Industriële revolutie IV: de groeipijnen voorbij

AI, machine learning, edge computing en IoT delen tegenwoordig hetzelfde bed. Volgens sommigen zijn ze er zelfs samen in ziek, want na de hype kwam de ontnuchtering. Een kans, vinden deze experts, om opnieuw te zoeken naar zinvolle verbindingen en toepassingen.

 

Maarten Weyn.
Professor en onderzoeker bij imec-IDLab aan de Universiteit Antwerpen
Internet of Things

Wat is er veranderd in de sector tegenover vorig jaar?
“Internet of Things is gestart als een hype. Volgens sommigen ging het zelfs de honger uit de wereld helpen. Bedrijven investeerden veel geld in innovatiemanagers die moesten uitzoeken wat IoT kon betekenen voor hun organisatie. Maar de grote uitdaging blijkt het maken van een match tussen de technologie – die enorm veel kan – en de zakelijke toepassing ervan. IoT heeft geen enkele zin als er geen businessmodel rond gebouwd kan worden. Niet alles is vanzelfsprekend, al gaat het maar over energievoorziening. Dat is een bewustwording die recent pas is doorgesijpeld. Volgens mij is dat ook een kracht: enkel wanneer je de beperkingen kent, kun je ook werkelijk relevante cases bouwen.”

Hoe moeten bedrijven omgaan met deze nieuwe evoluties?
“Belangrijk is dat technologiebedrijven, de academische wereld en gebruikers een open discussie aangaan over de mogelijkheden en beperkingen van IoT. Het salesverhaal klinkt mooi, maar is niet altijd even realistisch. Bedrijven moeten individueel, maar ook samen kijken waar ze het verschil kunnen maken. Dat is niet alleen een zaak voor grote multinationals. De nieuwste elektronica en de hele makercultuur doen mensen veel vlugger met technologie aan de slag gaan. Waar een onderneming vroeger al serieuze investeringen moest doen om een proof-of-concept op te zetten en een businessmodel uit te bouwen, kan ze nu vrij makkelijk al een eerste snelle test in elkaar steken. Dat stimuleert innovatie.”

Hoe kunnen technologieën als AI, IoT, machine learning en edge met elkaar verbinden?
“IoT is een totaaloplossing met vijf aspecten: hardware, software, communicatie, cloud en applicatie. Bij een fitness wearable heb je bijvoorbeeld niet alleen het IoT-device nodig om je prestaties te meten, maar ook de app en de software. Voor de data-analyse kan de cloud AI-machinerie inzetten. Het baanbrekende van IoT: producenten kunnen feilloos zien wat hun toestel doet. Met die data kunnen ze het apparaat verbeteren en zelfs live aanpassingen doen. Toestellen gaan dus potentieel veel langer mee. Mogelijk gaan we naar een dienstenmarkt waar je niet meer betaalt voor het device zelf, wel voor de kwaliteit van updates en service. Daarvoor is de producent dan volledig verantwoordelijk.”  


Jannes Nys.
Head of Machine Learning and data science bij IT-consultingbedrijf Boltzmann
Machine learning en edge computing

Wat is er veranderd in de sector tegenover vorig jaar?
“Er bestonden al manieren om lokaal berekeningen te doen, maar nu is het tijdperk aangebroken waarin alles deep learning wordt. Dat vraagt veel computationele power. In edge computing kwam er pas vorig jaar echt een toename op gang van devices die met een klein energieverbruik toch heel veel power toelaten. Intel heeft Movidius uitgebracht, Google de Edge TPU. Allemaal met het idee heel snel en zuinig aan beeldverwerking te doen. Binnen het domein van machine learning zijn chatbots en recommender systemen intussen veelgebruikte toepassingen. Bedrijven nemen al de stap verder om machine learning ook in te zetten in hun beslissingsproces, bijvoorbeeld rond predictie van cashflow of klantenverloop.”

