Artificial intelligence
Er zitten 2 grote technologieën achter autonoom rijden:
- Internet of things: sensoren en actuatoren met een netwerk met elkaar verbinden
om veel informatie te vergaren, info gebruiken om kleine actuatoren (dingen zoals
motoren) te kunnen aansturen
- Artificial Intelligence
Gartner heeft elk jaar een Hype Cycle:
- Verticale as: wat verwacht wordt van een
technologie
- Horizontale as: hoe lang de technologie al
bestaat
→ Start: eerst expectations heel laag, dan
heel snel omhoog wanneer we merken dat
er vanalles mee te doen valt
→ Technologie max expectations bereikt
wanneer mensen zien dat er limitations
zijn, zakt op niveau dat mensen het als
standaard technologie beginnen te
gebruiken (autonoom rijden bijna op dit niveau)
Heel veel technologie momenteel heel veel verwachtingen en op termijn in de
standaard zaken terecht komt
Internet of Things
➢ Geschiedenis nieuwe technologie
● 1974: Bankautomaat, stuurt naar een actuator hoeveel geld naar buiten wordt
gestuurd
● 2008: Voor het eerst meer objecten met het internet verbonden dan mensen (mens
met laptop)
● 2015: 4.9 biljoen vs. 2020: 50 biljoen → verbindingen met het internet
● 2013: 140 000 vs. 2020: 10 200 000 → kleding verbonden met het internet: in kleding
sensoren verwerken die lichaamseigenschappen kunnen meten (zweetniveau etc. in
kledij voor atleten)
● Elk jaar 250 miljoen kilometers autonoom gereden
➢ Marktpotentieel?
Truc om te weten of technologie belangrijk wordt: grote techbedrijven die kleine bedrijven
overkopen (positief: kleine bedrijven vaak niet sterk genoeg om iets heel groot te maken en
grote bedrijven niet flexibel genoeg om nieuwe tech op een bepaald niveau te krijgen bij
opstart)
IOT heel belangrijk en steeds meer in de industrie, logisch want typisch gebruikt om
gegevens op te halen en hiermee processen optimaliseren, in industrie heel waardevol want
zo minder energiegebruik, meer/zuinigere productie → competitief voordeel dus noodzakelijk
in industrie, anders verdwijn je als bedrijf
1
,3 technologieën die een nieuwe vorm van maturiteit bereikt hebben (wat is IOT?):
- Sensoren: heel veel nieuwe, maar merendeel in het verleden al beschikbaar
grote innovatie in sensoren: kleiner, accurater en veel minder energie verbruik ⇒
makkelijker integreren in kleine bestaande systemen, onderdeel geconnecteerd
systeem van sensoren
E gebruik belangrijk omdat je ze in omgevingen wil zetten waar weinig E aanwezig is
Bv. gsm kan je niet in de pries steken terwijl je ermee rondwandelt
Er is bv. technologie die hersengolven kan meten en hand kunnen laten bewegen via
IOT applicatie, zonder het lichaam
- Communicatie: communicatieprotocollen nodig want minder E verbruik en zo soms
devices maken met een batterij die verschillende jaren meegaan en soms bepaalde
data doorsturen, naar centraal punt en via andere communicatieprotocollen voort
gaan communiceren
Connecteren devices met bepaalde frequenties:
lijst frequenties verdeeld over verschillende
entiteiten die bepaalde stukken van
frequentiedomein nodig hebben om
communicatie te doen → IOT relatief weinig
(2 blokjes): niet veel dus optimaal gebruiken
(rest politie etc.)
Essentiële info moet tot centrale omgeving
kunnen en omgekeerd
4G werkt met 1 band waar alle communicatie
doorgaat, 5G banden opgesplitst dus als 1 band
verzadigd is (bv. voor internet) dan voor
noodgevallen andere band om bv. met politie te
communiceren (op Pukkelpop
4G plat
door te veel mensen
communiceren, bij 5G dan
maar 1 band plat)
- Distributed embedded software: deeltjes tegen hoge snelheid schieten en spatten
uit elkaar in elementaire deeltjes en meten welke deeltjes daar uit komen → sensor
kijken welke beweging deeltjes weg van centrale botspunt maken, onder de grond en
daarboven groot datacenter voor berekenen (zoveel data, onmogelijk
gecommuniceerd naar datacenter → oplossing: gedistribueerde software, ook
2
,software draaien dicht bij versch individuele sensoren → alle niet relevante data al
weggegooid, beperkte data doorgestuurd naar datacenter) → zelfde situatie bij IOT !
