Artificial Intelligence (AI) is een onderwerp dat bij veel bedrijven op de agenda staat, maar concrete toepassingen staan vaak nog in de kinderschoenen. Tijdens de sessie 'Innovate with Analytics' zijn veel verschillende toepassingen van Artificial Intelligenc in de praktijk voorbijgekomen. Het werd zelfs duidelijk dat AI grote relevantie kan hebben voor de edele voetbalsport. Al doet bijgaande illustratie vermoeden dat de Nederlandse voetbalgoeroe Cruijff daar zo zijn vragen bij heeft. Bent u nieuwsgierig naar nog meer toepassingen? kom dan op 31 mei naar de SAS Data Science & Analytics Day en hoor alles over de laatste ontwikkelingen en trends op het gebied van data science en artificial intelligence.
Als we het over AI hebben, dan is het belangrijk om eerst de definitie scherp voor ogen te hebben, stelt Mark Bakker, data strategist bij SAS. 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. Volgens Bakker 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. Juist als de machine het werk beter kan analyseren of uitvoeren dan een mens.
Natural language & image modelling
Bakker en veel van zijn collega's 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 volgens Bakker moeite hebben met de interpretatie van de zin: 'I am really happy, not'. Terwijl een menselijke lezer hierbij snel zal begrijpen dat de schrijver van dit bericht niet gelukkig is.
Bakker laat ook zien hoe SAS een machine aanleert een kat te herkennen op een afbeelding met 'image modelling'. Op de foto is de schaduw van een kat op de muur te zien. De machine kan in eerste instantie bijvoorbeeld denken dat het om een deurmat gaat. Naast stilstaande beelden is het ook mogelijk om emotie te meten in videobeelden. Via AI bepaalt de machine hoeveel procent positieve emotie waar te nemen is. Natuurlijk, zo beaamt Bakker, is het heel interessant om dieper in dit soort ontwikkelingen te duiken, maar het wordt pas echt bruikbaar als je de opgedane inzichten ook kunt toepassen. Een mooi voorbeeld hiervan is de 'hard hat test'. Door middel van het analyseren van live-videobeelden kan een bedrijf controleren of een medewerker zijn valhelm op heeft. Op deze manier garandeert de organisatie dat er aan de veiligheidseisen op de werkplaats wordt voldaan.
BallJames
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. In de Eredivisie is Heracles Almelo de eerste club waar de camera's langs het veld alle activiteiten monitoren.
The Edge
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'. In het voorbeeld van BallJames is de camera 'on the edge', de camera verzamelt en analyseert de dat
a. Maar ook een sensor op de wiek van een windmolen of een termometer in een afgesloten zeecontainer kan dit beginpunt zijn. Het analyseren van data 'on the edge' heeft veel voordelen, legt Joao Oliveira, Principal Business Solutions Manager Information Management, uit. 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 geen seintje krijgen, maar automatisch de deuren sluiten zodat hij niet achter een mogelijke dief aan hoeft te rennen.
Direct deployment
Het is mogelijk om de 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 tijd en geld, zegt Oliveira. Stel dat je via analytics in de cloud achterhaalt dat een model van bijvoorbeeld een windmolen-sensor moet worden aangepast, dan zorgt dit voor een tijdelijke stop of vertraging van de processen van de gehele windmolen. Bovendien wil je dit voor een enkele windmolenwiek of een onderdeel daarvan kunnen aanpassen, zonder meerdere windmolens in het park stil te hoeven zetten. Een ander voorbeeld dat Oliveira geeft zijn de zogeheten 'smart containers' op zeeschepen, 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.
Bron: Analytics today