Machine learning: wat is het en waarom is het belangrijk?

Thomas de Jong | 18 september 2017

Een tijdje geleden schreef ik een artikel over Big Data. Daarin vertelde ik je dat we met z’n allen steeds meer data produceren, en dat die data ons een heleboel kan leren. Een van de manieren waarop we van die data proberen te leren, is door middel van machine learning. In dit artikel vertel ik je wat dat inhoudt, hoe het werkt en waarom het belangrijk is.

Wat is machine learning?

De uitvinding van de computer heeft ons leven veranderd. Dat komt omdat computers berekeningen kunnen maken met de snelheid van het licht. En dat is een stuk sneller dan de gemiddelde mens. Oké, dat is zelfs véél sneller dan wie dan ook. Door de rekensnelheid van computers hebben we ontdekkingen gedaan over van alles en nog wat: van de grootte van het heelal tot de manier waarop subatomische deeltjes zich gedragen.

Toch is een computer in de kern niet slim te noemen. Ze kunnen namelijk niks zelf, ze voeren alleen uit wat wij ze geleerd hebben. Google vindt bijvoorbeeld razendsnel afbeeldingen van katten, maar alleen omdat wij verteld hebben op welke afbeeldingen katten staan. Maar een computer kan geen live-video in de gaten houden en ons waarschuwen als er een kat in beeld is.

Daar komt machine learning om de hoek kijken. Machine learning houdt in de basis in dat we computers leren ‘slim’ te zijn, om op dezelfde manier te leren als wij. Maar dan op een veel grotere schaal. Een computer kan dan op basis van data inzicht krijgen en keuzes maken.

Dit gebeurt door slimme algoritmes en het verwerken van enorme hoeveelheden data. Op basis van data uit het verleden kun je vervolgens voorspellingen voor de toekomst doen. Google liet bijvoorbeeld begin dit jaar al zien dat het een API heeft die video’s kan classificeren, zonder dat er een mens aan te pas komt. Machine learning is een soort kunstmatige intelligentie, waardoor computers niet meer geprogrammeerd hoeven te worden, maar zichzelf ontwikkelen aan de hand van de data die ze verwerken.

Hoe werkt machine learning?

Een paar jaar geleden hield Google een bijeenkomst waarin de basis van machine learning werd uitgelegd. Elk machine learning-systeem bestaat uit 3 onderdelen: het model, de parameters en het systeem dat ervan leert. Google gebruikte een simpel voorbeeld, waarmee duidelijk wordt hoe machine learning aan de hand van deze 3 onderdelen werkt.

Stel dat een leraar machine learning wil gebruiken om erachter te komen hoe lang z’n studenten moeten studeren voor het beste resultaat. Hij begint met het maken van een model. Het model is een voorspelling. De leraar denkt dat je met 1 uur blokken een 6 haalt, met 2 uur een 7, met 3 uur een 8, met 4 uur een 9 en met 5 uur een 10.

Student achter stapel boeken.

Deze student is zo te zien wel klaar met blokken.

Dit model wordt overgenomen door het systeem, en vervolgens wordt er echte data aan toegevoegd. De leraar vult een paar parameters in: 4 cijfers van studenten en de tijd die ze gestudeerd hebben. Wat blijkt? De voorspelling klopt niet helemaal, dus het leren kan beginnen!

Het systeem kijkt naar de ingevoerde data, en past vervolgens de voorspelling aan. In de praktijk haal je met 1 uur studeren namelijk maar een 5,5, en moet je 6 uur blokken voor een 10. Hoe meer data er wordt toegevoegd, hoe nauwkeuriger de voorspellingen worden. Het machine learning-systeem ontwikkelt op deze manier zelfstandig een nieuwe model, dat nauwkeuriger is dan het oorspronkelijke model.