Alle sensoren sturen data door, veel te veel communiceren, onmogelijk →
tussenlaag: fog laag, verschillende sensorinformatie gecombineerd (sensorfusie) zo
beeld van context → centraal gestuurd naar de cloud
Steeds meer software dichter bij de gebruiken, op termijn ook rechtstreekse
communicatie tussen devices onderling (belangrijk: stel wachten tot auto die remt
naar de cloud zijn info stuurt, dan pas reactie andere auto)
Technologieën met onderlinge reacties kunnen leiden tot emergent behavior (bv.
waze stuurt iedereen langs zelfde straatje en uiteindelijk duurt die 5 minuten langer)
3
, Artificial intelligence
= computer een beslissing kunnen laten nemen op zo’n manier dat er geen onderscheid is
tussen het feit of een mens/de computer de beslissing heeft genomen (bv. regensensor:
voelt net zoals mens of het regent)
Machine learning is een onderdeel waarin we ervoor zorgen
dat de machine zelf leert uit voorbeelden/data (wij zeggen
niet tegen de machine: je moet je zo gedragen), bestond al
met basische neurale netwerken
Deep learning gaat een stap verder, ontstaan door de steeds
krachtigere computers, processoren, gigantisch grote neurale
netwerken kunnen ontwikkelen waar we veel meer expertise
kunnen insteken
Gebaseerd op het menselijk brein, bestaat uit neuronen die
een bepaalde puls uitsturen naar neuronen in hun omgeving,
sturen puls uit wanneer ze zelf pulsen binnenkrijgen van
andere neuronen → leren wanneer het emmertje van pulsen
vol is, brein leert hoe bepaalde input verwerkt kunnen worden
naar kennis, perceptie van zaken, handelingen die we kunnen
doen,...
Neuronen = eenvoudige wiskundige formules waar je input aan geeft, klein verschil in input
kan output variëren van 0 naar 1, elke neuron bepaalde kolom verbonden met die van de
volgende kolom, gewicht tussen → neuron stuurt waarde (0/1) terug en vermenigvuldigd met
een bepaald gewicht, alle gewichten verschillende neuronen vermenigvuldigd met die
waardes zijn de input van het volgende neuron
Netwerk trainen, gaat iets uitkomen dat niet juist
is (zebrapad = parkeerplaats, fout, gewichten in
netwerk aanpassen zodat het gezien wordt als
zebrapad, systeem moet verschillende fotos
interpreteren als zebrapad, niet 1 specifieke,
zodat bestuurder (/autonome auto) uiteindelijk
bij een zebrapad gaat remmen)
4
Er zitten 2 grote technologieën achter autonoom rijden:
- Internet of things: sensoren en actuatoren met een netwerk met elkaar verbinden
om veel informatie te vergaren, info gebruiken om kleine actuatoren (dingen zoals
motoren) te kunnen aansturen
- Artificial Intelligence
Gartner heeft elk jaar een Hype Cycle:
- Verticale as: wat verwacht wordt van een
technologie
- Horizontale as: hoe lang de technologie al
bestaat
→ Start: eerst expectations heel laag, dan
heel snel omhoog wanneer we merken dat
er vanalles mee te doen valt
→ Technologie max expectations bereikt
wanneer mensen zien dat er limitations
zijn, zakt op niveau dat mensen het als
standaard technologie beginnen te
gebruiken (autonoom rijden bijna op dit niveau)
Heel veel technologie momenteel heel veel verwachtingen en op termijn in de
standaard zaken terecht komt
Internet of Things
➢ Geschiedenis nieuwe technologie
● 1974: Bankautomaat, stuurt naar een actuator hoeveel geld naar buiten wordt
gestuurd
● 2008: Voor het eerst meer objecten met het internet verbonden dan mensen (mens
met laptop)
● 2015: 4.9 biljoen vs. 2020: 50 biljoen → verbindingen met het internet
● 2013: 140 000 vs. 2020: 10 200 000 → kleding verbonden met het internet: in kleding
sensoren verwerken die lichaamseigenschappen kunnen meten (zweetniveau etc. in
kledij voor atleten)
● Elk jaar 250 miljoen kilometers autonoom gereden
➢ Marktpotentieel?
