In deze aflevering duiken we in het AI-Annotatielab, een bijzonder initiatief dat mensen met een afstand tot de arbeidsmarkt helpt waardevolle werkervaring op te doen door data te labelen.
We bespreken hoe deze samenwerking zowel mediabedrijven, zoals RTL, helpt bij het trainen van hun AI-systemen als een positieve maatschappelijke impact heeft.
Ontdek hoe de diversiteit van de deelnemers zorgt voor een breder perspectief en betere AI-modellen, en luister naar het inspirerende verhaal van de persoonlijke groei en ontwikkeling die zij doormaken.
Muriel Serrurier Schepper en Daan Odijk benadrukken het belang van maatschappelijk verantwoorde modellen in de wereld van data en AI. Samen roepen zij bedrijven op om deel te nemen aan dit initiatief, en zo bij te dragen aan zowel de ontwikkeling van AI-systemen als de integratie van deze doelgroep in de arbeidsmarkt.
Links
Schrijf je in voor onze nieuwsbrief en ontvang exclusieve toegang tot nieuws, blik achter de schermen en meer!
In deze aflevering duiken we in het AI-Annotatielab, een bijzonder initiatief dat mensen met een afstand tot de arbeidsmarkt helpt waardevolle werkervaring op te doen door data te labelen.
We bespreken hoe deze samenwerking zowel mediabedrijven, zoals RTL, helpt bij het trainen van hun AI-systemen als een positieve maatschappelijke impact heeft.
Ontdek hoe de diversiteit van de deelnemers zorgt voor een breder perspectief en betere AI-modellen, en luister naar het inspirerende verhaal van de persoonlijke groei en ontwikkeling die zij doormaken.
Muriel Serrurier Schepper en Daan Odijk benadrukken het belang van maatschappelijk verantwoorde modellen in de wereld van data en AI. Samen roepen zij bedrijven op om deel te nemen aan dit initiatief, en zo bij te dragen aan zowel de ontwikkeling van AI-systemen als de integratie van deze doelgroep in de arbeidsmarkt.
Links
Schrijf je in voor onze nieuwsbrief en ontvang exclusieve toegang tot nieuws, blik achter de schermen en meer!
1
00:00:00,000 --> 00:00:06,240
Hoi, leuk dat je weer luistert naar een nieuwe aflevering van de Air Today Live.
2
00:00:06,240 --> 00:00:10,920
We zitten vandaag met twee gasten. Dat is voor het eerst. Hartstikke leuk.
3
00:00:10,920 --> 00:00:15,520
Daan Oudijk, Muriel. Oh, wat erg. Ja, ja, ja.
4
00:00:15,520 --> 00:00:17,880
Serrurier Schepper. Dank je wel Muriel.
5
00:00:17,880 --> 00:00:22,240
En we gaan het echt vandaag over een heel speciaal initiatief hebben.
6
00:00:22,240 --> 00:00:25,040
Toen Niels en ik ervan hoorden, hadden we echt zoiets van,
7
00:00:25,040 --> 00:00:29,520
ja, maar hier willen we meer van weten. Dit is echt, normaal gesproken zeggen we altijd,
8
00:00:29,520 --> 00:00:34,520
Het is inspirerend, maar volgens mij maken wij nu zo direct echt een hele belangrijke aflevering.
9
00:00:34,520 --> 00:00:36,520
Dus blijf vooral luisteren.
10
00:00:36,520 --> 00:00:42,520
Ik dank jullie wel dat jullie aanwezig zijn bij ons in de podcast.
11
00:00:42,520 --> 00:00:45,520
Misschien willen jullie eerst even voorstellen aan de luisteraars.
12
00:00:45,520 --> 00:00:47,520
Daan, zou jij willen beginnen?
13
00:00:47,520 --> 00:00:51,520
Ja, prima. Ik ben Daan Odijk. Ik leid het data science en AI team bij RTL.
14
00:00:51,520 --> 00:00:54,520
Mijn eigen achtergrond is in de AI.
15
00:00:54,520 --> 00:00:57,520
Gestudeerd in Amsterdam en gepromoveerd in de zoekmachine technologie.
16
00:00:57,520 --> 00:01:06,520
Nu een jaar of vijf werkzaam bij RTL en ik leid een team van acht data scientists waarmee wij werken aan data science toepassingen voor heel RTL.
17
00:01:06,520 --> 00:01:14,520
Ja, mooi, dankjewel. En jullie hebben een speciale band met wat we hier zo direct gaan bespreken, het annotatielab.
18
00:01:14,520 --> 00:01:17,520
Murielle wil jij je even voorstellen?
19
00:01:17,520 --> 00:01:22,520
Ja, ik ben Murielle dus en ik werk nu vijf jaar als zelfstandige.
20
00:01:22,520 --> 00:01:27,920
En ik leid allerlei projecten op het gebied van data en artificial intelligence in allerlei sectoren.
21
00:01:27,920 --> 00:01:33,280
Bij Niels wij kennen elkaar ook bij Heineken hebben wij samen projecten gedaan.
22
00:01:33,280 --> 00:01:35,640
Dat deed ik niet AI, maar wel in de data.
23
00:01:35,640 --> 00:01:36,640
Zeker.
24
00:01:36,640 --> 00:01:43,560
En nu bijvoorbeeld in de scheepvaart, maar ook sinds 2019 al in de mediasector bij Media Perspectives.
25
00:01:43,560 --> 00:01:49,840
En daar hebben wij allerlei initiatieven gedaan, waaronder het AI Annotatielab, waarover we vandaag komen vertellen.
26
00:01:49,840 --> 00:01:54,960
Ja, en dat is echt het hoofdthema vandaag, het AI-Annotatielab.
27
00:01:54,960 --> 00:01:56,960
Kun je daar iets meer over vertellen?
28
00:01:56,960 --> 00:01:58,960
Ja, dat kan ik.
29
00:01:58,960 --> 00:02:03,240
Wil je een stukje historie of wil je eerst weten wat het is?
30
00:02:03,240 --> 00:02:06,320
Laten we beginnen met wat het is. Dan hebben mensen denk ik een beeld.
31
00:02:06,320 --> 00:02:10,560
En dan is het denk ik handig om de historie en waarom je hiermee begonnen bent.
