Kansrekening is een fundamentele tak van de wiskunde die onzekerheid kwantificeert en willekeurige fenomenen modelleert. Het speelt een centrale rol in kunstmatige intelligentie, vooral bij inferentie, besluitvorming en machine learning. Een kanswaarde tussen 0 en 1 wordt toegekend aan het optreden van een gebeurtenis, waarbij 0 onmogelijk en 1 zeker betekent. In tegenstelling tot deterministische logica houdt probabilistisch redeneren expliciet rekening met onzekerheid in data, modellen of de omgeving.
Toepassingsgevallen en voorbeelden
Kansen worden gebruikt voor het modelleren van onzekere systemen zoals spraakherkenning, spamfiltering, contentaanbeveling, geautomatiseerde medische diagnose en weersvoorspelling. Bijvoorbeeld, Bayesian networks gebruiken conditionele kansen om oorzaken af te leiden uit waargenomen effecten. Probabilistische classificatie-algoritmen (zoals Naive Bayes) schatten de waarschijnlijkheid van een categorie op basis van waargenomen kenmerken.
Belangrijkste softwaretools, bibliotheken en frameworks
Voor kansrekening in AI zijn er tools als PyMC, TensorFlow Probability, Stan, Edward en scikit-learn voor klassieke probabilistische modellen. Platforms zoals JAGS of BUGS worden veel gebruikt voor Bayesiaanse inferentie.
Recente ontwikkelingen en trends
De laatste ontwikkelingen richten zich op de integratie van kansrekening in deep learning (deep probabilistic programming), het gebruik van generatieve modellen (zoals diffusie-modellen of variational autoencoders) en verbetering van de efficiëntie van sampling- en benaderingsmethoden. De interpretatie van probabilistische modellen is ook een belangrijk aandachtspunt, vooral in gevoelige domeinen als de gezondheidszorg en financiën.