AI gaat op heel veel punten voor een omslag zorgen
Stel je even voor!
Mijn naam is Rutger Beekelaar en ik ben projectmanager binnen TNO. Ik zorg dat we doen wat we afgesproken hebben, dat we tevreden klanten hebben en een blij team.
Tien jaar geleden begonnen we met het testen van zelfstandig rijdende auto’s. Daarvoor was er een proeftraject ingericht op de N270 tussen Helmond en Eindhoven. Die auto’s programmeerden we handmatig. We instrueerden ze om op enkele meters van de voorganger te blijven en te vertragen als deze limiet in het geding kwam, of dat ze de twee lijnen van de rijbaan niet mochten overschrijden. Iedereen vond het fantastisch, maar het is natuurlijk een vereenvoudigde voorstelling van de wereld. Er was geen sprake van overstekende kinderen of een bal die de straat op rolt. Als je een auto helemaal zelfstandig wil laten rijden, dan kun je daar handmatig niet tegenop programmeren. AI kan hier veel impact hebben doordat het zelf in staat is te leren. Door het toevoegen van data en kennis leert AI om te gaan met de omstandigheden. Dit gaat voor een omslag zorgen op heel veel punten.
Mijn naam is Jan-Pieter Paardekooper en ik ben onderzoeker bij TNO. Ik ben verantwoordelijk voor de inhoud van de meeste AI-projecten bij de afdeling Integrated Vehicle Safety. Daarnaast werk ik een dag per week voor de Radboud Universiteit als research fellow, om fundamenteel onderzoek te koppelen aan wat we bij TNO in de praktijk doen. Ik vind het interessant en bijzonder, om bij te dragen aan het toevoegen van complex gedrag aan computersystemen.
Voor mij is de definitie van AI ‘het vermogen van een computer om complexe taken uit te voeren’. De eerste schaakcomputers draaiden op de regels die geprogrammeerd werden. De laatste jaren zien we computers die goed kunnen leren. Aan de hand van voorbeelden zijn ze in staat om patronen te herkennen, om deze vervolgens te kunnen toepassen. Dat is een wezenlijk onderdeel van Artificial Intelligence.
Daarnaast kunnen we lerend vermogen, koppelen aan kennis. Mensen leren dingen, maar we slaan ook kennis op. Die kennis helpt ons om te redeneren; op het moment dat wij een diersoort zien die we nog nooit gezien hebben dan weten vrijwel direct op welke manier het zich verplaatst. Het loopt, vliegt of zwemt. Dit hoort bij logisch redeneren. Als we binnen AI, het leergedeelte koppelen aan kennis zodat de computer kan redeneren, dan noemen we dat hybride AI.
Welke innovatie hebben jullie ontwikkeld?
Binnen het project Fabulos AI hebben we samen met onder andere de Gemeente Helmond en Brainport Development, gewerkt aan het slimmer maken van een shuttlebus met behulp van AI. De shuttlebus was geprogrammeerd met behulp van regels. Het gedrag dat de bus vertoonde was daardoor niet heel complex; de bus reed over een uitgestippelde route en mocht daarvan niet afwijken. Ook stopte de shuttle voor elk obstakel dat hij tegenkwam. Op zich is dat natuurlijk veilig, want als er een kind loopt, dan moet je stoppen. Wat we in de praktijk merkten, was dat het voertuig geen onderscheid kon maken tussen obstakels. Ook bladeren op de weg werden gezien als objecten waarvoor de bus stopte.
De route liep ook langs een school. De shuttle was zo geprogrammeerd dat hij in de buurt van deze school langzamer reed, maar dat deed hij ook in het weekend, wanneer er geen kinderen waren. Niet handig dus. De testen leerden ons dat veiligheid belangrijk is voor de acceptatie van een autonoom rijdend vervoersmiddel, maar dat efficiency ook een grote rol speelt.