32
00:02:10,560 --> 00:02:17,560
Het AI-Annotatielab is een plek waar mensen met een afstand tot de arbeidsmarkt bij elkaar komen.
33
00:02:17,560 --> 00:02:25,200
En daar zijn zij bezig met het labelen van data, waaronder de data van RTL.
34
00:02:25,200 --> 00:02:28,840
En enerzijds doen zij dus werkervaring op...
35
00:02:28,840 --> 00:02:32,320
waarmee ze straks weer makkelijker op de arbeidsmarkt komen...
36
00:02:32,320 --> 00:02:34,840
of vervolgtrajecten kunnen krijgen.
37
00:02:34,840 --> 00:02:38,640
En anderzijds krijgen de mediabedrijven hele mooie data...
38
00:02:38,640 --> 00:02:40,760
waarmee ze hun AI kunnen trainen.
39
00:02:40,760 --> 00:02:45,880
En ook die die heel divers is, omdat we hier een hele diverse groep mensen hebben.
40
00:02:46,000 --> 00:02:55,440
Het zijn kwetsbare mensen en we hebben daar een fantastische jobcoach op zitten die hen enerzijds helpt het werk te doen,
41
00:02:55,440 --> 00:03:01,600
maar anderzijds ook op allerlei vlakken in hun leven weer verder helpt, zodat ze daarna wat steviger in de maatschappij terug kan.
42
00:03:01,600 --> 00:03:05,040
Ja, want dat is het primaire doel, toch? Als ik dat goed begrepen had.
43
00:03:05,040 --> 00:03:10,440
Ja, het is én de mensen helpen én de bedrijven helpen. Dus het is echt een win-win.
44
00:03:10,440 --> 00:03:13,640
Het is niet het een of het ander wat belangrijker is, het is alle twee.
45
00:03:13,640 --> 00:03:18,800
En Daan, wat betekent dat voor jullie? Want jullie maken er gebruik van als RTL.
46
00:03:18,800 --> 00:03:20,800
Wat betekent dat voor jullie?
47
00:03:20,800 --> 00:03:26,120
Ja, dus we hebben een aantal taken waarbij we data gelabeld krijgen door deze mensen.
48
00:03:26,120 --> 00:03:31,480
Dat is bijvoorbeeld, kijken we naar de kwaliteit van de omtiteling voor tv-programma's,
49
00:03:31,480 --> 00:03:37,120
we kijken naar dingen als, welke plaatjes zijn er aantrekkelijk om als thumbnail te laten zien op Videoland.
50
00:03:37,120 --> 00:03:41,200
We kijken nu bijvoorbeeld ook naar welke categorie hoort er bij een video,
51
00:03:41,200 --> 00:03:46,360
zodat we daar voor personalisatie en voor advertenties ons verder op kunnen richten.
52
00:03:46,360 --> 00:03:50,000
Dus dat is voor ons hele nuttige data waar we AI-modellen op kunnen trainen.
53
00:03:50,000 --> 00:03:53,400
En vooral gebruiken we het ook om veel van onze AI-modellen te corrigeren...
54
00:03:53,400 --> 00:03:55,640
en te controleren, kijken hoe goed dat gaat.
55
00:03:55,640 --> 00:03:58,000
Wat interessant is aan deze doelgroep...
56
00:03:58,000 --> 00:04:00,040
is dat we eigenlijk een heel ander soort data krijgen...
57
00:04:00,040 --> 00:04:04,920
dan als we dit door een professioneel iemand bij RTL bijvoorbeeld zouden laten doen.
58
00:04:04,920 --> 00:04:09,480
Dus we krijgen denk ik daarmee heel veel rijkere data daardoor.
59
00:04:09,600 --> 00:04:12,920
Heb je een voorbeeld van wat voor verschillen moeten we dan aan denken?
60
00:04:12,920 --> 00:04:22,600
Nou, bij RTL werken natuurlijk veel al theoretisch gescholden, geloof ik dat ik moet zeggen,
61
00:04:22,600 --> 00:04:29,600
nu maar hogeropgeleiden bedoel ik, voor een deel, die heel diep in de materie zitten.
62
00:04:29,600 --> 00:04:32,120
Als we die een vraag stellen over van welke categorie gaat het over,
63
00:04:32,120 --> 00:04:37,320
dan krijgen we daar een heel praktisch antwoord open of een heel duidelijk antwoord op.
64
00:04:37,320 --> 00:04:42,360
deze mensen kijken veel meer met een blik van een gemiddelde consument of een ander soort consument
65
00:04:42,360 --> 00:04:47,520
naar onze data. Waardoor we denk ik zeker complementaire data hebben, maar misschien ook
66
00:04:47,520 --> 00:04:51,680
wel betere data dan als we dat zelf zouden doen. - Ja, dat is wel grappig, want dat is niet het
67
00:04:51,680 --> 00:04:55,560
eerste wat dan in je opkomt. Maar nu dat je het uitlegt, denk ik, oh ja, dat is eigenlijk wel heel
68
00:04:55,560 --> 00:05:00,040
logisch. - Ja, precies. En ik denk dat het voor ons ook heel goed is om daar juist een externe blik
69
00:05:00,040 --> 00:05:04,960
op te hebben en van tevoren ook goed over na te denken. Welke vragen stellen we en wat kunnen we
70
00:05:04,960 --> 00:05:11,960
Ja, grappig is ook dat ik recent veel gesproken met mensen die conversational writers zijn voor chatbots.
71
00:05:11,960 --> 00:05:18,960
En ja, dan moet je natuurlijk ook een chatbot intent vragen om te trainen zodat hij de intent herkent.
72
00:05:18,960 --> 00:05:24,960
En ja, die zeggen ook van, joh, het is eigenlijk al heel interessant om deze doelgroep de vragen te laten stellen.
73
00:05:24,960 --> 00:05:31,960
Want vraag je dat aan de mensen op kantoor, die zitten toch met een bepaalde opleiding en een achtergrond stellesvragen.
74
00:05:31,960 --> 00:05:37,800
vragen. Maar als je straks dit maakt voor je klantenpopulatie, ja, dat zijn niet allemaal
75
00:05:37,800 --> 00:05:43,480
de hoogopgeleide mensen. En dat zijn misschien wel juist de mensen die wij hier hebben zitten,
76
00:05:43,480 --> 00:05:46,800
zijn misschien wel gewoon je doelgroep. Dus die gaan juist de vragen stellen.
