Leren en spelen met Deep Learning: het hoeft niet ingewikkeld te zijn

Artificial Intelligence, Machine Learning en Deep Learning: allerlei termen die bij CQM verre van onbekend zijn. Dagelijks halen wij veel plezier uit het werken met deze innovatieve technieken. En nog leuker: soms mogen we deze innovaties delen met klanten en andere partijen. Service Logistics Forum en World Class Maintenance organiseerden 23 september een themabijeenkomst ‘Robotisering, Deep Learning en Artificial Intelligence’. CQM verzorgde die dag een presentatie over ons nieuwste Deep Learning project. Ook speelden we onze Deep Learning Game! Benieuwd naar de highlights van deze dag? Lees onze recap-blog.


Wat is Deep Learning
Voordat we dieper op deze themadag ingaan, is het wellicht handig als we uitleggen wat Deep Learning precies is. Hierbij nemen we de termen Artificial Intelligence (AI) en Machine Learning mee. AI streeft naar het ontwikkelen van functionele intelligentie buiten het menselijk brein om. Machine Learning richt zich juist op de ontwikkeling van software waarmee een computer of machine zijn eigen prestaties verbetert. Deep Learning is Machine Learning op grotere schaal. Waar het bij Machine Learning om ‘slechts’ een aantal lagen/neurale netwerken gaat, gaat het bij Deep Learning over een neuraal netwerk met diverse, complexe lagen. Daarnaast maakt Deep Learning gebruik van de vele online kennisdeling en netwerken die beschikbaar zijn, waardoor snel resultaat wordt behaald. Het wiel hoef je niet altijd opnieuw uit te vinden.


Het doorbreken van patronen
Over tot de orde van de dag: wat hebben we nu precies gedaan tijdens de themabijeenkomst op 23 september? We hebben klanten, leveranciers en andere partijen laten kennis maken met Deep Learning. Hoe? Zoals we al zeiden: door middel van een interactief spel!

De precieze details van de game willen we liever niet verklappen, want mocht je ooit zelf dit spel willen spelen, is het niet leuk als je de uitkomst nu al weet. Dat is ongeveer hetzelfde als valsspelen. En als wij wiskundigen ergens niet tegenkunnen :-) Uiteraard kunnen en willen we wel het doel van het spel toelichten. Dit spel is een versimpelde weergave van hoe Deep Learning werkt en stelt de deelnemers in staat te ervaren hoe Deep Learning in de praktijk tot uiting komt. Zo zei iemand na afloop: “Leuk om te zien dat wij mensen vaak vastlopen in bepaalde patronen en gedachten. Deep Learning doorbreekt deze patronen en gaat voorbij de gebaande paden. Dit leidt vaak tot betere resultaten.” Erg interessant om te horen dat onze game laat zien dat je met Deep Learning dus verder kunt komen dan wanneer je alleen de menselijke kant gebruikt.


Deep Learning Game
En dan nu het spel: stel je bent kok, wilt een ontzettend lekker gerecht maken, maar je bent blind. Kun je dit dan door middel van beeldherkenning toch bereiken? Wij dagen de deelnemers van de game uit om een robot te helpen om uit alle objecten die langskomen te herkennen welke ingrediënten wel en niet in het gerecht thuishoren. Dit doet de game door middel van diverse eigenschappen over een bepaald product te tonen, denk aan kleur, grootte en vorm. We lieten de deelnemers kijken of ze een oplossing konden bedenken waarbij er zo min mogelijk fouten – lees: ‘slechte’ ingrediënten – in het gerecht terechtkwamen. Hoe slimmer een oplossing, hoe beter het gerecht. Daarbij telde ook de zwaarte van een fout: een muis in een gerecht is bijvoorbeeld erger dan het vergeten van een snufje zout.

Klinkt het ingewikkeld? Dat is precies wat Deep Learning ook is. Echter, hoe meer je oefent, hoe slimmer je machine of computer wordt en hoe beter je een algoritme kunt ontwikkelen dat effect heeft. In het geval van de kok en het gerecht: een slimme strategie om ingrediënten te scheiden van overige objecten (zoals een muis). En dan hoeft het niet zo ingewikkeld te zijn.


Toegepast in de praktijk
In opdracht van Brink Groep hebben we Deep Learning ook in de praktijk toegepast. Brink Groep staat regelmatig voor de uitdaging om diverse elementen op woningen in te meten. Denk hierbij aan gevels, daken, panelen, deuren, kozijnen en glas. Dit kost enorm veel tijd en ze vroegen CQM of wij hierin een tijdsbesparing konden bewerkstelligen. En inderdaad: dat kan met Deep Learning.

We ontwikkelden een tool op basis van Deep Learning, waarbij door middel van beeldherkenning geautomatiseerd aspecten van een huis worden herkend op foto’s. Zoals de gevels, panelen, kozijnen, deuren, daken en het glas. De Deep Learning tool herkent: ‘dit is een raam’, en door middel van een door CQM ontwikkeld algoritme geeft de tool ook nog aan hoe groot het raam is, hoeveel ramen een woning bevat en wat de afmetingen hiervan zijn.

We hopen dat de Deep Learning tool uiteindelijk gaat leiden tot grote tijdsbesparingen voor Brink Groep, zodat de experts hun kennis en ervaring nog beter kunnen benutten. De resultaten zijn veelbelovend en Brink Groep start binnenkort de eerste tests. Deep Learning in de praktijk, wij houden ervan.


Deep Learning binnen jouw organisatie?
Benieuwd naar hoe je Deep Learning binnen jouw organisatie kunt toepassen? Of wil je de ‘Deep Learning Game’ een keer spelen? Neem contact op met Minou Voortman voor de mogelijkheden.

 

Wil je op de hoogte blijven van het laatste nieuws van CQM, volg ons op LinkedIn of meld je aan voor onze digitale nieuwsbrief.

Dr. Minou Voortman

Dr. Minou Voortman

Consultant