Skip to ContentSkip to Navigation
Over ons Actueel Nieuws Nieuwsberichten

De beste sollicitant dankzij kunstmatige intelligentie

30 januari 2018
Jean-Paul van Oosten (foto: Joost Nuijten)
Jean-Paul van Oosten (foto: Joost Nuijten)

Op zoek naar spelden in gigantische virtuele hooibergen? Punaises? Nietjes? Wanneer een klant grote hoeveelheden digitale data beschikbaar stelt aan de medewerkers van Target Holding, weten zij er raad mee. Met behulp van kunstmatige intelligentie kunnen opzienbarende resultaten worden behaald. Bijvoorbeeld digitaal sollicitatiebrieven analyseren. Bedrijven kunnen zo veel efficiënter hun personeel inzetten en geld besparen.

Tekst: Gert Gritter / Communicatie RUG

Jean-Paul van Oosten is Senior Machine Learning Engineer bij Target Holding, een spin-off van de RUG, en daarnaast promovendus. Zowel in zijn promotieproject als in zijn dagelijkse werk draait het om de meest uiteenlopende ‘bakken met data’, waarin slimme systemen patronen herkennen en verbanden leggen. Dat gebeurt aan de hand van Machine Learning (ML). Dat is het ‘zelflerend’ vermogen van intelligente computers en biedt de mogelijkheid om data te verrijken. Een toepassing die Van Oosten en zijn collega’s hebben gevonden is een manier om uit honderden curricula vitae en sollicitatiebrieven voor een vacature de beste sollicitanten te selecteren. Waar het HR-medewerkers anders veel tijd zou kosten alle elektronische post door te spitten en de meest geschikte kandidaten voor de baan te vinden, doen AI-systemen dat in een paar seconden. De systemen zijn dusdanig geprogrammeerd dat ze kijken naar relevante combinaties van gegevens, onbelangrijke informatie achterwege laten en de data kunnen wegen.

Patroonherkenning

Target Holding ontwikkelt de meest uiteenlopende toepassingen, onder meer voor infrastructuur, media, Human Resources en Life & Health. Een collega van Van Oosten promoveerde in 2014 op het gebruik van patroonherkenning om te beoordelen of iemand huidkanker heeft of een onschuldige moedervlek. Dit huidclassificatiesysteem werkt goed en kan in sommige gevallen zelfs beter dan een specialist bepalen of een plekje op de huid gevaarlijk is of niet. Een ander voorbeeld komt uit de forensische hoek. Er zijn programma’s die het handschrift van de schrijver van een dreigbrief kunnen vergelijken met het handschrift van een verdachte. Uit een programma dat een statistische vergelijking doet komt een lijst van gelijkende handschriften, gesorteerd van meest naar minst gelijkend. Op basis hiervan kan een verdachte worden aangewezen.

Handgeschreven teksten

In het kader van zijn proefschrift onderzoekt Van Oosten als AI-specialist historische handgeschreven teksten, onder meer uit het Kabinet van de Koning van het Nationaal Archief. Hij zet hiervoor het systeem Monk in, dat aan de RUG onder leiding van prof.dr. Lambert Schomaker is ontwikkeld bij ALICE (Artificial Intelligence Institute). Monk gebruikt patroonherkenning en machine learning-algoritmes voor handgeschreven teksten in verschillende archieven, waaronder historische collecties uit de Middeleeuwen, Chinese manuscripten en de Dode Zeerollen. ‘Het automatisch doorzoeken van grote documentcollecties of het categoriseren van teksten op webpagina’s, artikelen, e-mails en boeken wordt steeds belangrijker,’ aldus Van Oosten. ‘Pagina’s worden uitgesplitst in onder meer zinnen, woorden en letters. Aan de hand daarvan kunnen we de inhoud onderzoeken en kijken wat er staat. We kunnen bijvoorbeeld ook achterhalen in welke tijd iets geschreven is. Wie de auteur is. Of waar dat gebeurd is, bijvoorbeeld in de Zuidelijke of de Noordelijke Nederlanden. Maar los van de handgeschreven-tekstherkenning kan een algoritme ook gaan rekenen met woorden. Traditionele software werkt vaak met directe trefwoorden, maar dat heeft bezwaren. Een simpel voorbeeld. Het woord “bank” kan zowel voor een meubelstuk staan als voor een plaats waar geld wordt bewaard. Target kiest een andere aanpak door de context te analyseren. Woorden die in dezelfde context voorkomen hebben hoogstwaarschijnlijk een verwantschap. Als de woorden “bank” en “stoel” vaak in dezelfde context voorkomen, dan gaat de interne wiskundige representatie van die woorden vanzelf op elkaar lijken. Het algoritme gaat vervolgens rekenen met woorden en kan dan verbanden leggen tussen woorden, zonder dat daar expliciet opdracht voor is gegeven.’

Target Holding

Het Groningse bedrijf Target Holding is in 2009 ontstaan uit een samenwerkingsproject met onder andere UMCG, Astron, IBM, Rijksuniversiteit Groningen en Oracle om met onder meer optische sterrenkunde, radiosterrenkunde en genetische data innovatieve kennis voor het eerst naar de markt te brengen. Het werd omschreven als het grootste publiek-private ICT-project van Nederland. Bij Target Holding is Van Oosten met veel verschillende projecten bezig, maar hij hoopt in de loop van 2018 te promoveren. De werkomgeving en –sfeer vindt hij inspirerend. ‘Het bedrijf groeit snel. Onlangs zijn er weer 15 mensen aangenomen, vaak masters of PhD’s van de RUG. Er is een kantoortuin met overlegkamers, die een hele wand als whiteboard hebben om met collega’s te brainstormen en te scrummen. In opdracht van onze klanten werken wij aan het optimaliseren van productieprocessen. Wij doen dingen die anderen nog niet gedaan hebben. Het is elke keer weer cool als we erin slagen problemen van de klant te tackelen.’

Meer informatie

Laatst gewijzigd:12 maart 2020 21:23
View this page in: English

Meer nieuws