77
00:05:46,800 --> 00:05:49,680
De grootste groepen zijn juist niet hoogopgeleide, toch?
78
00:05:49,680 --> 00:05:55,920
Juist. Ja. Dus ook daar zien we heel erg de potentie van het AEA Notatiedat.
79
00:05:55,920 --> 00:05:58,720
Kun je ook wat vertellen over de historie dan?
80
00:05:58,720 --> 00:06:01,480
Ja, nou ja, het is eigenlijk hoe is het ontstaan.
81
00:06:01,480 --> 00:06:06,440
In 2019 toen gingen we met verschillende media partijen hier op het Media Park,
82
00:06:06,440 --> 00:06:08,160
want daar zijn we dan vandaag,
83
00:06:08,160 --> 00:06:14,560
vanuit mediaperspecties zagen we dat ze allemaal met AI en data science bezig waren.
84
00:06:14,560 --> 00:06:17,200
En toen hebben we meerdere bedrijven uitgenodigd en gezegd van
85
00:06:17,200 --> 00:06:20,640
"Goh, zou het een idee zijn om eens dingen samen te ontwikkelen,
86
00:06:20,640 --> 00:06:24,480
in plaats van ieder met zijn kleine team het wiel opnieuw uit te vinden."
87
00:06:24,480 --> 00:06:27,040
Nou, toen zijn we een aantal projecten begonnen,
88
00:06:27,040 --> 00:06:31,920
Dus we hebben ook een intentieverklaring voor ethisch verantwoord gebruik van AI gecreëerd
89
00:06:31,920 --> 00:06:35,880
en door mediapartnerijen laten ondertekenen.
90
00:06:35,880 --> 00:06:41,920
Zij hebben met een tool om spraakherkenners te benchmarken een oplossing gemaakt.
91
00:06:41,920 --> 00:06:48,040
En een van de andere dingen die we wilden doen was kijken van, goh, kunnen we het videodata
92
00:06:48,040 --> 00:06:53,640
bijvoorbeeld halen, is hier geweld of is hier humor, verraadt het hier over seks?
93
00:06:53,640 --> 00:06:58,640
om met name de kijkwijze te kijken, kan je die kijkwijzer misschien met een model trainen.
94
00:06:58,640 --> 00:06:59,640
Oh ja.
95
00:06:59,640 --> 00:07:05,640
En nou, heel leuk, een paar soort van sessies gehad met allemaal data scientists van allerlei bedrijven bij elkaar.
96
00:07:05,640 --> 00:07:12,640
Uiteindelijk was de conclusie, ja, we hebben gewoon niet genoeg voorbeelddata om bijvoorbeeld geweld te detecteren in al die scènes.
97
00:07:12,640 --> 00:07:14,640
Dus dat hield op.
98
00:07:14,640 --> 00:07:20,040
Op de gelijkheid was ik veel in contact met de gemeente Hilversum, die ook natuurlijk
99
00:07:20,040 --> 00:07:24,480
veel betrokken is bij wat er gebeurt op mediagebied.
100
00:07:24,480 --> 00:07:28,920
En daar was een ambtenaar en die zei van, we hebben natuurlijk heel veel mensen die
101
00:07:28,920 --> 00:07:29,920
niet aan de bak komen.
102
00:07:29,920 --> 00:07:35,560
Ik heb wel eens iets gehoord van annoteren van data en kunnen we daar niet iets mee?
103
00:07:35,560 --> 00:07:38,280
En toen zijn we eigenlijk, die gesprekken zijn heel snel gegaan.
104
00:07:38,280 --> 00:07:45,800
En toen zijn we met RTL, maar ook toen met NPO en Stichting Beeld en Geluid bij elkaar
105
00:07:45,800 --> 00:07:48,880
gegaan en hebben gezegd, nou, laten we dit gaan doen.
106
00:07:48,880 --> 00:07:54,920
En dat hebben we opgezet op 1 maart 2021, start midden in de COVID nog.
107
00:07:54,920 --> 00:07:59,640
Maar wij hadden hier een hele grote ruimte waar mensen heel ver uit elkaar konden zitten.
108
00:07:59,640 --> 00:08:02,920
En toen zijn we met allerlei taken van die partijen begonnen.
109
00:08:02,920 --> 00:08:05,440
En met de begeleiding erbij.
110
00:08:05,440 --> 00:08:07,480
En zo is dat eigenlijk ontstaan.
111
00:08:07,480 --> 00:08:08,480
Wat mooi.
112
00:08:08,480 --> 00:08:13,480
En nu gaan we het derde jaar in, dus we hebben weer net financiering gekregen voor het derde jaar.
113
00:08:13,480 --> 00:08:14,980
Oh, gefeliciteerd. Kijk.
114
00:08:14,980 --> 00:08:15,480
Ja.
115
00:08:15,480 --> 00:08:22,480
En als je dan vanuit jouw perspectief kijkt, wat maakt het nou, want er waren natuurlijk denk ik meerdere opties...
116
00:08:22,480 --> 00:08:25,980
om uiteindelijk aan deze gelabelde data te komen.
117
00:08:25,980 --> 00:08:30,480
Er zijn ook allerlei hele goedkope opties via het buitenland en dat soort zaken.
118
00:08:30,480 --> 00:08:33,480
Wat was de reden voor RTL om juist hiervoor te kiezen?
119
00:08:34,480 --> 00:08:39,480
Ja, inderdaad. Ik denk dat heel veel van dit soort annotatiewerk gebeurt veelal soort van anoniem.
120
00:08:39,480 --> 00:08:44,480
Op Amazon Mechanical Turk bijvoorbeeld, of Crowdflower, dat soort platformen.
121
00:08:44,480 --> 00:08:53,480
Wat ik denk dat het heel mooi aan is, is dat het op het mediapark gebeurt en ook sociale impact heeft, maatschappelijke impact heeft.
122
00:08:53,480 --> 00:08:59,480
En ik denk ook dat we een heel kort lijntje hebben aan deze groep, dat we ook kwalitatief veel hoogwaardigere data krijgen.
123
00:08:59,480 --> 00:09:03,200
Dus ik kom zelf hier geregeld langs om even te kijken hoe het gaat,
124
00:09:03,200 --> 00:09:05,200
wat te vertellen over wat we met de data aan het doen zijn,
125
00:09:05,200 --> 00:09:07,920
en wat vragen te beantwoorden.
