Wat, hoe en waarom van AI

Sat Mar 02 2024

03 02

Wat, hoe en waarom van AI

21/10/2022

Door Ad Spijkers

Het Belgische onderzoeksinstituut Sirris legt uit waarom kennis van kunstmatige intelligentie zo belangrijk is, en welke vormen er zijn.


     

Kunstmatige intelligentie (AI) is vandaag alomtegenwoordig. Het belang en de mogelijke impact ervan worden geacht hoog te zijn. Zo wordt AI als essentieel beschouwd voor de digitale transformatie van de maatschappij. Het aantal toepassingen stijgt snel. Ondanks het enorme potentieel hebben heel wat bedrijven problemen met een passende AI-oplossing te vinden voor hun  uitdagingen.

De bedrijven in de voedingsindustrie hebben heel wat vragen bij de AI-technologieën en wat deze kunnen brengen voor hun organisatie. Enerzijds zijn ze afwachtend, anderzijds willen ze de boot niet missen. Informatie over AI is overal te vinden, maar dat vergroot het probleem alleen maar want hierdoor is de kans op tegenstrijdigheden ook groter.

Wat is AI?

AI - artificiële of kunstmatige intelligentie - is de mogelijkheid van een machine om vaardigheden te vertonen die we als eigen aan mensen zouden beschouwen. We onderscheiden volgende kernelementen:

  • AI-systemen vertonen ten minste enkele van eigenschappen die gelinkt worden aan menselijke intelligentie, zoals redeneren, leren, problemen oplossen, plannen en soms zelfs creativiteit.
  • AI maakt het technische systemen mogelijk hun omgeving waar te nemen, om te gaan met deze waarnemingen en problemen op te lossen om een specifiek doel te bereiken.
  • AI-systemen kunnen hun gedrag tot op zekere hoogte aanpassen door de effecten van vorige acties te analyseren en autonoom te werken.

IBM verwoordt het als volgt: AI verwijst naar de mogelijkheid van een computer of machine om de mogelijkheden van het menselijke brein te imiteren - leren uit voorbeelden en ervaring, objecten herkennen, taal begrijpen en beantwoorden, beslissingen nemen, problemen oplossen - en om deze en andere vaardigheden te combineren om functies uit te voeren die een mens zou uitvoeren.

Veel gezichten

Als het over technologie gaat, wordt AI vaak verward met domeinen als machine learning (automatisch of machinaal leren) of deep learning ('diep leren'). De drie zijn weliswaar nauw met elkaar verbonden, maar er zijn verschillen.

Machine learning is een onderdeel van AI. ML kan worden omgeschreven als een proces waarbij een computeralgoritme regelmatigheden uit trainingsdata haalt. Het doel van dit onderzoekdomein is machines zelfstandig te laten leren door gebruik te maken van de data voorhanden en zo nauwkeurige voorspellingen te doen. Deep learning is een vorm van machine learning. Dit subdomein kan de laatste jaren op steeds meer aandacht rekenen. Bij DL moet aan het algoritme geen informatie over belangrijke kenmerken worden aangeboden, maar het kan zelf eigenschappen uit data halen.

AI is in essentie intelligentie bij machines. Dit wordt mogelijk gemaakt via verschillende technieken. Dat maakt het er voor de leek niet gemakkelijker op om de onderlinge verschillen te begrijpen, laat staan de nuances. Bovendien komen er voortdurend nieuwe technieken en toepassingen bij.

Van de verschillende AI-technieken heeft elke techniek zijn eigen voor- en nadelen, waardoor het zaak is om de meest gepaste oplossing voor een specifiek probleem te vinden.

Vaardigheden

Aan de slag gaan met AI vereist meer dan digitale vaardigheden beheersen. Andere vaardigheden die van pas komen, zijn kennis van toegepaste wiskunde en statistiek om het probleem aan te pakken, mogelijke oplossingen te analyseren en algoritmen te ontwikkelen om ze op te lossen. Om met het gebruik van AI te kunnen starten zijn kwaliteitsvolle data nodig, waarbij skills als data science en engineering van pas komen. Ook het handhaven van beveiliging van die data (cybersecurity) is een must.

Machine learning is veruit de meest gebruikte techniek in AI. De potentiële gebruiker kan dus niet van start gaan zonder kennis van de verschillende technieken en de voor- en nadelen van elk. Kennis van programmeertalen is een volgende noodzakelijke vaardigheid. Als de data klaar is voor gebruik en het beste algoritme is geselecteerd, moet dit worden geprogrammeerd. Ten slotte is ook domeinkennis een vereiste, aangezien AI wordt ingezet om problemen of uitdagingen binnen een specifiek domein op te lossen en zonder domeinkennis, mondt dit uit in verkeerde conclusies.

Samenwerken met een gespecialiseerde derde partij kan een haalbare oplossing bieden, naast investeren in de vereiste vaardigheden. Het gaat erom een goed evenwicht te vinden tussen deze twee.

Toepassingen

Ondanks alle aandacht die recent naar AI in productie ging en het sterke geloof van productiebedrijven in het potentieel ervan, blijft het aantal gebruiksvoorbeelden van pilootbedrijven laag. Er zijn al verschillende (mogelijke) toepassingsdomeinen voor het gebruik van AI:

  • predictief onderhoud en voorspelling van defecten
  • integratie van toeleveringsketen en planning van de vraag
  • machine vision en kwaliteitscontrole
  • robotica
  • productielogistiek (via mobiele robots)
  • digital twins
  • operatorondersteuning (via AR/VR)
  • optimalisatie van productie of productie op basis van gebruiksdata

AI PathFinder

In het project AI PathFinder willen de onderzoekers van Sirris samen met Flanders' Food, Imec, UGent, Hogeschool West-Vlaanderen en GEG-i-TEC de Vlaamse voedingsbedrijven ondersteunen bij het uitwerken van hun AI-strategie. Vanuit de behoeften en uitdagingen van voedingsbedrijven willen ze onderzoeken hoe AI al dan niet een meerwaarde kan betekenen en hoe machinebouwers, technologieaanbieders en voedingsbedrijven succesvol kunnen samenwerken om toekomstige AI-projecten mogelijk te maken.

De inbreng van de industrie is hierbij van groot belang. U kunt hiertoe een vragenlijst invullen en de onderzoekers meer inzicht geven in het gebruik van slimme datatechnologieën. In de oorspronkelijke publicatie gaan de onderzoekers vooral in op de mogelijkheden en de praktijk in de voedingsmiddelenindustrie. Hun publicatie vindt u hier.

Foto: Sirris