Artificial intelligence krachtige nieuwe tool voor precisie-engineers

‘Als we dit gesprek in 1995 hadden gehad, was het verhaal heel makkelijk geweest’, begint Albert van Breemen zijn betoog. ‘In die tijd werd er veel onderzoek gedaan naar neurale netwerken als een middel om het gedrag van niet-lineaire functies te schatten’, vertelt de ai-programmamanager bij het High Tech Systems Center. ‘Bedrijven als ASML en Philips gebruikten die methodes toen al, en nu nog steeds. Op een gegeven moment wordt het gewoon een van de gereedschappen in je toolbox en denk je er niet meer over na dat het een achtergrond heeft in de neurale netwerken.’

Sinds die tijd is er heel veel gebeurd in het vakgebied van artificial intelligence. De grote omslag kwam in 2012 tijdens de Imagenet Challenge. Het doel van die jaarlijkse wedstrijd was om uit een database van vijftien miljoen beelden zo veel mogelijk objecten te herkennen. Met traditionele computervisiontechnieken kwamen experts niet verder dan een score van zo’n 75 procent. Dat jaar deed er een team mee vanuit Google, geleid door Alex Krizhevsky. Hij koos een heel andere aanpak en bouwde een neuraal netwerk dat niet honderd parameters had, zoals gebruikelijk, maar een met zestig miljoen parameters.

‘Vroeger dachten we dat dat niet zou uitmaken, omdat je met een drielaags neuraal netwerk alles kon leren wat je wilde’, legt Van Breemen uit. ‘Nu weten we dat het wel degelijk uitmaakt. Krizhevsky introduceerde een diep neuraal netwerk met vijf convolutionele lagen en drie conventionele fully-connected lagen. Deze architectuur heet nu Alexnet. De uitdaging was om dat netwerk te trainen. Praktisch gezien, ging dat in die tijd niet op een computerprocessor, omdat dat maanden zou duren. Daarom haalde hij een truc uit. De berekeningen in een neuraal netwerk mapte hij op de architectuur van een grafische kaart. Met die combinatie maakte het Google-team een sprong van 10,8 procentpunten ten opzichte van de norm.’ Inmiddels is de Imagenet-competitie stopgezet omdat het probleem van objectherkenning in beelden is opgelost. ‘De systemen die je traint met deep learning zijn beter dan wat een mens kan herkennen.’

Brug tussen ai en precisie

Die doorbraak van Krizhevsky zorgde voor een tweede golf in ai. In de genoemde consumententoepassingen en in zelfrijdende auto’s, maar ook in meer hightech applicaties. Denk aan predictive maintenance. Verzamel de sensordata van een machine, analyseer ze met ai-algoritmes en doe een voorspelling wanneer het systeem ermee ophoudt. De opensource technologie achter Alphago – waarmee Google de wereldkampioen go versloeg – is ook heel goed inzetbaar om de optimale volgorde te vinden van onderdelen in een productieproces.

Wanneer wordt artificial intelligence interessant voor een precisie-engineer? ‘Met ai kun je heel krachtige dingen doen, die je met je traditionele toolbox soms niet kunt. Een ontwikkelaar van precisietechnologie heeft een goed gevulde gereedschapskist met lineaire regeltechniek, systeemtheorie en andere tools waarmee hij zijn probleem kan oplossen. Die hulpmiddelen zijn echter beperkt tot een zekere complexiteit. Lineaire systemen kunnen ze prima aan, maar zodra het niet-lineair wordt, volstaat de gereedschapskist niet meer. En als er veel variabelen in het spel zijn, wordt het helemaal lastig. Als je systeem dus zo complex is geworden dat je het met jouw theorie niet meer kunt modelleren, kun je eens kijken of ai een oplossing is.’

Een tweede reden is dat machines steeds meer sensoren bevatten die gigantische bergen data uitspuwen. ‘Als je zo veel gegevens hebt verzameld dat je er met de hand niet meer doorheen kunt, dan is het ook een goed moment om artificial intelligence aan te pakken’, denkt Van Breemen. ‘Klanten van machineleveranciers vragen steeds vaker toegang tot de low-level sensordata omdat ze daaruit informatie kunnen halen waarmee ze hun proces of product kunnen optimaliseren. Als precisie-engineer moet je daarvoor klaar zijn. Alleen omdat het engineeringdomein heel specifiek is, moeten we nog een brug slaan tussen de gereedschapskist van de precisie-engineer en de ai-wereld.’

Doe een pilot

Artificial intelligence is een enorme hype, maar Van Breemen merkt er in de praktijk nog weinig van. ‘Het kan natuurlijk aan mij liggen dat de deur hier op het High Tech Systems Center niet wordt platgelopen’, geeft de ai-consultant toe, ‘maar het kan ook betekenen dat mensen nog altijd niet over de streep zijn getrokken en niet aan de slag gaan. Iedereen heeft het erover, maar ze maken er geen tijd voor vrij. De druk is blijkbaar niet hoog genoeg, omdat er geen concurrerende bedrijven zijn die het al wel hebben toegepast en resultaten hebben geboekt. Ik zie regelmatig dat mensen op de werkvloer graag ai willen gebruiken, maar geen toestemming krijgen van het management. Dat komt omdat vaak onduidelijk is wat de terugverdientijd van zo’n investering zal zijn. Dat is aan het veranderen. Er komen steeds meer organisaties die een probleem hebben en dat met deep learning willen tackelen.’

Wat zouden bedrijven nu moeten doen? ‘Probeer tenminste één iemand vrij te maken die kan onderzoeken wat er gaande is. De technologie gaat razendsnel, dus als je te lang wacht, dan mis je de boot. Zeker de meer traditionele bedrijven die zijn ingericht op mechatronica, en niet op software en datascience, kunnen heel snel achteropraken. Klassieke mechanicabedrijven komen in aanraking met vakgebieden waarvan ze weinig kaas hebben gegeten. Om een simpel voorbeeld te geven: de meeste machine learning-tools zijn geschreven in Python. Dat is een taal die slechts weinige mechanicabedrijven beheersen.’

De Technische Universiteit Eindhoven kan daarin een rol spelen, vindt Van Breemen. ‘Daar vind je een speelplaats waar je kennis kunt vergaren, bijvoorbeeld door een pilotproject te doen, of via een masterstudent. De grote spelers weten ons daarin wel te vinden. Een kleiner bedrijf heeft meer moeite om de goede ingang te vinden. Dan is het High Tech Systems Center de perfecte weg. Daar zitten mensen uit de industrie die goed snappen waarmee zo’n industriële partij kampt. En als je weet dat het over ai gaat, kun je ook direct aankloppen bij het Eindhoven Artificial Intelligence Systems Institute of het AI Engineering Lab. Ik verwacht dat er de komende drie jaar veel meer bedrijven een aanvraag zullen doen voor een pilotproject.’

Brainport heeft alle kaarten in handen om een epicentrum van ai in engineering te worden. ‘In deze regio zitten hoofdrolspelers in de mechatronica’, zegt Van Breemen. ‘Dat is een bijzondere asset van de regio. Die bedrijven zitten met vraagstukken die de roadmap kunnen sturen. Dus klop vooral aan.’