20-04-2017 / blog / Erik de Jong
Machine Learning leren

Machine Learning leren

 

"Machine Learning" klinkt spannend in mijn oren. Enerzijds omdat computers steeds meer kunnen en ons op veel vlakken overvleugelen. Googles Deepmind wint van de menselijke Go-kampioen. Bijna eng om te zien hoe snel ‘hij’ computergames onder de knie krijgt. Machine learning lijkt zelfs te voorspellen wanneer ik met mijn partner ruzie krijg! Wat voor symbiose zullen wij in de toekomst aangaan met deze onmenselijke talenten?

 

Anderzijds ook goed om de ontwikkelingen te bekijken door de bril van performance en professionaliseren: heerlijk als machines ons kunnen ondersteunen voor de eenvoudiger zaken. Toch? 

afbeelding 1

Volgens Bersin is 'Intelligent Learning' de komende trend voor 2020. Wat ooit een hoofdingredient voor SciFi was, wordt langzaamaan een praktisch haalbare oplossing. IBM’s Watson helpt je om zelf een slimme chatbot te bouwen. En Amazon voorspelt niet alleen je volgende aankoop via predictive analytics, maar biedt Machine Learning als dienst aan.

 

Een mooi thema voor onze recente lunchsessie, na eerdere edities over Mixed Reality en Performance Mindset. Bij het voorstelrondje van de kleinschalige lunchsessie bleken voor dit thema echt alleen de grootste, vooraanstaande concerns aanwezig. Ook zij hebben echter nog maar weinig volwassen voorbeelden van machine learning.

 

Een belangrijke drempel is de data zelf. Het blijkt vaak lastig om voldoende geschikte data beschikbaar te krijgen. Data over uitdagingen, prestaties en vragen van medewerkers. Dat is de essentiële voedingsbodem voor slimme ondersteuning en voorspelling.

 

afbeelding 2

Dat was ook een belangrijk inzicht van mijn collega’s die afgelopen maanden aan de slag waren met ‘gespreksroutering’ bij een groot call center. Het zelflerende algoritme kan daar alleen effectief zijn als er veel en hoogwaardige data beschikbaar is. Verschillende partijen bleken bezig met het herontwerp van het gehele architectuurplaatje om de medewerkers heen, waarbij ze zeker ook een Learning Record Store overwegen.

 

Expert Hugo Koopmans bracht de discussie in een stroomversnelling. Hij gaf ons een korte crash course. We weten nu iets beter termen als triples, foaf en sparql te plaatsen. Pittige stof wel, maar cruciaal om relevant te blijven in de ‘digitale transformatie’, dat was mij eerder wel duidelijk geworden!

 

Het bleef echter niet bij theorie: Hugo vertelde ook open over successen en uitdagingen bij eerdere trajecten. Juridische valkuilen zijn wel bekend, maar zeker ook op het vlak van (leer)cultuur zijn er veel consequenties.

 

Fascinerende trajecten met veel eye-openers kwamen voorbij. Ik zou zelf bijvoorbeeld niet zo snel denken aan geluid denken als zinvolle data. Op basis daarvan kun je stropers vangen, grootsteedse criminaliteit bestrijden en zelfs productiviteit op kantoor in kaart brengen!

 

Het mooiste voorbeeld vond ik zelf de Expert Finder. Dat is een applicatie op het vlak van kennismanagement en social learning. Op dat vlak hebben we trends voorbij zien komen. In de jaren 80 werden de leerervaringen uit projecten nog netjes opgeborgen in ladekasten. In de jaren 90 vulden we competentieprofielen, later gevolgd door balanced score cards en (kortcyclische) peer feedback. Terugkijkend concluderen we keer op keer dat het veel tijd kost en weinig oplevert. In potentie prachtig, maar in de praktijk teveel gedoe. In mijn beleving zullen oplossingen als de Expert Finder wel het omslagpunt vormen.

 

Het in kaart brengen van de kennis of bijdrage van collega’s gebeurt automatisch, op basis van alles dat de medewerker oplevert. Documenten op de server, intranet, chats en discussies bijvoorbeeld. Of het hele corporate leren van de organisatie via een xAPI database. Eventueel zelfs de mailtjes van de individuele medewerkers, grijnsde Hugo. Hij wachtte even tot we verontwaardigd de privacy issues aansneden. In ieder geval niet op basis van CV’s, die formeel, sociaal wenselijk en direct verouderd zijn.

 

In de Expert Finder kun je semantisch of op keyword zoeken naar wat je wilt weten. Je komt direct terecht bij collega’s die jou het beste verder kunnen helpen. Eventueel te combineren met een chatbot, of het vinden van documenten zelf.

 

Ik kan niet wachten om aan de slag te gaan en meer te leren over Machine Learning!

 

 

 

afbeelding 3