Hot-or-Not: Architecting new AI for high-tech systems

De grenzen van wat fysisch mogelijk is bij de besturing van hightech systemen worden opgezocht. We komen op een punt waarin betrouwbare modellen niet langer beschikbaar zijn en onzekerheid als een gegeven beschouwd moet worden.

AI begeleidt ons in deze nieuwe onzekere toekomst. In deze Hot-or-Not verkennen we hoe nieuwe AI-technieken, gebaseerd op Bayesian Learning, kunnen landen in het domein van systeembesturing.

Van drones tot complexe systemen

We laten zien hoe breed het gebied van systeembesturing kan zijn. Van onvoorspelbare menselijke interactie met vlijmscherpe drones, tot de architectuur van complexe hightech systemen. We gaan in op de systeemontwerpkeuzes waar Sioux ingenieurs Ruben Kwant en Stijn Groen voor stonden in voorbereiding op de dansvoorstelling met drones op Koningsdag. Zij leggen uit hoe zij omgingen met de onzekerheden in besturing, die deel uitmaken van het werken met drones.

TU/e prof. Bert de Vries van BIASlab neemt ons vervolgens mee naar de toekomst van AI en hoe deze de hightechindustrie kan ondersteunen. Door gebruik te maken van neuro-geïnspireerde technieken, kunnen we onze favoriete systeemmodellen gebruiken en efficiënt zelflerende mechanismen toevoegen: het introduceren van Bayesiaans learning. In tegenstelling tot de huidige trends in deep learning leidt dit tot een nieuwe AI die kan worden ingezet in real-time systemen en in de kleinste apparaten.

Bas van der Linden, Technisch Directeur bij Sioux Technologies, plaatst deze nieuwe Bayesiaanse hype in een industrieel perspectief. Hij bespreekt welke stappen we moeten nemen om de Bayesiaanse methoden in te lijven in architecturen van hightech systemen. Het stelt ons in staat om onze materiaal- en productiemethoden uit te breiden, machines zelf-controlerend te laten zijn, complexiteit te verminderen en precisie te verhogen.