Algoritmen zijn niet meer weg te denken. Zo gaan ze ons werk én leven veranderen.

Kunstmatige intelligentie, machine learning en algoritmen gaan onze wereld de komende twintig jaar op bijna alle denkbare gebieden veranderen. Toch weten we er nog bar weinig over. Tijd voor een kennissessie: ‘Algoritmen als drivers of change’, georganiseerd door Brainnet samen met Managementboek.

Eén ding is zeker: algoritmen zijn niet meer weg te denken en gaan ons werk én leven de komende jaren enorm veranderen. Toch weten we er nog bar weinig over. Tijd voor een kennissessie: ‘Algoritmen als drivers of change’, georganiseerd door Brainnet samen met Managementboek. 

Tijdens het schrijven van dit stuk werd ik regelmatig afgeleid. De feestdagen komen eraan, verlanglijstjes worden verstuurd en ik zoek tijdens vrije momenten online naar cadeautjes. Ondertussen blijven die spullen, of eigenlijk algoritmen van Bol.com en Bijenkorf.nl me achtervolgen.

Die systemen kennen me maar al te goed. Weten wat ik in het verleden heb gekocht, wat anderen in het mandje gooiden met dezelfde producten als ik, en in welke combinaties. Iedere keer als ik klik op een badmat of sportschoenen, of als ik tijdens het scrollen even stop, is dat voor het algoritme een signaal: interesse.

Kunstmatige intelligentie, machine learning en algoritmen gaan onze wereld de komende twintig jaar op bijna alle denkbare gebieden veranderen.

Tech-ondernemer Jim Stolze, opent de freelance-kennissessie: “Data is steeds minder een bijproduct, maar een nieuw product, of nieuwe service.” Het invullen van vacatures, de toekenning van een hypotheek, het diagnosticeren van ziekten – steeds vaker kunnen machines dat, nu al, beter dan wij.

Word je nu bang dat je baan binnenkort wordt ingepikt door een machine? Werk gaat zeker veranderen, maar vooral ten goede: we gaan veel efficiënter werken. En we zullen veel minder saaie, repetitieve klusjes hoeven doen.

Want technologieën zijn in staat data nauwkeuriger, sneller en op grotere schaal te verwerken. Jasper Wognum, oprichter van Braincreators: “DHL had het probleem dat 20% van pakketjes niet aankwam op het juiste adres. Producten komen steeds vaker uit China waar ze onbekend zijn met ons postcodesysteem. Met kunstmatige intelligentie hebben we dat probleem zo goed als opgelost.”

En wie wel eens naar BNR nieuwsradio luistert hoort waarschijnlijk vaak dezelfde programma’s. BNR is nu gestart met SMART Radio. Dat is radio ‘on-demand’. De BNR audio-content wordt geanalyseerd met speech-to-text en Machine Learning technologie om onderwerpen en overgangen te detecteren. Zo wordt een persoonlijke playlist  gemaakt op basis van jouw interesses.

Niet nieuw

Algoritmen zijn in feite formules, niets nieuws dus. Wil je algoritmen voor je laten werken dan heb je data nodig. Veel data. Wognum’s bedrijf Braincreators ontwikkelde o.a. BNR Smart Radio.’ “Dankzij het internet hebben we meer data dan ooit. Dat gecombineerd met ongelimiteerde dataopslag en een enorme computerkracht maakt kunstmatige intelligentie relevanter dan ooit.

Toch zijn veel bedrijven “data rich maar information poor” volgens Stolze: “Jarenlang is veel tijd en geld geïnvesteerd in de digitalisering van processen. Sommige bedrijven zijn zelfs nog bezig met de digitaliseringsslag. Het heeft veel data opgeleverd maar dat wordt pas echt interessant als het slim wordt ingezet.”

Netflix

Een mooi voorbeeld is Netflix. Toen de meeste mensen nog dvd’s kochten, koos Netflix (toen zelf uitgever van dvd’s) voor een andere koers: video on demand. The rest is… data.  Netflix heeft een berg aan data. Netflix weet wat je wilt zien, nog voor je dat zelf weet. Welke programma’s je kijkt, hoe lang, wanneer je afhaakt. Alles gaat door de algoritmen van Netflix. Handig voor ons: het serie-aanbod is op onze voorkeuren toegesneden. Handig voor Netflix: ze kunnen beter voorspellen welke series in de smaak gaan vallen. Toen geen enkele producent het idee van Kevin Spacey ‘House of Cards’ wilde produceren durfde Netflix dat wel.

