Kunstmatige Intelligentie binnen Datacadabra

Kunstmatige intelligentie, het klinkt zo gemakkelijk en duidelijk, maar probeer het maar eens in je eigen woorden te omschrijven. Kort gezegd is het machinale intelligentie die menselijke intelligentie simuleert: door een machine te trainen, leer je hem eigenlijk om keuzes te maken en informatie te begrijpen en te verwerken zoals een mens dat doet. Er is wel één groot verschil: kunstmatige intelligentie is veel sneller. Binnen kunstmatige intelligentie zijn ook weer meerdere vormen en onderverdelingen en een voorbeeld hiervan is Machine Learning, een aspect dat binnen Datacadabra veel gebruikt wordt. Bij Machine Learning wordt een computer getraind om bepaalde patronen te herkennen om zo zelfstandig mogelijk beslissingen te nemen. Neem een bloem als voorbeeld: als je zo veel mogelijk afbeeldingen van een roos invoert en dit labelt als een roos, zal de computer uiteindelijk zelf aan kunnen geven wanneer hij een roos detecteert in binnengekomen data.

Binnen Datacadabra passen we kunstmatige intelligentie toe in combinatie met allerlei soorten databronnen, zoals sensoren, camera’s en microfoons. De MowHawk is een slimme bermmaaimachine die gebruikmaakt van camerabeelden om de vegetatiehoogte, invasieve exoten en zwerfvuil te detecteren in het maaisel. De technologie van de MowHawk is ontworpen op een manier dat de camerabeelden direct geanalyseerd worden, zodat de vegetatiehoogte, invasieve exoten en zwerfvuil meteen worden gedetecteerd en deze gegevens worden beschikbaar gesteld in GIS. Een andere ontwikkeling van Datacadabra is de Luistervinq, die gebruikmaakt van audio om het sportief gebruik van buitenruimtes in kaart te brengen. Wanneer er iemand langs fietst, detecteert en herkent de Luistervinq dit als een fietser en geeft dit door. Op deze manier kan er geteld worden hoeveel gebruikers van een buitenruimte er zijn en wat voor type gebruiker het is. Onder andere op deze manieren geeft Datacadabra door middel van kunstmatige intelligentie inzicht in data, om zo organisaties en experts te kunnen ondersteunen.

Het eerder genoemde voorbeeld van de roos is natuurlijk niet toepasbaar op het dagelijks leven van de gemiddelde mens, maar kunstmatige intelligentie bevindt zich op veel plekken waar je het niet zo snel verwacht. Op online streaming platformen wordt vaak een rubriek aangeboden met de naam ‘Geschikt voor jou’ of ‘Dit vind je ook leuk’, deze suggesties die speciaal voor jou worden gedaan zijn vaak juist en passen bij jouw smaak en voorkeur. Dit is een herkenbaar voorbeeld van kunstmatige intelligentie: door de eerder door jouw gekozen films en video’s met elkaar te vergelijken en overeenkomsten te zoeken, is een computer in staat om suggesties te doen die er op lijken en die jij waarschijnlijk zult waarderen.

Een voorbeeld binnen Datacadabra is de case van Sony. Zij wilden graag inzicht in het luistergedrag van gebruikers om op die manier de perfecte afspeellijst te kunnen samenstellen. Datacadabra heeft aan de hand van een aantal variabelen een index opgesteld voor nummers om een aanbeveling te kunnen doen voor soortgelijke nummers.

Ook is het belangrijk om rekening te houden met de wet- en regelgeving omtrent kunstmatige intelligentie. Werken met veel data betekent dat deze data ook veilig moet zijn en dat er correct mee omgegaan wordt, zeker als het persoonlijke of privacygevoelige data betreft. De laatste jaren is er in de wet- en regelgeving veel veranderd om mee te gaan met de technische ontwikkelingen, zoals de Algemene Verordening Gegevensbescherming (AVG). Bij Datacadabra zorgen we ervoor dat we goed omgaan hiermee en ons aan de regels houden. Een voorbeeld hiervan zijn de camerabeelden van de MowHawk, onze oplossing voor slim bermbeheer die camerabeelden analyseert. Mochten er op deze beelden kentekens, personen of andere herkenbare aspecten te zien zijn, dan wordt dit direct geblurred zodat er geen misbruik van gemaakt kan worden. Bij de Luistervinq is hier uiteraard ook aan gedacht, want deze ontwikkeling maakt gebruik van geluid in plaats van beeld. Doordat het geluid direct wordt geanalyseerd en niet wordt bewaard is het onmogelijk om eventuele gesprekken af te luisteren. Zo worden mensen niet in hun privacy geschonden en is ook deze ontwikkeling volgens de regels van de AVG.