Waarom is dit belangrijk?
Door abstractie kunnen ontwerpers van software een ingewikkeld geheel in lagen verdelen, zodat zij per laag aan één duidelijke taak kunnen werken. Bij de digitalisering van communicatie en werk steunen computernetwerken en veelgebruikte programma's op die vereenvoudigde opbouw. Voor werknemers en studenten komen bruikbare digitale middelen zo binnen bereik, maar een te grove laag kan relevante informatie verbergen en tot foute uitkomsten leiden.
Zo werkt het in de praktijk
Festo gebruikt het begrip abstractie bij de besturing van stromende systemen in de fabriek. Daar is een abstractie soms te onnauwkeurig of wiskundig te zwaar. Onderzoekers van de Mälardalen University schrappen bij neurale netwerken invoer die de uitkomst nauwelijks verandert.
De Mälardalen University onderzoekt abstractie om neurale netwerken controleerbaar te maken. Het team haalt zwakke invoer weg en houdt grenzen aan het model. Reinforcement learning, of bekrachtigingsleren, bekijkt hoe een lerend systeem per taak toestand en actie abstraheert.
CRISP-DM (een werkwijze om patronen in gegevens te plannen) zet taken op vier niveaus van abstractie. Die niveaus lopen van fase en algemene taak naar een speciale taak. Het laatste niveau legt de echte stappen in één project vast.




