Overvågningsteknologien der ved, at du har sovet over dig, ligger i din bukselomme

Analyse: En bølge af selvlærende teknologi er på vej. Den giver uanede muligheder for at overvåge dig og skabe situationsbaserede profiler til annoncører. Kodeordet er machine learning og gigantiske datamængder.

Gå en tur. Sæt dig på en bænk. Keder du dig? Din smartphone ved det allerede og har foreslået en video, som den ved, du vil elske, og som annoncøren har betalt for. Den kender dig - måske endda bedre, end du selv gør.

Teknologier til at overvåge, analysere og forudsige din adfærd er i hastig udvikling, og inden for de kommende år vil vi se en række nye og bemærkelsesværdige værktøjer dukke op. De vil benytte sig af machine learning til at opnå en hidtil uset grad af indsigt i alt, hvad du foretager dig.

Sociale netværk bliver i stand til automatisk at identificere trolls og smide dem af netværket; software forbundet med sensorerne på din smartphone afslører, om du elsker at køre bil; og virksomheder kan scanne jobansøgninger og afgøre, hvor kvalificeret kandidaten er uden at indblande et rigtigt menneske i afgørelsen.

Dette er blot et udpluk af de muligheder, som machine learning giver. Fænomenet var blandt et af de mest brugte udtryk til tech-konferencen Web Summit i Dublin i November 2015, hvor hundredvis af startups fremviste produkter, der på den ene eller anden måde brugte machine learning til at profilere brugerne.

Machine learning kan også beskrives som den metode, hvormed en computer selv lærer at finde mønstre i store datamængder, uden at programmørerne på forhånd definerer, hvad den skal lede efter.

Facebook har selv erklæret machine learning som et af de vigtigste redskaber til at forstå, hvad brugerne på det sociale medie foretager sig. Og mens fortalere for privatlivet forsøger at råbe op, arbejder en lang række startups med at udvikle lignende værktøjer i håbet om at ramme den næste it-guldåre.

Læs også: Facebook har en udspekuleret plan om at forstå, hvad du laver på dine profilbilleder

Din smartphone skaber en situationsbaseret profil af dig

Apps har længe haft adgang til bevægelsessensorer og GPS i din smartphone. Alligevel er det først nu, at mulighederne for en mere omfattende profilering af brugerne begynder at vise sig.

Situationsbestemt profilering er således et fænomen, der er på vej til at blive udbredt. For især annoncører betyder det, at de kan målrette reklamebudskaberne til lige præcis den situation, du befinder dig i.

Er du ude på din daglige gåtur med hunden, har du sovet over dig og har travlt med at komme på arbejdet, eller er du ude og spise middag på en restaurant?

I alle disse tilfælde vil din smartphone kunne afgøre, hvad du laver, og sende informationen videre til de interesserede parter.

Det skyldes en software fra den belgiske it-startup Sentiance, som netop har fået en investering på over 36 mio. kr. fra blandt andet Samsung.

Værktøjets profileringsfunktioner kan via et SDK indbygges direkte i en app.

»Det indsamler sensordata i baggrunden og laver det om til meningsfulde profiler og viden om brugerens kontekst,« beskriver Sentiance.

Ved at bruge deep learning-teknikker kan Sentiance omdanne de mange sensordata til at skabe en række profiler af brugeren som eksempelvis forælder, kæledyrs-ejer, bilentusiast, hyppig shopper, osv.

Samtidig kan teknologien også afgøre, hvilken transportform brugeren benytter sig af i et givent øjeblik: cykel, tog, sporvogn eller bil.

Det kan også analysere sig frem til vedkommendes kørselsadfærd og afgøre, om vedkommende bremser hårdt op ofte, eller om der er tale om en afslappet tur langs kysten.

Når brugeren træder ud af bilen, stopper profileringen dog ikke. Så kan softwaren afgøre om brugeren står op eller sidder ned, om han sover, eller om han keder sig. Alt sammen ved at finde de relevante mønstre i data fra smartphonens sensorer som gyroskop, mikrofon osv.

