IoT en energie

Op het eerste gezicht lijkt IoT en energie geen combinatie die veel met elkaar gemeen heeft. Maar laten we ons niet vergissen, de alsmaar doorgaande digitalisering vereist steeds meer energie. In mijn voorgaande blogs over Kunstmatige Intelligentie en Blockchain had ik het hier al over. De grootste concentratie van energieverbruik is te vinden in onze datacenters. Nederland wordt steeds meer een datacenter land, dat blijkt wel uit de gemiddelde groei van 17,5% in de laatste 6 jaren. Op zich niet zo verwonderlijk want wij hebben het goed voor elkaar in Nederland met onze energiebeschikbaarheid (99,9943% volgens CEER 2016)
De groeiende datacentermarkt kan voor een groot deel op het conto van de IoT ontwikkelingen worden geschreven. Dat de digitalisering hard gaat in Nederland is logisch, immers had in 2017 al 98% van alle huishoudens beschikking over breedband internet. Daarnaast maakt 87% van alle Nederlanders gebruik van mobiele data. De dekkingspercentages van de 4G netwerken van de verschillende providers verschillen wel iets maar komen gemiddeld dik boven de 90%. Dat houdt in dat we in Nederland 86 procent van onze tijd gebruik kunnen maken van een kwalitatief goede en snelle 4G verbinding. De komst van 5G zal de datacentermarkt nog veel groter maken.

Elektrisch vervoer als energieslurper
De moderne elektrische auto moet in toenemende mate autonoom kunnen rijden dat is logisch en de ontwikkelingen op dit gebied gaan in razend tempo. Het aantal sensoren dat hiervoor nodig is wordt ook steeds groter en bestaat uit allerlei technieken, naast camera’s worden radar, ultrasoon, lidar en motion (ook GNSS en IMU) detectoren toegepast. Hiermee hebben we wel gelijk de meest data-intensieve sensoren te pakken waarvan er enkel tientallen in een auto voorkomen. Voor ultrasoon en motion valt dit nog wel mee (onder de 1Mbit/s). Voor de overige sensoren kan het dataverbruik behoorlijk oplopen, radar tot 15Mbit/s, lidar tot 100Mbit/s en een camera tot 3500 Mbit/s. Per autonome auto komen we daarmee ergens tussen de 1,4 en 19 TB aan dataverbruik per uur uit. Volgens bronnen van Nokia vergt 80 GB data ongeveer 1 kWh aan energie waarmee we volgens schattingen op een jaarlijks verbruik van 2500 kWh per auto uitkomen, en dat alleen voor datatransport. Tja, dat is bijna net zoveel als het gemiddeld elektriciteitsverbruik van een 2-persoons huishouden in Nederland (2950 kWh).

Intelligentie kost veel energie
Het nieuwe sluipverbruik is begonnen. De enorme vlucht naar data vergt grote hoeveelheden energie die we uiteindelijk toch met z'n allen moeten betalen. Als we straks een miljard auto's op de weg hebben die een uur per dag rijden kost dat per jaar ongeveer 200 miljard euro. Kijken we naar vliegtuigen dan is ongeveer hetzelfde aan de hand. Het aantal sensoren in de nieuwste vliegtuigen loopt op tot 20.000 stuks, met als gevolg een schrikbarend toenemend dataverbruik. Laten we ons maar troosten met de gedachte dat het allemaal veel veiliger en comfortabeler zal worden. Dat data energie kost is niet nieuw, een e-mail versturen kost ongeveer 1,27 Wh en een simpele Google zoekopdracht kost circa 0,3 Wh aan energie. Peanuts overigens als we dit vergelijken met de toenemende energie die nodig is voor systemen met kunstmatige en cognitieve intelligentie. Deze technologie is immers puur gebaseerd op computerkracht.

Wapenwedloop energieverbruik
Kijken we naar Blockchain technologie dan is ook hier sprake van extreem energieverbruik. Ook hier is de oorzaak is te vinden in grootschalig computergebruik met heel veel processorkracht. Berucht is hierbij de zogenaamde Bitcoin mining. Het lucratieve karakter zorgt voor een redelijk onbewuste wapenwedloop in energieverbruik waarbij het de miners puur om de computerkracht gaat. Er wordt ingeschat dat het energieverbruik ergens in de buurt van de 30 TWh per jaar ligt. Vaak wordt dit vergeleken met het energieverbruik van Ierland. Het energieverbruik voor één Bitcoin transactie wordt geschat op 200 kWh en ook andere cryptocurrency doen het nog steeds niet veel beter. Een van de alternatieven, de Ethereum kwam onlangs niet lager dan 37 kWh per transactie. Een conventionele Visa transactie kost ter vergelijk slechts 10 Wh. Een vorm van sluipverbruik is inmiddels ook opgedoken in de cybercrime wereld. Hackers weten door te dringen tot de browser van computers die de energierekening van nietsvermoedende gebruikers maar zo tot 10 euro per maand kan laten oplopen aldus beveiliger Trustwave. Een ding is duidelijk de alsmaar toenemende digitalisering vereist op alle fronten meer energie. Natuurlijk worden technieken verder geoptimaliseerd, maar de vraag naar data wordt daarnaast steeds groter.

Boerenverstand en nieuwe technologie
De ruim 200 Nederlandse datacenters consumeerden vorig jaar gezamenlijk rond de 2,3 TWh aan energie, daarmee is deze bedrijfstak een miljarden business geworden. Als we daarbij bedenken dat we nog maar aan het begin staan met de internet of things ontwikkelingen is het logisch dat er dringend nieuwe technieken moeten komen en dat we beter over bepaalde zaken moeten nadenken. Datanetten moeten sneller (real-time) en betrouwbaarder worden, een van de oplossingen is FOTONICA, en laat Nederland nu koploper zijn op de ontwikkelingen van deze technologie. Ook kunnen we nog veel winnen op energiegebied. Er komen steeds meer sensoren die zelfstandig hun benodigde energie opwekken op basis van energy harvesting. Ook heeft Nederland een prominente plaats in de ontwikkelingen rondom GELIJKSPANNING. Bijna alles werkt op gelijkspanning tegenwoordig, waarom gebruiken we dan nog zo vaak wisselspanning met alle daarbij gepaard gaande omzettingsverliezen? Tijd voor een omslag in energievoorzieningen dus. Tot slot wijs ik nog op de locaties van datacenters. Een datacenter is een knooppunt van data, energie en warmte. Warmteontwikkeling (veroorzaakt door koeling) wordt vaak als een probleem gezien, maar steeds vaker zien we dat de warmte nuttig wordt gebruikt. Er is zelfs een opkomst van WARMTENETTEN te bespeuren.

Nederland is zo gek nog niet
Er liggen heel veel kansen voor Nederland. Op technologisch gebied lopen we in de voorhoede, kijk alleen maar naar fotonica en gelijkspanning. Over lokalisatie van datacenters wordt heel serieus nagedacht door veel gemeentes en ook worden datacenters steeds ‘groener’. Wat een kansen voor ons landje als digitaal middelpunt van Europa. Stof genoeg tot nadenken!

IoT en de digitale assistent

De ontwikkelingen met Internet of Things gaan razendsnel. Allerlei slimme apparaten komen onze huiskamer binnen. De slimme thermostaat en de intelligente lampen zijn niet meer weg te denken uit onze woon- en werkomgeving. De volgende stap is de digitale assistent, meestal subtiel weggewerkt in een luidspreker, om ons te helpen met het gebruiksvriendelijk bedienen van onze technische gadgets. Deze, uit de sciencefictionwereld bekende, apparaatjes denken met ons mee en bedienen via spraakcommando’s al je slimme apparaten.

Apple heeft met Siri veel bekendheid gekregen via de IPhone iPad en Apple Homekit oplossingen. Amazon heeft dit voorbeeld dankbaar gevolgd met Amazon Echo waarin de digitale assistent Alexa is ingebouwd. Net als Siri kan ook Alexa je vragen beantwoorden, muziek afspelen en functies van je slimme apparaten of smartphone aansturen. Het is wel jammer dat Alexa nog geen Nederlandse taal ondersteund, je zult dus voorlopig nog in je beste Engels of Duits moeten communiceren. Microsoft en Google konden natuurlijk niet achterblijven op deze ontwikkeling en brachten met Google Home en Cortana gelijkwaardige ontwikkelingen naar de consument.

Praten met de vuilnisbak
Steeds meer fabrikanten maken inmiddels gebruik van al deze mooie ontwikkelingen. Sonos, bekend van zijn fraaie muziekstreaming apparaten heeft Amazon Alexa geïmplementeerd in hun Sonos One en zal binnenkort met een software update komen die ook Google Assistant ondersteunen. Op zich is het logisch dat veel fabrikanten de spraaktechnologie van deze technologiereuzen gebruiken want dit soort software ontwikkel je niet zo maar even. De combinatie van microfoons en software vormen de zogenaamde far-field voicetechnologie waar heel veel expertise en ontwikkeling achter zit. Om deze fraaie techniek breed beschikbaar te maken werken Intel en Amazon samen aan een developer kit. De gehele technologie wordt in een chip samengebouwd en zal zijn weg in allerlei apparaten gaan vinden. De techgiganten Amazon, Google en Apple willen ons laten praten met onze koelkast, de badkamerspiegel, de vuilnisbak en de wekker.

Privacy, een vraagteken
De digitale assistenten komen dus in allerlei apparaten terug en zullen ons steeds vaker helpen om op eenvoudige wijze een relaxt leven te leiden. In Nederland loopt het nog iets minder hard omdat op dit moment alleen Apple Siri nog Nederlands ondersteund. De spraakherkenning is goed maar de grammatica is nog matig te noemen. Het is allemaal en kwestie van tijd dat is zeker, de spraak assistent gaat absoluut ons leven binnentreden met veel handige mogelijkheden. Kijken we naar de privacy dan zijn er zeker vraagtekens. Apple heeft nog de beste troeven in handen, naar eigen zeggen is hun spraakopname volledig geanonimiseerd.

