IoT en deep learning

In deze serie blogs behandelen we de weg van kunstmatige- naar cognitieve intelligentie. De basis van deze technologische ontwikkelingen is te vinden in machine learning. De variant die het dichts in de buurt komt van ons brein is gebaseerd op neurale netwerken. Wees gerust, ons brein is met een gemiddelde van ongeveer 100 miljard neuronen nog veruit superieur. De kunstmatige neurale netwerken die op dit moment worden gebruikt bestaan uit hooguit 1000 neuronen. In mijn vorige blog heb ik de basis van neurale netwerktechnologie behandeld. Met deze kennis in de pocket kijken we nu naar deep learning als opstap naar cognitieve systemen. We realiseren het ons waarschijnlijk nauwelijks, deep learning maakt een opmars waarmee onwillekeurig iedereen in aanraking komen.

Een mooi voorbeeld van Deep learning is te vinden te vinden bij de startup DeepL, voorheen Linquee, die onlangs zijn brandnieuwe vertaaldienst online heeft gezet. Via de website www.deepl.com kan iedereen gratis tekstblokken laten vertalen in (nu nog) zeven talen. Via een uitgebreide database met voorbeeldzinnen die overal worden gebruikt is de vertaaldienst getraind. DeepL is nu al een geduchte concurrent van Google Translate die overigens ook gebruik maakt van neurale netwerktechnologie. Google heeft in haar neurale netwerk gekozen voor recurrent technologie terwijl DeepL is gebaseerd op convolutional networks. Kreten die we maar snel moeten vergeten. Het grote verschil is dat DeepL alle woorden parallel verwerkt wat meer snelheid oplevert. Met meer zoeksnelheid kan een grotere database in dezelfde tijd worden doorzocht wat uiteraard betere resultaten geeft. De grote kracht van Deepl komt uit een goed geoptimaliseerde database in gecombineerd met de nieuwste algoritmes en technologieën. Op dit moment, geeft de dienst van Deepl betere resultaten dan oplossingen van andere aanbieders, een mooie ontwikkeling waar we zeker meer van gaan horen.

Teksten vertalen en foto's veranderen, fluitje van een cent
Vertalen van teksten wordt steeds gemakkelijker en betrouwbaarder en zal in steeds meer toepassingen volledig automatisch gaan zonder dat we daar iets van merken. Ook in de grafische wereld wordt intensief onderzoek gedaan naar toepassingen op basis van deep learning technologie. De ontwikkelaars van Adobe hebben samen met de prestigieuze Cornell universiteit de applicatie Deep Photo Styler Transfer ontwikkeld. De basis van deze technologie is te vinden in het overbrengen van een stijl van de ene naar de andere foto. Het computersysteem is lerend door heel veel plaatjes te analyseren op basis van verschillende algoritmes. Het ene algoritme herkend menselijke gezichten terwijl een ander algoritme gefocust kan zijn op bomen of huizen. De ontwikkelaar heeft het algoritme zodanig gemaakt dat kenmerkende factoren worden herkend en vastgelegd. Op deze wijze kun je in een nors gezicht een aantal karaktertrekken veranderen en voilà je hebt een lachend gezicht op je foto staan. Ook een saaie foto met donkere wolken is in no time veranderd in een sprekende foto met en mooie zonsondergang. Niets zal meer hetzelfde zijn… Kijk voor een ander voorbeeld eens op http://places2.csail.mit.edu/demo.html. Je kunt hier landschapsfoto's laten analyseren met deep learning technologie. Hoewel de uitkomsten niet altijd even goed zijn geeft het wel een leuk beeld van wat je met deze techniek kunt bereiken. Probeer het maar eens uit.

IoT en deep learning
Als we deze technologische mogelijkheden samenbrengen met sensorische informatie ontstaan nieuwe mogelijkheden. Met sensoren is het redelijk simpel om veranderingen in een omgeving te signaleren, als je nu vervolgens de deep learning technologie gebruik om daar je conclusies uit te trekken kun je processen op een heel intelligente wijze automatiseren. We zien steeds meer toepassingen van deze technologie, die ons overal mee behulpzaam kan zijn, in onze omgeving verschijnen. Denk bijvoorbeeld aan winkels waar personen, inclusief hun interessegebieden, worden herkend op basis van sensorische informatie. Je loopt langs beelden waarbij gelijktijdig en geheel ongemerkt je reacties worden geanalyseerd. Het systeem weet al na een paar van dit soort acties waar je interesses naar uitgaan en kan hierop anticiperen met gerichte aanbiedingen. In sommige toepassingen kan het system zelfs weten waarna je op zoek bent, wat je lievelingskleuren zijn en wat je mooi vindt. En laat dat artikel nu toevallig je pad kruisen. Toevallig? Dankzij deep learning bestaat dit straks niet meer.

Een wereld vol gemak, kleur en diversiteit
De echte doorstoot van deep learning technologie heeft nog een hele weg te gaan, maar de ontwikkelingen staan niet stil. Het begrijpen van relaties tussen objecten is een techniek die al redelijk vergevorderd is. Voor computers is dit heel complex terwijl de mens dit vaak op intuïtieve basis doet. Neemt niet weg dat er steeds mooiere en nieuwe toepassingen komen die onze wereld veel meer diversiteit, kleur en gemak geeft. Volgende keer kijken naar de ultieme vorm van kunstmatige intelligentie. Wat zal cognitieve intelligentie ons brengen?