126
00:09:07,920 --> 00:09:11,560
En ik denk dat dat ook heel goed werkt om veel betere data te krijgen hieruit.
127
00:09:11,560 --> 00:09:14,960
Dus ja, dit was aan alle kanten een grote winst voor ons eigenlijk.
128
00:09:14,960 --> 00:09:17,280
Ja, snap ik. Mooi.
129
00:09:17,280 --> 00:09:22,880
En je had het over dat het nu voor mediabedrijven is.
130
00:09:22,880 --> 00:09:27,640
Is het exclusief voor mediabedrijven om gebruik te maken van het annotatielab?
131
00:09:27,640 --> 00:09:28,800
Nee, absoluut niet.
132
00:09:28,820 --> 00:09:32,820
Dus wij zijn op zoek naar andere bedrijven die ook denken van...
133
00:09:32,820 --> 00:09:36,380
'Goh, we hebben ook van al die data, maar daar moeten we nog iets mee...
134
00:09:36,380 --> 00:09:41,020
maar we hebben niet de tijd om dat zelf met onze dure data science resources te doen.'
135
00:09:41,020 --> 00:09:44,420
Dus we zijn op zoek naar andere bedrijven ook die denken van...
136
00:09:44,420 --> 00:09:51,220
'Nou, daar zie ik wel wat in en dat levert ons rijkere data op, zoals Daan vertelt.'
137
00:09:51,220 --> 00:09:55,740
En ze kunnen verzekeraars zijn, maar ook in de energiesector...
138
00:09:55,740 --> 00:10:01,140
Er wordt ook veel met fotomateriaal gedaan, wat gelabeld moet worden.
139
00:10:01,140 --> 00:10:04,580
Maar ook, nou wat ik zei, chat...
140
00:10:04,580 --> 00:10:10,580
De training van die chatbots. Dus eigenlijk van alles kan het zijn.
141
00:10:10,580 --> 00:10:13,540
Dus het kan en beeldmateriaal zijn, maar het is ook tekstmateriaal.
142
00:10:13,540 --> 00:10:17,660
Ja, we hebben ook in het verleden bijvoorbeeld voor een bedrijf...
143
00:10:17,660 --> 00:10:21,660
moesten er mensen teksten lezen en uiteindelijk aangeven...
144
00:10:21,660 --> 00:10:24,300
welke emotie roepte dit stukje tekst op.
145
00:10:24,420 --> 00:10:27,620
En dat was bijvoorbeeld omdat zij bezig waren om te kijken...
146
00:10:27,620 --> 00:10:31,860
Geautomatiseerd wilden ze advertenties plaatsen bij artikelen op de website.
147
00:10:31,860 --> 00:10:37,300
En dan wilden ze natuurlijk wel hebben dat als je een mooie advertentie ergens over hebt...
148
00:10:37,300 --> 00:10:40,540
dat dat niet bijvoorbeeld van een BMW of een Audi...
149
00:10:40,540 --> 00:10:44,340
dat dat niet naast een autocrash verhaal stond.
150
00:10:44,340 --> 00:10:49,380
Dus op die manier moesten mensen dus dingen lezen en emoties daaraan geven.
151
00:10:49,380 --> 00:10:50,600
Oh, wat goed.
152
00:10:51,640 --> 00:10:58,640
Dus tekst, maar ook audio, video's. Eigenlijk maakt het qua type data niet zo veel uit.
153
00:10:58,640 --> 00:11:09,640
Nee, en ook complexere dingen. Ze zijn er niet theoretisch geschold, maar veel van de mensen zijn wel slimme mensen.
154
00:11:09,640 --> 00:11:17,640
Alleen ze hebben ergens op hun pad, is het anders gelopen dan ze misschien hadden gewild of dan dat kon.
155
00:11:17,640 --> 00:11:21,640
Er zijn ook ook regelmatig autistische mensen die hier zitten.
156
00:11:21,640 --> 00:11:22,640
Dus ze zijn niet dom.
157
00:11:22,640 --> 00:11:27,640
Ze vinden juist een beetje complexere taken heel leuk.
158
00:11:27,640 --> 00:11:33,640
En ik werk nu ook voor een scheepvaartbedrijf waar we met IoT-data bezig zijn.
159
00:11:33,640 --> 00:11:43,640
En op een gegeven moment hebben we ook een taak gedaan waar wij echt moesten kijken naar de tags van zo'n sensor.
160
00:11:43,640 --> 00:11:48,900
Bij wat voor omschrijving hoort dat nou van het schip?
161
00:11:48,900 --> 00:11:54,380
Dat vonden ze hartstikke leuk, want het was heel erg puzzelen tussen drie verschillende bestanden...
162
00:11:54,380 --> 00:11:58,080
en daarin zoeken en dan uiteindelijk het juiste uitkiezen.
163
00:11:58,080 --> 00:12:04,740
Dus ook dat soort dingen, als je gewoon een bak met data hebt waar gewoon iets mee moet gebeuren...
164
00:12:04,740 --> 00:12:08,020
maar waar je zelf gewoon geen tijd voor hebt, ja, kom maar door.
165
00:12:08,020 --> 00:12:11,780
En met 'kom maar door', hoe gaat dat in zijn werk?
166
00:12:11,780 --> 00:12:15,780
Dus er luistert nu iemand en die zegt, ja, maar dit is echt wat voor ons.
167
00:12:15,780 --> 00:12:16,280
Ja.
168
00:12:16,280 --> 00:12:19,780
Hoe, wat is de eerste stap voor zo iemand?
169
00:12:19,780 --> 00:12:23,780
Ja, nou dan om, nou ga eerst sowieso eens even op onze website opkijken, he.
170
00:12:23,780 --> 00:12:25,780
De annotatielab.nl.
171
00:12:25,780 --> 00:12:26,280
Ja.
172
00:12:26,280 --> 00:12:29,780
En daar vind je ook allerlei contactgegevens, dan kom je bij mij terecht.
173
00:12:29,780 --> 00:12:34,780
Dus ik hoop dat jullie de shownoten mijn e-mailadres willen zetten.
174
00:12:34,780 --> 00:12:36,280
En de website en je e-mailadres.
175
00:12:36,280 --> 00:12:37,280
Alles, heel vaak.
