Deze samenvatting is gemaakt in het eerste semester van academiejaar . Het vat de colleges van professor Poels en professor Hellinckx, de Q&A's en het zelfstudiemateriaal (video's en documenten) samen voor het korfvak Media & Digitale Samenleving. Het document omvat 46 pagina's.
Media en digitale samenleving
1 AI, Human AI Interaction en ethiek
1.1 Les van Hellinckx
- Zit in onderzoeksgroep die ID Lab heet, heeft de leiding in gedistribueerde AI
- Insteek is altijd hoe krijgen we de technologie uitgelegd en geïmplementeerd in de industrie
1.1.1 De wereld waar hij van droomt
- Filmpje van interactie in verkeer op standaard kruispunt dat zonder regels verloopt
- We zouden naar niveau kunnen gaan waardoor dit filmpje wel als veilig wordt gezien omdat
de auto’s exact weten waar er gevaar is
- Waar zijn we nu al? In sommige gevallen zijn we er niet ver vandaan
o Volledig autonoom rijdende auto van Google bv
o Die dingen werken maar wel in eenvoudige omgevingen bv. in brede straat tov ’t
stad
- Hoe komt dat dit komt?
o Internet of things
o Artificiële intelligentie
- Illustratie van de evolutie van
technologieën die nu ‘hot zijn’
o Over tijdlijn de
verwachtingen die mensen
hebben
o Gaan dan in bepaalde piek
o Dan dalen die tot het op een
plateau uitkomt waar de
verwachtingen ook hetgeen
zijn dat er effectief gaan
uitkomen
- In AI en IOT zitten we in het begin, we
weten nog niet waar het terecht gaat
komen maar er zit veel potentieel in
1.1.2 Internet of Things (IoT)
= er zijn veel sensoren in onze omgeving en ook veel communicatiemethodieken als we die met
elkaar verbinden kunnen we veel informatie op een centrale plaats samenbrengen
= "Het Internet of Things (IoT) is het netwerk van fysieke objecten, apparaten, voertuigen, gebouwen
en andere items die zijn ingebed met elektronica, software, sensoren en netwerkconnectiviteit,
waardoor deze objecten gegevens kunnen verzamelen en uitwisselen."
Geschiedenis (iot is niet nieuw)
• 1974: eerste IoT device is bankautomaat
• 2008: Meer objecten (devices) met internet geconnecteerd dan mensen
• 2015: 5 miljard
• 2020: 50 biljoen devices geconnecteerd met internet
,Marktpotentieel van iot?
• Jaarlijkse omzet = extreem veel → heel belangrijk
• IoT is big business: hoe meer kennis je hebt over data > meer processen optimaliseren > hoe
beter concurrentieel voordeel
• IoT is het nieuwe internet, als bedrijf zal je er in moeten investeren en je er aan aanpassen
anders overleef je het niet (lol)
Drie technologieën liggen aan de basis van IoT
• Sensoren
o Sterke evolutie in sensoren ook al bestaat dit al lang (bv temperatuursensoren)
o Gaat over de accuraatheid, grootte en hoeveelheid energieverbruik van de sensoren
o Bv. Smartwatch die je hartslag volgt enz.
• Communicatie(protocollen)
o Meest gebruikte: bluetooth, wifi, 4G
o Er zijn er nog veel meer → focus ligt dan op minder energie verbruiken om zo klein
mogelijke zaken te bouwen om die te connecteren
o Gsm is geconnecteerd met centrale server, maar ook alle andere devices
o Moeilijkheid:
▪ Steeds meer connecties bv. bandjes op festivals maar ook nog gsm’s enz zijn
verbonden → allemaal op weinig bandbreedte dus dat is moeilijk
▪ Ook in haven heel veel connecties: wifi, detecteren of iemand, video surveils
op kanalen, iedereen heeft smartphone…
▪ Verschil 4G en 5G: 5G houdt nog aparte band over voor noodgevallen of
industriële applicaties als andere overbelast zijn
• Vb. als nu pukkelpop-drama → veiligheidsdiensten ku nog
communiceren
• Distributed embedded software
o 1e probleem met IoT: er zijn zoveel
devices met ons allemaal samen dat
we die data niet allemaal gaan kunnen
centraliseren en gebruiken dus
daarom veel nieuwe technieken die
zorgen dat we dicht tegen de
sensoren beperkte berekeningen gaan
maken om data te gaan beperken
▪ Toekomstige IoT architectuur:
alle data gaat niet meer
centraal maar wordt op tussenstations verwerkt en dan teruggestuurd =
geen centrale verbinding
▪ Ander voordeel: het proces verloopt daardoor vele sneller
o 2e probleem met IoT: globaal gedrag is afhankelijk van wat elk individueel device
doet (groep vogels)
▪ Wanneer je zo’n globaal gedrag wil krijgen heb je heel veel machines nodig
,1.1.3 Artificiële intelligentie (AI)
• = Vanaf dat een computer dingen voor je kan doen waarvan je niet meer kan onderscheiden
of de beslissingen door persoon of computer worden genomen
• Machine learning (onderdeel van AI – ander onderdeel = traditional
AI): computer leert zijn gedrag op basis van zijn data
o Deep learning (onderdeel): gigantische neurale netwerken
Basisprincipes machine learning
• Vgl. brein bestaat uit neuronen die verbonden zijn via banen, als
neuron geactiveerd wordt zal neuron impuls sturen door baan die
ander neuron zal activeren
• Neuronen in rijen, elk neuron uit een rij verbonden met alle neuronen
van de volgende rij
o Vooraan in een neuron komt een waarde binnen (een getal), dat
wordt vermenigvuldigd met een bepaald gewicht en als we dat hebben zit in de neuron
nog een functie die op basis daarvan een bepaalde waarde geeft
o Input gaat door neuraal netwerk en geeft output
o Het is een speciale functie: de waarde die eruit komt, je kan de input een beetje laten
variëren zodat de outputwaarde gigantisch gaat verschillen → zo kan je makkelijker
dingen bijleren
bv. je geeft foto in en je gaat naar de output kijken die zegt dat het een parkeerplaats is → dit is niet
zo want het is een zebrapad → zou dus vervelend zijn moesten we dit netwerk gaan gebruiken in
wagens
• We gaan eigenlijk de kleur van al die pixels meegeven aan het netwerk
• Wat kunnen we doen als we de outputwaarde kennen en we weten wat dat wilt zeggen (bv.
