Upload
joergen-sandig
View
1.095
Download
0
Tags:
Embed Size (px)
DESCRIPTION
inaugural address of Max Welling, accepting his Full Professor status at Univerity of Amsterdam
Citation preview
Van veel data, snelle computers
en complexe modellen tot zelflerende machines
Max Welling Universiteit van Amsterdam
29 januari 2014
1
Big Data
2
Hoeveel Data = Big Data?
Totale hoeveelheid data door de mens gegenereerd: 4 zeIabyte = 4,000,000,000,000,000,000,000 byte. Dat is 8 miljard harde schijven met data = een stapel van de aarde tot de maan als elke schijf 5 cm dik is.
3
De Big Data Kampioen Astronomen zijn de kampioen in het produceren van big data: In 2024 ongeveer 1 exabyte per dag = evenveel als alle data tot nu toe in 10 jaar Tjd.
4
De BeloUen Een veiligere samenleving: • Bestrijding van cybercriminaliteit en terrorisme Een eerlijkere samenleving: • De elektronische advocaat Verbeterde gezondheidszorg: • Persoonlijke afstemming medicaTe
Meer gemak: • AnTcipaTe van behoeUen
5
De Gevaren Privacy schendingen: • Hoe ver mag de AIVD gaan: balans privacy / veiligheid • Wat mag Google met onze data doen? Misbruik poliTek: (Big Brother) • Chantage poliTeke tegenstanders Misbruik verzekering: • “De kans dat u kanker ontwikkeld voor uw 50e is 70 procent, dus we hebben uw polis wat verhoogd.” Werkeloosheid: • Zelfrijdende auto’s vervangen alle vrachtwagenchauffeurs. • Computers vervangen artsen, advocaten etc.
6
Datamining: Het Ontsluiten van InformaTe uit Data
data = gouderts nufge informaTe = goud
machine learning = drilboor en pikhouweel 7
De Datascope
De datascope: De computer algoritmen waarmee we de materie van nullen en enen kunnen analyseren.
+ = +
8
Machine Learning + Big Data
+
10 miljoen klanten x 2 bezoekjes per week x 52 weken x 10 boodschappen per bezoek = ± 10 miljard boodschappen per jaar !
Een voorbeeld uit de dagelijkse prakTjk: “shoppen bij Appie”
9
Gordon bij de Appie
• 45 jaar oud • zanger • man • woont samen • …
• melkproduct • 0.99 € • biologisch • 1 liter • …
Gordon kocht: • op 29 januari • om 16:35 uur • op de Reguliersbreestraat 22-‐A • In Amsterdam • een pak biologische yoghurt • plus • ……
+
10
Toepassing: Persoonlijke Aanbiedingen
• Aanbiedingen op persoonlijk niveau 11
Het allersimpelste machine learning algoritme
⇡ ⇡
• Gerard Joling lijkt op Gordon • Gerard heeU al vanillevla gekocht
• Vanillevla lijkt op yoghurt
• Gerard Joling vindt waarschijnlijk lekker 12
Het alleringewikkelste machine learning algoritme
• Een neuraal netwerk getraind bij Google met vele duizenden computers, op vele miljoenen Youtube videos. • Resultaat: een model met 10 miljard “vrijheidsgarden” (parameters). 13
Steeds complexere modellen
1943: First NN (+/-‐ N=10)
1988: NetTalk (+/-‐ N=20K)
2009: Hinton’s Deep Belief Net (+/-‐ N=10M) 2013: Google/Y!
(N=+/-‐ 10B)
2020-‐2050 menselijk brein (N=+/-‐ 100T)
? Groei van de capaciteit van modellen
Log-‐log plot
14
ExponenTële groei Hoe vaak moet je een krant van 0.1 mm dik vouwen om een stapel te creëren die even groot is als de doorsnede van het gehele universum?
Antwoord:
15
De Drie Explosieve GroeiweIen
• Computerkracht (Moore’s law)
• Datavolume (Big Data)
• Modellencapaciteit (Deep Learning)
16
Is de Silo te Groot?
17
InformaTe
Claude Shannon
weinig informaTe veel informaTe
18
Nufge InformaTe
weinig nufge informaTe veel nufge informaTe weinig nufge informaTe
Nu#ge informa.e:
InformaTe waar we mee kunnen voorspellen
19
De InformaTe Zeef
20
De InformaTe Zeef
21
22
Wat is dit?
23
“Weten = Vergeten”
AbstracTe = EssenTe
• Om te generaliseren moet u de details vergetenen de essenTe onthouden.
Verminderde Meerwaarde
Hoe langer je graaU in dezelfde goudmijn, des te moeilijker het wordt om het goud te vinden.
24
Verminderde meerwaarde
De wet van de verminderde meerwaarde van data:
Hoe meer data je hebt van één bron, hoe minder extra nufge informaTe die bevat.
25
De Paradox
• Er is niet genoeg nu7ge informaTe in exponenTeel groeiende data om de exponenTeel groeiende model capaciteit mee te vullen. • Gevaar: de extra capaciteit wordt gevuld met ruis: overfi7ng
26
Overfifng: Een Experiment
27
De “Stelling van Welling”
Big Data + Complexe Modellen à Meer Overfi7ng
+
28
ResoluTe: Verklein Modelcapaciteit
29
De wijsheid van de menigte
30
Een Experiment
• Schat het gewicht van de Eiffel toren (in kg) (u mag niet awijken!) • Sorteer de schafngen. • Neem het middelste getal: (1,2,3,4,5)
• Fouten annuleren elkaar.
Antwoord:
31
Ensembles van Lijnen
32
Een Analogie
model is te simpel model is te complex, maar gemiddelde is accuraat
33
SamenvaIend
“Big Data” “Moore’s Law”
“Deep Learning” 34
Industry is Deeply Interested
35
Vers van de Pers
Het Opleiden van de Menigte
37
• “Massive Open Online Courses” (MOOC) zijn voor iedereen graTs toegankelijk.
• 100,000 studenten over de hele wereld volgen soms samen één cursus
Iedereen kan meedoen…
38
Crowdsourcing: ParTcipaTe in de Wetenschap
39
De Menselijke Computer
40
Het Nufge met het Aangename Combineren
Het “ESP” spel
reCaptcha’s 41
Online CompeTTes
42
Iedereen kan winnen…
43
Data Science
44
Machine Learning bruist van het leven!
ExponenTele Groei Bezoekers op NIPS
BeloUen en Gevaren
• Verbeterde gezondheidszorg • Een veiliger samenleving
• Meer gemak
• Privacy schendingen
• Misbruik
• Werkeloosheid
46
47
Het Nederlandse Academische Systeem
48
Ten SloIe
Ik heb gezegd