Interessante data
Het is lastig om privacy te garanderen bij apparaten die constant meeluisteren, de apparaten moeten immers direct stand-by zijn als daarom wordt gevraagd. Nu is het niet zo dat Google en Amazon al je gesprekken opslaan in een grote database, veel commando’s worden immers pas uitgevoerd nadat je het apparaat expliciet hebt aangeroepen met een commando als Hey Alexa. Het zou me niet verbazen als de fabrikanten achter deze techniek geïnteresseerd zijn in gesprekken waarin merknamen als Apple, Google, Microsoft of Amazon worden genoemd. Afluisteren zal, mits er geen inmenging uit het hackerscollectief is, niet de grootste zorg zijn. Het grote gevaar schuilt in de achterliggende bedrijven die erg geïnteresseerd zijn in de data die wij als gebruikers zomaar weggeven.

IoT steeds leuker!
Deze dataverzameling levert gedetailleerde gebruikersprofielen op waarmee weer gerichte advertentie activiteiten worden aangestuurd. Of we hier met z’n allen blij van worden is maar de vraag, maar accepteren doen we het vanzelf. Niemand kijkt vandaag immers meer op van de advertenties die Google nog tijden op je afvuurt nadat je hebt gezocht op een product, vakantie of activiteit. We zullen dus uiteindelijk de goedbedoelde gesponsorde adviezen van onze digitale assistent wel accepteren. Het wordt steeds leuker in onze IoT omgeving!

Zie ook
Een overzicht van mijn blogs of bezoek de blogspot pagina over moderne techniek en innovatie.

IoT en spraaktechnologie

IoT en toepassingen met kunstmatige intelligentie helpen ons steeds meer in ons dagelijks leven. Het wordt daarom steeds belangrijker dat de techniek ons begrijpt, het meest gemakkelijke daarbij is gewoon te kunnen praten met onze techniek, dat zijn wij als mensen immers gewend. In de auto en de smartphone wordt spraaktechnologie al veel langer gebruikt, en iedereen zal daar inmiddels wel wat ervaring mee hebben. De techniek wordt steeds beter maar er zijn nog heel wat hobbels te overwinnen voordat we op een natuurlijke wijze met onze techniek kunnen praten. Misschien zal mijn computer me nog eens gaan begrijpen, hoor ik velen al denken.

We hebben het er al eerder over gehad, computers kunnen hele slimme dingen. Vele zaken kun je met kunstmatige intelligentie beter oplossen dan dat een mens dat zou kunnen. Het is heel handig dat computertechnologie ons steeds meer zal helpen, maar voor sommige toepassingen is het beter om gewoon op ons boerenverstand te vertrouwen. Voor creatieve toepassingen, emotionele zaken en ethische kwesties is deze fraaie technologie absoluut ongeschikt. Ook de verschillen in taalgebruik en culturen zijn op dit moment nog zaken waar spraaktechnologie weinig kaas van heeft gegeten.

Computers moeten nog een hoop leren
Het is ook supermoeilijk, kijk alleen maar naar verschillen binnen de Engelse taal in bijvoorbeeld de Verenigde Staten en in Engeland of Schotland. Totaal verschillende interpretaties van woordgebruik en zinsopbouw kom je tegen. Vooral zaken als humor en sarcasme worden in verschillende landen en streken heel anders geïnterpreteerd. Tja, computers moeten nog een hoop leren. Een digitale assistent moet mensen behulpzaam zijn en dat gaat toch een beetje naar de dienende of gehoorzame kant. Maar het moet ook spannend blijven, dus wat vreemde en grappige zaken mogen zeker niet ontbreken. De ontwikkelaars staan voor een zware taak om dit ook nog eens voor alle talen en culturen breed geaccepteerd te maken. Veel keuzes hebben de fabrikanten niet want als een apparaat met deze technologie niet over de genoemde eigenschappen beschikt vinden veel mensen het maar een raar ding dat ze bij voorkeur zullen mijden.

Lachen met de digitale assistent
De wereldwijd bruikbare assistent moet dus in Frankrijk andere dingen zeggen dan in Amerika en ook andere humoristische zinspelingen doen als dat van toepassing is. Hoewel deze techniek zeker nog niet volmaakt is komen er steeds meer toepassingen waar veel mensen blij van worden. De ervaringen met Siri, Alexa, Cortana en Google Assistant lopen nogal uiteen. Dat het mooie en praktische mogelijkheden biedt zal iedereen met me eens zijn. Tegelijkertijd kennen we ook allemaal voorbeelden van beperkingen en zal iedereen zich wel eens geërgerd hebben aan de digitale spraak assistent. De ontwikkelingen staan niet stil, fabrikanten omarmen de bijna oneindige mogelijkheden en de grote vraag van de techniekwereld en vooral de consument.

De digitale luidspreker als talenwonder
Spraaktechnologie wordt steeds beter en verfijnder. Complexe algoritmes zorgen op de achtergrond voor serieuze toepassingen en intuïtieve communicatie met onze technologie. De eenvoudige interface naar complexe technologie geeft zoveel voordelen dat we voorlopig de beperkingen maar moeten accepteren. En dat gebeurt ook gewoon als we om ons heen kijken. Steeds meer slimme luidsprekers komen op de markt en veroveren onze huiskamer. Hoewel Nederland er op dit moment qua spraakintegratie nog wat bekaaid vanaf komt zal dat snel wijzigen. Uiteindelijk zullen alle talen worden ondersteund en kunnen er ook op dit gebied weer leuke toepassingen ontstaan.

Spraaktechnologie in sneltreinvaart
Nuances maken veel verschil, daarbij denk ik vaak aan het bekende voorbeeld van de automobilist die tegen zijn navigatieapparatuur sprak ‘I need a toilet’ waarna op zijn display een route naar de dichtstbijzijnde toiletfabrikant werd voorgesteld. Kunstmatige intelligentie en spraaktechnologie staan nog in de kinderschoenen, ondanks dat zal deze technologie in hoog tempo onze toekomst beïnvloeden daar ben ik van overtuigd. De volgende keer haak ik wat verder in op deze mooie technologie en kijken we ook naar de privacyaspecten.

Zie ook
Een overzicht van mijn blogs of bezoek de blogspot pagina over moderne techniek en innovatie

IoT, kunstmatige intelligentie en bias

Als intelligente computers en platformen binnen IoT technologie het denkwerk van mensen overnemen kan dat vraagtekens oproepen. Vertrouwen wij de computer blindelings of is enige controle op zijn plaats? Misschien is het een kwestie van tijd, iedereen vertrouwt blindelings op navigatiesystemen, op buienradar of op verkeersinformatie, dat heeft ook de nodige tijd gekost. De angst voor kunstmatige intelligentie is logisch, de impact is immers groot en zal veel dingen in ons leven veranderen. Elon Musk, één van de grootste technologiepioniers van deze tijd, wil met zijn bedrijf Neuralink computers verbinden met ons brein. Facebook investeert in de breincomputer interface die gedachten omzet in tekst of acties. Natuurlijk is dit knappe technologie die veel mensen behulpzaam zal zijn. Toch hoor je vaak spreken over angstgevoelens. Hoe betrouwbaar is deze technologie en is de informatie die we krijgen eerlijk?

Nieuwe technologie moet vaak even zijn plek verwerven, maar als de acceptatie dan zover is gaat het als een sneltrein. De robot die ons welkom heet en verder helpt aan de incheckbalie van een hotel is nu nog niet algemeen geaccepteerd, maar zal zeker zijn plekje verwerven in onze hotels. Maar, wat is de ware aard van de software? Zelflerende systemen hebben immers basisinformatie meegekregen van hun ontwikkelaar. Het bekende voorbeeld van de zelfrijdende auto die keuzes moet maken in onverwachte situaties waarin een crash onvermijdelijk is spreekt hierin boekdelen. Dit zijn moeilijke vraagstukken, wie moet en kan hier de regels vaststellen?

Wie bepaalt de regels?
De discussie over kunstmatige intelligentie en allerlei enge gevolgen is al redelijk lang gaande. De wetenschapper Stephan Hawking en toppionier Elon Musk hebben met ondersteuning van vele deskundigen jaren geleden al uitgebreid gewaarschuwd in een open brief aan de Verenigde Naties. Ook Barack Obama sprak al in 2016 over de gevaren en de regelgeving die hiervoor moet komen. De discussie blijft terugkomen en is ook belangrijk, het gaat immers over de neutraliteit van een techniek die heel veel invloed krijgt op onze wereld en ons doen en laten. Als het gaat om neutraliteit van voorspellingen door techniek hoor je vaak spreken over bias. Letterlijk betekent bias vooringenomenheid en het op basis hiervan sturen in een bepaalde richting. Ook bij kunstmatige intelligentie is er wel degelijk sprake van bias die onvermijdelijk zorgt voor onzuivere resultaten en afwijkingen van de werkelijkheid.

Hoe betrouwbaar zijn onze slimme systemen?
Omdat kunstmatige intelligentie grotendeels gebaseerd is op logica, wordt vaak aangenomen dat systemen een zuivere en onpartijdige beslissing zullen nemen. Mensen handelen in tegenstelling tot computers snel vanuit allerlei vooroordelen. Maar, bedenk wel dat systemen getraind zijn met data die voor een groot deel door mensen is verzameld. Google en Facebook weten exact waar jouw interesses liggen en voorzien je ruimschoots van informatie hierover. Bovendien lees je alleen maar wat je “vrienden” ook lezen, hoe gekleurd kan het zijn in de digitale wereld. Veel websites zijn gedreven door een verdienmodel van waaruit ook hun zelflerende systemen worden gestuurd. De websites vertonen dus een bias gericht op het zelfbeeld van de ontwerper en onthouden hun informatie aan mensen die niet aan bepaalde profielen voldoen. Het is eigenlijk heel eenvoudig, als je gekleurde informatie in een systeem stopt of het probleem verkeerd formuleert dan zal het antwoord niet betrouwbaar zijn.

Bias van kunstmatige intelligentie
Het kan dus wel degelijk zo zijn dat systemen gebaseerd op kunstmatige intelligentie een ingebouwde bias hebben. De wereld zit immers vol oneerlijkheid die onvermijdelijk terugkomt in de data. De technologiereuzen Microsoft, Amazon, Facebook en Apple zijn redelijk leidend in deze ontwikkelingen waarmee het voordehand liggend is dat onze dagelijkse technologie de waarden van deze bedrijven heeft. Over de ingebouwde bias is het laatste woord nog niet gevallen, het wordt steeds meer duidelijk dat de vooruitziende waarschuwingen van Hawking, Musk en Obama geen onzin zijn. De open brief stelt dat de verdere ontwikkeling van kunstmatige intelligentie de mensheid veel voordeel kan bieden, mits tegelijkertijd mogelijke nadelen worden voorkomen.