176
00:12:37,280 --> 00:12:42,280
En wat we dan doen is, we gaan met elkaar in gesprek.
177
00:12:42,280 --> 00:12:46,280
En dan kunnen we gewoon met elkaar een proef gaan doen.
178
00:12:46,280 --> 00:12:49,280
En de bedoeling is dus dat je als bedrijf zelf de taak maakt.
179
00:12:49,280 --> 00:12:53,280
En dat je ook je eigen annotatietool meeneemt.
180
00:12:53,280 --> 00:12:58,280
En dat kan dus de ene keer een productie zijn, andere keer een labelbox.
181
00:12:58,280 --> 00:13:00,280
Maar er zijn ook zelfgemaakte tools.
182
00:13:00,280 --> 00:13:06,280
En dan gaan de mensen hier, die krijgen gewoon een username en een password van de opdrachtgever.
183
00:13:06,280 --> 00:13:11,440
en die gaan dan daarin en gaan in die tool van het bedrijf zelf zitten labelen.
184
00:13:11,440 --> 00:13:16,080
Dus op die manier blijft de data ook gewoon waar die vandaan komt.
185
00:13:16,080 --> 00:13:20,960
En we hebben daar wel gezegd, we doen niks met privacygevoelige data.
186
00:13:20,960 --> 00:13:26,400
Want dan moet je weer allerlei complexiteit met allerlei overeenkomsten.
187
00:13:26,400 --> 00:13:28,640
En daar willen we gewoon vanaf blijven.
188
00:13:28,640 --> 00:13:34,080
Maar verder eigenlijk alle soorten data natuurlijk wel binnen het normale.
189
00:13:34,080 --> 00:13:39,680
Je hoort natuurlijk wel eens met dat chat-gpt dat er van alles in Kenia is geoutsourced...
190
00:13:39,680 --> 00:13:43,280
waar mensen de meest ik wat voor vreselijke video's ofzo hebben moeten kijken.
191
00:13:43,280 --> 00:13:44,560
Nou, dat soort werk doen we niet.
192
00:13:44,560 --> 00:13:45,160
Nee.
193
00:13:45,160 --> 00:13:47,160
Dus er zit wel... - Dus er vindt wel iets van een intake plaats.
194
00:13:47,160 --> 00:13:48,760
Ja, er zit wel...
195
00:13:48,760 --> 00:13:51,680
Het moet wel gewoon normale data zijn.
196
00:13:51,680 --> 00:13:55,760
En deze is gewoon in te en dan maken we gewoon een contract met elkaar...
197
00:13:55,760 --> 00:13:57,880
en dan gaan we gewoon aan de bak.
198
00:13:57,880 --> 00:14:00,880
En wanneer kunnen ze dan de eerste resultaten verwachten?
199
00:14:01,280 --> 00:14:09,160
Nou ja, zodra de taak klaar is en de mensen aan de bak gaan, een uur later heb je al de eerste tax.
200
00:14:09,160 --> 00:14:11,680
Wat is jouw ervaring, Daan?
201
00:14:11,680 --> 00:14:14,680
Ja, het gaat relatief snel om dat op te zetten.
202
00:14:14,680 --> 00:14:20,280
Ik denk dat inderdaad een inteken is een goed idee en ik denk ook dat directe betrokkenheid ook handig is om te hebben,
203
00:14:20,280 --> 00:14:23,880
om ook gewoon een betere kwaliteit data te krijgen dan ook daarmee.
204
00:14:23,880 --> 00:14:28,680
Maar ja, als wij een nieuwe taak hebben en we leggen dat 's morgens uit,
205
00:14:28,680 --> 00:14:31,520
Dan hebben we 's middags de eerste berg data binnen.
206
00:14:31,520 --> 00:14:36,220
En ja, er wordt hier nu op dit moment drie dagen in de week gelabeld.
207
00:14:36,220 --> 00:14:38,680
Dus dat betekent dat het behoorlijk snel doorloopt.
208
00:14:38,680 --> 00:14:42,480
En we hebben allemaal taken waar we niet direct tijdsdruk op zitten...
209
00:14:42,480 --> 00:14:45,320
waarbij het ook even kan duren als de data komt.
210
00:14:45,320 --> 00:14:48,620
Dus wij proberen een soort van vanuit RTL de gaten te vullen...
211
00:14:48,620 --> 00:14:50,680
zodat we andere klusjes tussendoor kunnen doen...
212
00:14:50,680 --> 00:14:52,820
voor mensen die meer data hebben.
213
00:14:52,820 --> 00:14:55,180
En wij kunnen wel wachten even op die data.
214
00:14:55,180 --> 00:14:57,780
En Muriel had het net over verschillende tools.
215
00:14:57,880 --> 00:15:02,120
Wat hebben jullie aangeleverd aan het lab? Mag je daar iets over zeggen?
216
00:15:02,120 --> 00:15:04,120
- Ja hoor, je kan daar prima wat over zeggen.
217
00:15:04,120 --> 00:15:11,120
Wij gebruiken onder andere Labelbox, een annotatietool waar we een aantal taken in hebben opgezet.
218
00:15:11,120 --> 00:15:18,360
En daar kijken we bijvoorbeeld naar een taak als herkennen van muziek in Videlandcontent.
219
00:15:18,360 --> 00:15:22,520
Zodat we een idee hebben van waar zitten er muziekstukken, zodat we dat kunnen gebruiken
220
00:15:22,520 --> 00:15:28,520
zowel voor dingen als automatisch hoofdstukken maken voor videocontent,
221
00:15:28,520 --> 00:15:31,960
maar ook om te kijken of we de juiste rechte afdracht doen.
222
00:15:31,960 --> 00:15:33,600
Controleren daarvan.
223
00:15:33,600 --> 00:15:36,520
Dat is een relatief simpel taakje waarbij gewoon vijf minuten geluisterd werd.
224
00:15:36,520 --> 00:15:38,920
En de vraag was, hoor je je muziek ja of nee?
225
00:15:38,920 --> 00:15:41,520
-Oké, dus niet eens welke muziek?
226
00:15:41,520 --> 00:15:44,520
Nee, gewoon echt heel simpel. Is de muziek ja of nee?
