Artificial Intelligence (AI) is een onderwerp dat bij veel bedrijven op de agenda staat, maar concrete toepassingen staan vaak nog in de kinderschoenen. Als we het over AI hebben, dan is het belangrijk om eerst de definitie scherp voor ogen te hebben.
Dikwijls worden afbeeldingen van menselijk ogende robots of de Hollywood-klassieker Terminator gebruikt om AI toe te lichten. Terwijl dit deterministische beeld helemaal niet past bij de AI-toepassingen die tegenwoordig worden ingezet om betere bedrijfsresultaten te behalen. Voor ons is AI the science of training systems to emulate human tasks through learning and automation. AI is dus geen zelfregulerende robot, maar een hulpmiddel voor menselijk handelen. Op sommige momenten kan een machine nu eenmaal het werk beter analyseren of uitvoeren dan een mens.
Natural language & image modelling
De collega’s gespecialiseerd in AI proberen machines op een menselijke manier te laten communiceren. Hiervoor leren ze de machine om beelden, geluiden en tekst te begrijpen. Een interessant aandachtsgebied hierbij is de interpretatie van ‘natural language’. Voor een machine is tekst altijd ongestructureerde data, terwijl mensen door het toevoegen van leestekens zorgen voor de juiste interpretatie bij de partij waarmee ze willen communiceren. Een machine zou dus bijvoorbeeld moeite hebben met de interpretatie van de zin: ‘I am really happy, not’. Een menselijke lezer zou wel snel begrijpen dat de schrijver van dit bericht niet gelukkig is.
Natural language processing en image modelling zijn zeer boeiende toepassingen van AI, maar het wordt pas echt bruikbaar als je de opgedane inzichten ook kunt toepassen. Een mooi voorbeeld hiervan is de ‘hard hat test’. Door live-videobeelden te analyseren, kan een bedrijf controleren of een medewerker zijn veiligheidshelm op heeft. Op deze manier garandeert de organisatie dat er aan de veiligheidseisen op de werkplaats wordt voldaan.
BallJames: watch and learn
Een van de sportiefste toepassingen van AI is BallJames. Deze oplossing van het Nederlandse bedrijf SciSports heeft als doel ’to give AI back to football clubs’. De wereldvoetbalbond FIFA verbiedt het gebruik van sensoren op het veld, spelers of bal tijdens wedstrijden. Omdat er bij clubs behoefte is aan accurate 3D-data, registreren veertien camera’s voor BallJames alle handelingen van de spelers op verschillende plekken van het voetbalveld. Het bijzondere aan BallJames is dat het een zelflerende oplossing is. Met deep learning algoritmes is het mogelijk om allerlei statistieken te genereren voor zowel de spelers, coaches als scouts.
On the edge: de camera registreert, selecteert én analyseert
De camera’s van BallJames genereren per wedstrijd zo’n 1,4 terabyte data per stuk. Door de grote hoeveelheid informatie is het belangrijk direct te weten welke onderdelen je nodig hebt voor de analyse, zodat niet alle verzamelde data verstuurd en bewaard hoeft te worden. Tegenwoordig kan dit zo dicht mogelijk bij de bron, of ‘on the edge’. Bij BallJames is het dus bijvoorbeeld de camera die ‘on the edge’ werkt: hij verzamelt én analyseert de data. Maar ook een sensor op de wiek van een windmolen of een thermometer in een afgesloten zeecontainer kan ‘on the edge’ werken. Het analyseren van data ‘on the edge’ heeft veel voordelen. Zo stelt het bedrijven in staat om proactief te handelen bij bepaalde situaties. Een laser-camera in een winkel kan van elke klant een ‘avatar’ maken. Bij verdacht gedrag wil de winkelier niet gewoon een seintje krijgen, maar automatisch de deuren sluiten zodat hij niet achter een mogelijke dief hoeft aan te rennen.
Direct deployment: snel en efficiënt
Dankzij analytics ‘on the edge’ is het mogelijk om data direct om te zetten in acties: ‘direct deployment on the edge’. Om een bepaalde activiteit of analyse uit te voeren, hoeft de data dus niet eerst naar de cloud gestuurd te worden. Dit scheelt organisaties veel tijd en geld. Zo kan je bv. het model van een enkele windmolen-sensor meteen aanpassen, zonder daarvoor de processen van de volledige windmolen of het windmolenpark te moeten stilleggen.
Dit ‘direct deployment’ zie je ook in de zogeheten ‘smart containers’ op schepen, waarbij de temperatuur in de container real-time gemeten wordt. Tijdens lange zeeroutes is het niet altijd mogelijk – of heel kostbaar – om data naar de cloud te versturen, terwijl het automatisch aanzetten van de airconditioning kan zorgen voor minder bederf van goederen in de container.
Dit is een ingezonden bijdrage van Michel Philippens, Chief Technical Officer bij SAS Belux. Via deze link vind je meer informatie over de diensten van het bedrijf.