Truc om te weten of technologie belangrijk wordt: grote techbedrijven die kleine bedrijven
overkopen (positief: kleine bedrijven vaak niet sterk genoeg om iets heel groot te maken en
grote bedrijven niet flexibel genoeg om nieuwe tech op een bepaald niveau te krijgen bij
opstart)
IOT heel belangrijk en steeds meer in de industrie, logisch want typisch gebruikt om
gegevens op te halen en hiermee processen optimaliseren, in industrie heel waardevol want
zo minder energiegebruik, meer/zuinigere productie → competitief voordeel dus noodzakelijk
in industrie, anders verdwijn je als bedrijf
1
,3 technologieën die een nieuwe vorm van maturiteit bereikt hebben (wat is IOT?):
- Sensoren: heel veel nieuwe, maar merendeel in het verleden al beschikbaar
grote innovatie in sensoren: kleiner, accurater en veel minder energie verbruik ⇒
makkelijker integreren in kleine bestaande systemen, onderdeel geconnecteerd
systeem van sensoren
E gebruik belangrijk omdat je ze in omgevingen wil zetten waar weinig E aanwezig is
Bv. gsm kan je niet in de pries steken terwijl je ermee rondwandelt
Er is bv. technologie die hersengolven kan meten en hand kunnen laten bewegen via
IOT applicatie, zonder het lichaam
- Communicatie: communicatieprotocollen nodig want minder E verbruik en zo soms
devices maken met een batterij die verschillende jaren meegaan en soms bepaalde
data doorsturen, naar centraal punt en via andere communicatieprotocollen voort
gaan communiceren
Connecteren devices met bepaalde frequenties:
lijst frequenties verdeeld over verschillende
entiteiten die bepaalde stukken van
frequentiedomein nodig hebben om
communicatie te doen → IOT relatief weinig
(2 blokjes): niet veel dus optimaal gebruiken
(rest politie etc.)
Essentiële info moet tot centrale omgeving
kunnen en omgekeerd
4G werkt met 1 band waar alle communicatie
doorgaat, 5G banden opgesplitst dus als 1 band
verzadigd is (bv. voor internet) dan voor
noodgevallen andere band om bv. met politie te
communiceren (op Pukkelpop
4G plat
door te veel mensen
communiceren, bij 5G dan
maar 1 band plat)
- Distributed embedded software: deeltjes tegen hoge snelheid schieten en spatten
uit elkaar in elementaire deeltjes en meten welke deeltjes daar uit komen → sensor
kijken welke beweging deeltjes weg van centrale botspunt maken, onder de grond en
daarboven groot datacenter voor berekenen (zoveel data, onmogelijk
gecommuniceerd naar datacenter → oplossing: gedistribueerde software, ook
2
,software draaien dicht bij versch individuele sensoren → alle niet relevante data al
weggegooid, beperkte data doorgestuurd naar datacenter) → zelfde situatie bij IOT !
Alle sensoren sturen data door, veel te veel communiceren, onmogelijk →
tussenlaag: fog laag, verschillende sensorinformatie gecombineerd (sensorfusie) zo
beeld van context → centraal gestuurd naar de cloud
Steeds meer software dichter bij de gebruiken, op termijn ook rechtstreekse
communicatie tussen devices onderling (belangrijk: stel wachten tot auto die remt
naar de cloud zijn info stuurt, dan pas reactie andere auto)
Technologieën met onderlinge reacties kunnen leiden tot emergent behavior (bv.
waze stuurt iedereen langs zelfde straatje en uiteindelijk duurt die 5 minuten langer)
3
, Artificial intelligence
= computer een beslissing kunnen laten nemen op zo’n manier dat er geen onderscheid is
tussen het feit of een mens/de computer de beslissing heeft genomen (bv. regensensor:
voelt net zoals mens of het regent)
Machine learning is een onderdeel waarin we ervoor zorgen
dat de machine zelf leert uit voorbeelden/data (wij zeggen
niet tegen de machine: je moet je zo gedragen), bestond al
met basische neurale netwerken
Deep learning gaat een stap verder, ontstaan door de steeds
krachtigere computers, processoren, gigantisch grote neurale
netwerken kunnen ontwikkelen waar we veel meer expertise
kunnen insteken
Gebaseerd op het menselijk brein, bestaat uit neuronen die
een bepaalde puls uitsturen naar neuronen in hun omgeving,
sturen puls uit wanneer ze zelf pulsen binnenkrijgen van
andere neuronen → leren wanneer het emmertje van pulsen
vol is, brein leert hoe bepaalde input verwerkt kunnen worden
naar kennis, perceptie van zaken, handelingen die we kunnen
doen,...
Neuronen = eenvoudige wiskundige formules waar je input aan geeft, klein verschil in input
kan output variëren van 0 naar 1, elke neuron bepaalde kolom verbonden met die van de
volgende kolom, gewicht tussen → neuron stuurt waarde (0/1) terug en vermenigvuldigd met
een bepaald gewicht, alle gewichten verschillende neuronen vermenigvuldigd met die
waardes zijn de input van het volgende neuron
Netwerk trainen, gaat iets uitkomen dat niet juist
is (zebrapad = parkeerplaats, fout, gewichten in
netwerk aanpassen zodat het gezien wordt als
zebrapad, systeem moet verschillende fotos
interpreteren als zebrapad, niet 1 specifieke,
zodat bestuurder (/autonome auto) uiteindelijk
bij een zebrapad gaat remmen)
4
