Toestellen slimmer maken met Artificiële Intelligentie (AI)
Wat is een ‘neuraal netwerk’ en hoe werkt het?
Een artificieel of kunstmatig neuraal netwerk is zowel in opbouw als in werking een imitatie van onze hersenen (biologisch neuraal netwerk). Het wordt o.a. gebruikt bij fotoherkenning. We kunnen bijv. een systeem ‘slim’ maken, zodat het kan bepalen of het al dan niet om een foto van een hond gaat. Een neuraal netwerk bekom je door het te trainen met een lange reeks voorbeelden. Onderliggend gaat het om een lange, eenvoudige rekensom die bijgesteld wordt op basis van voorbeelden tot het voor alle invoerwaarden een juiste uitkomst geeft. Neurale netwerken zijn best sterk in het herkennen van patronen. Na training kunnen zelfs nieuwe foto’s juist beoordeeld worden.
Voorspellen vs echt gedrag
We kunnen neurale netwerken gebruiken om problemen anders aan te pakken. Neem bijv. kookplaatventilatie waarbij de besturing bediend wordt met capacitive touch sensoren. Deze sensoren zitten onder een dikke glasplaat. Daarnaast zijn er ook vocht, vuil en de storingen van de inductiekookplaat zelf bijvoorbeeld.
We zochten uit hoe goed een neuraal netwerk getraind kan worden om tussen al deze 'ruis' het juiste signaal (bv. inschakelen) te herkennen. Hiervoor hadden we een grote hoeveelheid trainingsvoorbeelden nodig. We maakten een ‘artificiële vinger’, die met perslucht de sensor bedient, om het vergaren van de data te automatiseren.
Binaire variant mogelijk?
Onze besturingen gebruiken vaak micro-controllers die niet zo vlot overweg kunnen met o.a. kommagetallen. Daarom evalueerden we de binaire variant van neurale netwerken voor het gebruik bij onze besturingen. Hierbij worden de berekeningen enkel nog gedaan met één en nul (binair).
Om dit te visualiseren implementeerden we een demo van een eigen embedded AI framework. Je tekent een cijfer van 0 tot 9 op een touchscreen en het wordt achterliggend aangeboden aan een binair neuraal netwerk. Dit achterhaalt welk cijfer je bedoelt en laat het resultaat zien.