Hoe staat het met wetgeving?
Op dit gebied is het niet anders dan met andere ontwikkelingen, wetgeving loopt altijd achter. Een verplichting tot het testen van software of algoritmes bestaat niet. Gelukkig is het niet zo dat nog nergens over is nagedacht. De Wet Persoonsbescherming schrijft voor dat bij algoritmische besluitvorming altijd mensen betrokken moeten zijn. De Algemene Verordening Gegevensbescherming verplicht organisaties die werken met algoritmische besluitvorming om de logica hiervan te kunnen verklaren. Het begin is er en ook is duidelijk dat we dit nooit volledig onder controle zullen krijgen. Duidelijk is dat er hard gewerkt moet worden aan goede afspraken op internationaal niveau.

Zie ook
Een overzicht van mijn blogs of bezoek mijn blogspot pagina

IoT en Neuromorphic Computing

De combinatie van kunstmatige intelligentie en internet of Things (IoT) brengt ons mogelijkheden die we nu nog helemaal niet kennen. Cognitieve systemen zijn in staat om van data te leren, te beredeneren en vervolgens interacties met mensen te hebben. De enorme hoeveelheid beschikbare data van een relevant probleemveld wordt op een overzichtelijke manier beschikbaar gemaakt en helpt ons in het nemen van beslissingen. De cognitieve eigenschappen van een systeem worden steeds verfijnder en vertonen in toenemende mate gelijkenis met het handelen en denken van mensen. Voor de technische realisatie gebruiken we neurale netwerken en chips, de chipbakkers innoveren in hoog tempo en imponeren ons met indrukwekkende prestaties.

Traditionele systemen zijn steeds minder in staat om te gaan met de toenemende hoeveelheid data. Als je bedenkt dat de mens niet in staat is snel om te gaan met een enorme overvloed aan informatie en traditionele techniek geen omvangrijke gegevensstromen kan verwerken is dat wel een grappige parallel. De kracht zal dus voorlopig in samenwerking zitten!

Chip bootst brein na
Bij kunstmatige intelligentie gaat het meestal om het oplossen van een specifiek probleem waarbij vaak menselijk denken en handelen wordt nagebootst. Om dit te bereiken zijn parallelle structuren nodig zodat verwerking en opslag veel meer tegelijkertijd kan plaatsvinden. Partijen als IBM en Google zijn druk bezig met dergelijke structuren, maar ook onze innovatieve chipbakker Intel liet onlangs van zich horen. Zij zijn druk bezig met de Loihi test chip, een ‘neuromorfische’ processor. Deze nog experimentele chip is ontwikkeld om het menselijk brein na te bootsen en kan zorgen dat processen gebaseerd op kunstmatige intelligentie veel sneller verlopen. Het grote geheim is dat de nu nog veelvuldig gebruikte transistor gebaseerde circuits zijn vervangen door een architectuur waarvan de werking gemodelleerd is op zenuwcellen, neuronen dus. Intel investeert zwaar in deze toekomstige technologie en dat is niet alleen vanwege meer rekenkracht en parallelle processen, maar niet in de laatste plaats voor veel lagere rekenenergie in vergelijking met CMOS technologie.

Klein, kleiner kleinst
Overigens ontwikkeld CMOS technologie ook razendsnel, het 14nm silicium wordt op dit moment al vervangen door 10nm technologie, Intel noemt dit Cannon Lake. Deze miniaturisering gaat nog even door want aan de 7nm en zelfs de 5nm technologie wordt hard gewerkt door zowel Intel, Samsung als TSMC. De grote probleemgebieden bij doorontwikkeling naar nog kleinere chipstructuren zijn warmteontwikkeling en maximaal haalbare snelheden. Volgens deskundigen komen de grenzen van verkleining in zicht en zullen ook de steeds hoger wordende fabricagekosten doorontwikkeling naar andersoortige technologie noodzakelijk maken. Er wordt daarom naarstig gezocht naar opvolgers voor de huidige CMOS technologie. Onderzoeksgebieden als Fotonica, Grafeen, Koolstofnanobuisjes en Tunnel Field Effect Transistors staan daarom sterk in de belangstelling.

Quantumcomputing en Neuromorfische processoren
Het is dus logisch dat er fors wordt geïnvesteerd in nieuwe technologie. Er is steeds meer processorkracht nodig om bijvoorbeeld transacties op hoge snelheden te verwerken of snelle encryptie mogelijk te maken. Technieken als Blockchain, Cognitieve intelligentie en vergaande Internet of Things oplossingen hebben dringend behoefte aan deze doorontwikkeling. Partijen als IBM en Intel weten dit maar al tegoed en zetten daarom volop in op quantumcomputing en neuromorfische processoren. Steeds meer systemen leren van data en voeren transacties uit zonder dat daar menselijke inspanning aan te pas komt.

Het wordt steeds mooier in techniekland
We kunnen nog even vooruit voordat de toenemende processorkracht en de ontwikkelingen op neuromorphic computing op het niveau van het menselijk brein zitten. Als we kijken naar de mogelijkheden van onze rechterhersenhelft dan valt er nog heel wat techniek te ontwikkelen. Denk hierbij aan smaak, geur of textuur (herkennen hoe iets aanvoelt, bijvoorbeeld de structuur van iets laten herkennen met een smartphone of slimme lenstechnologie). Er zijn ook nog wat spanningsvelden te overwinnen. We kunnen veel informatie beschikbaar hebben, maar kan ons brein dat aan? Daarentegen zal de computer je geen schouderklopje geven of een warme arm om je heen slaan. Slimme computertechnologie in allerlei vormen zal ons echter wel steeds vaker helpen met allerlei werkzaamheden en dat is een mooie gedachte. De ontwikkelingen van supersnelle processen tegen zo laag mogelijk energieverbruik zijn volop in gang en zullen ons leven veelkleuriger, leuker en slimmer georganiseerd maken.

Zie ook
Een overzicht van mijn blogs of bezoek mijn blogspot pagina

IoT, KI, doemscenario’s en toekomst

Internet of Things (IoT) en kunstmatige intelligentie (KI) kunnen enorme waarde toevoegen aan processen en daar worden op dit moment al forse slagen mee gemaakt. Ondanks het feit dat we nog heel ver afstaan van computers die hetzelfde kunnen dan mensen worden er indrukwekkende prestaties geleverd met deze mooie ontwikkelingen. Bill Gates, Elon Musk en Stephen Hawking waarschuwen voor de impact van robots en zelflerende systemen op onze maatschappij. We moeten ervoor waken dat deze techniek een hulpmiddel blijft en niet ons menselijk handelen gaat overvleugelen. Ook worden drastische gevolgen voorzien voor de werkgelegenheid. Ons werk zal zeker veranderen, maar het kan ook veel leuker, mooier en veelkleuriger worden. Ik bekijk het graag van de positieve kant, maar het is absoluut noodzakelijk dat we ons bewust zijn van de risico’s en verantwoord omgaan met inzet van deze technologie.

Er worden links en rechts organisaties opgericht ter voorkoming van ongewenste toepassingen van kunstmatige intelligentie. Onterecht is dit zeker niet er zal regelgeving moeten komen, verkeerd omgaan met deze techniek is ronduit gevaarlijk, daar zijn al redelijk wat doemscenario’s van bedacht.

Met beide benen op de grond
Laten we eens kijken of de doemscenario’s allemaal zo’n vaart zullen lopen als sommige mensen beweren. Misschien moeten we er nog aan wennen dat machines intelligent worden. We moeten het leren ook niet al te letterlijk nemen want leren fietsen of eten met mes en vork is van heel andere orde dan leren omgaan met onverwachte situaties. Computers kunnen geen taken van mensen overnemen als het gaat om ethische keuzes en emotionele zaken, ook in creatieve toepassingen zal de mens voorlopig superieur blijven. Als het gaat om zoeken in databanken en het verzamelen van kennis dan is de computer superieur, maar ook dat is niet eindeloos. De ontwikkelingen en toepassingen met cognitieve systemen staan nog aan het prille begin. Bedenk hierbij ook dat ondanks de razendsnelle softwareontwikkelingen er altijd nog hardware nodig is, de bijbehorende ontwikkeling hiervan gaat vele malen langzamer.

Positieve ontwikkelingen

Anderzijds geeft toepassing van deze technologie veelbelovende resultaten bij de interpretatie van medisch beeldmateriaal waarmee bijvoorbeeld in vroegtijdig stadium kanker kan worden gediagnostiseerd. Personen met een handicap worden enorm geholpen met spraak- of beeldherkenning en interpretatie. Ook de bewegingsvrijheid kan een nieuwe dimentie krijgen door het verbeteren van het zicht van personen en het brengen van navigatiehulpmiddelen. Controle van zelfrijdende voertuigen in het verkeer, maar ook in gebouwen en magazijnen geven compleet nieuwe mogelijkheden die nu gewoonweg nog niet bestaan.

Musk en Zuckerberg

De Tesla oprichter Elon Musk heeft tot ieders verbazing al vaak gewaarschuwd tegen de gevaren van kunstmatige intelligentie en vindt dat er dringend regelgeving moet komen. Op zich een opmerkelijk standpunt van een van de grootste innovators van deze tijd. Facebook-oprichter Mark Zuckerberg is het hier absoluut niet mee eens en benoemd hierbij graag de vele kenmerkende voordelen. Op zich een vreemde discussie, zeker als je bedenkt dat Musk met zijn bedrijf Neuralink fervent voorvechter is van samenwerking tussen biologische- en digitale intelligentie. Zo hier en daar signaleer ik wat belangen…

Google kent je beter dan jezelf

Hoe je het wendt of keert het verzamelen van data gaat in sneltreintempo door. Systemen worden steeds slimmer en hebben straks zoveel informatie verzameld dat ze beter weten wat je wilt dan dat je dit zelf kunt beredeneren. De grote webwinkels maken nu al intensief gebruik van voorspellingen uit data en denken na over allerlei nieuwe concepten. Wanneer iemand geïnteresseerd is in een product, en uit data blijkt dat de kans groter is dan 50% dat de klant het product zal houden bij aflevering, is het misschien slim het product ongevraagd te bezorgen. Hiermee worden meer producten verkocht en wordt voorkomen dat de klant het product bij de concurrent besteld. Natuurlijk neemt het aantal retourzendingen toe, maar hier kan logistiek veel worden gecompenseerd, het busje rijdt immers toch door de straat.

