Cookies op Tweakers

Tweakers maakt gebruik van cookies, onder andere om de website te analyseren, het gebruiksgemak te vergroten en advertenties te tonen. Door gebruik te maken van deze website, of door op 'Ga verder' te klikken, geef je toestemming voor het gebruik van cookies. Wil je meer informatie over cookies en hoe ze worden gebruikt, bekijk dan ons cookiebeleid.

Meer informatie

Door , , 19 reacties

Twitter heeft de startup Whetlab overgenomen, een bedrijf dat machine learning naar gewone bedrijven wilde brengen. Een van de mede-oprichters van Whetlab is de Nederlander Jasper Snoek, die bij Harvard University zit.

Whetlab bood zijn diensten vooralsnog aan in gesloten bèta, maar zal daarmee stoppen nu de overname een feit is, laat de startup weten op zijn site. Twitter bevestigt de overname via een tweet. Hoeveel geld er met de overname is gemoeid, is onbekend.

Het bedrijf specialiseerde zich in het aanbieden van machine learning-diensten voor bedrijven, die daardoor beter gebruik zouden moeten kunnen maken van de mogelijkheden van machine learning zonder een team van wetenschappers aan te hoeven nemen. Whetlab noemde dat zelf 'AI for AI'. Het is onbekend wat Twitter precies wil met de technologie van Whetlab, Bayesian Optimization. De oprichters van Whetlab werkten aan Spearmint, een manier om die Bayesian Optimization in de praktijk te brengen.

Een van de mede-oprichters is de Nederlander Jasper Snoek, die onder meer de Canadese University of Toronto en Harvard op zijn cv heeft staan.

Moderatie-faq Wijzig weergave

Reacties (19)

De toepassingen van machine learning zoals ze op dit moment bestaan hebben wat mij betrefd nul bestaans recht, en is ook tot op zekere hoogte een gevaar voor ontwikkeling van mens en machine.

Er word gedaan of dit idee nieuw is, en de heilige graal van techniek, maar machine learning bestaat al decennia, en iedereen die er wel eens mee gewerkt heeft snapt dat het niet de oplossing voor alles is, sterker nog, het creŽert problemen (leuk voorbeeld is de filter bubble, maar er liggen veel serieuzere zaken in het verschiet)
Er word gedaan of dit idee nieuw is, en de heilige graal van techniek, maar machine learning bestaat al decennia, en iedereen die er wel eens mee gewerkt heeft snapt dat het niet de oplossing voor alles is, sterker nog, het creŽert problemen (leuk voorbeeld is de filter bubble, maar er liggen veel serieuzere zaken in het verschiet)
ML bestaat inderdaad al langer en zal (uiteindelijk) vast de oplossing voor alles bieden, zeker gezien de huidige snelheid van nieuwe technologieŽn.
Het voornaamste probleem bij ML algoritmes zoals bijvoorbeeld neurale netwerken is het feit dat het een blackbox is en je niet weet wat er van binnen gebeurt. Om deze reden kun je dus nooit 100% zekerheid garanderen in bijvoorbeeld medische toepassingen, en zijn veel bedrijven nog huiverig om het in te zetten in gevallen waarin het levens kan kosten. Voor het herkennen van een plaatje op Google, recommender systems op Amazon of het analyseren van sentiment van Twitter posts volstaat het echter prima.
Klopt. Desondanks is dit te ondervangen door de output van algoritmes door een grote groep participanten te laten valideren. Zodra de uitkomst klopt met wat volgens de menselijke perceptie waarheid is, hoeft er niets aan de hand te zijn. Het is niet altijd noodzakelijk om te weten wat er in de hidden layers afspeelt.
ML technieken zijn net zeer krachtig en beter in taken dan veel bestaande oplossingen. Ze bestaan inderdaad al langer dan vandaag (dat ontkent niemand), maar worden op dit moment veel meer toegepast op allerhande problemen (soms te pas en te onpas). Dit komt mede door de beschikbaarheid van rekenkracht die vaak benodigd is om krachtige modellen te berekenen. ML technieken zijn ongeŽvenaard in herkenning van patronen: in beelden, trends, userdata ... Dat ze geen bestaansrecht hebben is pure onzin 8)7
Dus machine learning gaat het 'em helemaal worden dit jaar, ben benieuwd hoe lang het duurt voordat de consument hier in de praktijk wat van merkt.

Off-topic: leuk woordgrapje dat AI for AI.
Machine learning wordt al volop in de praktijk gebruikt. Facebook gebruikt het bijvoorbeeld om gezichten te herkennen op foto's; Spotify en Netflix om je persoonlijke smaak te leren kennen zodat ze je suggesties kunnen geven.
Dit is niet echt machine learning, maar meer Data Science. Ze kijken naar bepaalde trends in wat mensen leuk vinden..
Dat is wel machine learning. Pattern recognition wordt verricht door (onder andere) perceptrons en ANN's (artificial neural networks)

De machines leren doordat je ze een dataset geeft die waardes aan elkaar *correct* linken (denk gezicht aan naam). Daarna geef je het een non-determinant dataset (bijvoorbeeld alleen gezichten) en dan moet de machine het zelf uitzoeken (denk facebook stelt een tag voor zonder te weten of die daadwerkelijk klopt). Als de "link" goed voorspeld is wordt de connectie (neuron) versterkt en zo niet zwakt die af. Zo werken je hersenen ook.