227
00:15:44,520 --> 00:15:49,520
En dat hebben we gebruikt om daarmee automatische modellen te benchmarken
228
00:15:49,520 --> 00:15:50,840
en te calibreren eigenlijk,
229
00:15:50,880 --> 00:15:53,880
zodat we nu goed weten waar muziek zit.
230
00:15:53,880 --> 00:15:57,160
Wat was de impact daarvan voor jullie?
231
00:15:57,160 --> 00:15:59,600
Nou, specifiek in dit geval,
232
00:15:59,600 --> 00:16:02,880
we gebruikten daarvoor al automatische modellen
233
00:16:02,880 --> 00:16:04,560
en we weten nu veel beter hoe goed die werken.
234
00:16:04,560 --> 00:16:06,600
Dus we vertrouwen die modellen nu heel veel beter
235
00:16:06,600 --> 00:16:08,160
doordat we menselijke data hebben.
236
00:16:08,160 --> 00:16:10,320
En we hebben uiteindelijk dat gebruikt ook
237
00:16:10,320 --> 00:16:13,480
om dat met Buma's camera te controleren
238
00:16:13,480 --> 00:16:16,600
en kijken of we daar verschillende van meningen hebben.
239
00:16:16,600 --> 00:16:18,440
Dus daarvoor was het hele nuttige data
240
00:16:18,440 --> 00:16:20,640
om een gedeelde waarheid te creëren eigenlijk.
241
00:16:20,640 --> 00:16:26,120
Dat hebben we gebruikt tot aan de presentatoren zelf die het hebben laten zien.
242
00:16:26,120 --> 00:16:28,120
Dat is ook een heel belangrijk onderdeel.
243
00:16:28,120 --> 00:16:30,120
Dat is ook een heel belangrijk onderdeel.
244
00:16:30,120 --> 00:16:32,120
Dat is ook een heel belangrijk onderdeel.
245
00:16:32,120 --> 00:16:34,120
Dat is ook een heel belangrijk onderdeel.
246
00:16:34,120 --> 00:16:36,120
Dat is ook een heel belangrijk onderdeel.
247
00:16:36,120 --> 00:16:38,120
Dat is ook een heel belangrijk onderdeel.
248
00:16:38,120 --> 00:16:40,120
Dat is ook een heel belangrijk onderdeel.
249
00:16:40,120 --> 00:16:42,120
Dat is ook een heel belangrijk onderdeel.
250
00:16:42,120 --> 00:16:44,120
Dat is ook een heel belangrijk onderdeel.
251
00:16:44,120 --> 00:16:46,120
Dat is ook een heel belangrijk onderdeel.
252
00:16:46,120 --> 00:16:48,120
Dat is ook een heel belangrijk onderdeel.
253
00:16:48,120 --> 00:16:50,120
Dat is ook een heel belangrijk onderdeel.
254
00:16:50,120 --> 00:16:55,760
die een idee kregen van hoe divers we eigenlijk mensen uit bij ons gaan voor bij de toxia
255
00:16:55,760 --> 00:17:03,000
zoals je nek en bo en rent ze en belangrijk absoluut hele mooie data voor keren en de
256
00:17:03,000 --> 00:17:07,520
mensen vond het ook heel leuk om te horen dat het werk wat zij gedaan hadden dat dat
257
00:17:07,520 --> 00:17:12,520
nou ja besproken werd daar en en op een hoog niveau binnen rtl en dat daar dus ook naar
258
00:17:12,520 --> 00:17:17,840
tot tot effecten heeft mogelijk geleid dat dat dus dus ja dat merk je ook wel dat dat
259
00:17:17,840 --> 00:17:24,040
Dat je de feedback aan de jager geeft om hier gewoon over vloer te komen als je hier wat laat labelen.
260
00:17:24,040 --> 00:17:30,200
En dat weer terug te geven van wat hebben we daar mee gedaan, wat is de waarde ervan om het circuit rond te maken.
261
00:17:30,200 --> 00:17:31,200
Heel mooi.
262
00:17:31,200 --> 00:17:35,480
Geldt dat ook, jij zei net over dat scheepvaartmaatschappij.
263
00:17:35,480 --> 00:17:41,040
Kan je dat dan ook vertellen wat dat voor impact heeft aan de labelhaars?
264
00:17:41,040 --> 00:17:45,400
Ja, dus ik kan het wel uitleggen waar we dat voor doen.
265
00:17:45,400 --> 00:17:49,400
Maar dat staat zelf nog. We zijn blij dat we eindelijk gestandardiseerde data hebben.
266
00:17:49,400 --> 00:17:52,860
Dat is nu de grootste uitdaging. Dus om er waarde uit te halen.
267
00:17:52,860 --> 00:17:56,880
Dat zijn andere uitdagingen. - Andere werk.
268
00:17:56,880 --> 00:17:58,600
Ja, zomaar zeggen.
269
00:17:58,600 --> 00:18:01,840
Want de media, RTL, dat kijken we natuurlijk allemaal.
270
00:18:01,840 --> 00:18:03,780
Dus daar kunnen we ons iets bij voorstellen.
271
00:18:03,780 --> 00:18:07,100
Ik kan me ook wel voorstellen dat je misschien iets aan het labelen bent...
272
00:18:07,100 --> 00:18:09,440
waarbij je echt geen idee hebt wat het betekent.
273
00:18:09,440 --> 00:18:12,260
Wat voor effect dat heeft.
274
00:18:12,260 --> 00:18:14,580
Lopen ze daar tegenaan?
275
00:18:15,160 --> 00:18:19,640
Nou, de meeste data die ze krijgen is gewoon mediadata, dus daar tot nu toe.
276
00:18:19,640 --> 00:18:21,720
Dus ja, kan ik niet...
277
00:18:21,720 --> 00:18:25,600
Nee, weet ik niet precies, maar ik weet wel dat ze die taak wel heel leuk vonden,
278
00:18:25,600 --> 00:18:28,120
en er wel af en toe vroegen van 'komt er nog meer?'
279
00:18:28,120 --> 00:18:30,320
Dat is een goed teken, ja.
280
00:18:30,320 --> 00:18:32,040
We waren klaar.
281
00:18:32,040 --> 00:18:36,160
Ik merk wel dat er vaak wel vraag naar is om te begrijpen van waarom doen we dit eigenlijk?
282
00:18:36,160 --> 00:18:40,120
Wat hebben we nu nou aan? Wat gebeurt er als ik iets verkeerd label? Hoe erg is dat?