Enkele uitdagingen

Kunstmatige intelligentie kent heel veel voordelen die ons leven drastisch zal veranderen, we gaan boeiende en mooie tijden tegenmoet dat is zeker. Er zijn nog veel aandachtspunten om op terug te komen in volgende blogs. We gaan het nog hebben over neuromorphic computing en ook de al dan niet ingebouwde bias, die ervoor zorgt dat de oneerlijkheid in onze wereld terecht komt in de data, houdt me nogal bezig. Het al eerder genoemde energieverbruik kom ik ook nog op terug en daarnaast moeten we het nog hebben over de veranderende betekenis van privacy.

IoT en de weg naar Cognitieve intelligentie

Kunstmatige of artificiële intelligentie, machine learning en deep learning zijn begrippen die we steeds meer tegenkomen. Hoewel ieder item zijn specifieke betekenis heeft worden de benamingen vaak door elkaar gebruikt. Op zich niet erg, het gaat immers om de toepassing die is gebaseerd op slimme verwerking van de enorme hoeveelheden data die onze systemen genereren. Specifieke toepassing van deze technieken zijn qua slimheid en snelheid superieur aan de wijze waarop een mens dit kan. Cognitieve intelligentie kunnen we betitelen als de ultieme vorm van kunstmatige intelligentie omdat de werking de meeste overeenkomsten heeft met ons menselijk brein. De ontwikkelingen gaan hard en zullen veel mooie en goede toepassingen brengen. Neemt niet weg dat er voorlopig nog geen toonaangevende en breed geaccepteerde rol voor kunstmatige intelligentie in onze maatschappij is weggelegd.

Cognitieve systemen gaan veel verder dan het logisch verwerken van datastromen. Ze zijn ontworpen om problemen op te lossen zoals mensen dat doen, door te denken, te redeneren en te onthouden. Als er nieuwe gegevens in een cognitief systeem binnenkomen zal het systeem leren en zich aanpassen. Uitgangspunten worden onderzocht en afgewogen zonder daarbij iets over het hoofd te zien. De database is hierbij bepalend, maar kan zo uitgebreid zijn dat de uitkomst die een cognitief systeem geeft veel beter is dan een mens ooit zou kunnen opleveren aan de hand van zijn actuele kennis in combinatie met zijn bevindingen.

Systemen die voelen, redeneren en handelen
Cognitieve computersystemen zijn in staat om op basis van geleerde ervaring te voelen, redeneren, handelen en zich aan te passen. Ze zijn ontworpen om mensen behulpzaam te zijn of te ontlasten van taken waar hoge accuraatheid nodig is, denk hierbij aan werk in explosiegevaarlijke gebieden, of onder extreme omstandigheden. Ook bij autonoom vervoer worden deze technieken uitgebreid toepassing. Een cognitief systeem zal een data-intensieve taak anders benaderen dan andere kunstmatig intelligente systemen. Een voorbeeld dat je nogal eens tegenkom is het maken van een behandelplan voor een patiënt. Uiteraard moet hiertoe aan de hand van een analyse een enorme database van ingebrachte kennis, artikelen en dossiers worden geraadpleegd. Een cognitief systeem zal uitgebreide en zeer complete informatie bieden om de arts te helpen. De voorgangers van cognitieve intelligentie zijn ontworpen om de arts een handelswijze te presenteren die hij kan volgen op basis van zijn analyse. Cognitieve systemen zijn nog volop in ontwikkeling, het is zeker dat we ongekende ontwikkelingen zullen zien in o.a. de medische wereld, het onderwijs en de wetenschap.

Kookles: IoT, brein en geld
Er zijn veel zaken die de computer beter kan dan een mens, maar dat geldt zeker niet voor alles. Volgens onderzoekers van Google zullen ethische keuzes en emotionele zaken voorbehouden blijven aan mensen. Ook in zaken als creativiteit zal een computer niet snel uitblinken, dat is zeker. Op deze gebieden kan technologie de mens wel helpen om juiste en weloverwogen beslissingen te nemen. Dan nu even de kookles. We nemen een platform gebaseerd op cognitieve intelligentie, voegen daar aan toe een IoT platform en een blockchain platform en de vrijwel onbegrensde mogelijkheden liggen voor het oprapen. De ICT-reuzen in deze wereld zijn hier volop mee bezig. Platformen als IBM Watson, Microsoft Azure, Amazon Web Services (AWS) en Google Prediction API ontwikkelen in hoog tempo. Computers die beschikken over alle zintuigen die de mens heeft is hierbij het credo van IBM.

Vertrouwen en energieverbruik
Er zijn nogal wat kanttekeningen bij cognitieve intelligentie, we leggen immers een grote dosis vertrouwen neer bij technische systemen. Systemen die zijn ontworpen door mensen met hun belangen en voorkeuren. De grote Amerikaanse technologiereuzen, Microsoft, Facebook, Amazon, IBM en Apple zijn op dit moment toonaangevend. Het is voordehand liggend dat cognitieve intelligentie bepaalde waarden meekrijgt van deze bedrijven. Deze koplopers hebben successen op hun naam geschreven met cognitieve intelligentie gebaseerd op traditionele architecturen. Een groot probleem hierbij vormt het energieverbruik. De Chinese Sunway TaihuLight supercomputer trekt bijvoorbeeld 15 megawatt aan piekvermogen. Een stroomverbruik om 4.500 huishoudens van energie te voorzien. Hier zijn nog wel wat slagen te winnen, mooie onderwerpen om nog eens op terug te komen.

IoT en deep learning

In deze serie blogs behandelen we de weg van kunstmatige- naar cognitieve intelligentie. De basis van deze technologische ontwikkelingen is te vinden in machine learning. De variant die het dichts in de buurt komt van ons brein is gebaseerd op neurale netwerken. Wees gerust, ons brein is met een gemiddelde van ongeveer 100 miljard neuronen nog veruit superieur. De kunstmatige neurale netwerken die op dit moment worden gebruikt bestaan uit hooguit 1000 neuronen. In mijn vorige blog heb ik de basis van neurale netwerktechnologie behandeld. Met deze kennis in de pocket kijken we nu naar deep learning als opstap naar cognitieve systemen. We realiseren het ons waarschijnlijk nauwelijks, deep learning maakt een opmars waarmee onwillekeurig iedereen in aanraking komen.

Een mooi voorbeeld van Deep learning is te vinden te vinden bij de startup DeepL, voorheen Linquee, die onlangs zijn brandnieuwe vertaaldienst online heeft gezet. Via de website www.deepl.com kan iedereen gratis tekstblokken laten vertalen in (nu nog) zeven talen. Via een uitgebreide database met voorbeeldzinnen die overal worden gebruikt is de vertaaldienst getraind. DeepL is nu al een geduchte concurrent van Google Translate die overigens ook gebruik maakt van neurale netwerktechnologie. Google heeft in haar neurale netwerk gekozen voor recurrent technologie terwijl DeepL is gebaseerd op convolutional networks. Kreten die we maar snel moeten vergeten. Het grote verschil is dat DeepL alle woorden parallel verwerkt wat meer snelheid oplevert. Met meer zoeksnelheid kan een grotere database in dezelfde tijd worden doorzocht wat uiteraard betere resultaten geeft. De grote kracht van Deepl komt uit een goed geoptimaliseerde database in gecombineerd met de nieuwste algoritmes en technologieën. Op dit moment, geeft de dienst van Deepl betere resultaten dan oplossingen van andere aanbieders, een mooie ontwikkeling waar we zeker meer van gaan horen.

Teksten vertalen en foto's veranderen, fluitje van een cent
Vertalen van teksten wordt steeds gemakkelijker en betrouwbaarder en zal in steeds meer toepassingen volledig automatisch gaan zonder dat we daar iets van merken. Ook in de grafische wereld wordt intensief onderzoek gedaan naar toepassingen op basis van deep learning technologie. De ontwikkelaars van Adobe hebben samen met de prestigieuze Cornell universiteit de applicatie Deep Photo Styler Transfer ontwikkeld. De basis van deze technologie is te vinden in het overbrengen van een stijl van de ene naar de andere foto. Het computersysteem is lerend door heel veel plaatjes te analyseren op basis van verschillende algoritmes. Het ene algoritme herkend menselijke gezichten terwijl een ander algoritme gefocust kan zijn op bomen of huizen. De ontwikkelaar heeft het algoritme zodanig gemaakt dat kenmerkende factoren worden herkend en vastgelegd. Op deze wijze kun je in een nors gezicht een aantal karaktertrekken veranderen en voilà je hebt een lachend gezicht op je foto staan. Ook een saaie foto met donkere wolken is in no time veranderd in een sprekende foto met en mooie zonsondergang. Niets zal meer hetzelfde zijn… Kijk voor een ander voorbeeld eens op http://places2.csail.mit.edu/demo.html. Je kunt hier landschapsfoto's laten analyseren met deep learning technologie. Hoewel de uitkomsten niet altijd even goed zijn geeft het wel een leuk beeld van wat je met deze techniek kunt bereiken. Probeer het maar eens uit.

IoT en deep learning
Als we deze technologische mogelijkheden samenbrengen met sensorische informatie ontstaan nieuwe mogelijkheden. Met sensoren is het redelijk simpel om veranderingen in een omgeving te signaleren, als je nu vervolgens de deep learning technologie gebruik om daar je conclusies uit te trekken kun je processen op een heel intelligente wijze automatiseren. We zien steeds meer toepassingen van deze technologie, die ons overal mee behulpzaam kan zijn, in onze omgeving verschijnen. Denk bijvoorbeeld aan winkels waar personen, inclusief hun interessegebieden, worden herkend op basis van sensorische informatie. Je loopt langs beelden waarbij gelijktijdig en geheel ongemerkt je reacties worden geanalyseerd. Het systeem weet al na een paar van dit soort acties waar je interesses naar uitgaan en kan hierop anticiperen met gerichte aanbiedingen. In sommige toepassingen kan het system zelfs weten waarna je op zoek bent, wat je lievelingskleuren zijn en wat je mooi vindt. En laat dat artikel nu toevallig je pad kruisen. Toevallig? Dankzij deep learning bestaat dit straks niet meer.