Uiteindelijk kan facebook dus gezichten groeperen omdat die weet dat het om dezelfde persoon gaat. Die pagina krijg je ook voor je geschoteld als je een album uploadt.
Data Science is zo'n beetje alles wat je kunt doen met (grote hoeveelheden) data, daar valt dus ook Machine Learning onder. ML gebruikt namelijk vaak grote datasets om de algoritmes te trainen, waarna ze patronen kunnen herkennen of voorspellingen kunnen doen aan de hand van bepaalde factoren/input.
Dus ML hangt wel degelijk samen met Data Science, waar dit laatste in mijn ogen een nietszeggende hippe term is die tegenwoordig wordt gebruikt voor allerlei zaken m.b.t. 'informatie', zoals data mining, information retrieval, language processing en statistiek.
Dus eigenlijk heb je het over Predictive Analytics..

Machine learning is dat software van veranderingen leert en daar mee om leert gaan om het de volgende keer niet meer te doen.. wat bij het zoeken van trends niet het geval is. Dit is namelijk gewoon puur statistiek.
Dus eigenlijk heb je het over Predictive Analytics..

Machine learning is dat software van veranderingen leert en daar mee om leert gaan om het de volgende keer niet meer te doen.. wat bij het zoeken van trends niet het geval is. Dit is namelijk gewoon puur statistiek.
Je kunt met zoveel mooie termen smijten als je wilt, Machine Learning is niet zo speciaal als je denkt en bestaat al een tijdje. O.a. spamfilters en zoekmachines maken er gebruik van.
When employed in industrial contexts, machine learning methods may be referred to as predictive analytics or predictive modelling.[1]
De reden dat je het nu wat vaker ziet is omdat het vaak gebruikt wordt bij grote datasets, waar simpele if-then rules niet meer voldoen/bewerkelijk zijn.
Machine Learning omvat een boel algoritmes, niet persť degenen die leren om het volgende keer nŪet te doen. Beslisbomen, neurale netwerken, SVMs, clusters, genetische algoritmes, met een onderscheid in supervised, unsupervised en semi-supervised. Daarnaast kunnen een aantal van die typen gebruik maken van feedback zodat, als ze een fout maken, zichzelf corrigeren inderdaad. Daarin wordt vaak gebruik gemaakt van technieken uit de statistiek zoals A/B testing, bootstrapping, visualiseren, correlaties, ROC, nearest-neighbour, etc.

[Reactie gewijzigd door geekeep op 17 juni 2015 23:41]

Nee, met ML kan het systeem autonoom patronen en nuttige trends in data vinden om voorspellingen te doen of acties te ondernemen. Er wordt permanent gesleuteld aan het algoritme dmv feedback over de resultaten. Niet zomaar wat statistiek, maar statistiek is natuurlijk wel de basis voor bepaalde ontwikkelingen.
De consument merkt hier al heel veel van, machine learning wordt al heel veel gebruikt in dagelijks gebruikte diensten.
Een simpel voorbeeld hiervan is als je een afbeelding upload/sleept naar een zoekmachine om vergelijkbare afbeeldingen te zoeken.
Voor zo ver ik weet werken de meeste afbeelding zoekmachines nog op traditionele methodes zoals kleurconcentratie of pixel comparison. Voer maar eens een plaatje van en koe op een groene weide in. Je zult zien dat je dan veel plaatjes met een vergelijkbare weide vind, maar niet per se van een koe.
Volgens de nieuwssites gaat het om een team van 5 personen dat achter Whetlab zit die nu dus ook door Twitter in dienst genomen zullen gaan worden.
Ik ben echt benieuwd over wat voor soort bedragen het zal gaan bij deze overname:

Ik heb echt geen idee wat zulke technologie waard is, maar Whetlab zelf spreekt over een miljardenindustrie in Machine Learning technologiŽen.
Zal het dan gaan over honderduizenden, miljoenen of zelfs miljarden?! Dat spreekt wel tot de verbeelding, even een miljard verdelen met zijn vijven... 8)7
Het is een startup met wellicht nog heel weinig omzet maar wel schulden. Er wordt dan betaald voor de ontwikkelde technologie en de kennis van de medewerkers. Ik denk niet dat zoiets miljarden waard is.
Een goede indicatie is de vorige overname op dit gebied, Deep Mind. Die waren wel een stuk groter (50 man?) en dat leverde 500 miljoen op - denk dus circa 10 miljoen p.p.

Op dit item kan niet meer gereageerd worden.



Apple iOS 10 Google Pixel Apple iPhone 7 Sony PlayStation VR AMD Radeon RX 480 4GB Battlefield 1 Google Android Nougat Watch Dogs 2

© 1998 - 2016 de Persgroep Online Services B.V. Tweakers vormt samen met o.a. Autotrack en Carsom.nl de Persgroep Online Services B.V. Hosting door True