Og for at det ikke skal være nok, så kan Sentiance også komme med forudsigelser om, hvad brugeren skal til at foretage sig baseret på vedkommendes tidligere rutiner og adfærd.

Læs også: Gratis Google-værktøj gør det let for danske udviklere at lave software med kunstig intelligens

Algoritmer finder automatisk trolls og smider dem ud fra sociale medier

Det er ikke svært at forestille sig, at Facebook kan analysere på den enorme mængde af statusopdateringer og kommentarer til at forstå brugernes adfærd.

Men det sociale medie stopper ikke her. Selskabet er i øjeblikket i gang med at udvikle sin deep learning-kapacitet, så det også bliver i stand til at forstå, hvad brugerne foretager sig på de mange billeder, som bliver lagt op. Vel at mærke uden at brugerne har beskrevet, hvad de foretager sig på dem. Dette kan algoritmerne nemlig selv afgøre, når de har en tilstrækkelig stor datamængde at analysere, hvilket Facebook i den grad har.

Men metoderne er ikke begrænset til Facebook. Blandt andet har det sociale video-delingssite Avanatta taget machine learning i brug for at kunne profilere brugernes adfærd og identificere trolls.

Udviklerne har ikke villet løfte sløret for alle detaljerne i, hvordan det fungerer. Men overordnet går algoritmerne ud på at identificere det sprogbrug og den tone, som er typisk for personer, der mobber andre på sociale medier.

Og når det sker, så kan netværket skjule deres beskeder, blokere deres kanaler eller endda melde dem til myndighederne.

Software sorterer automatisk din jobansøgning fra - version 2.0

At store virksomheder bruger rekrutteringssoftware til automatisk at sortere i de store bunker af jobansøgninger er ikke nyt.

Takket være machine learning er denne software nu på vej til at blive meget mere raffineret.

Hidtil har rekrutteringssoftware fungeret på primitiv vis ved at tjekke, om de rigtige ‘nøgleord’ indgår i kandidaternes jobansøgninger.

Søger virksomheden efter en ‘proaktiv’ medarbejder? Så tjekker softwaren, om kandidaten har skrevet ‘proaktiv’ i sin ansøgning.

Denne grove frasortering kan let ramme ved siden af, og derfor fremstår den kommende generation af rekrutteringssoftware som langt mere raffineret.

I stedet for at tjekke for bestemte ord i ansøgninger kan virksomheder som Mevitae bruge machine learning-teknikker til at forstå betydningen af det, som kandidaterne skriver i deres jobansøgning.

Algoritmerne kan således vægte forskellige typer af erfaring og afgøre, hvor det placerer kandidaten på en skala.

Eksempelvis tæller det højt at have arbejdet for et stort firma som Google, men det er også værdifuldt at have haft en høj og ansvarsfuld stilling. På den måde kan en direktør-stilling i en lille startup rangere lige så højt som en mindre stilling hos Google. Og dette kan algoritmerne selv afgøre ud fra en database på over 5 mio. datapunkter af relaterede koncepter.

Nøgleordet i disse opfindelser er natural language processing - altså computerens evne til at forstå menneskeligt sprog.

Det betyder, at vi mennesker i højere grad kan beskrive os selv i vores eget sprog over for en ansøgningsrobot og stadig blive forstået.

Sådan lyder løfterne. Det er først, når opfindelserne udbredes over de kommende år, at vi får se, om de holder stik.