Een wereld vol gemak, kleur en diversiteit
De echte doorstoot van deep learning technologie heeft nog een hele weg te gaan, maar de ontwikkelingen staan niet stil. Het begrijpen van relaties tussen objecten is een techniek die al redelijk vergevorderd is. Voor computers is dit heel complex terwijl de mens dit vaak op intuïtieve basis doet. Neemt niet weg dat er steeds mooiere en nieuwe toepassingen komen die onze wereld veel meer diversiteit, kleur en gemak geeft. Volgende keer kijken naar de ultieme vorm van kunstmatige intelligentie. Wat zal cognitieve intelligentie ons brengen?

IoT en neurale netwerken

In mijn voorgaande blogs had ik het over de boeiende ontwikkeling van kunstmatige intelligentie in relatie tot IoT, Verschillende varianten van machine learning zijn hierbij aan de orde gekomen. De meest complexe vorm van machine learning wordt deep learning genoemd. Deze technologie komt het dichts in de buurt van cognitieve intelligentie en maakt gebruik van meerlaagse neurale netwerken. Neurale netwerken kennen we in twee varianten, de biologische vorm oftewel het menselijk brein, en de kunstmatige vorm. Kunstmatige neurale netwerktechnologie is sterk in ontwikkeling en benaderd steeds meer het menselijk brein. Onderzoekers laten zich hierbij graag inspireren door biologie. Worden we langzamerhand ingehaald door onze eigen automatisering?

Kunstmatige neurale netwerken, die de basis van deep learning vormen, worden alsmaar slimmer en zijn in staat steeds meer menselijke taken over te nemen. Neurale netwerken zijn samengesteld uit een veelvoud van vaak eenvoudige processoren die parallel samenwerken. Op deze wijze worden niet lineaire systemen samengesteld waarbij een veel complexere relatie kan worden gevormd tussen input en output. Om de overeenkomst met onze hersenwerking aan te geven worden de processoren in een neuraal netwerk ook wel neuronen genoemd.

De werking van een neuraal netwerk

Een kunstmatig neuraal netwerk bestaat uit een aantal gestapelde lagen met neuronen. Een neuraal netwerk is opgebouwd uit een inputlaag, een outputlaag en een aantal tussenlagen. Via dit samenstel van lagen wordt de vraagstelling aan de inputlaag verwerkt tot een antwoord aan de outputlaag. Iedere laag heeft eigen neuronen waarin de relevante berekeningen worden uitgevoerd. Elke ontvangende neuron verwerkt zijn ingangssignaal en stuurt dit weer door naar de volgende neuron(en). Een mooi voorbeeld om de werking van neurale netwerken te verduidelijken is het proces dat bij beeldherkenning wordt gehanteerd. Een afbeelding komt binnen in de inputlaag en wordt vervolgens in iedere diepere laag verder verwerkt. Hierbij heeft elke laag zijn specifieke functie. In de eerste lagen na de inputlaag worden de basale vormen uit het beeld gefilterd om zodoende een grove interpretatie van het beeld te vormen. De laatste lagen voor de outputlaag detailleren de basale vormen uit de voorgaande lagen en bereiden de gegevens voor waarmee de outputlaag aan de slag kan gaan. In de outputlaag wordt de finale beoordeling gemaakt en wordt het antwoord geformuleerd.

Trainen van een neuraal netwerk

In bovenstaand voorbeeld zijn neurale netwerken getraind om beelden te herkennen. Aan de hand van heel veel voorbeeldbeelden worden vergelijkingen gemaakt om hieruit conclusies te trekken. Dit is redelijk complex, het systeem moet immers weten waarop het zich moet concentreren. In een beeld zijn de details nooit geïsoleerd van de omgeving, ze lopen over in andere beelden of zijn verbonden met andere objecten. Hierdoor is het voor een computersysteem erg moeilijk de vorm te herkennen. Er moet dus heel veel informatie voorhanden zijn om de algoritmes slimmer te maken. De technische trukendoos en creativiteit is veelzijdig. Er wordt bijvoorbeeld gebruik gemaakt van bewegende beelden als vergelijkingsmateriaal met gecompileerde visualisaties uit het beeldmateriaal. Uiteraard is het proces bij videoherkenning maar een van de vele voorbeelden van neurale netwerktechnologie en zijn er legio andere toepassingen die elk weer hun specifieke benadering vergen.

Zo eenvoudig is het niet…

Bovenstaand voorbeeld is redelijk simplistisch weergegeven, op de achtergrond is de techniek vele malen complexer. De interactie tussen de neuronen of processoren is adaptief. Een neuron heeft meerdere ingaande en meerdere uitgaande verbindingen. Elke verbinding heeft hierbij een gewicht dat is uitgedrukt in een reëel getal dat continue wordt bijgesteld door het lerende netwerk. De technologie van neurale netwerken staat nog aan het begin. Dat wordt duidelijk als we bedenken dat het menselijk brein bestaat uit ongeveer 100 miljard neuronen terwijl de kunstmatige neurale netwerken op dit moment ergens tussen de 10 en 1000 neuronen bevatten. Voorlopig is het menselijk brein nog veruit superieur! Volgende keer meer over deep learning.

IoT en kunstmatige intelligentie (2)

In sneltreintempo zie je heel veel Internet of Things toepassingen met nieuwe mogelijkheden beschikbaar komen. De sensorische informatie wordt verzameld in platformen en voert aan de hand van slimme logica allerlei gewenste acties uit. Kunstmatige intelligentie wordt daarbij steeds vaker ingezet als een van de essentiële hulpmiddelen. Een belangrijke vorm van kunstmatige intelligentie is te vinden in machine learning. Kenmerkend aan deze fascinerende techniek is dat de ontwikkeling stamt uit de vorige eeuw en dus al ruimschoots voor het internettijdperk is begonnen. In 1946 werd het eerste computersysteem ENIAC ontwikkeld. In die tijd sprak men over een numerieke computer en werd het woord computer grofweg uitgelegd als een machine die werkt als een mens die numerieke berekeningen op papier uitvoert. Men had toen al de vooruitziende blik dat menselijk denken en leren door de computer kon worden uitgevoerd.

Kunstmatige intelligentie, we zitten er middenin
De Britse wiskundige Alan Turing ontwikkelde als computerpionier in 1950 een test om prestaties van intelligente systemen te meten. De Turing test is gebaseerd op het idee dat we alleen kunnen bepalen of een machine daadwerkelijk kan leren als we ermee kunnen communiceren zonder dat daarbij verschil wordt waargenomen met menselijke communicatie. Geen enkel systeem slaagde in die tijd voor deze ingenieuze test. Het heeft zelfs tot het huidige decennium geduurd voordat de eerste systemen door de Turing test kwamen. We zijn dus aanbeland in het tijdperk van kunstmatige intelligentie, spannend!

Van kunstmatige naar cognitieve intelligentie
Kunstmatige of Artificiële intelligentie kent zijn bron in machine learning. Het nieuwste begrip in deze technologische ontwikkeling is Cognitieve intelligentie. Dit is een doorontwikkeling die veel verder gaat dan de redelijk logische benadering van machine learning. Cognitieve systemen zijn ontworpen om problemen op te lossen op de manier waarop mensen problemen oplossen, door te denken, redeneren en onthouden. Een boeiende techniek waarbij steeds intensiever gebruik wordt gemaakt van neurale netwerken. Ik kom daar later zeker op terug, maar eerst wil ik terug naar de basis en meer vertellen over de achtergronden van machine learning.

Machine learning
Machine learning bootst niet het menselijk brein na maar is beperkt zich tot “leren” van data uit het verleden met als doel hiermee voorspellingen te maken. Er zijn een aantal manieren om een algoritme te laten “leren” uit beschikbare data. De toepassing hangt af van de wijze waarop de data werkelijk beschikbaar is. Om meer beeld bij kunstmatige intelligentie te krijgen is het goed om eerst de verschillende onderscheidingsvormen van machine learning nader te bekijken.

Supervised learning (gecontroleerd leren) maakt gebruik van goed gestructureerde en keurig gecategoriseerde data als input, vaak verzameld en gelabeld door mensen. De algoritmes worden met deze data getraind om steeds beter antwoord te geven aan de gebruikers. Het kenmerkende van supervised learning is dat de uitkomst in de ingevoerde data ligt. Een voorbeeld is de aanbeveling van producten zoals je vaak zie in webshops. Het algoritme geeft aanbevelingen op basis van bevindingen bij vergelijkbare klanten of eerdere aankopen. Supervised learning is redelijk lineair, met de voorspellingen kan weinig misgaan. Voorspellingen worden gedaan op vaste gegevens zoals het lichaamsgewicht, de leeftijd en bijvoorbeeld de activiteiten van personen.

Unsupervised learning (ongecontroleerd leren) werkt heel anders omdat de uitkomst van het algoritme buiten de ingevoerde data ligt. De data die als input dient is wel bekend maar niet gestructureerd. Het algoritme moet nu zelf structuur en verbanden in de data ontdekken en hier zijn output mee genereren. De computer zal de input verdelen in categorieën waarin elementen worden geplaatst gebaseerd op sterke gelijkenissen. Unsupervised learning wordt toegepast als er geen historische gegevens zijn. Een voorbeeld hiervan is het ontdekken van overeenkomsten in video of audio materiaal waarbij acties worden uitgezet op gedrag of bepaalde geluidsfragmenten.

Semi-Supervised learning is een combinatie van supervised en unsupervised learning. De input bestaat uit zowel gelabelde als niet gelabelde data. De keuze voor semi-supervised learning is vaak gebaseerd op een compromis, gelabelde data is immers moeilijker te verwerven en daarmee veel kostbaarder dan ongestructureerde data.

Reinforcement learning is doelgericht leren op basis van interactie met de omgeving. Veelgehoorde toepassingen zijn zelfrijdende auto’s die aan de hand van verzamelde informatie uit eerdere ritten bepaalde conclusies trekken. Je kunt dit vergelijken met mensen die conclusies trekken uit hun daden.

Opstap naar neurale netwerken
Deze laatste vorm van machine learning staat het dichts bij de doorontwikkeling van kunstmatige intelligentie naar cognitieve intelligentie. Een mooie opstap naar deep learning en neurale netwerken. Volgende keer meer!

