03-2022
Artikelen gepubliceerd in 03-2022.
AI laten werken met de juiste dosis nieuwsgierigheid | MIT-nieuws
Het is een dilemma zo oud als de tijd. De vrijdagavond is voorbij en je probeert een restaurant uit te kiezen voor het avondeten. Moet je je meest geliefde drinkplaats bezoeken of een nieuw etablissement proberen, in de hoop iets superieurs te ontdekken? Potentieel, maar die nieuwsgierigheid brengt een risico met zich mee: als je de nieuwe optie verkent, kan het eten erger zijn. Aan de andere kant, als je vasthoudt aan wat je weet dat goed werkt, zul je niet uit je smalle pad groeien. Nieuwsgierigheid drijft kunstmatige intelligentie aan om de wereld te verkennen, nu in grenzeloze use-cases - autonome navigatie, robotachtige besluitvorming, het optimaliseren van gezondheidsresultaten en meer. Machines gebruiken in sommige gevallen 'reinforcement learning' om een doel te bereiken, waarbij een AI-agent iteratief leert door beloond te worden voor goed gedrag en gestraft te worden voor slecht gedrag. Net als het dilemma waarmee mensen worden geconfronteerd bij het selecteren van een
Hoe maak je een business case voor automatisering
Wilt u dat uw bedrijf robots adopteert om uw baan te verbeteren? Dit is misschien een goed idee... maar alleen als je je baas kunt overtuigen dat automatisering de juiste keuze is. Zoals elk bedrijf heeft uw bedrijf bepaalde doelen waaraan het moet voldoen om succesvol te zijn. Dit kan zijn om kosten te verlagen, de verkoop te verhogen of de kwaliteit van uw producten te verbeteren. Veel bedrijven – inclusief de case study-voorbeelden die we in dit artikel introduceren – vinden nu dat robotautomatisering een effectieve manier is om een reeks zakelijke doelen te bereiken. Robots kunnen helpen bij het oplossen van specifieke bedrijfsproblemen en bieden tegelijkertijd verschillende voordelen. Je bent er misschien van overtuigd dat robots een goed idee zijn... Maar je baas is dat misschien nog niet. Hoe kunt u een businesscase maken voor automatisering en uw baas ervan overtuigen dat dit de juiste oplossing is voor uw bedrijf? Hier is een korte handleiding. Zijn robots gevaarlijk? Het
Het oplossen van hersendynamiek leidt tot flexibele modellen voor machine learning | MIT-nieuws
Vorig jaar kondigden MIT-onderzoekers aan dat ze "vloeibare" neurale netwerken hadden gebouwd, geïnspireerd door de hersenen van kleine soorten: een klasse van flexibele, robuuste machine learning-modellen die tijdens het werk leren en zich kunnen aanpassen aan veranderende omstandigheden, voor echte veiligheid -kritieke taken, zoals autorijden en vliegen. De flexibiliteit van deze "vloeibare" neurale netwerken betekende een boost voor de bloedlijn naar onze verbonden wereld, wat leidde tot betere besluitvorming voor veel taken met tijdreeksgegevens, zoals hersen- en hartmonitoring, weersvoorspellingen en aandelenprijzen. Maar deze modellen worden rekenkundig duur naarmate hun aantal neuronen en synapsen toeneemt en er zijn onhandige computerprogramma's nodig om hun onderliggende, gecompliceerde wiskunde op te lossen. En al deze wiskunde, vergelijkbaar met veel natuurkundige fenomenen, wordt moeilijker op te lossen met de grootte, wat betekent dat je veel kleine stappen moet berekenen