Hoe werkt het?

Hoe werkt Machine Learning? Machine Learning is het herkennen van patronen in grote hoeveelheden gegevens die ogenschijnlijk geen verband met elkaar hebben. Computers hebben een groot aantal voorbeelden nodig om voorspellingen te kunnen doen. Door al onze activiteit op internet hebben bedrijven een enorme bron aan voorbeelden waarvan computers kunnen leren. Een algoritme bladert razendsnel door die grote hoeveelheden data en gaat op zoek naar overeenkomsten en verschillen. Zo kan het verbanden, die voor de mens te complex of te moeilijk zijn, vinden. Er zijn 3 soorten machine learning: supervised learning, unsupervised learning en reinforcement learning.

–       Supervised learning: de data die gebruikt wordt is gelabeld. Het programma krijgt een heleboel voorbeelden met bijbehorende juiste antwoorden. Dit noemen we trainen. Het algoritme wordt getraind in de verbanden die moeten worden gelegd.

–       unsupervised learning: Bij supervised learning wordt dus aangegeven welke verbanden gelegd moeten worden, bij unsupervised learning moet het programma het zelf uitzoeken, door in grote hoeveelheden ongelabelde data patronen te herkennen.

–       Reinforcement learning:  Bij deze vorm is het programma niet getraind en krijgt het geen dataset. Het programma krijgt wel een specifiek doel. Om dit doel te bereiken leert het programma van zijn eigen stappen. Simpelweg door trial en error. Een voorbeeld is een computer die leert schaken. De eerste paar keer kun je waarschijnlijk nog winnen, maar nadat de computer vele scenario’s heeft geprobeerd wordt hij onverslaanbaar.

Democratisering gezondheidszorg

Computers zijn dus dankzij kunstmatige intelligentie bijzonder goed in staat om op basis van een enorme berg gegevens beslissingen te nemen. Zoals in de gezondheidszorg. Op dit moment zijn computers al net zo goed, of beter, in het vaststellen van sommige complexe diagnoses dan artsen. Binnen een paar seconden geeft de technologie niet alleen een diagnose maar stelt het ook een passende behandeling voor.

Ook de financiële sector gebruikt AI. Bijvoorbeeld om fraude te herkennen.

En wanneer is een verzekeringsclaim vals? Bij verzekeringsmaatschappij Lemonade dien je een claim in via de camera van je computer. Het algoritme analyseert of je waarheid spreekt.

Maar ook in de sport. Sport-algoritmen worden intensief gebruikt om data over eigen prestaties en die van tegenstanders te analyseren. En om sporters voor te bereiden op wedstrijden.

Komt er straks geen mens meer aan te pas?

De komende jaren zullen banen verdwijnen, andere functies zullen ontstaan. Trendwatcher Jarno Duursma: “Knip je baan in dertig stukjes, sommige werkzaamheden zullen worden overgenomen.” Volgens de geniale wereldkampioen schaken Garri Kasparov is treuren om het verlies van banen aan technologie net zoiets als klagen dat antibiotica zoveel grafdelvers werkloos heeft gemaakt. Zelf verloor de man die onverslaanbaar leek, twintig jaar geleden al van een computer.

Mensen zullen dus altijd nodig zijn. Machines zijn goed in repetitieve klussen en kunnen ten slotte maar één ding: patronen ontdekken in gigantische hoeveelheden data. Het is een bijzonder sterke technologie, maar geen wondermiddel dat al onze problemen oplost.

De technologie is ook continu in ontwikkeling. De uitkomst van een algoritme geeft nog geen 100% zekerheid. Er is altijd een arts, financieel deskundige etc nodig om de uitkomst te controleren. Duursma: “Data is een spiegel, geen magie. De output is het resultaat van wat wij er in stoppen. Stop je er rommel in dan komt er ook weer rommel uit. Het gevaar is dat we ervan uitgaan dat de computer altijd gelijk heeft.”