IoT en kunstmatige intelligentie (1)

Het internet of Things kent veel toepassingen in allerlei verschijningsvormen en varianten, en wordt ook steeds vaker aangevuld met andersoortige technologieën. Sensoren, die de basis vormen van ieder IoT systeem, komen samen in een platform waar gegevens worden verzameld om van hieruit weer acties te laten plaatsvinden. Vaak zijn andere platformen nodig om de totale oplossing sterk en compleet te maken. Kunstmatige intelligentie vormt een steeds belangrijker onderdeel van IoT oplossingen en kent een stormachtige ontwikkeling. Dagelijks worden we met voorbeelden overspoeld, van redelijk onschuldige bezorgrobots tot angstaanjagende killer robots. Zoals ik al eerder aangaf is wetgeving dringend noodzakelijk, immers;

Kunstmatige intelligentie mag niet onder een andere wetgeving staan dan de mens die deze heeft bedacht.

Google weet alles
Bij toepassing van kunstmatige intelligentie komen discussies al gauw op gang. Hoe zit het met onze privacy en vinden we de ondersteuning van allerlei marketing-achtige technieken wel zo fijn? De meeste toepassingen zijn redelijk onschuldig en zijn inmiddels al lang geaccepteerd. Bijna niemand heeft problemen met aanbevelingen van Google, die weer eens in onze agenda heeft zitten spieken en ons attendeert op te verwachten verkeersdrukte. Ook selectieve advertenties die we geheel gratis krijgen aangeboden naar aanleiding van ons zoekgedrag op het internet worden steeds meer gewoongoed. We raken dus gewend aan kunstmatige intelligentie en vinden dat over het algemeen prima. Anders wordt het als intelligente systemen privacy gevoelige informatie gebruiken of zelfs acties uitvoeren die we niet begrijpen, dan wordt het eng. Ondanks deze ietwat ongrijpbare kant gaan de ontwikkelingen door en ontstaan er steeds complexere varianten.

Varianten in kunstmatige intelligentie
Duidelijk is dat het bij kunstmatige intelligentie gaat om dataverwerking met als doel slimme conclusies te trekken uit deze verzamelde data. Hierbij worden nogal wat verschillende termen gebruikt waarbij zeker een bepaalde lijn en ontwikkeling valt te bespeuren. In de industrie hoor je vaak over machine learning of artificiële intelligentie. Maar soms zie je ook kreten als deep learning of cognitieve intelligentie voorbijkomen. Bovenstaande benamingen wordt nogal eens door elkaar gebruikt en dat is te verklaren omdat er veel overeenkomsten zijn. Maar er zijn ook cruciale verschillen die belangrijk zijn om te onderkennen. Als we de verschillende vormen van intelligentie een beetje platslaan dan zien we een soort ontwikkelcurve of misschien zelfs een ontwikkelhiërarchie ontstaan. Het begint bij machine learning dat is doorontwikkeld naar deep learning. Dit zijn weer sub domeinen van artificiële intelligentie dat uiteindelijk weer doorontwikkeld in de alles overstijgende cognitieve intelligentie. In feite zien we hier een soort doorontwikkeling van technische logica naar algoritmes die functioneren als het menselijk brein. Laten we stapsgewijs de verschillende varianten doornemen.

Machine learning
De oudste vorm van intelligente systemen wordt machine learning genoemd. In principe bestaat machine learning uit software die zelf kan “leren” zonder dat hier programmeerhandelingen van mensen voor nodig zijn. Het gaat bij deze techniek om het herkennen van patronen uit een groot databestand (big data omgeving). Deze patronen vormen de basis van een voorspellend algoritme. Omdat er steeds nieuwe data wordt toegevoegd blijft de software “leren” en worden er steeds specifiekere patronen ontdekt. De voorspelling wordt dus in feite steeds nauwkeuriger. De doorontwikkeling zit in steeds geavanceerdere algoritmes, grote hoeveelheden data en snellere dataverwerking. Machine learning heeft een duidelijke afbakening, deze techniek bootst dus niet het menselijk brein na maar is beperkt zich tot “leren” van data uit het verleden met als doel hiermee voorspellingen te maken. Er zijn een aantal manieren om een algoritme te laten “leren” uit beschikbare data. De toepassing hangt ervan af van de wijze waarop de data werkelijk beschikbaar is. De volgende keer ga ik hier dieper op in en kijken we vervolgens ook naar de andere varianten van kunstmatige intelligentie.

IoT, gevaar voor de mensheid?

Platformen op het gebied van informatica ontstaan in allerlei varianten en zullen steeds meer samenwerken. IoT vormt de basis hierin, het verzamelen van data is immers basisvoorwaarde voor vrijwel ieder platform. Een IoT platform is dus primair nodig om sensorische informatie te verzamelen en te koppelen aan acties. Om koppelingen aan acties te realiseren wordt vaak gebruik gemaakt van informatie uit andere platformen. Blockchain technologie is nodig om contractuele of financiële transacties te waarborgen. Ook platformen met artificiële- of cognitieve intelligentie (AI of CI) leveren een steeds aanzienlijkere bijdrage aan een totale IoT omgeving. Vaak hoor je kritische geluiden over veiligheid, en terecht, beveiliging is en blijft een essentieel onderdeel. De alarmerende titel van deze blog gaat echter niet over beveiliging maar over kunstmatige intelligentie. Hoe zit het met deze ontwikkelingen en nog belangrijker, overzien we de gevolgen.

Platformen worden verbonden
In mijn vorige blog schreef ik dat de toekomst zit in koppelingen van platformen. Verschillende blockchain platformen gaan informatie delen. IoT platformen en cognitieve intelligentie zullen hun samenwerking met blockchain platformen steeds meer vinden. Big data krijgt op deze wijze een essentiële inbreng in onze samenleving. Natuurlijk kun je met deze technieken goede en mooie oplossingen bereiken. De kracht van systemen wordt gebundeld waardoor nog veel meer informatie beschikbaar komt. Slimme zorgoplossingen komen bijvoorbeeld in sneltreintempo beschikbaar. Smart pills houden met sensoren of zelfs een mini-camera bij of patiënten zich houden aan de doktersvoorschriften. Het welzijn van patiënten wordt gemonitord met allerlei sensoren in de omgeving, in kleding en in/op het lichaam. Dementerende mensen krijgen veel meer zelfstandigheid dankzij sensoren en locatiebepaling.

Ons brein en techniek
Om techniek toegankelijk te maken zie je een toenemend gebruik van digitale spraakassistenten. In de woonhuisautomatisering zijn spraakassistenten populair geworden dankzij slimme luidsprekers, bijvoorbeeld voor het afroepen en selecteren van muziek. Ook bij deze techniek zie je dat partijen elkaar steeds meer opzoeken. Onlangs werd bekendgemaakt dat Cortana van Microsoft en Alexa van Amazon gaan samenwerken. Apple en Google doen nog niet mee, maar dit zal niet uitblijven. De ontwikkelingen op het gebied van interfacing staan zeker niet stil. Elon Musk is met zijn bedrijf Neuralink druk in de weer een brein-naar-computer-interface te ontwikkelen. Volgens Musk is een nieuwe interface nodig om optimaal van AI en supercomputers gebruik te kunnen maken. Meer kennis over ons brein en de wijze waarop dit met computers is te beïnvloeden kan in de toekomst epilepsieaanvallen voorkomen. Mooie ontwikkelingen die veel goeds kunnen opleveren, mits op de juiste wijze toegepast.

Begrijpen wij onze computer?
Als we niet meer begrijpen wat technologie die we gebruiken doet komen we in lastige situaties. Toen één van de beste Go spelers van de wereld werd verslagen door de supercomputer AlphaGo van Google was hij dusdanig van slag dat hij 15 minuten de kamer moest verlaten om weer tot rust te komen. Dit is een kenmerkend voorbeeld van de invloed die zelflerende computers met deep learning technologie op mensen kunnen uitoefenen. Computers worden steeds slimmer en zullen ons steeds meer verrassen. Denk maar eens aan algoritmes in combinatie met autonoom vervoer en allerlei onvoorspelbare scenario’s in het verkeer. Een experiment met kunstmatige intelligentie van Facebook is stilgelegd nadat spraakrobots Alice en Rob een eigen taal ontwikkelden, die alleen zij nog begrepen. Om gemakkelijker te communiceren pasten zij hun Engelse taal aan. Dat gaf zulke vreemde uitspraken dat de onderzoekers niet meer begrepen waar het over ging. Experts benoemden het als spannend en angstaanjagend.

Waarschuwing uit Melbourne
Ondanks de alsmaar slimmer wordende computers zijn we op dit moment nog niet in staat om te voorkomen dat er verkeerde conclusies worden getrokken uit de beschikbaar data. Dit kan desastreuze gevolgen hebben, zeker als we dit gegeven spiegelen aan oorlogrobots. Een grote groep experts en bestuurders van robotbedrijven en directies van prominente bedrijven hebben op de conferentie over kunstmatige intelligentie in Melbourne nadrukkelijk gewaarschuwd. Deze groep kwam met een open brief waarin de VN wordt opgeroepen een halt toe te roepen aan de ontwikkeling van ‘killer robots’. Wetgeving is dringend noodzakelijk, kunstmatige intelligentie mag niet onder een andere wetgeving staan dan de mens die deze heeft bedacht. Volgende keer meer over deze boeiende ontwikkelingen.

Blockchain, IoT en de veranderende maatschappij

In mijn vorige blogs hebben we de werking van blockchain besproken en daarbij wat mogelijkheden en toepassingen aangestipt. Bijna vanzelfsprekend spraken we over de Bitcoin waarbij ook nadelen zoals het enorme energieverbruik, dat komt door mining, aan de orde kwamen. De vele ‘zware’ computers die hiervoor worden ingezet zijn verantwoordelijk voor een enorme energieconsumptie, een bij-functie als verwarmingselement misstaat deze rekenreuzen niet. De ontwikkelingen rondom cryptovaluta gaan razendsnel, heel veel alternatieven zijn inmiddels voorhanden en zullen nog volgen.

