Ons wêreld beweeg al hoe vinniger, en deur al die eeue van ons bestaan, kon ons nog nooit so vinnig soek, so ver reis of so diep delf nie. Ons het in die laaste eeu alleen ’n verbasingwekkende toename in die insameling van data gesien, en ons kan ongelooflike hoeveelhede inligting stoor om ons te help om bekende en onbekende probleme op te los. Die vermoë om hierdie geweldige hoeveelheid data optimaal te benut sal op ’n stadium buite ons bereik wees, maar nie buite die bereik van die instrumente wat ons gemaak het nie. By die Noordwes-Universiteit (NWU) verseker professor Marelie Davel, direkteur van die navorsingsgroep MUST Deep Learning, en haar span dat ons databewaarplekke, wat al hoe meer word, sal voortgaan om die samelewing te dien.  

Die span se fokus op masjienleer, en spesifiek diepleer, is amper soos om towerkrag te hê.  Dit is hoekom.

 “Masjienleer is ’n oorkoepelende term vir stelsels wat op ’n geoutomatiseerde wyse uit hulle omgewing leer. Hierdie stelsels word nie geprogrammeer met die stappe om ’n bepaalde taak op te los nie, maar word geprogrammeer om uit die data te ‘leer’. Tydens hierdie proses ontdek die stelsel die onderliggende patrone in die data en kom met sy eie stappe vorendag om die spesifieke taak op te los,” verduidelik professor Davel.

Volgens haar word masjienleer toenemend belangriker namate al hoe meer praktiese take deur masjienleerstelsels opgelos word: “Van weervoorspelling tot die ontdekking van geneesmiddels tot selfbestuurmotors. Ons sien al hoe meer dat talle van die instellings met wie ons in aanraking kom, soos banke, supermarkgroepe en hospitale, almal deesdae masjienleer in aspekte van hulle besigheid inkorporeer. Masjienleer help dat hierdie instrumente wat ons daagliks gebruik – van internetsoektogte tot elke slimfoonfoto wat ons neem – beter werk.”  

Die NWU en MUST gaan ’n trappie verder deur navorsing oor diepleer te doen. “Dit is ’n gebied van masjienleer wat oorspronklik geïnspireer is deur die idee van kunsmatige neurale netwerke, wat eenvoudige modelle was van hoe mense gedink het neurone met die menslike brein skakel. Dit is in die vroeë veertigerjare so verstaan! Moderne netwerke het sedertdien baie gevorder, met toenemend komplekse skeppings wat groot, gelaagde modelle daarstel wat veral doeltreffend is om ‘menslike’ take op te los, soos die verwerking van spraak en taal, of die identifisering van wat in beelde aangaan.” 

Sy verduidelik dat, hoewel hierdie modelle goed benut word, daar steeds verrassend baie onopgeloste vrae is oor hoe dit werk en wanneer dit misluk.  

“Ons werk aan van hierdie onopgeloste vrae, veral oor hoe netwerke optree wanneer hulle nuwe situasies teëkom wat nie deel van hulle opleidingsomgewing gevorm het nie.  Ons bestudeer ook die redes agter die besluite wat die netwerke neem. Dit is belangrik om te bepaal of die stappe wat hierdie modelle neem om take op te los, inderdaad billik en onbevooroordeeld is, en soms kan dit help om nuwe kennis oor die wêreld om ons te ontdek. ’n Voorbeeld hiervan is nuwe maniere om ’n siekte te diagnoseer en te verstaan.” 

Die gebruik van hierdie tegnologie is amper onbeperk en sal steeds groei, en dit is waarom professor Davel belowende navorsers aanmoedig om te oorweeg om hulle kundigheid op hierdie gebied aan te wend.

“Deur werklik hierdie instrumente te bestudeer, probeer ons om ook beter gebruikers van die instrumente te wees. Ons wend gewoonlik hierdie instrumente vir bedryfsvennote aan eerder as om dit op ons eie te doen – spraakverwerking vir oproepsentrums, verkeersvoorspelling, ruimteweervoorspelling, en selfs vlerkprofielontwerp. Ons het al op redelike uiteenlopende gebiede gewerk, maar al die toepassings is gebou op die beskikbaarheid van groot, komplekse datastelle wat ons dan noukeurig modelleer.  Dit is internasionaal ’n veld wat baie vinnig uitbrei. Daar is werklik ’n digitale revolusie wat voortsnel regoor elke bedryf waaraan ’n mens kan dink, en masjienleer is ’n kritieke deel daarvan.  Die kombinasie van praktiese belang en tegniese uitdagings maak dat dit ’n uiters bevredigende gebied is om in te werk.”

Sy bely dat, hoewel sommige van die idees van MUST se medewerkers aan die begin dalk vergesog kan klink, die span al herhaaldelik gevind dat as die data beskikbaar is, dit moontlik is om ’n instrument te bou om dit te gebruik.  

Mens kan ʼn toekoms indink waar menslike take soos spraakherkenning en spraakinteraksie so goed deur masjiene nageboots word dat daar nie tussen hulle en hul menslike eweknieë onderskei kan word nie. Die beroemde wetenskapfiksie-skrywer, Arthur C Clarke, het een keer gesê dat enige tegnologie wat genoegsaam gevorderd is, nie van towerkrag onderskei kan word nie.  By die NWU doen MUST hul deel om towerkrag ʼn werklikheid te maak.  

Marelie Davel