Zeg niet zomaar ‘AI’ tegen ‘hybride AI’

Artificiële intelligentie (AI) is niet meer uit ons leven weg te denken. Als YouTube, Netflix of Amazon ons een leuk filmpje, een nieuwe serie of interessant boek aanraden, dan maken zij gebruik van AI om patronen te herkennen in grote hoeveelheden data – én op basis daarvan voorspellingen te doen over onze voorkeuren.  

Zo’n louter datagedreven aanpak is echter niet voor elke toepassing even geschikt. Industriële applicaties zijn bijvoorbeeld vaak meer gebaat met hybride AI-systemen die niet alleen over data beschikken, maar ook een beroep kunnen doen op de kennis van domeinexperten. Hybride AI-toepassingen zijn aan een sterke opmars begonnen, en Vlaanderen trekt volop aan die kar. 

Hoe maken we AI ‘intelligent’? 

AI-oplossingen zijn niet intelligent vanaf dag één; ze moeten eerst grondig getraind worden. Op basis van de gebruikte trainingsmethoden maken we een onderscheid tussen kennisgedreven AI, datagedreven AI, en – meer recent – hybride AI.  

Kennisgedreven AI maakt gebruik van de kennis en feiten aangereikt door domeinexperts zoals dokters en ingenieurs. Toch kunnen AI-toepassingen niet zomaar met die domeinkennis aan de slag. Alle input wordt eerst omgezet in regels die door een computer geïnterpreteerd kunnen worden. Zo leert het AI-systeem waarop het moet letten bij het analyseren van data, en welke acties aan die analyses verbonden moeten worden. In de gezondheidszorg wordt deze vorm van AI frequent ingezet, bijvoorbeeld om artsen te adviseren over aangewezen medicatiedosissen. 

Aan het andere eind van het spectrum bevinden zich datagedreven AI-toepassingen. Zij worden gevoed door (sensor)data en gebruiken machine learning-technieken om uit die data nieuwe correlaties en inzichten te destilleren – zonder dat die inzichten werden voorgeprogrammeerd. Dat maakt van datagedreven AI een interessante technologie voor applicaties zoals beeld- en spraakherkenning, of voor toepassingen waarbij domeinkennis moeilijker in regeltjes te gieten is. 

Beide benaderingen hebben echter ook hun nadelen. Datagedreven AI-systemen, bijvoorbeeld, functioneren alleen bij gratie van grote hoeveelheden kwalitatieve data. En kennisgedreven AI detecteert enkel wat het systeem werd aangeleerd. Daarom ontwikkelden onderzoekers een derde optie die het beste van beide werelden combineert: hybride AI. 

Hybride AI: de (voorspellende) kracht van data, gecombineerd met menselijke kennis   

Hybride AI combineert de kracht van data (om nieuwe inzichten te verwerven) met een systeem dat steunt op (menselijke) domeinkennis. Zo kunnen we met minder data toch waardevolle inzichten verzamelen, binnen de juiste context plaatsen én beter begrijpen. Vooral dat laatste is onontbeerlijk, want gebruikers van AI-oplossingen moeten de voorgestelde resultaten ten volle kunnen vertrouwen voor ze ermee aan de slag gaan; net zoals we de som uitgerekend door een rekenmachine ook niet meer narekenen.      

Omdat het hier gaat om een nieuwe AI-technologie moeten een aantal dilemma’s uiteraard nog verder worden uitgespit. Hoe moet de technologie bijvoorbeeld omgaan met de input van experten die er verschillende meningen op nahouden? Aan welke mening moet het systeem dan voorrang geven? Hoe vat je zoiets in regels? Hoe verhoog je het vertrouwen in het model? Onderzoek naar hybride AI is dan ook nog volop aan de gang.  

De voortrekkersrol van Vlaanderen  

Van zodra je de onderliggende expertenkennis gemodelleerd hebt, is hybride AI breed inzetbaar – al worden de grootste winsten geboekt met applicaties die niet beschikken over de big data waar spelers zoals Google op inzetten. Zij beschikken immers over zoveel data dat expertenkennis slechts een beperkte meerwaarde heeft. Maar dat zal de groei van hybride AI niet afremmen, wel integendeel – want vele toepassingen hebben net little data! 

De eerste cases duiken dan ook al op. En vooral Vlaanderen lijkt vol de kaart van hybride AI te trekken. Toeval? Niet echt. Vlaanderen is altijd een kennismaatschappij geweest. Het is dus niet onlogisch dat we specifiek op het vlak van hybride AI een voortrekkersrol spelen, waarbij een cruciale rol is weggelegd voor kennisinstellingen zoals imec en Flanders Make.  

Hybride AI-technologie lokaliseert lekken in ons drinkwaternet tot 200 maal nauwkeuriger 

Door de klimaatopwarming, en de periodes van droogte die ondertussen ook Vlaanderen treffen, werden we de afgelopen jaren met onze neus op de feiten gedrukt: drinkwater is een schaars goed. Toch gaat in onze regio elk jaar ongeveer 60 miljoen kubieke meter drinkbaar water verloren door lekken in ons waterleidingnet. Dat is gelijk aan de inhoud van meer dan 16.000 olympische zwembaden.  

In het kader van het imec.icon SmartWaterGrid-project onderzochten De Watergroep, Hydroscan, Itineris, Aloxy.io en imec of artificiële intelligentie ons kan helpen om die lekken nauwkeuriger te lokaliseren.  

In de weegschaal: datagedreven AI versus hybride AI 

Vandaag worden lekken in ons drinkwaternet gedetecteerd door te kijken naar eventuele drukverschillen tussen de kleppen in dat netwerk. Nauwkeurig is die manier van werken echter niet: we weten dan enkel dat het lek zich ergens in een stelsel van pijpleidingen bevindt met een lengte tussen 70 en 200 kilometer. In de praktijk wil dat zeggen dat tientallen kilometers pijpleiding handmatig moeten worden gecontroleerd met akoestische apparatuur – wat weken kan duren.  

Wanneer je die zoekradius wil beperken door gebruik te maken van artificiële intelligentie, heb je twee opties. Enerzijds zou je een beroep kunnen doen op datagedreven AI door op elke leiding sensoren te plaatsen. De vraag is echter of die inspanning en kost – economisch gezien – opwegen tegen de uiteindelijke winst. Het antwoord is, jammer genoeg, 'neen’.  

Anderzijds kan je voor een hybride AI-oplossing opteren. In dat geval worden sensoren enkel op strategische plaatsen geïnstalleerd, en gebruikt in combinatie met alle beschikbare expertenkennis rond hydraulica, de netwerktopologie en zelfs telefoontjes van klanten. En in de toekomst zouden we ook de input van slimme watermeters kunnen meenemen – want hoe meer kennis we in zo’n hybride AI-systeem integreren, hoe fijnmaziger gewerkt kan worden.   

Dankzij hybride AI kunnen we, kostenefficiënt, lekken tot op straatniveau lokaliseren 

Het SmartWaterGrid-project toont aan dat een hybride AI-aanpak ons toelaat om met een tiental sensoren een drinkwaternet van 200 kilometer te bestrijken – en desondanks toch lekken te lokaliseren tot op anderhalve kilometer nauwkeurig. Daardoor kunnen lekken een stuk sneller én kostenefficiënter hersteld worden.