foto van een zebrapad), dan kunnen we het netwerk aanpassen aan de juiste foto (nl.
zebrapad en geen parkeerplaats) → hiervoor passen we de verschillende gewichten aan
• Na een tijd gaat die technologie effectief leren bij de foto dat het een zebrapad is
• Dus
o Pixels van foto zebrapad→ steken in netwerk –> uitkomst: dit is parkeerplaats = fout
o Gewichten (bolletjes) aanpassen → miljoenen keren (dus ook veel foto’s nodig)
o Uiteindelijk komt het juiste eruit → wagen remt op basis van wat die geleerd heeft
Uitdagingen in AI
1) Technische uitdagingen
• De accuraatheid van de algoritmes
o Er zitten nog fouten in bv. zelfrijdende auto, maakt nog 1 fout per km want er zijn
continu duizenden detecties bezig
▪ Ervoor zorgen dat die laatste percentages ook nog opgelost raken
• Snelheid van de algoritmes
o Atari spelconsole = play station van enorm lang gelden: spelletjes die in AI dikwijls
gebruikt worden om algoritmes te trainen
o Voor ons duurt het ongeveer 15 minuten voor we het spel snappen
o Computer: 924u
, o Stel dat we de kleur op de achtergrond zouden veranderen dan is dat voor de mens
geen probleem maar de computer moet terug 924u trainen
• We hebben kleinere chips nodig → hoe kleiner hoe minder energie
• Connectiviteit: je mag niet te lang in 1 device denken, we zouden meer informatie moeten
krijgen van bv. de buurwagens van automatische wagen
• Data kwaliteit
o Sensor informatie in de algoritmes steken maar die informatie is niet altijd hetzelfde
bv. als je met je gsm een foto maakt overdag is dat mooi en ’s avonds heb je minder
kwaliteit is ook zo met auto’s bv
o Hoe meer data je hebt hoe meer je algoritme gaat maar wanneer je extra data gaat
gebruiken is de kwaliteit niet goed
• Distributed intelligence
o Terug over vogels: nemen alle devices samen de juiste beslissing? → het wordt
complex of het globale gedrag van zwerm drones bv hetzelfde is want ze nemen
allemaal autonome beslissingen
2) Pitfalls (valkuilen)
• Change management
o Wanneer je met iets nieuw gaat werken wordt je er niet altijd blij van
▪ Niet omdat de technologie niet goed is want is zelfs beter
▪ Maar omdat er dingen moeten veranderen
o Illustratie: Vroeger probleem: luchtvervuiling door paardenstrond in de straat
▪ Mensen wilden niet met de auto rijden omdat mensen de controle over hun
voertuig niet wilden weggeven aan machine terwijl ze volle vertrouwen
hadden in hun dier
o Zelfde met AI: is moeilijk voor ons om dingen die we zelf doen te gaan afgeven aan
een machine
o 10 jaar later: reed natuurlijk iedereen wel met auto rond
o Ook AI moet met kleine stapjes gaan anders kunnen mensen het niet aan
• Misbruik
o Nieuwe technologie dus dan komt daar ook misbruik bij kijken
o vb. deep fake filmpje van Obama
o Wat is dit? Op basis van heel veel filmpjes van Obama is filmpje gemaakt die exact
verteld wat bepaalde persoon inspreekt
o Authentieke beelden komen dus steeds meer in gevaar
• Bias/explainability
o Bias = vertekening in levels
o Dus je bouwt algoritmes op basis van data, maar die data en dus de input zorgt voor
vooroordelen, kan op 3 niveaus:
▪ Dataset moet representatief zijn voor de populatie
Les avantages d'acheter des résumés chez Stuvia:
Qualité garantie par les avis des clients
Les clients de Stuvia ont évalués plus de 700 000 résumés. C'est comme ça que vous savez que vous achetez les meilleurs documents.
L’achat facile et rapide
Vous pouvez payer rapidement avec iDeal, carte de crédit ou Stuvia-crédit pour les résumés. Il n'y a pas d'adhésion nécessaire.
Focus sur l’essentiel
Vos camarades écrivent eux-mêmes les notes d’étude, c’est pourquoi les documents sont toujours fiables et à jour. Cela garantit que vous arrivez rapidement au coeur du matériel.
Foire aux questions
Qu'est-ce que j'obtiens en achetant ce document ?
Vous obtenez un PDF, disponible immédiatement après votre achat. Le document acheté est accessible à tout moment, n'importe où et indéfiniment via votre profil.
Garantie de remboursement : comment ça marche ?
Notre garantie de satisfaction garantit que vous trouverez toujours un document d'étude qui vous convient. Vous remplissez un formulaire et notre équipe du service client s'occupe du reste.
Auprès de qui est-ce que j'achète ce résumé ?
Stuvia est une place de marché. Alors, vous n'achetez donc pas ce document chez nous, mais auprès du vendeur stienlens5. Stuvia facilite les paiements au vendeur.
Est-ce que j'aurai un abonnement?
Non, vous n'achetez ce résumé que pour €8,49. Vous n'êtes lié à rien après votre achat.
