Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

De Macht van Data --- Hoe algoritmen ons leven vormgeven

198 views

Published on

Slides of the introductory talk I gave at an event at De Balie: "De macht van data" on June 18th, 2017.
For a video recording of the talk see: http://graus.co/blog/mini-college-algoritmen/

Published in: Technology
  • Login to see the comments

  • Be the first to like this

De Macht van Data --- Hoe algoritmen ons leven vormgeven

  1. 1. Hoe algoritmen ons leven vormgeven David Graus @dvdgrs
  2. 2. Algoritme?
  3. 3. “een eindige reeks instructies die vanuit een gegeven begintoestand naar een beoogd doel leidt.” https://nl.wikipedia.org/wiki/Algoritme Algoritme?
  4. 4. “een eindige reeks instructies die vanuit een gegeven begintoestand naar een beoogd doel leidt.” https://nl.wikipedia.org/wiki/Algoritme Algoritme?
  5. 5. Daar gaan we het vanavond dus niet over hebben…
  6. 6. Machine Learning
  7. 7. Machine Learning • Subgebied van “AI” (Kunstmatige Intelligentie)
  8. 8. Machine Learning • Subgebied van “AI” (Kunstmatige Intelligentie) • The subfield of computer science that “gives computers the ability to learn without being explicitly programmed”
  9. 9. • “AI-hype” • IBM (Watson), Google (DeepMind) • Futuristisch: Tesla (zelf-rijdende auto’s)
  10. 10. Trouwens…
  11. 11. Trouwens… “The meaning of a word is its use in the language”
 — Wittgenstein
  12. 12. Trouwens… “The meaning of a word is its use in the language”
 — Wittgenstein • “Machine Learning Model” ≈ Algoritme
  13. 13. Hoe werkt een algoritme?
  14. 14. ML 101 Daniel Tunkelang, quora.com/How-do-you-explain-machine-learning-to-a-child
  15. 15. ML 101 • Taak: Voorspel: is iets lekker of niet lekker? Daniel Tunkelang, quora.com/How-do-you-explain-machine-learning-to-a-child
  16. 16. ML 101 • Taak: Voorspel: is iets lekker of niet lekker? • Stap 1: Verzamel data Daniel Tunkelang, quora.com/How-do-you-explain-machine-learning-to-a-child
  17. 17. ML 101 • Taak: Voorspel: is iets lekker of niet lekker? • Stap 1: Verzamel data IJs Pizza Aardbeien Sardines Broccoli Spruitjes Daniel Tunkelang, quora.com/How-do-you-explain-machine-learning-to-a-child
  18. 18. ML 101 • Taak: Voorspel: is iets lekker of niet lekker? • Stap 1: Verzamel data IJs Pizza Aardbeien Sardines Broccoli Spruitjes Lekker Lekker Lekker Niet lekker Niet lekker Niet lekker Daniel Tunkelang, quora.com/How-do-you-explain-machine-learning-to-a-child
  19. 19. Feature Extraction IJs Pizza Aardbeien Sardines Broccoli Spruitjes Lekker Lekker Lekker Niet lekker Niet lekker Niet lekker Daniel Tunkelang, quora.com/How-do-you-explain-machine-learning-to-a-child
  20. 20. Feature Extraction Stap 2: Beschrijf: is het zoet, zout, knapperig, groente? IJs Pizza Aardbeien Sardines Broccoli Spruitjes Lekker Lekker Lekker Niet lekker Niet lekker Niet lekker Daniel Tunkelang, quora.com/How-do-you-explain-machine-learning-to-a-child