283
00:18:40,120 --> 00:18:41,720
Dat soort vragen ook wel.
284
00:18:42,040 --> 00:18:51,040
En voor ons natuurlijk hele herkenbare data, maar er zijn ook andere mediapartijen die niet alleen Nederlandstalige content hebben, ook uit andere landen.
285
00:18:51,040 --> 00:18:56,440
Dus dan kan ik me voorstellen dat ze wat minder hebben met die content wellicht, maar dat gaat met net zoveel enthousiasme.
286
00:18:56,440 --> 00:19:04,360
Maar je ziet ook wel dat we hebben ook wel met een van andere partijen gehad dat een taak niet goed was opgezet.
287
00:19:04,360 --> 00:19:07,760
En nou ja, mensen gingen daarmee aan de slag.
288
00:19:07,760 --> 00:19:12,800
En eigenlijk na een dag kwam er dus ook de feedback van ja, maar het werkt gewoon niet op deze manier.
289
00:19:12,800 --> 00:19:16,480
Omdat je, ja eigenlijk komen ze altijd op de werkvloer om het de eerste keer uit te leggen.
290
00:19:16,480 --> 00:19:20,320
En doordat het niet band is, konden we ook heel snel weer schakelen.
291
00:19:20,320 --> 00:19:25,440
En nou ja, moest inderdaad het bedrijf opnieuw aan de slag om de taak zodanig te maken dat het wel werkte.
292
00:19:25,440 --> 00:19:27,840
Maar daardoor kregen ze dus ook wel weer betere data.
293
00:19:27,840 --> 00:19:30,800
Dus er wordt ook wel nagedacht over wat we aan het doen zijn.
294
00:19:30,800 --> 00:19:31,520
Ja, precies.
295
00:19:31,520 --> 00:19:37,680
En is er een soort van kaders die je nu geleerd hebt van ja, dit is een goede taak.
296
00:19:37,680 --> 00:19:46,800
Het is lastig om te zeggen. Het is denk ik ook wel heel anders bij het annotatielab dan
297
00:19:46,800 --> 00:19:52,960
wat ik bijvoorbeeld uit mijn academische geschiedenis gewend ben met dingen als Mechanical Turk
298
00:19:52,960 --> 00:19:59,720
of andere crowdsourcing platformen, waar het veel meer ging over taakjes zo klein mogelijk
299
00:19:59,720 --> 00:20:04,320
maken, zorgen dat je goed controleert. Ik stelde mezelf altijd iemand voor die aan de
300
00:20:04,320 --> 00:20:10,400
Dat is hier echt heel anders, omdat deze mensen doen dit met heel veel aandacht.
301
00:20:10,400 --> 00:20:13,320
Denken er goed over na, overleggen ook af en toe met elkaar als er dingen misgaan.
302
00:20:13,320 --> 00:20:20,320
Ik krijg ook vaak genoeg hele terechte vragen terug over van hoezo is dit opgezet en wat zou ik hier moeten antwoorden.
303
00:20:20,320 --> 00:20:24,320
Dus daardoor maakt het ontwerp van de taak ook heel erg anders eigenlijk.
304
00:20:24,320 --> 00:20:28,320
Het is meer een dialoog dan dat het is bij een crowdsourcing platform.
305
00:20:28,320 --> 00:20:33,600
heel erg anders eigenlijk. Het is meer een dialoog dan dat het is bij een crowdsourcing platform.
306
00:20:33,600 --> 00:20:39,480
Ja mooi. En ik heb het idee dat bij ons dat wij onze taken eigenlijk steeds een beetje complexer
307
00:20:39,480 --> 00:20:43,960
zijn gemaakt. Waar ik eerder zei, want het was gewoon de vraag van muziek of niet? Hoe mooi vind
308
00:20:43,960 --> 00:20:50,200
je dit plaatje? Kijk deze drie minuten video en beantwoord daarna deze dertig vragen ongeveer.
309
00:20:50,200 --> 00:20:56,760
En dan krijgen we daar ook gewoon prima data uit. We hebben net even een korte rondleiding
310
00:20:56,760 --> 00:21:01,920
gehad en een van de jongens liet natuurlijk zien wat hij voor jullie aan het doen was.
311
00:21:01,920 --> 00:21:05,160
En ik vond het inderdaad, dat zag er echt wel serieus complex uit.
312
00:21:05,160 --> 00:21:09,640
Dus ik zeg maar toen we hier naartoe kwamen, dacht ik eigenlijk ook van dat zijn een soort van ja,
313
00:21:09,640 --> 00:21:17,280
nee labels. Ik was erg onder de indruk inderdaad van hoe complex de taak was dat dat wordt uitgevoerd.
314
00:21:17,280 --> 00:21:22,560
Ja, en wij onder de indruk van wat we aan data kunnen krijgen daaruit ook.
315
00:21:22,560 --> 00:21:27,920
In het begin hebben we ook heel veel soort van dubbele data opgevraagd...
316
00:21:27,920 --> 00:21:31,240
om te kijken van hoe betrouwbaar is dit, hoeveel consensus krijgen.
317
00:21:31,240 --> 00:21:33,000
En ook dat doen we eigenlijk nu wat minder...
318
00:21:33,000 --> 00:21:36,680
omdat we zien dat we veel diversere data kunnen krijgen...
319
00:21:36,680 --> 00:21:38,560
en het signaal behoorlijk goed is ook.
320
00:21:38,560 --> 00:21:39,760
Heel mooi.
321
00:21:39,760 --> 00:21:43,400
Ja, ik had gewild dat ik hier iets eerder van wist.
322
00:21:43,400 --> 00:21:49,640
Ik heb eind vorig jaar zelf nog even 10.000 plaatsjes moeten annoteren...
323
00:21:49,640 --> 00:21:54,080
Omdat er toch zoveel problemen in zaten met wat we aangeboden hadden gekregen.
324
00:21:54,080 --> 00:21:56,440
Dat ik mijn eigen label heb gemaakt.
325
00:21:56,440 --> 00:22:02,360
En precies wat jij zei, ik zat wel ergens in een vakantiehuisje bij een open haard.
326
00:22:02,360 --> 00:22:06,320
Maar ik heb wel 10.000 keer echt gedrukt van het is dit, het is dat.
