Kunnen computers lezen? En moeten we daar (al) bang voor zijn?

Eerst was het nog spannend of het zou lukken om computers te laten lezen. Menselijke taal is namelijk best complex. We spreken niet allemaal dezelfde taal en hebben zo onze eigen dialecten en afkortingen. Ook spreekwoorden en gezegden maken taal ingewikkeld. Cynisme idem dito.

En wat dacht je van de invloed van interpunctie op de betekenis van zinnen? Vergelijk deze twee zinnen maar eens:

1. A panda bear walks into a restaurant. He eats shoots and leaves.
2. A panda bear walks into a restaurant. He eats, shoots and leaves.

Voor de rust in zo’n restaurant maakt het heel wat uit of er een komma staat.

Of wat dacht je van deze:

1. Let’s eat, grandma.
2. Let’s eat grandma.

Zou een computer het verschil (ook) zien? Op het moment nog niet. Computers kunnen niet feilloos lezen en daarbij begrijpen wat ze lezen. Maar de ontwikkelingen gaan misschien wel sneller dan je denkt (of wilt). Het ligt er maar aan wat jouw rol nu is. Je perspectief bepaalt of dit je schrik aanjaagt of dat je niet kunt wachten tot het zover is. Maar wat je perspectief ook is… het gaat wel die kant op.

Wat een mens kan leren; kan een computer ook leren. En eenmaal geleerd is zo’n computer ook nog eens razendsnel en onvermoeibaar.

De volgende vraag: Kunnen computers verhalen vertellen?

Wat als computer algoritmes zo geavanceerd worden dat ze betere verhalen vertellen? Hebben we dan nog wel journalisten, schrijvers en business analysten nodig? En spin-doctors? Kunnen we computers ook leren liegen, draaien en spinnen? Of gaan we een wereld tegemoet met alleen maar eerlijke verhalen?

Het is moeilijk voor te stellen dat het zo’n vaart zal lopen. Tenslotte is menselijke taal nog zo ingewikkeld dat het nog wel even duurt voordat computers dat werkelijk begrijpen. Laat staan er een nieuw verhaal over vertellen. Maar zeg nooit nooit. Als het gaat om computers zijn de voorspellingen daarover nooit zo betrouwbaar geweest.

“IBM beweerde dat er wereldwijd niet meer dan een stuk of 7 computers nodig zouden zijn. Het tijdschrift “Popular Mechanics” voorspelde wel dat er ooit een computer zou komen die ‘maar’ 1500 kilo zou wegen.” – Wikipedia

Wat een mens kan leren, kan een computer ook leren

Tegenwoordig bestaan er systemen die gegevens kunnen omzetten in een verhaal. Via big data naar storytelling.

“Quill, or competing apps like Automated Insights are used by other media outlets – but due to a lack of information over how trustworthy readers would consider reports created by algorithms, many news publishers may be reluctant to admit whether their stories, or parts of them, are generated by computers.” – Forbes.com

We hebben het dan over gestructureerde gegevens. Data uit bijvoorbeeld sportwedstrijden, zoals een tennispartij, kunnen eenduidig herleid worden naar hun context. Dat maakt het ook gemakkelijker om het verhaal erachter te vertellen. Je slaat nu eenmaal geen spreekwoordelijk of cynisch balletje over het net.

Het eenvoudig weergeven van wat is gebeurd, dat waar kranten zo snel mogelijk in proberen te zijn, is weinig onderscheidend. Wie het snelst is heeft de scoop en daarna wordt het een copy & paste feestje. En dat kan een machine ook. Werkelijke journalistiek, waarbij op onderzoek uit wordt gegaan, vragen worden gesteld en het verhaal achter het verhaal wordt gezocht blijft vooralsnog het terrein van de mens.

Ook bij ongestructureerde data, die niet netjes in een spreadsheet passen en kwantitatief met elkaar vergeleken kunnen worden, is menselijk inzicht en menselijke creativiteit nodig. De meeste data is ongestructureerd. Die moet eerst gestructureerd worden, via tagging, voordat een computer het kan analyseren en interpreteren.

Het is precies bij dat analyseren en interpreteren waar het eng zou kunnen worden. Verliezen we de controle? Eerst namen computers ons alleen het vuile en gevaarlijke werk uit handen, daarna het saaie werk, maar nu komen ze aan onze beslissingen.

Thomas Davenport schrijft in Harvard Business Review hier het volgende over:

“What if we were to reframe the situation? What if, rather than asking the traditional question—What tasks currently performed by humans will soon be done more cheaply and rapidly by machines?—we ask a new one: What new feats might people achieve if they had better thinking machines to assist them? Instead of seeing work as a zero-sum game with machines taking an ever greater share, we might see growing possibilities for employment. We could reframe the threat of automation as an opportunity for augmentation.”

Wees dus niet bang als kenniswerker, onderzoeker of journalist dat je overbodig gemaakt zou worden door intelligente machines. Leer in plaats daarvan over de nieuwe mogelijkheden die dit jou biedt om te verbeteren en op te schalen. Gebruik de intelligente machine voor je analyse en schrijf een verhaal dat alleen jij kan schrijven.

Wil je zien hoe een computer structuur aanbrengt in dat soort ongestructureerde data, zodat je het kunt gebruiken om grote hoeveelheden te monitoren en analyseren?

Neem dan eens een kijkje op BuzzCovery of neem contact op met het team van BuzzTalk.