Weblogs

De beste Machine Learning-boeken van 2020

December is de maand van lijstjes, van de mooiste liedjes en de beste sporters, tot de meest belangwekkende nieuwsfeiten van 2020. Deze blogpost is mijn bijdrage aan de ‘lijstjesmaand‘. Het geeft een overzicht van de beste boeken over Machine Learning die ik in het afgelopen jaar gelezen heb. De boeken staan in willekeurige volgorde en zijn ook interessant en goed te begrijpen als je geen ‘techneut’ bent.

1. AI Ethics  | Mark Coeckelbergh

Coeckelbergh geeft een overzicht van de ethische vraagstukken die spelen rond kunstmatige intelligentie. Hij doet dit heel genuanceerd. Wat mij betreft een verademing in deze tijd, waarin kunstmatige intelligentie vaak wordt gezien als alléén maar positief of alléén maar negatief.

2. The Alignment Problem: Machine Learning and Human Values |  Brian Christian

Christian probeert in zijn boek antwoord te geven op de vraag: Hoe kunnen we machines leren om te doen wat we willen? Om niet alleen te optimaliseren op accuraatheid en efficiëntie, maar ook rekening te houden met onze bedoeling en de normen en waarden die we als samenleving belangrijk vinden. Naast de uitdagingen waar we in Machine Learning vandaag de dag voor staan, geeft de auteur ook  een boeiend historisch overzicht van hoe het vakgebied zich ontwikkeld heeft.

3. The Ethical Algorithm: The Science of Socially Aware Algorithm Design | Michael Kearns en Aaron Roth

Waar Christian in zijn boek de uitdagingen binnen het Machine Learning werkveld in een breder (historisch) perspectief plaatst, gaan Kearns en Roth dieper in op de vraag: Hoe codeer je maatschappelijke waarden in algoritmes? Hoe kwantificeer je deze waarden en neem je ze mee in de ontwikkeling van je Machine Learning-model? Er zijn veel moeilijke keuzes, bijvoorbeeld tussen accuraatheid en eerlijkheid, en tussen transparantie en privacy.  Een algoritme kan deze keuzes niet maken, dat moeten mensen doen. Maar het is wel mogelijk om de ‘trade-offs’ inzichtelijk te maken, zodat eindverantwoordelijken een weloverwogen beslissing kunnen nemen.

4. Understand, Manage, and Prevent Algorithmic Bias: A Guide for Business Users and Data Scientists | Tobias Baer

Kearns en Roth geven weliswaar hele interessante inzichten, maar die zijn niet altijd meteen toepasbaar binnen de Machine Learning-projecten waar ik dagelijks aan werk. Dat geldt wél voor de schat aan ervaring die Baer deelt in zijn boek. Baer beschrijft een aanpak voor het opsporen, doorgronden, mitigeren en voorkomen van bias in Machine Learning-algoritmes. Het is een praktische handleiding met veel goede tips.

5. De grote dataroof | Christopher Wylie

In dit boek vertelt klokkenluider Wylie hoe Cambridge Analytica de uitkomst van het Brexit-referendum in Groot-Brittannië en de presidentsverkiezingen in de Verenigde Staten probeerde te beïnvloeden. Het bedrijf deed dit door middel van psychografische microtargeting op basis van (illegaal verkregen) Facebook-data en Machine Learning -modellen.  Het boek is te dik, bevat te veel details die niet relevant zijn en is slecht vertaald. Ook zijn onderzoekers en journalisten het onderling niet eens over de mate waarin Cambridge Analytica daadwerkelijk bepalend is geweest voor de uitslagen. Desalniettemin is het een must-read. Het is verontrustend om te lezen hoe met big data en voorspellende modellen een instrument (de auteur noemt het zelfs een wapen) wordt gemaakt, waarmee mensen tegen elkaar worden opgezet en democratische waarden worden ondermijnd, zonder dat de werking ervan duidelijk zichtbaar is.

6. Race After Technology | Ruha Benjamin

Dit boek heb ik nog niet uit. Ik lees het langzaam, om de boodschap te laten bezinken en goed te begrijpen. Benjamin schrijft dat het aan de oppervlakte kan lijken alsof technologie neutraal is en geen vooroordelen heeft, maar dat het gebruik ervan nog steeds kan leiden tot ongelijkheid, racisme en discriminatie. Het is alleen minder zichtbaar. De auteur heeft het over ‘techno determinisme’: dat we er in berusten dat technologie onze levens beïnvloedt, terwijl we omgekeerd geen invloed kunnen uitoefenen op de technologische ontwikkelingen. Dit beeld klopt niet. Door eisen te stellen aan het ontwerp van technologieën kunnen we er voor zorgen dat die rechtvaardiger en eerlijker wordt. Benjamin geeft daarvoor handvatten in haar boek.

7. Jouw baan gaat verdwijnen en dit is de oplossing | Andrew Yang

Yang deed namens de Democratische Partij mee aan de voorverkiezingen van de Amerikaanse presidentsverkiezingen in 2020. Hij is er van overtuigd dat we aan het begin staan van ‘De Grote Vervangingsoperatie’. Volgens Yang gaan in de nabije toekomst hele beroepsgroepen verdwijnen als gevolg van verregaande automatisering, kunstmatige intelligentie en big data. Hij gelooft dat dit uiteindelijk leidt tot het uiteenvallen van onze maatschappij, tenzij we een omslag in gang zetten. In dit boek deelt hij zijn visie en ideeën voor de oplossing: mensgericht kapitalisme. Alhoewel het boek bij het beschrijven van de huidige situatie vooral uitgaat van de Verenigde Staten en ik het niet per se overal mee eens ben, vind ik zijn verhaal inspirerend.

Wat waren voor jou de meest interessante of leerzame boeken van 2020? Welk boek staat niet in de lijst, maar hoort er wel in thuis? Ik hoor het graag! Je kunt contact met me opnemen via LinkedIn.

Reactie toevoegen

U kunt hier een reactie plaatsen. Ongepaste reacties worden niet geplaatst. Uw reactie mag maximaal 2000 karakters tellen.

* verplichte velden

Uw reactie mag maximaal 2000 karakters lang zijn.

Reacties

Er zijn nu geen reacties gepubliceerd.