Tips og korrekturforslag til denne historie sendes til tip@version2.dk
Følg forløbet
Kommentarer (7)
sortSortér kommentarer
  • Ældste først
  • Nyeste først
  • Bedste først
#1 Andreas Kirkedal

.. må være det nye it-tryllesovs:

[quote] Machine learning kan også beskrives som den metode, hvormed en computer selv lærer at finde mønstre i store datamængder uden at programmørerne på forhånd definerer, hvad den skal lede efter. [\quote]

Citatet er misvisende: det beskriver unsupervised machine learning (ML) mens resten af artiklen handler om supervised ML. I supervised ML skal man definere de kategorier man vil finde, f.eks. cykel, tog sporvogn eller bil, man skal have adgang til store datamængder og data skal være kategoriseret på forhånd, så den statistiske model "lærer" den korrekte kategorisering. Unsupervised ML kan finde mønstre i data uden foregående kategorisering ( det klassiske eksempel er clustering), men de kategorier er ikke navngivet og der er ingen sikkerhed for om de kategorier den lærer ikke i virkeligheden omfatter flere eller kun en brøkdel af en af de kategorier man gerne finde.

Den opdeling ændres ikke selv om man kalder det deep learning. Det er vigtigt at overveje hvilke data man giver apps og firmaer adgang til og i overvejelsen skal man forestille sig hvordan ens data kan (mis)bruges, men det kræver en forståelse af muligheder og begrænsninger af ML-teknikker. Den synes jeg ikke er velbeskrevet her og mellem linierne præsenterer artiklen et mere skræmmende billede end ML fortjener.

  • 3
  • 0
#3 Frithiof Andreas Jensen

Hidtil har rekrutteringssoftware fungeret på primitiv vis ved at tjekke, om de rigtige ‘nøgleord’ indgår i kandidaternes jobansøgninger

Det fungerer jo også udmärket hvis man, for eksempel, på en ikke-diskriminerende vis vil frasortere udenlandske ansögere som min kone. Den "raffinerede" generation har sine "prime-directives" bygget ind i en "blob" af initaliseringstabeller til et endnu större cluster af classifiers, så er det meget mindre gennemskueligt og nästen ingen behöver at föle sig personligt ansvarlige for de valg softwaren träffer.

Det er jo en dum computer der körer en automatiseret process, så det er helt objektivt og fair :-)

  • 0
  • 0
#4 Niels Jessen

... af folk, som gemmer sig bag et røgslør, som de kalder apps? Og som både de og vi roser for deres udadvendte egenskaber?

Og når vi så har ombygget vores styreform til at kunne det samme, hvad synes du så?

Mon ikke det er på tide, at vi hver især vender os om og konstaterer, hvem det er, som går bag ved os og ved siden af os og over os og noterer det, vi foretager os? Og ekstrapolerer, hvad vi synes? Og tænker? Og gør - imorgen?

Hvis du tlnker længere frem, hvad tror du så muligheder er for det udvikler sig til, at du bliver styret? Gjort syg? Gjort glad? Gjort umyndig? Gjort myndig?

Uden din egen indflydelse?

Og beder dem om at holde op?

Og så har vi vores spørgsmål i flere former:

HVAD synes du om at blive overvåget? Hvad synes DU om at blive overvåget? Hvad synes du om at blive OVERVÅGET?

  • 3
  • 0
#6 Kjeld Flarup Christensen

Din smartphone ved det allerede og har foreslået en video, som den ved, du vil elske, og som annoncøren har betalt for. Den kender dig - måske endda bedre, end du selv gør.

Og på den måde ender man med at blive en levende død, som ikke kan tænke en selvstændig tanke, men lader sig made af kommercielle interesser.

  • 4
  • 0
#7 Jimmy Christiansen

Apps har længe haft adgang til bevægelsessensorer og GPS i din smartphone .. ... Det kan også analysere sig frem til vedkommendes kørselsadfærd og afgøre, om vedkommende bremser hårdt op ofte, eller om der er tale om en afslappet tur langs kysten.

Når brugeren træder ud af bilen, stopper profileringen dog ikke. Så kan softwaren afgøre om brugeren står op eller sidder ned, om han sover, eller om han keder sig. Alt sammen ved at finde de relevante mønstre i data fra smartphonens sensorer som gyroskop, mikrofon osv.

Tænk over det næste gang du læser hvad en App vil have tilladelse til.

  • 0
  • 0
Log ind eller Opret konto for at kommentere