YouTube’s Algoritmes zien vechtende robots aan voor dierenmishandeling

Het was maar een klein bericht, maar veel gedeeld. YouTube filters die met algoritmes werken hebben filmpjes van vechtende robots aangezien voor dierenmishandeling en dus geblokkeerd. 

Uiteindelijk hebben de eigenaren van de filmpjes dit recht kunnen zetten, maar het was niet eenvoudig om door de processen van YouTube te komen. 

Storm in een glas water?

Je zou kunnen zeggen, ‘en nu weer over naar de orde van de dag’ en aan de gang met belangrijke zaken.

Maar dit voorval geeft wel heel duidelijk aan waar we staan met de inzet van Algoritmes. Namelijk nog in de kinderschoenen. Aan de ene kant kunnen we niet meer zonder. Op YouTube worden 300 uur aan video’s per minuut geplaatst, dat kun je niet meer met de hand beoordelen. We leven nu eenmaal in een data tijdperk en net als YouTube produceert iedere organisatie massa’s data en informatie. Kijk alleen maar eens hoeveel mail en social media we samen produceren, en kijk eens hoeveel zakelijke data je ieder uur produceert. Dus je hebt wel iets aan technologie nodig om al dat volume aan data te managen of te verwerken.

Ik werk zelf regelmatig voor opdrachtgevers die dossiers hebben van duizenden pagina’s en geacht worden daar in een paar minuten de meest belangrijke zaken uit te halen. Dat is geen mensenwerk meer, daar heb je ondersteuning voor nodig. Je kunt iemand niet de verantwoording geven voor beslissingen en daarbij afdwingen dat je in beperkte tijd geacht worden duizenden pagina’s tekst door te lezen. Als dit uiteindelijk een keer fout gaat, en dat gaat het, dan blijkt als je met een heel team wekenlang alle informatie analyseert dat net dat ene stukje cruciale informatie er wel was. Dat wil je toch vooraf weten?

Dus dan maar iedereen aan het Algoritme?

Algoritmes worden enorm gehyped, net als Artificial Intelligence. Op zich niet zo gek, je kunt er ontzettend mooie dingen mee doen die tot voor kort ondenkbaar waren. Waar je voorheen een gedetailleerd plan moest maken,  jaren aan het  programmeren was om uiteindelijk iets te krijgen wat al weer oud was, kun je nu bijna direct aan de slag in de praktijk en je oplossing leren hoe om te gaan met informatie. De hype zit in de menselijke, vaak commerciële behoefte om veel meer te beloven dan kan en gevraagd wordt. Er wordt meer gesproken over de toekomst dan het heden, terwijl dat heden al zo mooi is.

Het is toch al prachtig dat je door onnoemelijk grote hoeveelheden data kunt zoeken naar zaken die voor jou relevant zijn? Zo ontdek je zaken waar je zelf, ondanks al je kennis en ervaring nooit aan gedacht had. Eenmaal op dit goede spoor kun je jouw kennis en kunde nog beter laten floreren. Maar ja, als je concurrent roept dat deze niet alleen informatie kan vinden maar ook nog eens complexe beslissingen kan nemen, dan klinkt dat wel aantrekkelijk, voor een bepaalde doelgroep tenminste. 

Er zijn meer Algoritmes dan je denkt

Algoritmes zijn en in duizenden varianten, en de meeste mensen maken deze het liefst zelf. Zie het heel simpel uitgelegd als de automatisering van het taken/denk proces dat je als mens uitvoert om iets te doen. Dankzij de enorme rekenkracht die computers vandaag de dag hebben, hoeven programmeurs geen rekening meer te houden met beperkingen, en kunnen ze dus jouw en vele andere denkprocessen tegelijk laten lopen. Ter illustratie: een computer kan met gemak 5.000 pagina’s per seconde lezen en interpreteren. En zo zet youTube dus Algoritmes in om video’s te bekijken. Zij hebben miljoenen video’s laten bekijken door mensen en het menselijke analyse gedrag aangeleerd aan hun computer middels een Algoritme. 

Ook jij gebruikt ze al

Dus ja, het zou logisch zijn dat iedereen zich laat ondersteunen door Algoritmes. Overigens doen we dit al meer dan je misschien denkt.  Je smartphone maakt middels een Algoritme je foto’s veel beter dan dat wanneer je alle instellingen zelf zou moeten regelen. Er zouden heel wat minder filmpjes en foto’s zijn als iedereen steeds 5 minuten bezig was om de optimale settings in te stellen. Google maps houdt constant in de gaten waar je komt, zodat deze zelfs kan vertellen wanneer het tijd is om naar een reguliere afspraak te gaan, terwijl deze helemaal niet in je agenda staat. Zoek je wat op op internet? Grote kan dat als je begint met typen je zoekmachine al met suggesties komt die te maken hebben met wat je zoekt. Hoe zou dat toch komen….

Natuurlijk wil je ook in je zakelijke omgeving Algoritmes. Je klanten en collega’s willen ook direct antwoord, en het liefst wel zo goed mogelijk. In de aandelenhandel is het blijkbaar lucratief om milliseconden sneller te handelen dan anderen. Dus zet je een Algoritme in. Trouwens leuk als iedereen dit doet, zo gaat de race om innovatie maar door en komt de lat steeds hoger te liggen, terwijl je je kunt afvragen wat het rendement is al iedereen hetzelfde doet.

