PUB Interview: Xander Steenbrugge over Machine Learning

Een slim gebruik van machine learning doet geen jobs schrappen, maar kan er net crëeren, zegt Xander Steenbrugge. In een interview met PUB legt hij uit hoe dat mogelijk is. Xander Steenbrugge was afgelopen week een van de sprekers tijdens Fuel 18, een organisatie van Medialaan. Deze inspiratiedag bood de aanwezigen een blijk op de nabije toekomst van reclame en media. Steenbrugge is verbonden aan ML6, een bedrijf dat media en adverteerders bijstaat bij het ontwikkelen van strategieën rond machine learning. En dus ligt de eerste vraag voor de hand: machine learning, wat moeten we eigenlijk onder verstaan?
Xander Steenbrugge: “Ha, eigenlijk zou software 2.0 een betere naam zijn. Software 1.0 is de software die wordt geschreven door mensen. Machine Learning of software 2.0 bestaat uit programma’s die leren op basis van voorbeelden, en dus zelf software schrijven. Maar pas op: er wordt vaak onderschat hoeveel menselijke input er daarvoor nog nodig is. Machines die mensen verdringen, dat is iets voor Hollywood. Men vergeet vaak dat aan schaakcomputer Deep Blue vijf jaar is gewerkt door een heel reseachteam.”
Wat zijn de voordelen van Machine Learning?
“De snelheid! Met een goede scaling is Machine Learning goedkoper, zoals chatbots in klantendiensten aantonen. Maar pas op: automatiseren is gemakkelijk, innoveren is iets moeilijker. Mensen hebben vaak schrik voor de gevolgen van Machine Learning. Maar de juiste vraag is niet hoe je jobs kunt automatiseren, maar wat je via Machine Learning kunt doen. Je moet niet op zoek gaan naar manieren om kosten te besparen, maar naar manieren om waarde te creëren."
Hoe kan dat in de praktijk?
"We mogen niet altijd de namen van onze klanten bekendmaken, maar laat ons zeggen dat er al mooie voorbeelden zijn van personalisering van content op basis van profiel, gedrag en dergelijke meer. Wel valt op dat kleine, jonge bedrijven sneller die richting uitgaan dan grote bedrijven. Daar is vaak wel een innovatieteam, maar de houding van de directie is er vaak één van 'We zien wel'. Op die manier lopen we een achterstand op tegenover landen als Nederland. Data in de cloud zetten om zo alle systemen op elkaar te laten aansluiten, dat is in België voor veel bedrijven blijkbaar nog een te grote stap."
Welke parameters kunnen een rol spelen voor die Machine Learning?
"Hoe lang iemand op een webpagina blijft, de dingen waarop wordt geklikt... dat zijn dingen waarop je kunt voortbouwen. Machine Learning kan nagaan in welke gevallen  er sneller conversie is, en vervolgens kan de webpagina zo worden aangepast dat die die conversie er inderdaad ook sneller is."
Worden er fouten gemaakt op het vlak van Machine Learning?
"Wat we vaak zien, is het gebruik van Machine Learning zonder dat men begrijpt wat Machine Learning doet. Zodat men gewoon niet ziet wat het programma kan en wat niet. Dat is alweer de fout van Hollywoordfilms (lacht). Wat in de media komt, dan zijn dingen die werken. Maar vergis je niet. Ken je het voorbeeld van de robot die een achterwaartse salto heeft 'leren maken'? Dat is géén Machine Learning, dat is gewoon heel veel programmeerwerk en eigenijk niet zo indrukwekkend. Een machine die weet wanneer de appel plukrijp is, dat is minder spectaculair, maar véél beter."
Met welke vragen komen adverteerders tot bij jullie? Wat is jullie rol?
"Machine Learning is niet zo eenvoudig, en evolueert razendsnel. Het moet echt de core van je bedrijf zijn. Zelfs grote bedrijven kunnen dat niet zelf beheersen. Wij treden op als consultants, waarbij we meestal samenwerken met de IT-afdeling van de klant. Sectoren? Overal waar met veel data wordt gewerkt, maar waar nog te weinig met die data wordt gedaan. De retail, de bankwereld, de medische wereld... Ook media en tv-zenders. Waarom zou je op termijn geen andere scènes kunnen bekijken dan je buurman, in dezelfde film? Of minder reclame, maar meer op maat..."
Als je enkel reclame te zien krijgt voor wat je al kent, ben je als adverteerder geen stap verder.
"Ook daar zijn oplossingen voor. Machine Learning kan verrassende dingen aanraden die je nog niet kent, op basis van je profiel."
Kunnen we vanuit België die strijd aangaan met wat bijvoorbeeld in China wordt ontwikkeld?
"In China gaat men met dat soort dingen al heel ver, aangespoord door de overheid. Ik denk dat China over 10 jaar de globale leider zal zijn op dat vlak. De vraag is wat het antwoord van Europa en de Verenigde Staten zal zijn. De Franse president Macron probeert er belang aan te hechten. We moeten ook in het onderwijs aandacht hebben voor deze ontwikkelingen. Alles wat ik weet over Machine Learning leerde ik via het internet, onze universiteiten zijn er nog niet klaar voor."