samenvatting media & digitale samenleving

MEDIA EN DIGITALE
SAMENLEVING
THEMA 1: AI

IS HET ALLEEN MAAR AI?

 Vb. Zelfrijdende auto’s
o NEE, alleen maar AI als er voldoende resources zijn
o Je kan een goed schip hebben maar de wereld is niet ideaal  water = data en voor
goede AI heb je data nodig
o Data uit de echte wereld halen
o Naast AI ook een geconnecteerd netwerk van sensoren nodig waar we informatie uit
kunnen halen = IOT

TECH 1: INTERNET OF THINGS

 “The Internet of Things (IoT) is het netwerk van fysieke objecten, apparaten, voertuigen,
gebouwen en andere voorwerpen die zijn uitgerust met elektronica, software, sensoren en
netwerkconnectiviteit, waardoor deze objecten gegevens kunnen verzamelen en
uitwisselen."
o Een manier om objecten en apparaten via een netwerk met elkaar te verbinden
zodat we software en sensoren via netwerk connectiviteit bij elkaar krijgen en als we
die data bij elkaar krijgen kunnen we er dingen mee gaan doen
 History
o 1974: uitvinding bankautomaat
o Voor 2008 was het internet voor ons: meer mensen geconnecteerd met het internet
dan apparaten
o Na 2008: meer apparaten dan mensen
 Future
o 140 000 kledingstukken verbonden met het internet vb. zweetsensoren
o 10 200 000 kledingstukken verbonden met het internet
o 250 mil auto’s geconnecteerd met het internet om autonoom te rijden
o Google en samsung kopen bepaalde aandelen in sectoren waar een technologie
belangrijker wordt of nemen het volledig over
 IoT is big business
o Grote omzet in verschillende sectoren
o Eenenzestig procent van de
leidinggevenden is het erover eens dat
bedrijven die het IoT langzaam
integreren, achterop zullen raken bij de
rest van de wereld
o IoT moet je adopteren in je bedrijf
anders blijft het niet bestaan

, 3 technologieën
o Sensoren
 Niet per se dingen die we vroeger niet
gebruikte maar wel dingen die kleiner
zijn en minder energie verbruiken
 worden eenvoudig in gebruik
 Vb. oorapparaat werkt jaren
 Kleiner en accurater
o Communicatie
 Heel veel meer mensen hebben zelf een
apparaat dat geconnecteerd is met het internet
 Vb. Bandjes op een festival gaan op hetzelfde moment aan en uit 
communicatiemodule
 Vb. Drones die bloedzakken of organen vervoeren tussen ziekenhuizen,
Videobewaking
=> hoe connecteren we al die apparaten? Vb. 5G: bepaalde banden
loskoppelen van elkaar (vb. Hulpdiensten krijgen aparte banden waardoor
het netwerk niet kan stilvall
o software
 Software van smartphone  data sturen en data terugkrijgen
 Problem 1
 90% kans dat het een mens is volgens
autosensoren
 Tijdsgebrek: Als je niet remt dan zijn
we te laat als we de informatie naar
een datacenter versturen dus we
moeten het lokaal doen
 Problem 2
 Deeltjesversneller
 Relevante data: Lokaal al
berekeningen gedaan en enkel de nuttige data nog verstuurd naar een
datacenter
 Selectie nodig in tussenstation of
relevante data te filteren om
hoeveelheid data te beperken en
de snelheid waarmee
beslissingen genomen moeten
worden te optimaliseren
 Rechtstreekse communicatie
tussen apparaten
Vb. horloge rechtstreeks met de
auto

,TECH 2: AI

 AI = verzameling van technieken die bepaalde intelligentie gaat nabootsen
o Een computer kan een beslissing genomen en men kan niet meer onderscheiden of
een beslissing door een persoon of een machine genomen wordt
 Machine learning = methodologie die we kunnen voeden met data en vanuit die data gaat de
technologie leren hoe dat die bepaalde beslissingen moet nemen
o Geven van data die een juiste beslissing aangeeft en de computer leert het
 Deep learning = doordat de datacenters zo groot geworden zijn kunnen we de ML met
complexere neurale netwerken laten werken (diepe netwerken met veel lagen)
o AI sluit hierbij aan




 Supervised = machine leert van feedback van een persoon vb. hond en kat foto en verschil
leren
 Unsupervised = grote hoeveelheden data en geen structuur, als een deel van de data afwijkt
ziet men dat er iets mis gaat en kan men er conclusies uitrekken
 Reinforcement learning = vb. leren fietsen, blijven proberen met feedback en ineens lukt het
 Transfer learning = om iets te herkennen moet je de contouren en uiteindelijk details kennen
om een onderscheid te maken, uit bestaande netwerken informatie uithalen en gebruiken in
een nieuw neuraal netwerk


NEURALE NETWERKEN
 Geconnecteerde neuronen
o Geïnspireerd op het brein van een mens: veel neuronen die met elkaar
geconnecteerd zijn
o Hetzelfde patroon proberen maken in een computer
o Neuronen als input en een aantal rijen achter elkaar met neuronen

, o Neuronen verbonden met de neuronen op de volgende lijn
o Als we deze machine niets laten leren met dit patroon dan komt er iets uit dat niet
juist is


LEARNING
 Supervised learning gebruiken!
 Zenuwbanen worden breder of smaller
 Bij de output nemen we de gewogen som van alle
informatie die daarbinnen komt
 Alle banen aanpassen tot het klopt volgens de foto
 Als het netwerk klaar is kunnen we het in de praktijk
gaan gebruiken



REINFORCEMENT LEARNING
 Agent heeft neuraal netwerk ziet in de environment het gevolg van de actie en kan via een
reward zijn actie opnieuw aanpassen




TRANSFER LEARNING
 Een stuk van het netwerk hergebruiken in het nieuwe netwerk