ArtificiŽle intelligentie

ArtificiŽle intelligentie is misschien wel het meest gebruikte buzzwoord in het kader van Industrie 4.0 en Factories of the Future. Maar wat is dat eigenlijk Ė kunstmatige intelligentie Ė en welke rol kan het spelen in industriŽle toepassingen?

Vrij snel na de komst van de eerst computers, halfweg vorige eeuw, begonnen wetenschappers te fantaseren over intelligente machines die als een mens zouden kunnen redeneren en beslissingen nemen. De term artificiŽle intelligentie zou voor het eerst in die context gebruikt zijn op een seminarie voor computerwetenschappers in de jaren í50.

Vreemd genoeg bestaat er vandaag nog steeds geen exacte definitie voor wat artificiŽle intelligentie precies is. Dat komt onder meer omdat intelligentie zelf al een wat onduidelijk en rekbaar begrip is.

Een definitie zou kunnen zijn: het vermogen van computers om intelligent menselijk gedrag te imiteren. Wikipedia stelt: de wetenschap die zich bezighoudt met het creŽren van een artefact dat een vorm van intelligentie vertoont.

Turing test

Het vreemde aan de term artificiŽle intelligentie is dat de definitie lijkt op te schuiven. Dingen waar een computer dertig jaar geleden nauwelijks in slaagde, zoals beeldherkenning of het winnen van een partijtje schaak, noemde men toen artificiŽle intelligentie, terwijl de meeste toepassing die sindsdien gerealiseerd werden in deze domeinen nauwelijks nog als AI beschouwd worden. Dat komt er min of meer op neer dat de term AI vooral gebruikt wordt voor dingen die men nog niet kan realiseren.

Een tweede vreemde vaststelling is dat een systeem blijkbaar al eens een fout moet maken om intelligent genoemd te noemen. Een rekenmachine die volgens een strak algoritme rekensommetjes maakt, wordt niet artificieel intelligent genoemd. Een systeem dat het weer probeert te voorspellen, en daarbij ook regelmatig de mist in gaat, zal sneller als artificieel intelligent beschouwd worden.

In die laatste vaststelling zit wel een cruciaal element voor de definitie van kunstmatige intelligentie. De term wordt in principe voorbehouden voor stochastische systemen Ė computers die er een eigen logica op na houden. Dit in tegenstelling tot systemen die met deterministische algoritmes werken.

De Britse computerwetenschapper en filosoof Alan Turing ontwikkelde in de jaren í50 een naar hem genoemde test om na te gaan of een systeem artificieel intelligent was. Het was een soort blinde test waarbij iemand willekeurig tegenover een computersysteem of een mens geplaatst werd. Als die testpersoon niet kon achterhalen of hij een computer dan wel een mens tegenover zich had, mocht de computer volgens Turing artificieel intelligent genoemd worden.

Toepassingen in de industrie

In het kader van Industrie 4.0 en Factories of the Future wordt de term artificiŽle intelligentie veelal gebruikt in combinatie met de termen Machine learning en deep learning, wat twee methodes zijn om tot AI te komen. Deze methodes worden typisch gebruikt om op basis van grote hoeveelheden data algoritmes te ontwikkelen of te parametriseren, die vervolgens gebruikt kunnen worden om procescondities te evalueren of voorspellingen te doen.

Voorbeelden van machine learning zijn vandaag al terug te vinden in de configuratie van bepaalde sensoren en in toepassingen rond predictive maintenance. Bij visiesystemen die gebruikt worden voor kwaliteitscontrole wordt configuratie vaak gedaan via teaching, wat wil zeggen dat men de sensor een aantal goede en slechte producten laat zien zodat de sensor zijn parameters zo kan instellen dat die de goede van de slechte kan onderscheiden. Bedoeling is dat de sensor met die parameters ook voor nieuwe producten zal kunnen zeggen of ze goed of slecht zijn.

In predictive maintenance wordt een gelijkaardige methode toegepast om patronen in de signalen van sensoren en procescondities te linken aan bepaalde storingen zodat het systeem in staat zou zijn om bij een volgende gelegenheid, wanneer een bepaald patroon zich opnieuw lijkt voort te doen, te waarschuwen dat zich allicht een nieuwe storing zal voordoen indien niet wordt ingegrepen.

Een mooi voorbeeld van deep learning is te zien in onderstaande video, die een test toont met een neuraal netwerk voor random bin picking. Bij aanvang van de test werkt de robot eerder ad random en slaagt hij er met moeite in om een component te grijpen. Maar al doende leert men en na 8 uur is het systeem al in staat om de robot zodanig aan te sturen dat hij er in 90% van de pogingen in slaagt om een object te grijpen. Typisch aan een neuraal netwerk is dat er geen deterministisch algoritme aan te pas komt. Met andere woorden, het is niet meer te achterhalen welke logica het systeem gebruikt om intelligent gedrag te vertonen.

Hoewel de industrie vooralsnog argwanend staat tegenover dit soort concepten Ė wat op zich allicht geen slechte houding is Ė ziet men wel al heel wat toepassingen in de financiŽle sector. Verzekeringsmaatschappijen laten bijvoorbeeld al artificieel intelligente systemen los op hun data om frauduleuze claims op te sporen. Zodra dergelijke systemen daar resultaten blijken te boeken, is het allicht slechts kwestie van tijd eer ze ook in de industrie ingeschakeld worden.

© Productivity.be, Tekst: Erwin Vanvuchelen


Feel free to share

Newsletter Factory Automation

Wenst u regelmatig update alerts te ontvangen over nieuwe artikels en productoverzichten?

Agenda

Kunststoffen 2018, Koningshof Veldhoven, 26-27/9/18
WoTS, World of Technology & Science, Jaarbeurs Utrecht, 2-5/10/18
ABISS, Apps, software & solutions, Kortrijk Xpo, 4/10/18
Solids Antwerp 2018, Antwerp Expo, 17-18/10/18

Meer


Productivity.be

is een publicatie van
Redactiebureau ConScript

Contact

Erwin Vanvuchelen
+32 (0)475 64 99 34
erwin@conscript.be
erwinvanvuchelen