Hoe moeten bedrijven omgaan met deze nieuwe evoluties?
“Vroeger kwamen bedrijven naar ons toe met de vraag: ik heb gehoord over machine learning, zullen we daar iets mee doen? Dat is wat mij betreft de omgekeerde richting. Er zijn altijd wel processen in een onderneming die traag gaan of veel arbeid vragen. Ik denk maar aan accountants die facturen moeten inboeken. Dat zijn typisch dingen die versneld kunnen worden. Mijn advies: zoek eerst uit waar je noden zitten, waar je geld verspilt of tijd, en ga dan pas kijken naar de geschikte tools. In die zin zal ook de keuze tussen edge en de cloud voor de meeste bedrijven vrij straight forward zijn: bepaalde data sturen organisaties nu eenmaal liever niet live door naar de cloud.”

Hoe kunnen technologieën als AI, IoT, machine learning en edge met elkaar verbinden?
“Machine learning is een tak van AI die specifieke vragen oplost door middel van afgelijnde data. IoT staat wat buiten de cirkel. Met IoT ga je informatie uitlezen en verbinden met andere apparaten. Het idee is om data zoveel mogelijk samen te brengen. De vraag is dan: wat doe je met al die data? Je kunt die overzichtelijk gaan presenteren aan je medewerkers in een dashboard of je kunt een aantal zaken automatiseren, bijvoorbeeld door op basis van sensordatamachines aan te sturen. Daar komt machine learning dan op de proppen. De combinatie met IoT maakt een netwerk intelligenter.”


Mieke Geertrui De Ketelaere.
Programme Director AI bij onderzoekscentrum imec
Artificial intelligence

Wat is er veranderd in de sector tegenover vorig jaar?
“We zijn ons bewust geworden van bepaalde limieten in het AI-gebruik. Niet op technisch vlak, want daar zijn de mogelijkheden nog altijd eindeloos. Maar er is een spanningsveld ontstaan tussen innovatie en ethiek. De oorzaak? AI-systemen hebben foute beslissingen gemaakt. Technologen weten dat een algoritme nooit 100 procent accuraat is. De businesswereld heeft dat niet altijd begrepen. Beslissingen werden volledig geautomatiseerd, met inbegrip van menselijke denkfouten. Zoiets heeft gevolgen, bijvoorbeeld in een legale of hr-context, waarbij het systeem gaat oordelen op basis van vooringenomen data en patronen. Wat ons te doen staat, is actief naar oplossingen te zoeken om verdere innovatie een kans te geven.”

Hoe moeten bedrijven omgaan met deze nieuwe evoluties?
“De oorzaak van de vertrouwenscrisis ligt niet bij AI, wel in de manier waarop wij het hebben geoperationaliseerd en geautomatiseerd. Businessleiders begrijpen AI-systemen nog te weinig. Ik zie twee extremen: bedrijven die blindelings op AI vertrouwen en bedrijven die uit schrik voor privacy niets meer doen met hun data. In beide gevallen moeten we proactief werken. Rond privacy zijn er bijvoorbeeld wel degelijk oplossingen: we kunnen algoritmes perfect trainen met synthetische data, zonder link met een persoon. Ik stel vast dat de vertaalslag ontbreekt tussen techneuten en de business. Daarom pleit ik voor meer AI-translatorprofielen, die de technologie zo kunnen vertalen dat ook de business het begrijpt.”

Hoe kunnen technologieën als AI, IoT, machine learning en edge met elkaar verbinden?
“Tot eind jaren 90 waren de computers te traag en waren er in feite te weinig data om AI op breed vlak in te zetten. Het internet heeft een massa aan nieuwe datastromen gegenereerd. Tegelijk hebben de industriële revolutie en de nieuwe technologieën de verwerkingssnelheid enorm opgedreven. Dat schept perspectieven. Door edge is het bijvoorbeeld niet langer nodig de data naar het algoritme te brengen, maar kan het net omgekeerd. Ter plaatse in het IoT gaat het algoritme beslissen of er actie nodig is en of de data waardevol genoeg zijn om op te slaan in de centrale datahub voor latere analyse. Die trendwissel kan niet enkel latency-problemen oplossen, maar ook een antwoord bieden op het privacydebat.”