Kaios.ai

Focus op datgene waar de meest impact te maken valt
Waar valt de grootste winst te behalen met kunstmatige intelligentie? Dat was volgens Jorrith Schaap, CTO bij Kaios.ai een belangrijke vraag tijdens de oprichting van het bedrijf. Het antwoord bleek te liggen bij datgene waar miljoenen mensen dagelijks gebruik van maken, zeker in Nederland; het verkeer en de overige infrastructuur. “We hebben onze focus gericht op alles wat met assets te maken heeft op- en onderweg”, vertelt Jorrith. Het bleek een slimme keuze te zijn.

Op allerlei plekken in Nederland vindt dagelijks onderhoud plaats aan verkeersborden, (spoor)wegen, bruggen, kabels, leidingen en netwerken. Kaios.ai heeft als doelstelling om in deze omgevingen asset management processen te verbeteren door automatisering en voorspellend vermogen. “Het is van grote economische waarde als we door het voorspellen van onderhoud kunnen voorkomen dat bruggen, viaducten of tunnels voor langere periode niet gebruikt kunnen worden.” Iedereen zal het met hem eens zijn. Daarnaast worden kostbare schadeclaims door nalatigheid van aannemers, bouwbedrijven of andere betrokken bedrijven, op deze manier tegengegaan.

Twee inspirerende Kaios.ai voorbeelden
Ter inspiratie geven we twee voorbeelden die een grote impact hebben voor vele burgers die zich in de publieke ruimte begeven:

Voorbeeld 1: AI-oplossingen voor wegonderhoud.

Bij deze oplossing gaat het bijvoorbeeld over het detecteren en classificeren van wegschade waardoor het onderhoud voorspeld kan worden, maar ook over het automatisch lokaliseren, detecteren en classificeren van verkeersborden. Handmatige arbeid verminderd hierdoor en inventarisatie- en onderhoudsprocessen versnellen. Dat betekent minder kosten, minder fouten, sneller onderhoud van wegen en dat leidt tot minder files voor burgers en bedrijven. Daarnaast wordt wegonderhoud van ons belastinggeld betaald, dus als dat minder kan…

Voorbeeld 2: AI-Smart City.

Hier gaat het om het herkennen en voorspellen van afvalstromen die aan afvalverwerkingsbedrijven worden aangeboden. Een innovatieve oplossing maakt gebruik van geavanceerde Deep Learning-, Computer Vision- en GIS-algoritmen om afvalcontainers en bijplaatsingen op de kaart te detecteren en te lokaliseren. Het resultaat is dat realtime handhaving mogelijk wordt gemaakt doordat bijgeplaatst afval gecategoriseerd kan worden (chemisch afval, meubels, grofvuil), maar natuurlijk is het resultaat voor burgers een schonere leefomgeving, een opgeruimde straat.

Extra informatie over deze en nog meer praktijkcases vind je hier terug.

Samenwerken, delen en privacy centraal stellen is cruciaal voor duurzaam succes
Er zijn twee belangrijke redenen waarom bedrijven elkaar nodig hebben om succesvol te zijn met kunstmatige intelligentie. Allereerst zijn er zware computers nodig die moeten kunnen rekenen, zeker als er ook gebruikgemaakt wordt van 3D modellen of zware grafische bestanden, zoals beeldmateriaal of foto’s. Dat gaat met aanzienlijke kosten gepaard, die individueel per organisatie of instelling nauwelijks zijn op te brengen. De oplossing is dat (reken)capaciteit van zware servers gedeeld wordt met andere bedrijven. Daarom heeft Bytesnet in juni 2019 het HPC consortium , High Performance Computing, wereldkundig gemaakt waardoor onder andere AI toepassingen zich sneller ontwikkelen. Niet alleen rekencapacteit wordt gedeeld. Ook het delen van kennis en vaardigheden is een belangrijk onderdeel voor de AI innovatie.

Jorrith benadrukt nog eens hoe belangrijk het is dat voor innovatieve AI projecten datagegevens op Nederlandse bodem blijven en bijvoorbeeld niet in een datacenter in buiten Europa staan. Privacy en in vrijheid kunnen leven is bij ons een groot goed. Onder onze AVG-wetgeving worden bijvoorbeeld publieke beelden geanonimiseerd, waardoor gezichten niet herkenbaar zijn. In bijvoorbeeld China is iedere inwoner elke dag op camera’s te zien en honderden overheidsinstellingen houden precies bij wat zij aan het doen zijn en verbinden daar, bij slecht gedrag, zelfs sancties aan.