De volgende stap was om de bus iets slimmer te maken met een techniek binnen AI die we Situation Awareness noemen. Daarmee kon de shuttle zelf bepalen of hij competent genoeg was om automatisch te rijden in een bepaalde situatie, of zich over moest geven aan de steward. We gebruikten daarvoor een simulatieomgeving, waarbij we een camera op de bus plaatsten die objecten kon herkennen. Als hij iets groots zag zoals een geparkeerde auto dan stopte hij. Bij wat bladeren of een tak op de weg, was hij in staat om zelf af te wegen of hij eroverheen kon rijden. Uitgangspunt daarbij was dat doorrijden alleen geoorloofd was als de situatie honderd procent duidelijk was. Was het risico laag dan kon hij autonoom blijven rijden.
Inmiddels mag de virtuele bus ook tijdelijk afwijken van de virtuele rails. Hij kan zelf de afweging maken om een geparkeerde auto te ontwijken als er niks aankomt, en hij plant zelf de route. De bus is autonoom rijdend, maar altijd op een uitlegbare manier. We weten waarom hij bepaalde beslissingen neemt omdat hij dat doet binnen de kaders die wij scheppen. Hij kan daar niet van afwijken. Binnen dit zelfrijdend systeem mag er natuurlijk niks misgaan. Technisch kunnen we heel veel doen, maar uiteindelijk beslist de mens of hij het accepteert als vervoersmiddel.
Op welke manier draagt Artificiële Intelligentie bij aan het oplossen van wereldwijde uitdagingen?
Het idee met de shuttlebus is ontstaan om mobiliteit ruimer beschikbaar en laagdrempeliger te maken. Het idee is dat AI mensen ondersteunt bij hun taken.
De ontwikkeling van de eerste PC, naar onze huidige laptops en telefoons ging razendsnel. Het gebruik ervan is vanzelfsprekend geworden. Met Artificial Intelligence zitten we op zo’n zelfde kantelpunt. Google besluit met behulp van AI wat voor jou het meest relevant is, maar AI kan ons op veel manieren gaan helpen. Een voorbeeld is natuurlijk een autonoom rijdende auto, maar ook in de gezondheidzorg is er winst te behalen. AI koppelt vrij eenvoudig geanonimiseerde patiëntgegevens aan medicijngebruik en bijwerkingen. Een arts kan zo snel zien wat het effect van medicatie op een bepaalde patiënt zal zijn. AI wordt ook toegepast op search and rescue robots. Deze robots gaan bijvoorbeeld brandende gebouwen binnen, kijken of er mensen zijn en kunnen hulp inschakelen of evacueren.
Wat gaat de inwoner van Brainport en Nederland merken van deze innovatie?
We werken ernaartoe dat autonoom automatisch openbaar vervoer, veilig, snel en comfortabel wordt. Goedkoper en breed beschikbaar, waardoor je de auto sneller laat staan. Reserveringsapps kunnen dit proces nog laagdrempeliger maken. Dan wil je geen twee auto’s meer voor de deur.
We zitten nu nog in de testfase, maar straks moeten we autonoom vervoer betaalbaar kunnen produceren, met betrouwbare componenten. Daar hebben we veel partijen voor nodig. RDW gaat er iets van vinden, de infrastructuur moet het faciliteren en gebruikers moeten het accepteren. Het is aan ons om aan te tonen dat iets technisch kan, de volgende stap is de adoptie. Ethiek speelt hierbij ook rol, want wie is aansprakelijk als er geen bestuurder is? We hebben best nog wel wat vraagstukken op te lossen.
Wat is jullie advies voor andere organisaties en ondernemers om met AI aan de slag te gaan?
Allereerst is het handig om te weten welk probleem je op wil lossen. AI wordt vaak gezien als iets nieuws waar we iets mee moeten, en willen omdat het hip is. Het is niet zozeer de vraag of dit groots gaat worden, maar vooral wanneer. Probeer als ondernemer open te staan voor verandering en AI, want je gaat er sowieso mee te maken krijgen.