Zij weten precies wat jouw voorkeuren zijn

Algoritmes

De muziek die we luisteren, het hotel dat we boeken en de persoon met wie we op date gaan worden steeds vaker bepaald door slimme algoritmes. Maar wat we soms vergeten, is dat het mensen zijn die deze algoritmes schrijven.

Foto iStock

‘Netflix voor de journalistiek”, zo noemde Blendle-oprichter Alexander Klöpping de nieuwe dienst Premium toen die vorige maand gelanceerd werd. Het idee: voor een vast bedrag per maand krijgen mensen een selectie van de beste artikelen uit 120 verschillende tijdschriften en kranten, gebaseerd op hun leesgedrag en persoonlijke interesses.

Samen met de redactie maakt een algoritme die selectie. Hetzelfde algoritme dat wordt ingezet voor de gepersonaliseerde nieuwsbrief en de online feed. De ontwikkeling ervan duurde een half jaar, waarna het een naam kreeg: de aanbevelingsmachine.

Anne Schuth (33) is een van de twee datawetenschappers die werden aangenomen om de aanbevelingsmachine te bouwen. Voordat hij aan de slag ging bij Blendle, werkte Schuth aan zijn promotieonderzoek naar zoekmachinetechnologie. Hij liep stages bij zoekmachines Bing van Microsoft en het Russische Yandex. Schuth: „In principe verschilt dat werk weinig met wat ik nu doe. Het gaat allemaal om het sorteren van informatie.”

Bij Blendle werkte Schuth mee aan een algoritme dat nieuwsartikelen automatisch classificeert en aanbeveelt aan de gebruikers. Wie graag longreads leest en van sport houdt bijvoorbeeld, krijgt naar verhouding meer langere sportartikelen te zien.

Zulke algoritmen, in feite reeksen computerhandelingen gekoppeld aan een wiskundige berekening met soms wel honderden variabelen, worden op steeds meer gebieden toegepast. Naast nieuwsartikelen worden ze losgelaten op onder meer online muziek, televisieseries, hotels en vrijgezellen. Regelmatig worden algoritmes zo geprogrammeerd dat ze leren van eerdere uitkomsten. Spoelde je een nummer door uit de Discover Weekly-playlist van Spotify? Staat genoteerd.

Maar hoe slim de techniek ook is, het schrijven van algoritmes is nog altijd mensenwerk, meestal dat van datawetenschappers of informatici. Zij zijn gewild in het bedrijfsleven: het Zwitserse adviesbureau Procorre signaleerde in augustus vorig jaar een toename van 45 procent in het aantal vacatures voor datawetenschappers binnen de Europese Unie ten opzichte van zes maanden eerder. Nederland zat met een stijging van 50 procent zelfs iets boven dat gemiddelde.

Snappen mensen wat het werk van iemand met zo’n baan inhoudt? „Mijn leeftijdsgenoten wel”, zegt Schuth. „Die weten ongeveer wat algoritmes doen, en dat ze onlosmakelijk zijn verbonden met Facebook, Spotify, en eigenlijk met het internet in het algemeen. Bij oudere mensen ontbreekt soms het besef dat het mensen zijn die algoritmes schrijven.

Schuths studiegenoten op de Universiteit van Amsterdam belandden vrijwel allemaal bij technologiegiganten. Zelf solliciteerde hij bij Google, Microsoft en Yahoo, maar brak de procedures af omdat hij niet in het buitenland wilde werken. „In Nederland heeft een datawetenschapper ook opties. Ik zou in de flitshandel kunnen gaan werken [de speculatie op valuta- en aandelenkoersen, waarbij algoritmische systemen bewegingen op de beurs analyseren om te bepalen welke aandelen verkocht en aangekocht moeten worden, red.]. Dat verdient erg goed, maar dan zou ik mijzelf wel een klootzak vinden die in de hel belandt. Ik draag in mijn ogen niets bij aan de wereld als door toedoen van mijn werk de een financieel stuk loopt zodat de ander rijk wordt. Zorgen dat mensen goede artikelen lezen vind ik wél een goede bijdrage. Bovendien verdien ik ook prima bij Blendle.”

