Boeven vangen dankzij machine learning? Het kan! Bijna…

point42-Boeven-vangen-dankzij-machine-learning-Het-kan-Bijna

Big data, machine learning, kunstmatige intelligentie: het gaat onze toekomst veranderen, dat is zeker. Ook bij Point 42 houdt het de gemoederen behoorlijk bezig. Zo doet bijvoorbeeld onze stagiair Orlando Dors goed werk op het gebied van Machine Learning op basis van videobeelden. Orlando neemt ons een stukje mee in deze intrigerende wereld.

Imitatie van het denkvermogen van een mens

Kunstmatige intelligentie, machine learning en big data; er is soms verwarring over wat waar begint en ophoudt. Heel simpel gezegd is kunstmatige intelligentie de intelligentie waarmee software en apparaten beslissingen kunnen nemen zoals een mens dat zou doen. Het is dus eigenlijk een imitatie van het denkvermogen van een mens. Machine learning is het onderdeel daarvan dat puur en alleen over het leren gaat, het deel dat zich bezighoudt met de algoritmes op basis waarvan computers kunnen leren. En dat leren, dat is alleen mogelijk op basis van grote hoeveelheden data.

Een computer die weet wat verdacht gedrag is

Voor mijn stageopdracht werk ik aan een preventief bewakingssysteem. Ik doe dit aan de hand van camerabeelden die geanalyseerd worden op verdacht gedrag. Met behulp van machine learning en automatische beeldherkenning maak ik een zelflerend systeem zodat de computer weet wat verdacht gedrag is. Daarvoor maak ik gebruik van kunstmatige neurale netwerken.

Neurale netwerken

Wat kunstmatige neurale netwerken doen is het menselijk brein simuleren. Dat doen ze door verschillende inputwaarden tegen elkaar af te wegen. Net als bij de mens dus. Stel: er is een festival waar ik graag heen wil. Liefst met vrienden en bij voorkeur met mooi weer is en goeie bands. Voor mij is het vooral heel belangrijk om met mijn vrienden te gaan. Belangrijker dan het weer en de bands. Als ik alleen zou moeten gaan, zou ik – ook als de weersvoorspellingen fantastisch zijn en de bands geweldig – waarschijnlijk toch niet naar het festival gaan. Door kunstmatige neurale netwerken in te zetten kun je algoritmes trainen in het ontdekken van dit type patronen.

Het begint allemaal met gigantische datasets

Voordat je een model kunt gaan trainen, heb je dus gigantische hoeveelheden data nodig. In het geval van het preventieve bewakingssysteem waar ik aan werk, zou ik dus een enorme hoeveelheid beeldmateriaal van mensen met allerlei bivakmutsen moeten uploaden en net zo’n hoeveelheid aan beeld van mensen zonder bivakmuts. Door steeds nieuwe data toe te voegen blijft het model ‘leren’, en worden de resultaten steeds nauwkeuriger. Waar ik nu aan werk is bedoeld als een proof of concept, en de datasets die ik heb gebruikt zijn niet zo enorm groot. Het gaat in dit stadium vooral om het opdoen van expertise en om de mogelijkheden van machine learning en kunstmatige intelligentie te ontdekken. Als je een dergelijk systeem in productie zou nemen, moet je heel veel meer data toevoegen. En in reële situatie zou het proces natuurlijk een stap verder moeten gaan: zodra er verdacht gedrag gesignaleerd wordt, moeten er bepaalde handelingen plaatsvinden. Zo zou je bijvoorbeeld de eigenaar van het bewaakte object kunnen contacteren, of besluiten direct de politie bellen.

Nieuwe deuren gaan open voor machine learning in agricultuur, landbouw of industrie

Ook Microsoft zet hoog in op machine learning en kunstmatige intelligentie. Begin mei kondigden ze een nieuw partnership aan met Qualcomm. Qualcomm is fabrikant van professionele industriële draadloze oplossingen, en zij komen met een camera die we – met behulp van IoT Edge en kunstmatige intelligentie – kunnen voorzien van patroonherkenning. Tegelijkertijd heeft Microsoft een partnership aangekondigd met DJI, ‘s werelds grootste dronebouwer. De combinatie van Microsoft IoT Edge, kunstmatige intelligentie en deze high-end producten opent nieuwe deuren voor bijvoorbeeld agricultuur, landbouw of industrie. Ook voor mijn stageopdracht zouden deze producten een geweldige aanvulling zijn.

Enthousiast geworden?

Er is dus een klein risico dat als je ons kantoor binnenloopt met iets dat maar op een bivakmuts lijkt, er alarmbellen gaan rinkelen. Maar gezien de stijgende temperatuur de komende tijd, achten we die kans niet zo groot. Vóór het aanbreken van de volgende vorstperiode zullen we een update geven van onze ervaringen. Wil je in de tussentijd meer weten over ons team en onze diensten, heb je behoefte aan een vrijblijvend gesprek onder het genot van een kop koffie? Dat kan natuurlijk altijd! Je kunt ons bereiken via de contactpagina.

.
.

Boeven vangen dankzij machine learning? Het kan! Bijna…

Big data, machine learning, kunstmatige intelligentie: het gaat onze toekomst veranderen, dat is zeker. Ook bij Point 42 houdt het de gemoederen behoorlijk bezig. Zo doet bijvoorbeeld onze stagiair Orlando Dors goed werk op het gebied van Machine Learning op basis van videobeelden. Orlando neemt ons een stukje mee in deze intrigerende wereld. Imitatie van... Read more »

Veiligheid voor alles. Ook in de kas!

In onze vorige blog hebben we een inkijkje gegeven in hoe wij data ‘lezen’ van onze eigen kantoormoeskas. Maar hoe zorg je dat die data veilig blijft? Bjorn de Quaasteniet, technical consultant en developer bij Point 42, vertelt wat de risico’s – en de oplossingen – zouden kunnen zijn. Een uitdaging qua beveiliging Op het... Read more »

Van nullen en énen naar een sterk gewas, heel gewoon toch?

Monitoren van kassen in de tuinbouw is niet nieuw. Maar met de nieuwe technologieën in de IT kunnen we wel steeds beter monitoren waardoor we tot een nóg hogere kwaliteit van de gewassen kunnen komen. Wij geloven dat we steeds meer op data kunnen – en zullen – gaan sturen, waardoor een kweker een nóg... Read more »

Contact

088-4204200

Overschieseweg 34C

3044 EE Rotterdam

Nieuwsbrief

E-mailadres


Social

LinkedIn bedrijfspaginasite-twtrsite-fbsite-gplus

Skip to toolbar