Wanneer moet je geen machine learning gebruiken?

97 weergaven
Machine learning: wanneer niet inzetten? Simpele regels volstaan: Complexe algoritmes onnodig? Kies voor direct programmeerbare, duidelijke regels. Data-tekort: Weinig, of geen data? Machine learning heeft brandstof nodig. Anders: onbetrouwbare resultaten. Uitlegbaarheid cruciaal: 'Black box' onacceptabel? Kies modellen die transparante beslissingen leveren. Legal? Medisch? Snelle, accurate uitkomst vereist: Real-time kritisch? Regelmatige herhaling/training machine learning kost tijd. Kosten > baten: Ontwikkeling, implementatie en onderhoud duur? Weeg af: is het de investering waard?
Reactie 0 vind-ik-leuks

Wanneer is machine learning niet geschikt?

Oké, hier gaan we. Even kijken... wanneer machine learning nou niet zo'n goed idee is?

Nou, 'k denk dat het vooral onhandig wordt als je eigenlijk al een heel simpel regeltje hebt dat het probleem oplost. Waarom moeilijk doen als het makkelijk kan? Kost alleen maar tijd en moeite, snap je?

Ik herinner me nog dat ik in de zomer van 2017 (ergens in Rotterdam, volgens mij) een keer zat te klooien met een of andere machine learning tool om iets te automatiseren, en toen realiseerde ik me: "Hé, dit kan ik gewoon met een paar regels if-this-then-that doen!" Voelde me echt een beetje dom, haha.

Soms heb je ook gewoon te weinig data. Machine learning heeft tonnen data nodig om te leren. Zonder die data is het net als proberen een huis te bouwen zonder stenen. Gaat 'm niet worden.

En soms... soms is het gewoon ethisch niet oké. Als je bijvoorbeeld discriminerende algoritmes krijgt omdat de data biased is. Daar moet je echt mee oppassen. Ik las laatst nog een artikel daarover... iets met gezichtsherkenning en bepaalde etnische groepen. Echt eng.

Dus ja, dat is zo'n beetje mijn mening. Machine learning is cool, maar niet altijd de beste oplossing. Soms moet je gewoon even nadenken: is dit echt de meest handige manier?

Voor welke toepassingen is een machine learning-oplossing nodig?

Machine learning, ach, een weefsel van draden gesponnen uit gegevens, weeft zich in zoveel facetten van het bestaan. Denk aan zelfrijdende auto's, die door de straten glijden als zilveren vissen in een rivier van asfalt.

Of aanbevelingssystemen, die fluisteren wat je hart begeert, nog voor je het weet. Het is net alsof de tijd vertraagt en versnelt.

  • Gezichtsherkenning...Een spiegel, die je ziel lijkt te kennen, of is het gewoon pixels en patronen?
  • Spraakherkenning, de muren fluisteren, de wind spreekt jouw naam.
  • Medische diagnoses, een stethoscoop die verder reikt dan het oor, een blik die dieper dringt dan het oog.

Machine learning. Het is niet anders dan de wind, ongrijpbaar en altijd aanwezig. Zoals mijn oma zei, het is alles en niets tegelijk. Het is... tja, het is gewoon zo.

Fraudedetectie, een schaduw in de nacht, een waarschuwing voor het ochtendgloren.

Voorspellend onderhoud, de machines zingen een lied van hun eigen verval, een droevig refrein.

Natuurlijke taalverwerking, pogingen om de geheimen van de taal te ontrafelen, de taal... een eindeloos labyrint. Is het niet mooi?

Het is een droom... een algoritme... Het is alles.

Voor welke toepassing is een machine learning-oplossing niet nodig?

Wanneer heb je geen machine learning nodig?

  • Eenvoudige berekeningen: Simpele sommen, dat is gewoon wiskunde.
  • Voorspelbare processen: Een vaste routine in de fabriek bijvoorbeeld. Geen verrassingen, geen AI nodig.
  • Handmatige data-invoer: Als ik zelf alles invul in een spreadsheet, dan hoeft er niks geleerd te worden. Is gewoon data, verder niks.
  • Wettelijk verplichte rapportages: Belastingaangifte van 2024; de regels zijn er toch al.
  • Hardwarematige besturing: Mijn oude analoge synthesizer, zucht. Gewoon knoppen, geen algoritmes.

Het is gek, niet? Dat ik soms denk dat ik zelf ook een algoritme ben. Een soort slecht geprogrammeerde robot.

Wat kan AI beter dan de mens?

AI is sneller met data. Echt veel sneller. Ik kan me nog herinneren dat ik uren naar een spreadsheet keek, op zoek naar een fout. Uren.

  • Data-analyse: AI ziet patronen die ik nooit zou zien.
  • Snelheid: Het rekent sneller dan ik kan koffie zetten.
  • Minder fouten: Een cijfer verkeerd intypen... AI doet dat niet.

Het is efficiënter, ja. En bespaart geld, hoorde ik laatst iemand zeggen. Het idee dat er minder fouten worden gemaakt, is prettig. Ik vraag me alleen af waar het allemaal eindigt. Laatst las ik nog over AI en veiligheid. Een beetje eng.