Hoe het fout kan gaan werd duidelijk toen Amazon met AI cv’s scande. Het algoritme bleef cv’s van vrouwen onderop de stapel leggen. Al snel werd duidelijk waarom: de machine was getraind met cv’s van de afgelopen 10 jaar. Omdat het om IT-banen ging, waren dat vooral mannen. Wil je met AI aan de slag, dan moet je er dus eerst voor zorgen dat je data op orde is. Hoe beter de kwaliteit van de data, hoe beter de uiteindelijke nauwkeurigheid van het algoritme.

Afgewezen door algoritme

Nu steeds meer beslissingen worden genomen door algoritmen vindt Stolze dat bedrijven verplicht moeten zijn om inzicht te geven in hoe beslissingen worden genomen. Maar doordat algoritmen zo complex zijn, is het vaak lastig te doorgronden hoe het algoritme tot een bepaald besluit is gekomen.

Stel, je solliciteert voor een baan en wordt afgewezen. In de procedure is een algoritme gebruikt, en je hebt het idee dat die niet klopt. Dat is bijna onmogelijk te bewijzen.

Toen Harvard professor Latanya Sweeney haar naam googelde vond ze als resultaat ‘Latanya Sweeney, Arrested’. Volgens de google-advertentie had ze een arrestatiegeschiedenis die ze moest laten verwijderen. Duizenden zoekacties verder ontdekte ze dat veel meer mensen met afro-Amerikaanse namen ook overstelpt werden met dit soort reclame. Sweeney had al een baan, maar stel dat een potentieel werkgever haar naam tijdens een sollicitatieprocedure gegoogeld had.

Algoritmen beïnvloeden ons eenvoudig

De Finse overheid vindt dat het zo belangrijk dat iedereen begrijpt hoe algoritmen werken en hoe ze ons gedrag en meningen kunnen beïnvloeden, dat ze een online cursus hebben gelanceerd. Stolze is bezig met een Nederlandse variant die binnenkort gratis online verschijnt: www.ai-cursus.nl.

Want hoe eenvoudig algoritmen ons beïnvloeden bleek wel tijdens de laatste Amerikaanse presidentsverkiezingen. Tussen de partijen werd over en weer met modder gegooid. Een van de beschuldigingen van Trump was dat Obama aanstichter van IS zou zijn. Veel Trump aanhangers geloofden dat. Kijk naar de werking van google en je begrijpt waarom. Het algoritme van de zoekmachine plaatst, op basis van eerder zoekgedrag, artikelen waarin Obama hiervan beschuldigd wordt, bovenaan. De meeste mensen kijken alleen naar de eerste pagina met tien hits en denken: Google toont deze resultaten, het zal dus wel waar zijn.

En dan is er ook nog fake news dat niet van echt te onderscheiden is. Duursma “Met AI is het makkelijker dan ooit om misleidende beelden te maken en informatie te verdraaien.” Bekend is het nepfilmpje waarin Obama waarschuwt voor nepnieuws.

Er valt dus nog veel terrein te winnen. Maar de snelheid waarmee kunstmatige intelligentie verweven raakt met ons leven is zo hoog, dat we nog niet realiseren hoe diepgaand het ons werk en leven beïnvloedt en alleen nog maar meer zal gaan beïnvloeden.

Tekst: Juliette de Swarte

Een goed ingericht inhuurproces kan naast tijd- en kwaliteitswinst ook forse kostenbesparingen opleveren. Bij strategische personeelsplanning hoort een professioneel ingerichte flexibele schil. Brainnet adviseert organisaties bij het inrichten van hun flexibele schil. Wij ontzorgen organisaties volledig als het gaat om het zoeken en vinden van de juiste professionals, het opstellen en beheren van inhuurcontracten, de facturatie, realtime management informatie, leveranciersmanagement en het minimaliseren van inhuurrisico’s. Wij geloven in transparante samenwerkingsverbanden waarbij talent waarde toevoegt aan ondernemingen. Bekijk alle berichten van Brainnet

Eén reactie op dit bericht