Machine learning is een vorm van AI waarbij software leert van data in plaats van geprogrammeerde regels. Je geeft het systeem voorbeelden, het herkent patronen, en op basis daarvan kan het voorspellingen doen of beslissingen nemen over nieuwe, onbekende data. Een simpel voorbeeld: je traint een model met duizenden e-mails die gelabeld zijn als 'spam' of 'niet spam'. Na het trainen herkent het model nieuwe spam-mails zonder dat je elke regel handmatig hoeft te definiëren. Hoe meer data je het geeft, hoe beter het wordt. Machine learning zit overal. Je Netflix-suggesties, de spamfilter in je mailbox, de gezichtsherkenning op je telefoon. Voor bedrijven is het relevant bij alles wat met patronen te maken heeft: klantsegmentatie, verkoopvoorspellingen, automatische categorisering van documenten. Je hoeft het niet zelf te bouwen. De grote AI-modellen (Claude, GPT) zijn gebouwd met machine learning en jij kunt ze gewoon gebruiken.
Typen machine learning
Er zijn drie hoofdvormen. Supervised learning: je geeft het model gelabelde voorbeelden (dit is een kat, dit is een hond) en het leert onderscheid maken. Unsupervised learning: je geeft het data zonder labels en het vindt zelf groepen of patronen. Reinforcement learning: het model leert door trial and error, het krijgt een beloning als het iets goed doet.
Voor de meeste MKB-toepassingen hoef je dit onderscheid niet te kennen. Je gebruikt bestaande modellen die al getraind zijn. Waar het om gaat is dat je snapt dat het systeem leert van voorbeelden, niet van vaste regels. Dat maakt het krachtig maar ook onvoorspelbaar als je het verkeerd inzet.