  21. 21. Feature Extraction Stap 2: Beschrijf: is het zoet, zout, knapperig, groente? IJs Pizza Aardbeien Sardines Broccoli Spruitjes zoet zout knapperig groente Lekker Lekker Lekker Niet lekker Niet lekker Niet lekker Daniel Tunkelang, quora.com/How-do-you-explain-machine-learning-to-a-child
  22. 22. Feature Extraction Stap 2: Beschrijf: is het zoet, zout, knapperig, groente? IJs Pizza Aardbeien Sardines Broccoli Spruitjes zoet zout knapperig groente Lekker Lekker Lekker Niet lekker Niet lekker Niet lekker Daniel Tunkelang, quora.com/How-do-you-explain-machine-learning-to-a-child
  23. 23. Feature Extraction Stap 2: Beschrijf: is het zoet, zout, knapperig, groente? IJs Pizza Aardbeien Sardines Broccoli Spruitjes zoet zout knapperig groente Lekker Lekker Lekker Niet lekker Niet lekker Niet lekker Daniel Tunkelang, quora.com/How-do-you-explain-machine-learning-to-a-child
  24. 24. Feature Extraction Stap 2: Beschrijf: is het zoet, zout, knapperig, groente? IJs Pizza Aardbeien Sardines Broccoli Spruitjes zoet zout knapperig groente Lekker Lekker Lekker Niet lekker Niet lekker Niet lekker Daniel Tunkelang, quora.com/How-do-you-explain-machine-learning-to-a-child
  25. 25. Feature Extraction Stap 2: Beschrijf: is het zoet, zout, knapperig, groente? IJs Pizza Aardbeien Sardines Broccoli Spruitjes zoet zout knapperig groente Lekker Lekker Lekker Niet lekker Niet lekker Niet lekker Daniel Tunkelang, quora.com/How-do-you-explain-machine-learning-to-a-child
  26. 26. Feature Extraction Stap 2: Beschrijf: is het zoet, zout, knapperig, groente? IJs Pizza Aardbeien Sardines Broccoli Spruitjes zoet zout knapperig groente Lekker Lekker Lekker Niet lekker Niet lekker Niet lekker Daniel Tunkelang, quora.com/How-do-you-explain-machine-learning-to-a-child
  27. 27. Feature Extraction Stap 2: Beschrijf: is het zoet, zout, knapperig, groente? IJs Pizza Aardbeien Sardines Broccoli Spruitjes zoet zout knapperig groente Lekker Lekker Lekker Niet lekker Niet lekker Niet lekker Daniel Tunkelang, quora.com/How-do-you-explain-machine-learning-to-a-child
  28. 28. Feature Extraction Stap 2: Beschrijf: is het zoet, zout, knapperig, groente? IJs Pizza Aardbeien Sardines Broccoli Spruitjes zoet zout knapperig groente Lekker Lekker Lekker Niet lekker Niet lekker Niet lekker Daniel Tunkelang, quora.com/How-do-you-explain-machine-learning-to-a-child
  29. 29. Feature Extraction Stap 2: Beschrijf: is het zoet, zout, knapperig, groente? IJs Pizza Aardbeien Sardines Broccoli Spruitjes zoet zout knapperig groente Lekker Lekker Lekker Niet lekker Niet lekker Niet lekker Daniel Tunkelang, quora.com/How-do-you-explain-machine-learning-to-a-child
  30. 30. Feature Extraction Stap 2: Beschrijf: is het zoet, zout, knapperig, groente? IJs Pizza Aardbeien Sardines Broccoli Spruitjes zoet zout knapperig groente Lekker Lekker Lekker Niet lekker Niet lekker Niet lekker Daniel Tunkelang, quora.com/How-do-you-explain-machine-learning-to-a-child
