Datascience en AI
De enorme hoeveelheden data die door IoT-apparaten worden aangeleverd, bevatten vaak waardevolle informatie.
Datascience is de verzamelnaam voor het studiedomein dat zich bezighoudt met het extraheren van inzichten uit datasets.
Daarbij worden verschillende analysetechnieken gecombineerd zoals wiskunde en statistiek, maar ook complexere zoals artificiële intelligentie (AI).
Die complexere technieken zijn noodzakelijk want met statistiek alleen kan je geen camerabeelden van een tunnel analyseren.
Zo drijft IoT de continue ontwikkeling van AI.
Definitie 'Artificiële Intelligentie'
AI is een verzamelterm die verwijst naar technologie waarbij machines problemen oplossen net zoals dieren en mensen dat doen. Er bestaan verschillende technieken waarmee men toestellen ‘Artificieel Intelligent’ kan maken.
Om te spreken van artificiële intelligentie zijn drie elementen cruciaal:
- een computersysteem voorzien van de nodige software;
- heel veel data;
- algoritmes om patronen te herkennen en toe te passen op nieuwe data.
Onderstaande cover van 'Because of you' van Gustaph werd door VRT NWS door middel van AI gegenereerd:
Er werd voor het eerst gesproken over AI in de jaren '50. Doorheen de geschiedenis is het niet altijd even succesvol geweest maar op dit moment is het enorm aan het groeien.
Subdomeinen van Artificiële Intelligentie
Binnen AI onderscheiden we subdomeinen. Bekijk onderstaande figuur om meer te weten te komen.
Opdracht 1
Schuif horizontaal met je muis om meer te leren.
EDUbox Artificiële Intelligentie
Wil je nog meer te weten komen over AI, volg dan de interactieve videoles over de EDUbox Artificiële intelligentie van de VRT.
EDUbox een educatief concept van VRT NWS om jongeren uit het secundair onderwijs te laten kennismaken met een bepaald maatschappelijk thema. EDUbox wil jongeren informeren en hen stimuleren om zelf aan de slag te gaan.
Uitbreiding
Interactieve videoles over AI
AI en cloud en edge computing
Wat is de relatie tussen AI en cloud en edge computing?
Door technische of energiebeperkingen is het meestal onmogelijk om al de data die sensoren verzamelen naar de cloud te streamen
en daar centraal aan AI-processing te doen.
Er zijn bovendien ook toepassingen denkbaar die ogenblikkelijk patronen moeten kunnen herkennen; denk aan de radars van zelfrijdende voertuigen die mensen of andere obstakels op hun pad detecteren. Die moeten in minder dan tien milliseconden kunnen beslissen om aanrijdingen te vermijden.
Een heen-en-weertje naar de cloud is er dan echt te veel aan.
Opdracht 2
imec voert mee onderzoek om AI naar de 'edge' te brengen. Zo zijn we minder afhankelijk van de cloud, blijft persoonlijke data lokaal en beperken we CO2 emissies!
Ontdek hierover meer: