08 July 2016   | 0
Internet of Things

Verbeterde AI detecteert gevaarlijk rijgedrag

Verbeterde AI detecteert gevaarlijk rijgedrag

Een nieuwe toepassing van kunstmatige intelligentie analyseert menselijk gedrag beter dan ooit. Dit maakt onder meer auto’s veiliger.

Hoe kunnen we autorijden veiliger maken door de inzet van sensortechnologie en kunstmatige intelligentie? Het antwoord werd onlangs geleverd door Fujitsu Laboratories of Europe. De Europese onderzoeksafdeling van Fujitsu ontwikkelde een oplossing die real-time inzichten geeft op basis van een verscheidenheid aan ‘sociale’ signalen. Het systeem analyseert data verzameld door een om de pols gedragen accelerometer. Nu is het gebruik van zulke sensoren geen noviteit; tal van sport- en gezondheidstoepassingen bestaan al met om de pols gedragen metertjes. Maar anders dan het bijhouden van activiteiten als rennen en fietsen detecteert het Fujitsu-systeem zogenaamde ‘micro-activiteiten’ als roken, drinken en het gebruik van mobiele telefoons.

Verzekeraars en wagenparkbeheerders

Fujitsu’s sociale innovatie betekent een doorbraak in de toepassing van machine learning bij analoge signalen, zoals beeld en beweging. Een eerste toepassing van de technologie werd vorige maand getoond tijdens de Fujitsu Innovation Gathering in Parijs. In dit scenario leidde het tot minder ongelukken op de weg en het in staat stellen van verzekeraars en wagenparkbeheerders om het rijgedrag real-time te monitoren.

De doorbraak in kunstmatige intelligentie is de meest recente in het doorlopende onderzoek dat Fujitsu verricht om het concept van Human Centric Innovation verder te brengen. Deze maakt een hyperconnected wereld mogelijk, van back-end ICT-infrastructuur tot front-end Internet of Things (IoT-)toepassingen. Het is een voorbeeld van hoe data uit met elkaar verbonden devices te gebruiken is om hier belangrijke inzichten uit te halen die veel waarde toevoegen. Machine learning voor analoge signalen kan niet alleen in het verkeer, maar ook op andere plekken veel betekenen. Denk bijvoorbeeld aan het toepassen van sensoren die de aanwezigheid van mensen in ruimten bepalen en zo het energieverbruik verminderen.

Visuele benadering van data-analyse

Het systeem dat Fujitsu Laboratories of Europe ontwikkelde is een antwoord op de inefficiënties van bestaande toepassingen met machine learning. Anders dan het maken van voorspellingen op het gebied van getalsmatige data, maakt het systeem voorspellingen op basis van visuele weergaven van deze data. Dit verbetert de nauwkeurigheid van systemen die gebruik maken van ‘deep learning’ en kunstmatige intelligentie. Het betekent een meer natuurlijk, menselijke en visuele benadering van het principe van data-analyse. Volgens de onderzoekers kan deze zelfs op terreinen waar getalsmatige data de boventoon voeren maar waar menselijk gedrag bepalend is, voor betere voorspellingen zorgen. Zoals bijvoorbeeld het inschatten van gebeurtenissen op financiële markten op basis van simulaties met soortgelijke scenario’s uit het verleden.

Door deze site te te blijven gebruiken, gaat u akkoord met het gebruik van cookies. meer informatie

De cookie-instellingen op deze website zijn ingesteld op 'toestaan cookies "om u de beste surfervaring te bieden. Als u doorgaat met deze website te gebruiken zonder het wijzigen van uw cookie-instellingen of u klikt op "Accepteren" hieronder dan bent u akkoord met deze instellingen. Wij gebruiken cookies van Google Analytics om het bezoekersgedrag te analyseren teneinde de gebruikerservaring te verbeteren. Deze gegevens zijn niet naar u persoonlijk te herleiden.

Sluiten