Machine Learning is een term die steeds vaker terug komt. De innovatie van big data en kunstmatige intelligentie heeft de laatste jaren enorme impact gehad op het professionele leven. Machine learning is een stap verder ten opzichte van Big Data. Wat Big Data precies is lees je in dit artikel. Machine learning betekend min of meer dat je een computer ‘leert’ patronen te herkennen en te interpreteren. Hieronder staan een aantal voorbeelden van deze innovatie beschreven om een idee te geven omtrent de mogelijkheden van machine learning die momenteel al gebruikt worden.
Deepdream van Google
Google kan niet ontbreken bij de voorbeelden van machine learning. Google heeft het programma DeepDream. Deepdream is een neuraal netwerk dat patronen zoekt en herkent in foto’s van mensen en dieren. Door te trainen met miljoenen afbeeldingen van gebruikers herkent de software dieren, gezichtsuitdrukkingen van mensen en locaties. Deze informatie wordt dan weer gebruikt in de ‘Photos’ app van Google. Wanneer er foto’s naar deze app geupload worden zal deze suggesties geven voor fotoalbums en filters voor bepaalde foto’s.
Facebook en DeepText
Ook Facebook kan niet ontbreken in de lijst met bedrijven die aan machine learning doet. Een van de voorbeelden van machine learning bij Facebook is het systeem DeepText. DeepText is een algoritme wat berichten herkent en ‘begrijpt’. Een voorbeeld hiervan is wanneer jij tegen een vriend(in) via de Facebook messenger vraagt of hij/zij ook zin heeft in afhaalpizza Facebook direct advertenties laat zien van aanbieders van thuisbezorg pizza’s. DeepText is continue in ontwikkeling, momenteel kan het systeem in tientallen talen berichten herkennen en interpreteren. Hoe meer berichten DeepText analyseert hoe slimmer het systeem wordt. Dit geld overigens voor alle voorbeelden van machine learning.
Scania’s logistieke systeem
De truckfabrikant Scania staat ook niet stil op het gebied van machine learning. Zij hebben een systeem ontwikkeld dat met nauwkeurigheid kan voorspellen wanneer er een truck kapot gaat. Dit geeft enorm veel voordelen met betrekking tot logistieke planning. Wanneer er een lange rit voor de boeg staat is het soms beter een bepaalde truck niet te sturen. Naast dat dit voordelen oplevert gaat het systeem nog verder. Mocht een truck kapot gaan analyseert deze zelf of het goedkoper is om een snelle reparatie te doen langs de snelweg zodat de lading alsnog op tijd is óf te laat te komen en de kosten hiervan voor lief te nemen. Ook hier geldt: hoe meer data en hoe vaker de analyse gedaan wordt hoe nauwkeuriger er een voorspelling gedaan kan worden.
Machine Learning en de toekomst
Deze drie voorbeelden van machine learning zijn slechts enkele mogelijkheden die bekend zijn. Niet alleen de grote tech bedrijven zijn hiermee bezig maar ook andere sectoren. Een artikel over big data in de bouwbranche is een ander voorbeeld. De verwachting is dat Machine Learning en kunstmatige intelligentie een enorme opmars zal maken. In vrijwel alle sectoren en applicaties zullen deze toepassingen gebruikt gaan worden om zo afgestemd op de gebruiker een aanbieding kunnen doen.
Lees meer over Big Data, AI en Machine Learning in de laatste boeken over Big data & Scrum