Theekransje met data-experts

Ook Fokko Beekhof (39), werkzaam in Genève bij boekingswebsite Expedia, wordt regelmatig gerekruteerd voor banen in de flitshandel. Hij negeert ze. „Ik kan niet bedenken wat ik in die rol zou bijdragen aan de maatschappij. Die gedachte vind ik gênant.” Hij houdt zich in zijn werk vooral bezig met het sorteren van zoekresultaten die gebruikers te zien krijgen als ze een vakantie bij Expedia boeken.

Welk hotel bovenaan staat is bijvoorbeeld afhankelijk van allerlei factoren: hoe veel foto’s er beschikbaar zijn, wat de voorkeuren van de gebruiker zijn, hoe populair het is onder andere gebruikers en of het hotel extra betaalt. „De bedrijfscultuur bij Expedia bevalt me goed. Ik kan mijn eigen tijd indelen en er werken veel intelligente mensen van wie ik kan leren”, zegt Beekhof. Ook is hij enthousiast over de ‘MLT’, een afkorting voor machine learning teatime: een theekransje met zijn collega-data-experts waarin problemen of trends worden besproken. „Dan hebben we het bijvoorbeeld over het cold start-problem, een probleem dat zich voordoet als een algoritme nog helemaal niets weet van de gebruiker. Daar proberen we dan een oplossing voor te bedenken.”

Lees ook: Het klinkt cryptisch, maar de toepassingen zijn vaak praktisch. Drie ondernemers leggen uit hoe zij de wereld overtuigen van blockchain

Daten met het algoritme

Ook bij Blendle vindt er veel overleg plaats. Alle Blendle-medewerkers mogen ideeën opperen voor nieuwe toepassingen, vertelt Schuth. Zo’n idee wordt vervolgens getest door het datateam: „Als het werkt en bijdraagt aan de lange termijndoelen van Blendle wordt de aanpassing doorgevoerd.” In de zes maanden dat het systeem bestaat, zijn er op deze manier al vijftienhonderd aanpassingen gedaan - variërend van het herstellen van kleine foutjes tot het invoeren van nieuwe functies voor gebruikers. Expedia hanteert een soortgelijk principe, dat ‘test & learn’ genoemd wordt.

Dat programmeren een kwestie is van hard werken en continu schaven, weet ook Frank van Viegen (36). In 2005 werd hij, als pas afgestudeerd informaticus, mede-oprichter van datingsite Paiq. In het verschiet lag een baan als adviseur voor bedrijfsinformatiesystemen, zo dacht Van Viegen althans. Maar dat leek hem toch te saai. Vandaar het eigen bedrijf: „De meeste datingsites gebruiken algoritmes, maar niet op een slimme manier. Aan de hand van een vragenlijst naar voorkeuren die de gebruiker invult, berekent het programma welke medegebruikers in potentie interessant zijn.”

Van Viegen wilde bewijzen dat een algoritme die keuze zelfs beter kan maken dan een mens. „We weten dat de gebruiker kijkend door zo’n lijst maar vier of vijf factoren kan laten meewegen, met als belangrijkste factor het uiterlijk. Ons algoritme neemt tweehonderd factoren in overweging en leert bovendien van zijn eigen keuzes. Als een match in de praktijk geen goede keuze blijkt, past hij de relevantie van bepaalde factoren aan.”

Van Viegen werkte in de begindagen van Paiq koortsachtig aan dat algoritme. Zijn werkdagen begonnen rond elf uur in zijn studentenflat, en duurden tot ergens na middernacht. Anne Schuth kende soortgelijke dagen toen hij de aanbevelingsmachine van Blendle bouwde: „Soms stond ik ’s ochtends op met een idee in mijn hoofd. Dan wilde ik dat meteen uitvoeren.”

De algoritmes worden door hun makers overigens ook privé benut. Schuth leest elke ochtend het nieuws via Blendle, Beekhof boekt graag zijn reizen via de site van Expedia. En Van Viegen vond via Paiq zijn vriendin, al had het slimme algoritme daar niets mee te maken – zijn vriendin mailde destijds de klantenservice van Paiq, om de datingsite op een spelfout te wijzen.