Machine learning is overal.

Je hebt het misschien niet direct door, maar machine learning is overal. Wanneer je een zoekmachine gebruikt, laat het zien wat je moet zien.
Myrna Harink • 08-03-2017 • 6 min

Wanneer je je e-mail opent zie je het meeste van de spam niet, omdat machine learning het eruit gefilterd heeft. Je opent Netflix om een film te kijken en machine learning raadt je aan welke films je waarschijnlijk leuk vindt. Facebook gebruikt machine learning om te beslissen wat voor updates jij moet zien. Zo werkt het op Twitter ook voor tweets. Iedere keer dat jij een computer gebruikt is de kans groot dat er machine learning aan te pas komt.

De algoritmes van machine learning zijn anders dan traditionele algoritmes. Omdat ze zelf conclusies kunnen trekken uit beschikbare data, schrijven (en herschrijven) ze zichzelf! Hoe meer data ze hebben, hoe meer ze leren. En hoe beter de output. Nu hoeven we geen computers te programmeren, ze programmeren zichzelf. Een ver-van-je-bed-show? Dacht het niet. Machine learning manifesteert zich niet alleen in cyberspace, maar overal waar je gaat. Van het moment dat je opstaat, tot je weer in slaap valt.

Een dagje aan de machine (learning).

Je wekkerradio gaat af om 7:00 uur in de ochtend. Je hoort een nummer dat je nog niet kent, maar wel bij je muzieksmaak hoort. Spotify, die de muziek afspeelt, leert jouw muzieksmaak namelijk kennen, het is eigenlijk je persoonlijke dj. Misschien is het nummer wel geproduceerd met gebruik van machine learning. De temperatuur in je huis is perfect en je elektriciteitsrekening is lager, sinds je een thermostaat met machine learning hebt geïnstalleerd. Onderweg naar je werk gebruik je Inrix, een systeem die de drukte in het verkeer voorspelt. Het verkort je route, en verlaagt tegelijkertijd je stress! Heerlijk.

Op je werk helpt machine learning met je strijd tegen de grote hoeveelheid aan informatie. Je gebruikt een gegevenskubus om een grote hoeveelheid aan data samen te vatten, te bekijken van verschillende kanten en de data te onderscheiden in hoofd- en bijzaken. Je moet een keuze maken: Zal ontwerp A of B meer omzet creëren op de website? Een web-learning systeem test beide ontwerpen en rapporteert het resultaat. Je moet een website bekijken die geschreven is in een, voor jou, onbekende taal. Geen probleem, Google vertaalt het automatisch.

Je e-mail sorteert zich als vanzelf in logische mappen, waarbij de meest belangrijke berichten in je inbox blijven staan. Je tekstverwerker checkt automatisch je spelling en grammatica. Je vindt een vlucht voor een komende reis, maar je ziet ervan af om het ticket te kopen. Immers: Bing Travel voorspelt dat de prijs binnenkort verlaagd wordt. Zonder het te beseffen krijg je meer gedaan in een uur dan dat je zou doen zonder de hulp van machine learning. Tijdens de lunchpauze loop je op straat, met je smartphone in je hand, te zoeken naar een plek om te eten. Yelp’s learning-system helpt je om dit te vinden. Je telefoon zit vol met learning algorithms. Ze zijn hard aan het werk om typfouten te corrigeren, spraakopdrachten te begrijpen, overdrachtsfouten te verminderen, barcodes te herkennen en nog veel meer. Je telefoon kan zelfs anticiperen op wat je later gaat doen en je daarover adviseren. En zo kan je nog wel even doorgaan. Want machine learning speelt een rol in elke fase van je leven en op ieder moment van de dag.

De samenleving is aan het veranderen, een learning algorithm per keer. Machine learning maakt een nieuwe versie van de wetenschap, technologie, het bedrijfsleven, de politiek en de oorlog. Bedrijven kennen hun klanten zoals nooit tevoren. We kunnen steeds meer inspelen op de wensen van de klant, omdat we steeds meer in de digitale wereld leven kunnen we voorspellen wat we willen, wat de resultaten zijn van onze acties, hoe je je doelen kan bereiken en voorspellen hoe de wereld verandert.

Brein boven brein.

(reactie op machine learning van Jan van Geerenstein, creative director van FIZZ | Digital Agency)

“Machine learning is een hulpmiddel, geen ei van Columbus. Er is altijd nog een brein boven brein, een baas boven baas. Machines zet je in, aan de hand van een strategie, een basisidee. Wat we als mensen in al die eeuwen voor kennis hebben opgedaan is dat het onverwachte, de verrassing, het ongedachte, de mens het meeste leert. Anticiperen op toeval, op tegenslag, een wending, maakt mensen creatief en krachtig. Tunnelvisie, blijven denken in kaders, leven in kaders is de tegenhanger van leven in vrijheid en de dag, je medemensen open tegemoet kunnen treden, zonder etiket en vooroordelen. Dat is wat het leven interessant en daardoor juist (zelfs commercieel) aantrekkelijk maakt. Waarom zouden we zoveel inzetten op machine learning als human learning nog lang, nog lang niet is voltooid? Of is machine learning dan maar de escapade om risico’s te vermijden? Het risico om een beter mens te worden?”

Wat dit voor u kan betekenen?

Myrna Harink vertelt u graag meer.

0522 24 61 62
myrna@fizz.nl