Een tweede reden waarom samenwerken cruciaal is voor succes heeft te maken met kennisdeling en de versterkende rol die specialisten op verschillende vakgebieden hebben, bijvoorbeeld op het gebied van de energietransitie. Hoe meer data we door AI toepassingen verzamelen, hoe verantwoorder we er ook mee om moeten gaan. Meer hierover vind je onder andere terug in deze blog van samenwerkingspartner WCooliT.

Samen op zoek naar de kracht van data en AI
We vroegen aan een collega van Jorrith, Ruud Henken, Data Scientist en Machine Learning Engineer bij Kaios.ai wat zijn dagelijkse werk zo uitdagend maakt. “We maken elke dag iets van toegevoegde waarde wat nog niet eerder bestond, om ontdekkingen of voorspellingen te doen die eerder buiten ons bereik lagen”, is zijn alleszeggende antwoord. Daarna besloten we om met Ruud en Jorrith van Kaios.ai, Leo de Vries, Programmamanager HPC bij Bytesnet en Peter de Jong, CEO voor de ontwikkeling van datacenteroplossingen en dataservices, om nog eens enkele AI-ideeën te benoemen. Ze beginnen altijd vanuit een vraagstelling om een probleem op te lossen of om een droom te realiseren.

Agriculture
Kunnen we ziektes en groeisnelheden bij gewassen, zoals aardappelen, bieten en tarwe, detecteren? Het antwoord is ‘ja’ en een concreet voorbeeld uit de praktijk. Met deze data kunnen met een drone of robot bestrijdings- en groeimiddelen precies op de juiste plek worden aangeboden. Het is goed voor het milieu en levert een kostenbesparing voor de agrariër op.

Is het mogelijk om melk met meer calcium te produceren? Bij deze vraagstelling wordt er met kunstmatige intelligentie naar de data gekeken van wat duizenden koeien eten en met een algoritme bepaald welk voer meer calcium oplevert. Een tweede voorbeeld: Kan de verwerking van agrarische producten tijdens het productieproces verbeterd worden? Door middel van sensoren en camera’s worden bijvoorbeeld data verzameld over de scherpte van snijmessen voor het versnijden van suikerbieten. Worden ze te bot, dan voldoen ze niet meer aan de juiste kwaliteit en ontstaat er te veel afval. Dit principe, van een AI toepassing in een agrarische productieomgeving, is op veel agrarische producten toepasbaar. Aardappels kennen we ook in plakjes.

Retail
Is er wat te doen aan de overcapaciteit in de kledingindustrie? Dat kan door data te verzamelen wie de belangrijkste influencers of celebrities zijn, wat hun aantal volgers is en hoeveel reacties en aankopen dit oplevert indien zij een bepaald kledingstuk dragen tijdens een optreden of evenement. Door dit soort toepassingen van kunstmatige intelligentie gaan er steeds betere voorspellende modellen ontstaan om vraag en aanbod beter op elkaar af te stemmen en zelfs on demand producties mogelijk te maken. Het resultaat is een minder vervuilende kledingindustrie.

Zorg
Kan het ontwikkelen van een vaccin versneld worden? Een actuelere vraag is er niet. De wetenschap dat computers sneller wereldwijde data kunnen analyseren dan mensen brengt ons bij een positief antwoord. Het kan in de medische sector ook gaan om grote hoeveelheden data van CT- of MRI-scans met elkaar te vergelijken en een algoritme aan te bieden die in dienst van de medische wetenschap staat. Het resultaat is dat ziektebeelden, door middel van kunstmatige intelligentie, eerder herkend en opgelost worden.

Kunstmatige intelligentie natuurlijk maken
De benodigde power voor de dataverwerking is beschikbaar en met de ervaring van Kaios.ai zijn bestaande AI modellen en services herbruikbaar. Het HPC consortium biedt een samenwerkingsplatform voor de juiste inbreng van kennis door middel van een groot aantal aangesloten experts en specialisten. Kortom, samen zijn we er klaar voor!

Ook voor jouw idee?

Gepubliceerd op: 7 okt 2020