  31. 31. Feature Extraction Stap 2: Beschrijf: is het zoet, zout, knapperig, groente? IJs Pizza Aardbeien Sardines Broccoli Spruitjes zoet zout knapperig groente Lekker Lekker Lekker Niet lekker Niet lekker Niet lekker Daniel Tunkelang, quora.com/How-do-you-explain-machine-learning-to-a-child
  32. 32. Feature Extraction Stap 2: Beschrijf: is het zoet, zout, knapperig, groente? IJs Pizza Aardbeien Sardines Broccoli Spruitjes zoet zout knapperig groente Lekker Lekker Lekker Niet lekker Niet lekker Niet lekker Daniel Tunkelang, quora.com/How-do-you-explain-machine-learning-to-a-child
  33. 33. Feature Extraction Stap 2: Beschrijf: is het zoet, zout, knapperig, groente? IJs Pizza Aardbeien Sardines Broccoli Spruitjes zoet zout knapperig groente Lekker Lekker Lekker Niet lekker Niet lekker Niet lekker Daniel Tunkelang, quora.com/How-do-you-explain-machine-learning-to-a-child
  34. 34. Leer een model IJs Pizza Aardbeien Sardines Broccoli Spruitjes zoet zout knapperig groente Lekker Lekker Lekker Niet lekker Niet lekker Niet lekker Daniel Tunkelang, quora.com/How-do-you-explain-machine-learning-to-a-child
  35. 35. Leer een model Leer een ‘puntentelling’ die Lekker/Niet lekker van elkaar kan scheiden IJs Pizza Aardbeien Sardines Broccoli Spruitjes zoet zout knapperig groente Lekker Lekker Lekker Niet lekker Niet lekker Niet lekker Daniel Tunkelang, quora.com/How-do-you-explain-machine-learning-to-a-child
  36. 36. Leer een model Leer een ‘puntentelling’ die Lekker/Niet lekker van elkaar kan scheiden IJs Pizza Aardbeien Sardines Broccoli Spruitjes zoet zout knapperig groente 3 0 3 0 0 0 0 1 0 1 0 0 0 1 0 0 1 1 0 0 0 0 -1 -1 Lekker Lekker Lekker Niet lekker Niet lekker Niet lekker Daniel Tunkelang, quora.com/How-do-you-explain-machine-learning-to-a-child
  37. 37. Leer een model Leer een ‘puntentelling’ die Lekker/Niet lekker van elkaar kan scheiden IJs Pizza Aardbeien Sardines Broccoli Spruitjes 3 2 3 1 0 0 zoet zout knapperig groente 3 0 3 0 0 0 0 1 0 1 0 0 0 1 0 0 1 1 0 0 0 0 -1 -1 Lekker Lekker Lekker Niet lekker Niet lekker Niet lekker Daniel Tunkelang, quora.com/How-do-you-explain-machine-learning-to-a-child
  38. 38. Leer een model Leer een ‘puntentelling’ die Lekker/Niet lekker van elkaar kan scheiden IJs Pizza Aardbeien Sardines Broccoli Spruitjes 3 2 3 1 0 0 zoet zout knapperig groente 3 0 3 0 0 0 0 1 0 1 0 0 0 1 0 0 1 1 0 0 0 0 -1 -1 Lekker Lekker Lekker Niet lekker Niet lekker Niet lekker Daniel Tunkelang, quora.com/How-do-you-explain-machine-learning-to-a-child
  39. 39. Leer een model Leer een ‘puntentelling’ die Lekker/Niet lekker van elkaar kan scheiden IJs Pizza Aardbeien Sardines Broccoli Spruitjes 3 2 3 1 0 0 zoet zout knapperig groente 3 0 3 0 0 0 0 1 0 1 0 0 0 1 0 0 1 1 0 0 0 0 -1 -1 Appel Lekker Lekker Lekker Niet lekker Niet lekker Niet lekker Daniel Tunkelang, quora.com/How-do-you-explain-machine-learning-to-a-child
  40. 40. Leer een model Leer een ‘puntentelling’ die Lekker/Niet lekker van elkaar kan scheiden IJs Pizza Aardbeien Sardines Broccoli Spruitjes 3 2 3 1 0 0 zoet zout knapperig groente 3 0 3 0 0 0 0 1 0 1 0 0 0 1 0 0 1 1 0 0 0 0 -1 -1 Appel Lekker Lekker Lekker Niet lekker Niet lekker Niet lekker Daniel Tunkelang, quora.com/How-do-you-explain-machine-learning-to-a-child
