25-02-2018 18:59:16

Ro på, machine learning kommer ikke til at tage beslutninger alene

Hvis man tror, at machine learning kan tage beslutninger helt alene, så bliver man skuffet. Det fastslår juniorkonsulent Kasper Schnack. Han mener, at vi skal slå koldt vand i blodet, hvis vores forventninger til teknologien er tårnhøje.
2. okt. 2017 Af Katja Isabel Romme Simonsen

Som med alle andre teknologier, så skal man ikke overestimere, hvad machine learning kan, og hvad det kan bruges til. Sådan lyder det fra Juniorkonsulent hos Nine A/S Kasper Schnack.

”Man skal lige tøjle sin egen ivrighed over teknologien, og slå koldt vand i blodet, hvis man har for tårnhøje forventninger.  Hvis man tror, at man kan basere en beslutning på en kode eller algoritme, der figurerer i en statisk model og ikke blot som en deterministisk kode, så tager man grueligt fejl, ”mener Kasper Schnack og fortsætter.

”Teknologien genererer statiske modeller, hvor den uperfekte verden bliver modelleret, og det giver uperfekte fortolkninger – det siger sig selv – og det må man indse, for ellers bliver man skuffet over, hvad machine learning kan. Det kan nemlig være svært at gennemskue, hvorfor det blev beslutning a eller b,” siger han.

Machine learning fungerer som rumleriller

Det betyder, at man med machine learning ikke nødvendigvis kommer til at se det perfekte eksempel på en sætning eller på et billede. Men den kan opbygge komplekse regelsæt, som vi mennesker ikke kan gennemskue, og derefter få den til at lave et beslutningsgrundlag.

”Der skal være et menneske inde over hver beslutning, for det er endnu for usikkert til at træffe beslutninger alene. Machine learning fungerer i stedet som en slags rumleriller, ligesom man har på motorvejen for at sikre, at hvis man ikke er ved at køre ud over siden, så bliver man gjort opmærksom på, at man skal til at rette op,” siger Kasper Schnack og fortsætter.

”Når noget bliver et hot emne, så vil folk bare have det over det hele. De vil gerne have det, men de ved ikke, hvad de skal bruge det til, og det skaber slet ikke noget værdi. Det handler i stedet om at aflure, hvornår noget er snak, og hvornår det rent faktisk kan bruges i praksis”.

I stedet, anbefaler han, at man skal have en systematisk arbejdsgang med machine learning og have for øje, hvad det er, man vil have ud af det.  

Teknologien kræver modning

Nu kan det måske lyde som, at Machine learning slet ikke er brugbart, men det er langt fra tilfældet, mener Kasper Schnack.  

”Det har været en øjenåbner for mig at se, hvor meget potentiale der ligger i machine learning i forhold til at kunne løse problemer ude i den virkelige verden og samtidig fungere som et værktøj for professionelle, som sidder med datamængder, der vokser år for år,” siger han.

Machine learning skal i stedet bruges til opgaver, der er kritiske at løse, for der giver det typisk god mening at bruge teknologien, mener han. Det er dog en modningsproces, som med alt anden teknologi.

”Vi skal lære at tænke på en helt ny måde i forhold til software. Helt grundlæggende er det et anderledes paradigme, man arbejder med, når man arbejder med machine learning end med klassisk software,” forklarer Kasper Schnack.

For klassisk software kører på deterministisk kode. Det betyder, at når man trykker på en knap, så kommer der et forventet output. Det kan fx ses, når man trykker på gem i Word, så gemmer maskinen filen i 99 procent af tilfældene, for software kan selvfølgelig også fejle.

Det betyder, at man grundlæggende har et mindset, der hedder: Sådan programmerer du det, og sådan forventer du det fungerer, når det bruges. Men med machine learning er man nødt til på forhånd at acceptere, at man ikke kan bruge det 100 % sikkert til at forudsige noget, forklarer Kasper Schnack.

”Machine learning bruges til at kigge efter mønstre, og hvis det har et facit, som det kan matche mønsteret op imod, så kan det begynde at danne et beslutningsgrundlag på den baggrund. Det gør, at man kan trække teknologien ned over andre forretningsproblem, hvilket igen understreger, hvor meget power machine learning har,” siger han og fortsætter.

”Teknologien kommer altså ikke til at tage beslutninger, uden et menneske er involveret, men er nærmere som en form for kikkert eller infrarødkamera, som kan give informationer, som ellers er svært tilgængelige og kan hjælpe os i vores arbejde”.

Men Kasper Schnack tror dog på, at vi kommer til at se meget mere til machine learning i fremtiden, for det vil helt klart blive et værdifuldt værktøj.  


Deltag i debatten

IT - artikler og arrangementer

Nyeste IT-job fra Jobfinder

luk
close