Mediabedrijven willen meer doen met kunstmatige intelligentie; mensen met een afstand tot de arbeidsmarkt zoeken een ingang naar werk. Partijen in de Gooi en Vechtstreek combineren die behoeften in één project, waarbij werkzoekenden onder andere videobeelden labelen. De start is veelbelovend.
Artificiële intelligentie (AI) wordt steeds belangrijker voor mediabedrijven. AI helpt hen bijvoorbeeld om snel beeldarchieven door te zoeken, om kijkers aanbevelingen te doen (‘Als u dit leuk vindt, is dit misschien ook wat voor u’), maar ook om praatprogramma’s snel te scannen op diversiteit of om promofilmpjes voor komende uitzendingen te maken zonder dat er een mens aan te pas komt.
Mensenwerk is de basis van kunstmatige intelligentie
Kunstmatige intelligentie is weliswaar ‘zelflerend’, maar de basis is toch bijna altijd een dataset die door mensen is gemaakt, vertelt Muriël Serrurier Schepper. Ze is projectmanager AI-Fieldlabs bij Media Perspectives, platform voor media en innovatie. “Om een systeem intelligent te maken, moet je het voeden met data. Dat doen we in dit geval door content van videomateriaal te labelen. Je kunt bijvoorbeeld een scene labelen als ‘romantisch’, een andere als ‘humoristisch’, of je kunt selecteren wat een mannengezicht of een vrouwengezicht is.
“Het gaat om allerlei verschillende labels van videobeelden die je combineert tot een dataset die vervolgens wordt gebruikt om AI-modellen te trainen. Je draagt met het labelen van data als het ware de menselijke intelligentie over op een machine.”
‘Om een systeem intelligent te maken, moet je het voeden met data’
Serrurier Schepper signaleerde de behoefte aan gelabelde datasets bij mediabedrijven én raakte in gesprek met de gemeente Hilversum over mensen met een afstand tot de arbeidsmarkt. Die twee bleken goed te combineren in een proefproject waarbij werkzoekenden worden ingezet om de content van videomateriaal te labelen.
Het project is een samenwerking van Media Perspectives, NPO, RTL, Beeld en Geluid aan de ‘mediakant’ en de gemeente Hilversum, regio Gooi en Vechtstreek, UWV, sociale onderneming Tomingroep en het Werkgeversservicepunt Gooi en Vechtstreek aan de ‘arbeidsmarktkant’.
Acht deelnemers labelen videomateriaal
Begin maart begonnen mensen met een afstand tot de arbeidsmarkt met het labelen van content. “Er werken nu acht mensen aan het project, dat kunnen er maximaal tien worden”, vertelt Serrurier Schepper. “Hun achtergronden zijn heel divers. Er zijn drie statushouders die met dit project onder meer hun Nederlands willen verbeteren, een paar jonge mensen die moeite hebben hun eerste baan te vinden en een paar deelnemers die om uiteenlopende redenen een ‘rugzakje’ hebben waardoor ze niet zomaar werk vinden. Via de gemeente komen ze bij ons, met de bedoeling dat dit project een opstap is naar een reguliere baan.”
De deelnemers zouden in theorie thuis hun werk kunnen doen, maar komen in twee verschillende groepen bij elkaar op locatie. “Dat werkt voor deze doelgroep het beste”, zegt Serrurier Schepper. “Ze worden begeleid door iemand van de Tomingroep. Ze zijn steeds 45 minuten aan het labelen en hebben dan een kwartier pauze. Zo werken ze een halve dag, vier keer per week. Daarnaast krijgen ze ook sollicitatietrainingen. De komende tijd gaan we zien of dit project inderdaad een effectieve manier is om mensen te laten doorstromen naar een reguliere baan. De een kan dat misschien al na zes weken, voor een ander na vier maanden. De vrijkomende plekken vullen we dan op met nieuwe mensen.”
‘De een kan misschien al na zes weken doorstromen naar een reguliere baan, de andere na vier maanden’
De inzet van de deelnemers blijkt uitstekend. “We zien dat ze steeds allemaal op tijd komen en hun werk heel serieus doen. Er zijn weinig re-integratiebanen op het gebied van digitalisering. Blijkbaar spreekt dit werk mensen echt wel aan.”
Gelabelde videocontent als businesscase voor meer sectoren
De initiatiefnemers onderzoeken ook of er een businesscase zit in gelabelde content. “Mediabedrijven hebben wel grote behoefte aan gelabelde datasets, maar we weten nog niet of ze ervoor willen betalen. Als dat zo blijkt te zijn, kunnen we misschien een zelfstandig bedrijfje op zetten, ook voor andere sectoren.
“De behoefte aan datasets is namelijk veel groter dan alleen bij mediabedrijven. Ook banken en verzekeraars kunnen er iets mee. Banken bijvoorbeeld om op sociale media snel te kunnen scannen welke emotie een bepaalde bank bij consumenten oproept en verzekeraars bijvoorbeeld om schadefoto’s met behulp van AI te laten herkennen. Alle bedrijven en sectoren die interesse hebben in ons project, nodigen we uit om contact op te nemen.’