Waarom maakt iedereen zijn eigen Algoritme

Financiële dienstverleners die nu eenmaal werken vanuit een risico mijdend perspectief hebben er veel baat bij om van iedere klant, iedere transactie alle details te valideren. Dat kan een Algoritme sneller en vollediger dan een mens. Recent bleek dat Nederlandse banken niet voldoende controleren op witwassen. Dit is nog niet zo makkelijk volgende deze banken. Met name zakelijke klanten hebben nogal eens complexe constructies, dat uitzoeken kun je blijkbaar nog niet overlaten aan een computer. Persoonlijk denk ik dat dit intussen wel degelijk kan, maar dat dit waarschijnlijk ook een kosten baten afweging is. Wat mij het meest bevreemd aan deze situatie is dat blijkbaar iedere bank voor zichzelf een oplossing moet hebben. Waarom werk je niet samen onder regie van de DNB, die legt tenslotte de eisen op Maak samen een oplossing en laat deze los op je eigen data. Ik zal hier ongetwijfeld te weinig rekening houden met ego’s, belangen en andere zaken maar ik vraag me af, en niet alleen in deze case, of we het wiel niet honderd keer aan het uitvinden zijn omdat we elkaar het licht in de ogen niet gunnen. Maar dat komt in een andere blog. 

Waar zit dan het gevaar van ‘zelfbeslissend’?

Kijk, het zou rationeel gezien natuurlijk best prettig zijn als computers zaken beter beslissen dan wij mensen kunnen. De ontwikkeling van de zelfrijzende auto is hier een mooi voorbeeld van. Als 94% van de ongevallen in het verkeer veroorzaakt worden door menselijk falen, is hier zeker ruimte voor verbetering. Technisch gezien kan een computer meer factoren meewegen in een beslissing, en kan deze sneller maken. Aangezien autorijden bestaat uit het besturen van een voertuig, het interpreteren van alles wat om je heen gebeurt, een route bepalen en je aan de regels houden is het logisch dat dit beter door een computer zou moeten kunnen dan door mensen. En toch, ondanks alle inspanning, laat de inlossing van de belofte maar op zich wachten. Het was toch niet zo moeilijk? Recent is weer een proef gestopt op een universiteit waar men een robot boodschappen wilde laten bezorgen. Simpel toch, laat een robotje over een campus rijden, lekker langzaam en veilig. Maar toch bleek het vies tegen te vallen op het moment dat het robotje veel voetgangers zag en dus zelf moest beslissen hoe van A naar B te komen. Goed theoretisch plan, de praktijk was toch wat lastiger. 

Risico’s

Dus wat gebeurt er als je in een zakelijke of zelfs medische omgeving een Algoritme aanleert op basis van bepaalde data zelf beslissingen te gaan nemen? De meest gebruikte testmethode is om resultaten te beoordelen. Hé, de resultaten komen overeen met onze verwachtingen dus het Algoritme werkt. Les één van zaken van theorie naar praktijk brengen: DE PRAKTIJK IS ALTIJD ANDERS! Wij mensen willen zo graag dat we iets kunnen, dat we er vaak zelf in gaan geloven, een roze zonnebril opzetten en geen oog meer hebben voor kritiek of andere factoren. Het is zo goed als onmogelijk om zaken te voorspellen. Het is fijn als een Algoritme prettig werkt in een testomgeving. Maar wat als in de praktijk blijkt dat er ineens nieuwe factoren een rol gaan spelen? In het beste geval wordt dit meteen zichtbaar. In het slechtste geval ziet niemand dat het Algoritme verkeerde beslissingen neemt en komen we er pas achter als de schade al geleden is.

In het voorbeeld van YouTube zag het zelfbeslissende Algoritme vechtende robots aan voor dierenmishandeling. Deze fout is niet geconstateerd door YouTube maar door de makers van de filmpjes. In dit geval maakt het niet zoveel uit dat het Algoritme niet perfect is, het heeft nu eenmaal meer capaciteit dan voorheen beschikbaar was dus is er een goede reden om het in te zetten. Als het grootste risico is dat iemand zijn filmpje off-line gaat is dat prima te accepteren. 

Als iemand echter geen hypotheek krijgt, en geen uitleg omdat het Algoritme ‘bedrijfsgeheim’ is kan het zijn dat iemand levenslang onterecht een status krijgt in een systeem. Dat zijn hele andere gevolgen. Laat ik maar niet beginnen over medische of juridische zaken.

Conclusie:

Ja, Algoritmes zijn een uitkomst omdat deze ons mensen uiterst goed kunnen ondersteunen in het doorspitten van data en informatie waardoor wij ons werk beter kunnen doen. 

Dit werk wat beslissingen vergt echter ook door Algoritmes laten doen is iets waar je heel goed over na moet denken. Ten eerste zou je altijd moeten eisen dat de beslissingen transparant en herleidbaar moeten zijn. Zo kun je in geval van fouten je Algoritme aanpassen of aanleren om beter om te worden. Ten tweede: Laat je niet gekken maken of verblind worden dat je heel veel kunt automatiseren. Begin gewoon bij basis zaken, misschien wel net als YouTube onschuldige zaken filteren en kijken hoe dit gaat. Doe ervaring op en blijf heel kritisch. Soms hebben mensen veel meer kennis en sociaal vermogen dan een rationele ontwikkelaar van een Algoritme doorheeft. Algoritmes en Artificial Intelligence inrichten is mensenwerk.

 

Wil je meer weten over algoritmes, Artificial Intelligence, lees dan het blog: Informatiegestuurd werken, dat zouden meer mensen moeten doen

 

 

 

 

 

 

 

 

 

 

 

Blog

Schrijf je in voor het AI Business News, het enige AI news vanuit een management/directie perspectief

Bedankt voor uw inschrijving!