De Bitcoin is al lang niet meer de enige digitale munteenheid. Enkele van de vele cryptovaluta zijn Ethereum, Lisk, Ripple, NXT coin, Stellar en Bitshares. Kenmerkend is dat ze allemaal werken met een eigen uniek blockchain ontwerp. Ook zie je regelmatig varianten van bestaande cryptovaluta ontstaan, bijvoorbeeld Bitcoin Cash waarbij de blockchain bestaat uit grotere blokken waardoor transacties sneller kunnen plaatsvinden. Het bitcoinnetwerk verwerkt drie tot tien transacties per seconde. Bitcoin Cash 8x zoveel, maar dat staat nog altijd in schril contrast met de circa twaalfduizenden transacties per seconde die het VISA-netwerk kan verzetten.

Cryptovaluta en onze banken
Er zijn ontwikkelingen op basis van blockchain technologie die miljoenen transacties per seconde kunnen afhandelen. Een voorbeeld hiervan is EOS.IO waarbij het digitale valuta Ethereum wordt gebruikt. Fintech (financieel technische) bedrijven zie je als paddenstoelen uit de grond schieten en ook het bankwezen is volop in ontwikkelen om aansluiting te bieden en te zoeken bij deze nieuwe wereld. Voorlopig blijft papier- en muntgeld gewoon bestaan. Cryptogeld zal naast gewone valuta steeds meer zijn weg vinden. Banken onderzoeken op allerlei fronten hoe zij cryptovaluta kunnen integreren met hun ontwikkelingen al dan niet in combinatie met PSD2 dat voor begin 2018 op uitrol staat bij alle Europese banken.

Smart contracts en IoT samen sterk
Wat het allemaal zal brengen weet nog niemand, maar dat er veel gaande is in de financiële wereld mag duidelijk zijn. Een andere, met name voor IoT, erg interessante ontwikkeling op basis van blockchain zijn de smart contracts. Bij deze techniek worden contractvoorwaarden opgeslagen in programmacode. Het onderscheidende hierbij is dat daarnaast ook automatisch wordt gezorgd voor naleving van deze contractvoorwaarden. Een apparaat of dienst komt ter beschikking via een digitale sleutel die na een geautomatiseerde financiële transactie wordt vrijgegeven aan een koper of huurder.

De koppeling van blockchains
Net als contractvoorwaarden worden ook gegevens en persoonlijke data opgeslagen in een blockchain. Als je hierbij bedenkt dat deze data nooit verloren kan gaan en dat verschillende blockchains op termijn gekoppeld worden ontstaan er heel veel andere en nieuwe mogelijkheden en toepassingen. Naast je identiteit zullen ook andere zaken zoals eigendomsrechten, diploma’s en allerlei dossiers worden vastgelegd. Hierbij zal heel veel aandacht aan autorisatie en veiligheid moeten worden gegeven. Een ding is zeker, de blockchain technologie zal onze maatschappij voorgoed veranderen.

Veel nu nog bestaande beroepen niet meer nodig
Verzekeringsvoorwaarden kunnen dynamisch worden aangepast aan het gedrag van de klant en zijn premiebetaling. Zo kan een autoverzekering afhankelijk worden gemaakt van rijgedrag of gebruik. Denk ook aan mogelijkheden bij muziek- en gebruiksrechten of bijvoorbeeld bewijsvoering van intellectueel eigendom of recht op gebruik van software. Bij al deze mogelijkheden zie je een gemeenschappelijke eigenschap, tussenstations als octrooibureaus verzekeringsagentschappen enz. zijn niet meer nodig in de schakel. In principe zou je zelfs een notaris en bepaalde ambtelijke loketten niet meer nodig hebben. Daarvoor moeten nog wat wettelijke inzichten worden gewijzigd en dat gaat niet over één nacht ijs. Ook kan goede betrouwbaarheid worden geboden voor stemcomputers. Autorisatie en authenticatie zorgen voor fraudebestendigheid naar de vraagkant terwijl anonimiteit wordt geboden naar de gebruikerskant.

Steeds meer platformen worden verbonden
De toekomst zit in koppelingen van platformen. Verschillende blockchain platformen zullen steeds meer informatie gaan delen. Ook IoT platformen en Artificiële intelligentie zullen hun samenwerking met blockchain platformen in toenemende mate vinden. Big data krijgt op deze wijze een steeds grotere inbreng in onze samenleving. Wat onvermijdelijk veel aandacht zal krijgen is veiligheid, dit is immers cruciaal voor al deze mooie technologieën die een steeds belangrijker onderdeel uitmaken van onze samenleving. Blockchain biedt op zich veel veiligheid, maar daarnaast zullen we steeds meer specifieke platformen nodig hebben die dit onderdeel realtime waarborgen.

De blockchain revolutie

We worden overspoeld met informatie over revolutionaire en disruptieve technieken. De wereld zal nooit meer worden wat het was alles wordt sneller, beter en vooral digitaal. Blockchain is zo’n technologie die de gemoederen flink bezighoudt. Blockchain wordt door een steeds grotere groep mensen gezien als de grootste innovatie sinds internet. De financiële wereld ondergaat een enorme transformatie dat weet inmiddels iedereen. Blockchain kan daarin wel eens een zeer bepalende factor worden. Dit niet te verwarren met de Bitcoin, die zal het naar de mening van deskundigen niet redden. De toenemende grootte van de blockchain en het energieverbruik zijn de grootste factoren die massale omzetting van het huidige betalingsverkeer blokkeren.

Een-op-een transacties tussen personen zonder tussenkomst van derden is erg aantrekkelijk en zal in belangrijke mate onze economie veranderen. Denk behalve aan bankzaken ook aan het regelen van eigendomsrechten en verzekeringen. Een makelaar of notaris is niet meer nodig bij het kopen of verkopen van een woning. De basis van veel van dit soort overeenkomsten vormen de zogenaamde smart contracts. De slimme contracten in een blockchainnetwerk zijn zonder twijfel de contracten van de toekomst. De manier waarop we nu zaken doen zal compleet veranderen, alles wordt in hoge mate geautomatiseerd. Wetgeving ijlt altijd na, maar zal hier zeker op toegespitst moeten worden. Laten we eens dieper kijken naar de technische achtergrond van dit ingenieuze systeem.

De hash als crusiaal element
Een van de structurele elementen in de blockchain is het gebruik van hash functies. Een hash is een wiskundige functie die redelijk eenvoudig is te maken. Het is echter extreem moeilijk om omgekeerd te werk te gaan. Bij een cryptografisch veilige hashcode is het onmogelijk om te achterhalen van welke gegevens de code is afgeleid. Ook kunnen geen twee verschillende blokken worden gemaakt met dezelfde hashcode. Een blockchain wordt gemaakt door alle relevante informatie met een algoritme gebaseerd op hashcode om te zetten in een blok. Bij een nieuwe toevoeging berekent het systeem een nieuwe hash van de toevoeging én de vorige hash. Dit gaat bij iedere toevoeging zo, Het resultaat is een ketting van blokken met hashfuncties waarbij nieuwe informatie telkens gecombineerd wordt met de laatst berekende hash. De ketting van blokken (de blockchain) wordt publiekelijk bewaard.

Proof of Work
Een nieuw blok toevoegen aan de blockchain is een ingewikkeld en intensief proces. Dat is logisch want dit is immers allesbepalend voor de fraudebestendigheid, fouten zijn op geen enkele wijze te tolereren, dit zou immers het hele systeem laten omvallen. Om de echtheid van een blok te controleren wordt een proof of work gemaakt. De proof of work is intensief om te bereken en is gebaseerd op controle van willekeurige waardes. De computerkracht van heel veel systemen wordt hiervoor ingezet. De computer die de juiste waarde ‘gokt’ wordt hierna razendsnel door alle andere systemen gecontroleerd op echtheid van het resultaat.

Hoe computers het zichzelf moeilijk maken…
Het berekenen van een proof of work neemt gemiddeld 10 minuten in beslag. Daar is bewust voor gekozen om de veiligheid te garanderen. De computerkracht is enorm, het mag nooit zo zijn dat het resultaat door iemand met verkeerde bedoelingen zomaar binnen de gestelde tijd met één systeem is uit te rekenen. Als de computerkracht toe- of afneemt wordt de moeilijkheidsgraad van het algoritme automatisch bijgesteld.

Fraudebestendig
Dit bijzonder ingewikkelde proces maakt fraude onmogelijk. iets wat eenmaal in de blockchain is opgenomen kan niet achteraf gewist of aangepast worden, want dan valt de hele ketting uit elkaar. Duizenden computers wereldwijd berekenen bijzonder complexe wiskundige checksums om de gegevens in de blockchain te verzegelen. De blockchain maakt het mogelijk om rechtsgeldige certificaten op te stellen zonder dat daar een ingewikkelde procedure of een notaris bij komt kijken. De blockchain is dus een mechanisme waarmee informatie, in dit geval certificaten, gecontroleerd worden op authenticiteit. Heel veel technische mogelijkheden en nieuwe inzichten zullen hiermee ontstaan. Samen met IoT en een handjevol intelligentie ontstaan systemen zoals we deze nu nog niet kennen, na de vakantieperiode meer hierover.

Blockchain en het belang voor IoT

Volgens IBM is blockchain het nieuwe internet. Het wereldwijde web maakt verspreiding van informatie mogelijk, terwijl blockchain veilige transacties mogelijk maakt. De kern van blockchain is te vinden in betalingsverkeer. De basisgedachte is om zonder tussenpersoon transacties te realiseren en nog belangrijker te valideren. Deze piepjonge technologie biedt gigantische mogelijkheden, alle ICT-grootheden in de wereld spelen hier op in. Ook de ontwikkelaars van IoT platformen zijn met blockchain bezig. In deze blog kijken we naar de achtergrond van deze technologie om te zien waarom blockchain zo belangrijk is voor de doorontwikkeling van IoT.

https://www.youtube.com/watch?v=cDKmSW2Ljv8

Bitcoin heeft geen toekomst, blockchain wel
Het bedienen van slimme sloten, het ontgrendelen van vervoermiddelen, het gebruik van parkeerplaatsen en laadstations zijn maar wat voorbeelden waarvoor IoT in combinatie met blockchain kan worden ingezet. In basis gaat het hierbij om slimme contracten. Om dat te begrijpen moeten we eerst terug naar de basis van blockchain. Blockchain en de vaak in één adem genoemde Bitcoin bestaan zo’n kleine 10 jaar en zijn voortgekomen als antwoord op de wereldwijde financiële crisis. Vanwege het enorme data- en energieverbruik is het bijna ondenkbaar dat de huidige vorm van de Bitcoin technologie zal uitgroeien tot grootschalig gebruik, De achterliggende blockchain technologie daarentegen zeker wel. Deze heeft grootse mogelijkheden.

