⇒ Biografie 

Hubert Wassner is een ingenieur op het gebied van data-analyse. Na 10 jaar een leraar te zijn geweest op het gebied van algoritmes en Machine Learning op de technische school (ESIEA), is hij nu Chief Data Scientist bij AB Tasty.
Volgens hem leeft Machine Learning nu tussen hoop en vrees: zijn we aan het begin van Machine Learning, zoals we zien in science fiction films? Wat als niet alles zo “Manicheeër” is? Wat als deze nieuwe aanpak echter de mensen nieuwe mogelijkheden geeft, zonder te benoemen welke rol het kan spelen?

Als een expert op dit gebied, wil hij graag laten zien hoe een goed gebruik van AI business en banen kan genereren.

Wanneer data het mogelijk maakt om voorgaande onoplosbare problemen op te lossen

Machine Learning bestaat uit het gebruiken van grote hoeveelheden data en leren van algoritmes, wat het mogelijk maakt om problemen op te lossen die voorheen onoplosbaar waren. Een voorbeeld van bekende applicaties is onder andere Watson, IBM’s intelligente machine, die concurreert met briljante doctoren. Als het gaat om de autonome auto van Google, gaat het over het revolutioneren van de mobiliteit. Dichter bij huis, heeft Machine Learning een impact op ons dagelijks leven: een voorspellende analyse van het winkelwagentje, schatting van een risico bij een banklening … Tot slot, deze methode is de oorsprong van het enorme ontwikkelingsmodel van de nieuwe economie, zoals Uber of Airbnb.

Machine Learning, twee verschillende benaderingen

  • De eerste benadering is onder toezicht (bewaakt)

In deze benadering bestaan de leervoorbeelden uit data en het verwachte resultaat. Bijvoorbeeld, om een spraakherkenningssysteem te creëren, bestaat de data uit de spraak samples, het verwachte resultaat zijn hun eigenaren. Deze benadering leert ons hoe we antwoorden van een menselijke expert kunnen reproduceren, die de benadering heeft geleerd aan de hand van voorbeelden.

  • De tweede benadering is niet onder toezicht (onbewaakt)

Voor deze benadering bestaan de voorbeelden uit alleen data, zonder een verwacht resultaat. Het leren wordt bij beide benaderingen op dezelfde wijze gedaan. Het programma zelf beslist hoe ze de data verwerken en segmenteren, volgens een logische werkwijze: op indeling per geslacht, per leeftijd, per oogkleur, etc. Deze benadering vereist meer deskundigheid dan de vorige benadering. Het nut hiervan is om nieuwe manieren te vinden waar we nooit aan hebben gedacht.

In het kader van web-gebaseerde data, heeft het creëren van bezoekerssegmenten in een onbewaakte aanpak veel voordelen. Dit maakt het mogelijk om verder te gaan dan de ontvangen ideeën en om nieuw gedrag van de bezoekers te herkennen.

En hoe zit het met de business en werkgelegenheid?

De bewaakte aanpak van Machine learning heeft een meer geruststellend aspect, omdat het gecontroleerd en beperkt is. Maar het kan ook een groot obstakel zijn! Wanneer het geprogrammeerd wordt door een expert, is de machine in staat om het te vervangen. Normaal gesproken kan spraakherkenning de plaats innemen van een secretaresse als het gaat om het maken van notities, en ook kan de autonome auto de bestuurder onnodig maken, etc.

Aan de andere kant, wanneer de aanpak onbewaakt is, is de rol van de expert om een lerende protocol te creëren zonder expliciete doelstelling, dat zichzelf gaat leiden in het zinvol leren. Het is een nuance van omvang dat deze aanpak subtieler maakt, met als voornaamste doel niet om een taak te automatiseren, maar om nieuwe te ontdekken. In dit geval vervangt Machine Learning geen menselijk werk. Hij creëert simpelweg informatie die niet eerder bestond. De mens blijft essentieel om controle te houden over de machine, omdat de onvoorspelbare kant van de machine gevaarlijk kan zijn.

Dit is een van de redenen waarom de toezichthoudende aanpak momenteel het meest wordt gebruikt, omdat het makkelijk te implementeren en minder riskant is. Maar het is wel vernietigend voor banen van korte termijn. De moeite maken om naar een onbewaakte aanpak te gaan is daarom momenteel de enige mogelijke weg voor AI om werkgelegenheid te behouden en zelfs nieuwe banen te creëren.

 

Om meer te weten te komen over dit artikel, kan je kijken op de Franse website LesEchos.fr