327
00:22:06,320 --> 00:22:10,800
Dus dat, ja, ik had het wel eerder willen weten.
328
00:22:10,800 --> 00:22:12,400
Ja, het is zonde van jouw tijd.
329
00:22:12,400 --> 00:22:13,480
En je vindt het niet leuk.
330
00:22:13,480 --> 00:22:14,880
En hier maak je er mensen blij mee.
331
00:22:14,880 --> 00:22:15,600
Ja, geweldig.
332
00:22:15,600 --> 00:22:24,040
Wat wel is, we leveren goede kwalitatieve data, maar we maken geen afspraken over zoveel doen we er per uur.
333
00:22:24,040 --> 00:22:33,400
Want wat ik al zei, het is een speciale doelgroep en de druk wordt eigenlijk door de jobcoach bepaald hoeveel iemand aan kan.
334
00:22:33,400 --> 00:22:40,800
En daar houden we ons ook aan. Maar tot nu toe is er genoeg ruimte om genoeg taken te doen.
335
00:22:40,800 --> 00:22:44,000
Dat is wel echt iets waar we niet op sturen.
336
00:22:44,000 --> 00:22:48,000
Ik denk dat het goed is, plus in de machine learning.
337
00:22:48,000 --> 00:22:51,320
Meestal komt het niet op een uurtje aan.
338
00:22:51,320 --> 00:22:53,340
Het mag een paar dagen duren.
339
00:22:53,340 --> 00:22:56,240
Dus ik denk dat het ook heel verstandig is.
340
00:22:56,240 --> 00:22:58,260
Ik denk ook dat het heel goed is.
341
00:22:58,260 --> 00:23:03,060
We hebben natuurlijk hele gedetailleerde data over...
342
00:23:03,060 --> 00:23:06,580
allerlei kwaliteitsmaten, tijd, duur die mensen daar aan besteden.
343
00:23:06,580 --> 00:23:10,380
Dat is data waar we nooit naar kijken, omdat dat niet van belang is.
344
00:23:10,380 --> 00:23:12,400
Dat is niet waarvoor ze hier zitten.
345
00:23:12,420 --> 00:23:16,980
Het gaat erom dat ze van hier verder komen en wellicht uitstromen naar andere banen.
346
00:23:16,980 --> 00:23:19,420
En daar zijn ook een aantal hele mooie voorbeelden van.
347
00:23:19,420 --> 00:23:22,900
En dat is veel belangrijker dan dat we precies weten...
348
00:23:22,900 --> 00:23:25,820
hoeveel output we hebben van iedere deelnemer.
349
00:23:25,820 --> 00:23:30,340
Nou, en ik vond het ook mooi net in de rondleiding van, dat werd gezegd, 50 minuten.
350
00:23:30,340 --> 00:23:34,380
Daarna gaat er gewoon een zoomer en dan ligt gewoon alles, alles, alles stil.
351
00:23:34,380 --> 00:23:36,780
Maar dat moet natuurlijk ook bij dit soort werkzaamheden, hè?
352
00:23:36,780 --> 00:23:42,340
Dat je ook gewoon ruimte en tijd hebt om weer gewoon geconcentreerd later verder te kunnen.
353
00:23:42,360 --> 00:23:44,360
Ja, echt heel mooi.
354
00:23:44,360 --> 00:23:47,920
Ja, en ik vond het ook een mooi verhaal van de personen die binnenkomen,
355
00:23:47,920 --> 00:23:53,040
echt hun groei doormaken en vervolgens weer ergens anders hun werk kunnen verrichten.
356
00:23:53,040 --> 00:23:55,760
Dus echt een stap de maatschappij weer in.
357
00:23:55,760 --> 00:23:58,000
Dat vond ik ook heel mooi om te horen.
358
00:23:58,000 --> 00:24:01,960
Ja, ze zitten in principe zes maanden bij ons.
359
00:24:01,960 --> 00:24:09,520
En ze beginnen dan ook vaak ook heel schuw, moeten echt weer aan het werkproces gaan wennen.
360
00:24:09,520 --> 00:24:13,520
En na die zes maanden, dan trainen ze ook gewoon de nieuwelingen die komen.
361
00:24:13,520 --> 00:24:14,920
Want het is de hele tijd een wisseling.
362
00:24:14,920 --> 00:24:16,920
En dan zijn ze ook senior geworden.
363
00:24:16,920 --> 00:24:21,520
Dus ze maken echt hele mooie stappen in die korte tijd.
364
00:24:21,520 --> 00:24:23,520
Ja, dat is echt iedereen oproepen, denk ik.
365
00:24:23,520 --> 00:24:26,520
Ik wil jou eigenlijk wel het laatste woord geven, Muriel.
366
00:24:26,520 --> 00:24:29,520
Juist, want dit is echt zo belangrijk.
367
00:24:29,520 --> 00:24:32,520
Een beetje geven je op.
368
00:24:32,520 --> 00:24:33,520
Nou ja.
369
00:24:33,520 --> 00:24:37,520
Ja, dus ja, echt. Ik vind het een fantastisch project.
370
00:24:37,520 --> 00:24:40,920
Binnen de hele data AI-wereld gebeurt zoveel.
371
00:24:40,920 --> 00:24:43,920
We hebben het over maatschappelijk verantwoorden, modellen trainen.
372
00:24:43,920 --> 00:24:45,920
Nou, laten we dan helemaal bij de bron beginnen.
373
00:24:45,920 --> 00:24:48,520
Kom je data hier gewoon brengen.
374
00:24:48,520 --> 00:24:50,920
Wij gaan ermee aan de slag.
375
00:24:50,920 --> 00:24:53,720
En zoals je van Daan hoort, je krijgt top data.
376
00:24:53,720 --> 00:24:58,520
Dus ga het niet meer zelf doen, maar neem contact met mij op.
377
00:24:58,520 --> 00:25:00,920
Hele mooie afsluiter. Dank je wel.
378
00:25:00,920 --> 00:25:04,920
Goed dat je luisterde weer naar een aflevering.
379
00:25:04,920 --> 00:25:11,920
Je hebt Muriel en Daan gehoord, dus geef je op ons bedrijf of win informatie in.
380
00:25:11,920 --> 00:25:13,560
Doe dat, supermooi project.
381
00:25:13,560 --> 00:25:16,920
[Muziek]