÈNE 84: Martha houdt een presentatie in een ruimte vol leidinggevenden. Ze wijst naar een whiteboard met daarop NN's en andere afbeeldingen. Ze heeft de volle aandacht van de aanwezigen. Tot slot voegen we een call-to-action toe voor meer informatie.

…met de spoedcursus machine learning
van Google of ontdek Google Cloud AI!

  • Verhaal, ontwerp en vormgeving door Lucy Bellwood, Dylan Meconis, Scott McCloud
  • Lijntekeningen door Leila del Duca
  • Kleuren: Jenn Manley Lee
  • Japanse vertaling door Kaz Sato, Mariko Ogawa
  • Productie: Google Comics Factory (Allen Tsai, Alison Lentz, Michael Richardson)