10 praktische toepassingen van machine learning

Er is natuurlijk geen enkele leraar die een computer gaat laten bepalen hoeveel tijd z’n studenten moeten studeren voor een goed cijfer. Het is dan ook maar een voorbeeld. Gelukkig zijn er ook genoeg praktische toepassingen te bedenken:

Bescherming tegen malware

Machine learning wordt gebruikt om malware te herkennen en op tijd tegen te houden. Het wordt ook gebruikt om patronen in het gebruik van de cloud te herkennen, zodat er op tijd gewaarschuwd wordt als er iets onverwachts gebeurt.

Persoonlijke bescherming

Machine learning kan ingezet worden bij het screenen van mensen bij grote evenementen, zodat de wachtrijen korter worden en de veiligheid wordt vergroot.

Financiële handel

Wie wil er nou niet kunnen voorspellen welke aandelen gaan zakken en welke gaan dalen? Met machine learning komt dat steeds dichterbij.

Beursnotities op een scherm.

De toekomst van financiële handel zal zeker veranderen door machine learning.

Gezondheidszorg

Door enorme hoeveelheden data te analyseren, kan machine learning meer patronen herkennen dan mensen. Er is bijvoorbeeld een systeem dat mammografieën analyseert en borstkanker in een veel vroeger stadium herkent dan artsen.

Gepersonaliseerde marketing

Steeds meer bedrijven gebruiken machine learning in het personaliseren van hun marketing. Door precies in de gaten te houden wat klanten doen en die data direct te verwerken, kunnen bedrijven persoonlijke aanbiedingen doen.

Detecteren van fraude

Machine learning kan helpen bij het ontdekken van fraude. Bijvoorbeeld bij PayPal, waar het gebruikt wordt om miljoenen transacties te analyseren en te bepalen wat legitieme transacties zijn en wat niet.

Aanbevelingen

Bedrijven als Amazon en Netflix gebruiken machine learning om je aanbevelingen te doen. Ze bekijken je koop- of kijkgedrag, en zetten dat af tegen het gedrag van miljoenen andere gebruikers. Op basis daarvan krijg je aanbevelingen die je op je lijf zijn geschreven.

Online zoeken

Dit is het meest bekende voorbeeld van machine learning: zoek je via Google en klik je op de eerste link? Dan gaat Google ervan uit dat je gevonden hebt wat je zocht. Klik je verder naar de 2epagina, of vul je nieuwe zoektermen in? Dan snapt Google dat je niet hebt gevonden wat je zocht. Zo leert het je steeds betere resultaten voor te schotelen.

Natural Language Processing

Computers leren de menselijke taal steeds beter begrijpen en gebruiken. Er zijn tegenwoordig al virtuele assistenten die bijna niet van echte mensen te onderscheiden zijn. Ook wordt deze techniek gebruikt om juridische taal uit contracten begrijpelijker te maken. De systemen hierachter gebruiken machine learning om steeds beter te functioneren.

Zelfrijdende auto’s

Er wordt al druk geëxperimenteerd met zelfrijdende auto’s. Hierbij wordt machine learningingezet, zodat auto’s meer van hun omgeving snappen. Daardoor reageren ze sneller en adequater op onverwachte gebeurtenissen, en wordt de veiligheid verhoogd.

Tot slot

De verwachting is dat machine learning de komende jaren alleen maar verder gaat toenemen. Dat komt niet alleen door de grote hoeveelheid data die beschikbaar is, maar ook omdat processors steeds goedkoper worden, en de opslagruimte voor al die data steeds beter geregeld is in de cloud. Onze databasehosting is bijvoorbeeld heel geschikt voor deze toepassingen.

Nog geen 4 jaar geleden dachten experts dat het nog 10 jaar zou duren voor een computer de wereldkampioen Go! kon verslaan. Ze hadden ongelijk, Google’s AlphaGo klaarde die klus dit jaar. Misschien is dat geen hele zinvolle toepassing van machine learning, maar het laat wel zien hoe snel de ontwikkelingen gaan. Ik ben benieuwd hoe de techniek zich verder ontwikkelt, ik krijg er alvast wel een beetje Skynet-kriebels van…