  41. 41. Leer een model Leer een ‘puntentelling’ die Lekker/Niet lekker van elkaar kan scheiden IJs Pizza Aardbeien Sardines Broccoli Spruitjes 3 2 3 1 0 0 zoet zout knapperig groente 3 0 3 0 0 0 0 1 0 1 0 0 0 1 0 0 1 1 0 0 0 0 -1 -1 Appel Lekker Lekker Lekker Niet lekker Niet lekker Niet lekker Daniel Tunkelang, quora.com/How-do-you-explain-machine-learning-to-a-child
  42. 42. Leer een model Leer een ‘puntentelling’ die Lekker/Niet lekker van elkaar kan scheiden IJs Pizza Aardbeien Sardines Broccoli Spruitjes 3 2 3 1 0 0 zoet zout knapperig groente 3 0 3 0 0 0 0 1 0 1 0 0 0 1 0 0 1 1 0 0 0 0 -1 -1 Appel Lekker Lekker Lekker Niet lekker Niet lekker Niet lekker Daniel Tunkelang, quora.com/How-do-you-explain-machine-learning-to-a-child
  43. 43. Leer een model Leer een ‘puntentelling’ die Lekker/Niet lekker van elkaar kan scheiden IJs Pizza Aardbeien Sardines Broccoli Spruitjes 3 2 3 1 0 0 zoet zout knapperig groente 3 0 3 0 0 0 0 1 0 1 0 0 0 1 0 0 1 1 0 0 0 0 -1 -1 Appel Lekker Lekker Lekker Niet lekker Niet lekker Niet lekker Daniel Tunkelang, quora.com/How-do-you-explain-machine-learning-to-a-child
  44. 44. Voorspel Bereken de score voor “nieuwe” data. IJs Pizza Aardbeien Sardines Broccoli Spruitjes zoet zout knapperig groente Appel 3 0 1 0 3 2 3 1 0 0 Lekker Lekker Lekker Niet lekker Niet lekker Niet lekker Daniel Tunkelang, quora.com/How-do-you-explain-machine-learning-to-a-child 3 0 3 0 0 0 0 1 0 1 0 0 0 1 0 0 1 1 0 0 0 0 -1 -1
  45. 45. Voorspel Bereken de score voor “nieuwe” data. IJs Pizza Aardbeien Sardines Broccoli Spruitjes zoet zout knapperig groente Appel 3 0 1 0 4 3 2 3 1 0 0 Lekker Lekker Lekker Niet lekker Niet lekker Niet lekker Daniel Tunkelang, quora.com/How-do-you-explain-machine-learning-to-a-child 3 0 3 0 0 0 0 1 0 1 0 0 0 1 0 0 1 1 0 0 0 0 -1 -1
  46. 46. Voorspel Bereken de score voor “nieuwe” data. IJs Pizza Aardbeien Sardines Broccoli Spruitjes zoet zout knapperig groente Appel 3 0 1 0 4 3 2 3 1 0 0 Lekker Lekker Lekker Niet lekker Niet lekker Niet lekker Daniel Tunkelang, quora.com/How-do-you-explain-machine-learning-to-a-child 3 0 3 0 0 0 0 1 0 1 0 0 0 1 0 0 1 1 0 0 0 0 -1 -1 Lekker
  47. 47. Let op
  48. 48. Let op • Andere voorbeelden = ander model = andere output
  49. 49. Let op • Andere voorbeelden = ander model = andere output • Andere “features” = ander model = andere output
  50. 50. Waar raken algoritmen ons leven?
  51. 51. Risico’s…
  52. 52. Risico’s… • ML heeft tot doel m.b.v. (historische) data de meest waarschijnlijke uitkomst te voorspellen.
  53. 53. Risico’s… • ML heeft tot doel m.b.v. (historische) data de meest waarschijnlijke uitkomst te voorspellen. • Aanname: patronen herhalen zich
  54. 54. Risico’s… • ML heeft tot doel m.b.v. (historische) data de meest waarschijnlijke uitkomst te voorspellen. • Aanname: patronen herhalen zich • Gevolg: geleerde “vooroordelen” bestaan voort.
  55. 55. Risico’s… • ML heeft tot doel m.b.v. (historische) data de meest waarschijnlijke uitkomst te voorspellen. • Aanname: patronen herhalen zich • Gevolg: geleerde “vooroordelen” bestaan voort. • Voorspel het meest waarschijnlijke: optimalisatie voor de gemene deler.
  56. 56. Perceptie
  57. 57. Perceptie • Men ziet technologie, algoritmen, en wiskundige modellen veelal als “neutraal,” en “objectief.”
  58. 58. Perceptie • Men ziet technologie, algoritmen, en wiskundige modellen veelal als “neutraal,” en “objectief.” • Maar dat zijn ze niet: ze zijn een reflectie van onszelf, en leren van “ons”
  59. 59. Perceptie • Men ziet technologie, algoritmen, en wiskundige modellen veelal als “neutraal,” en “objectief.” • Maar dat zijn ze niet: ze zijn een reflectie van onszelf, en leren van “ons” • Bias In, Bias Out
  60. 60. Voorbeeld https://www.propublica.org/article/machine-bias-risk-assessments-in-criminal-sentencing
  61. 61. Voorbeeld https://www.propublica.org/article/machine-bias-risk-assessments-in-criminal-sentencing
  62. 62. Algorithmic Bias
  63. 63. Algorithmic Bias
  64. 64. Algorithmic Bias
  65. 65. Algorithmic Bias
  66. 66. Mijn 2 cents
  67. 67. Begrijp het proces
  68. 68. Begrijp het proces • Verander de perceptie. De uitkomst van een ML model is ook maar een ‘standpunt’ — indirect een reflectie van onszelf.
  69. 69. Begrijp het proces • Verander de perceptie. De uitkomst van een ML model is ook maar een ‘standpunt’ — indirect een reflectie van onszelf. • Behandel deze systemen dus niet als ‘orakel.’
  70. 70. Omarm de voordelen
  71. 71. Omarm de voordelen • Als de aanname van ‘patronen herhalen zich’ standhoudt, is het prima.
  72. 72. Omarm de voordelen • Als de aanname van ‘patronen herhalen zich’ standhoudt, is het prima. • Een algoritme kan explicietere uitleg genereren dan een mens;
  73. 73. Omarm de voordelen • Als de aanname van ‘patronen herhalen zich’ standhoudt, is het prima. • Een algoritme kan explicietere uitleg genereren dan een mens; • “Gut feeling” (racial profiling) vs. wiskundige modellen met gewichten, scores, etc.
  74. 74. Omarm de voordelen • Als de aanname van ‘patronen herhalen zich’ standhoudt, is het prima. • Een algoritme kan explicietere uitleg genereren dan een mens; • “Gut feeling” (racial profiling) vs. wiskundige modellen met gewichten, scores, etc. • Een algoritme kan explicieter aangepast worden om ‘eerlijker’ te zijn.
  75. 75. Samenvattend
  76. 76. Samenvattend • Algemene tendens = grotere rol van big data/ML.
  77. 77. Samenvattend • Algemene tendens = grotere rol van big data/ML. • Veel mogelijkheden • Ongekende hoeveelheid data + snelle computerhardware + slimme algoritmen • Steeds toegankelijker
  78. 78. Samenvattend • Algemene tendens = grotere rol van big data/ML. • Veel mogelijkheden • Ongekende hoeveelheid data + snelle computerhardware + slimme algoritmen • Steeds toegankelijker • Pas op voor valkuilen! • Bias In, Bias Out • Algoritmen zijn geen orakels
  79. 79. Einde @dvdgrs

×