Ieder eigendomsrecht kan digitaal worden vastgelegd
Aan het einde van 2008 werd de bitcoin via internet geïntroduceerd en in 2009 werd de blockchain technologie voor iedereen beschikbaar. De bitcoin is een volledig digitale munt, die alleen in computerland bestaat. Blockchain is de fundering van het bitcoin betaalsysteem, en is zo robuust dat deze voor zover bekend nog nooit is gehackt. De enige missertjes zijn te vinden in beveiligingslekken aan de randen naar ‘echte’ valuta. We beschikken dus over robuuste technologie die bovendien veel meer mogelijkheden heeft dan betalingen. Ieder eigendom kan met een digitale representatie worden vastgelegd door middel van een blockchain en dat biedt ongekende mogelijkheden. Klantgegevens kunnen langdurig en fraudebestendig worden bewaard. Contracten kunnen zonder tussenkomst van mensen worden afgehandeld, de IoT devices doen de rest, dat geeft mooie kansen.

Techniek zorgt ervoor dat mensen elkaar kunnen vertrouwen
De zogeheten blockchain die dit allemaal mogelijk maakt bestaat uit een gedecentraliseerd database- en verificatiesysteem. De database is verspreid over knooppunten van een peer-to-peer netwerk. Het mooie van deze ingenieuze technologie is dat twee onbekenden, ondanks het ontbreken van een basis tot vertrouwen, gewoon een-op-een transacties kunnen uitvoeren die volledig safe en vertrouwelijk zijn. De vertrouwensfactor zit in de technologie die grotendeels is gebaseerd op wiskundige encryptie. De kern van de cruciale beveiliging is gebaseerd op zogenaamde hashwaarden. Het rekenwerk dat nodig is voor validatie en samenstelling van de blockchain wordt door heel veel samenwerkende computers in het netwerk gedaan. Deze computers bewaren allemaal de data (de blockchain) en controleren ook de blokken en geldigheid daarvan. Het samenspel van de vele computers zorgt ervoor dat gegevens alleen worden uitgegeven door de persoon die eigenaar is, bovendien kunnen gegevens nooit meer dan één keer uitgegeven worden door die eigenaar. Actoren in een transactie praten altijd rechtstreeks met elkaar.

Veel wiskunde en wat gokwerk, net het echte leven…
Om te controleren of een toe te voegen blok echt is wordt een zogenaamd Proof Of Work gemaakt. Dit stukje code is erg moeilijk te produceren en is gebaseerd op een volkomen willekeurig proces. De computers bereken niet maar gokken als het ware de uitslag op basis van 'trial and error'. De eerste computer die het juiste Proof Of Work heeft gegenereerd wordt daarna razendsnel door de overige computers in het netwerk gecontroleerd en kan als enige het betreffende blok toevoegen aan de blockchain. volgende keer haak ik nog wat meer in op de achtergronden van deze veelbelovende technologie.

Blockchain, cloud en IoT

Mijn vorige blog eindigde wat cryptisch met de vraagstelling of blockchain de nieuwe cloud zal worden. Daar kan ik redelijk kort in zijn, blockchain is geen vervanging voor cloud computing. Beide technologieën hebben elkaar keihard nodig om door te ontwikkelen. Op de InterConnect-cloudconferentie in Las Vegas die eind maart 2017 werd gehouden, was dit één van de belangrijkste uitspraken van de ceo van IBM, Ginni Rometty. IBM zet daarom volop in op cloud ontwikkelingen omdat deze techniek essentieel is voor blockchain en kwamtumtechnologie. De vier grootste cloudaanbieders (Amazon, Microsoft, IBM en Google) zijn het behoorlijk eens, data is het nieuwe goud en blockchain zal hierbij een prominente plaats innemen.

Cloud technologie ontwikkeld als een speer. Volgens de IBM topvrouw zullen bedrijven met behulp van deze technologie inzichten krijgen die ze ver op hun concurrentie vooruitbrengt. Ze zullen zelfs in staat zijn problemen op te lossen waarvan ze niet eens wisten dat ze deze hadden. Binnen IoT krijgt de cloud een steeds belangrijkere plaats. Als basis is er natuurlijk het IoT platform dat veelal in samenspel met Edge- of Fog-computing functioneert als de verkeersregelaar tussen de IoT nodes. Het IoT cloud platform haalt op zijn beurt weer informatie uit andere platformen, denk hierbij aan informatie gebaseerd op kunstmatige intelligentie. Blockchain wordt daarnaast gebruikt om vertrouwde en gevalideerde acties, al dan niet in combinatie met financieel verkeer vrij te geven. Zo langzamerhand wordt het IoT plaatje steeds completer.

IoT en transacties tussen apparaten
Ik kan me voorstellen dat het allemaal nog wat vaag klinkt, maar de praktijk is anders, de eerste serieuze toepassingen worden al op de markt gebracht. Een mooi voorbeeld vinden we bij het Duitse bedrijf Slock.it dat een applicatie heeft ontwikkeld om apparaten te delen. De techniek is gebaseerd op een slot dat te openen is door een betaling via blockchain (een smart contract). Het op deze wijze huren van een kamer zet niet alleen het traditionele betalingsverkeer buitenspel maar ook concepten als Airbnb worden overbodig of kunnen veel eenvoudiger van opgezet worden. De techniek staat nog aan het begin, maar kan uitgerold worden naar allerlei apparaten die je tegen een vergoeding wilt delen met anderen. De technologie kan worden gebruikt voor alledaagse artikelen als een ladder, een fiets of een schilderij dat je voor een bepaalde termijn wilt gebruiken/lenen.

Cognitive computing
De opkomst van blockchain in combinatie met IoT zal de wereld drastisch veranderen dat is zeker. Combineren we dat met computers die functioneren als het menselijk brein (cognitive computing) dan zijn de mogelijkheden vrijwel onbegrensd. Een gedachte die redelijk eng kan worden en waar ik zeker nog eens op terug kom. De ICT-reuzen in deze wereld zijn hier al volop mee bezig. Het uiteindelijke doel van hun platformen gebaseerd op Kunstmatige- of Artificiële Intelligentie (KI of AI) is cognitive. Platformen als IBM Watson, Microsoft Azure, Amazon Web Services (AWS) en Google Prediction API ontwikkelen van machine learning via kunstmatige intelligentie naar cognitive computing. Computers die beschikken over alle zintuigen die de mens ook heeft roept IBM, ik moet hier even over nadenken geloof ik…

Blockchain, het nieuwe internet
Ginny Rometti besloot haar enerverende speech met de woorden ‘Blockchain is wat mij betreft het nieuwe internet. Het wereldwijde web maakt verspreiding van informatie mogelijk, zoals blockchain veilige transacties mogelijk zal maken. Om dit proces te versnellen, is een wereldwijde standaard essentieel.’ Het lijkt me leuk om blockchain en de mogelijkheden hiervan wat verder uit te diepen de volgende keer.

Internet of Things, zo 20e eeuw…

De term internet der dingen stamt, hoe verrassend het ook mag klinken, uit de vorige eeuw. Ik tipte dit in mijn vorige blog al even aan. Eigenlijk is dit best een leuk onderwerp bedacht ik me later. Toen in 1991 voor het eerst over internet der dingen werd gesproken waren er nog niet veel meer toepassingen dan identificatie met RFID. Inmiddels zijn de nodes geen passieve elementen meer maar op zich staande mini- of microcomputers met eigen besturingssystemen. De technische oplossingen en mogelijkheden hebben zich hierop gelukkig aangepast, we hoeven ons dus, mits goed geëngineerd, geen zorgen te maken over stabiliteit en beveiliging van onze IoT technologie. Maar goed ook want het economisch belang wordt alsmaar groter.

In de techno wereld gaat het niet anders dan in de echte wereld en zie je vaak bepaalde systematiek komen, gaan en daarna weer terugkomen. Een bekend voorbeeld is centralisering versus decentralisering. De grote centrale server met eenvoudige terminals werd vervangen door snellere netwerken en bureaucomputers met meer intelligentie. Zo hobbelde het wat heen en weer in ICT land. Met de komst van een betrouwbare en snelle infrastuur was het de beurt aan datacenters. We slaan onze gegevens niet meer lokaal op, veel teveel gedoe met beveiliging en allerlei procedures, maar zetten dit in een veilige cloud omgeving. Met de komst van het IoT tijdperk hebben we weer andere belangen, we gaan cloud computing decentraliseren naar Edge of Fog computing.

Security, altijd de hoogste prioriteit
Veiligheid staat op de eerste plaats, daar worden we ons steeds bewuster van. De wereldwijde ransomware aanval die vorige week onder de naam WannaCrypt of WannaCry binnen 48 uur meer dan 200.000 slachtoffers in circa 150 landen op zijn naam schreef spreekt boekdelen. Ook op dit gebied zie je heen en weergaande structuren, die helaas vaak werken als de aloude put die gedempt werd nadat het kalf was verdronken. Bij cybercrime aanvallen worden mensen en organisaties wakker geschud en zie je beveiliging op hoger niveau komen. We weten het allemaal besturingssystemen moeten up-to-date worden gehouden, en ja, dit geldt ook voor onze IoT devices. Gebruik basiszaken als autorisatie, authenticatie, encryptie en afgeschermde netwerkensegmenten met bijbehorende firewalltechnologie. De IoT omgeving is net zo belangrijk als het bedrijfsnetwerk, behandel deze dan ook zo en hou alle benodigde technologie op de allerlaatste stand van beveiliging.

Decentralisatie van de cloud
Veel IoT oplossingen werken met een cloud platform dat is nu eenmaal een feit. Natuurlijk kun je de totale omgeving goed en veilig inrichten, maar ook op dit gebied zie je een golfbeweging ontstaan. Sommige experts beweren dat de cloud zal verdwijnen en op zich klinkt hun redenatie logisch. Binnen IoT oplossingen zie je een groei in capaciteit en vermogen van systemen die op locatie staan waar de gegevens worden gegenereerd, zogenaamde edge nodes. Ook op ander vlak kom je deze trend tegen. De noodzaak voor grote gecentraliseerde systemen in enorme datacenters zal steeds meer afnemen. We zitten blijkbaar weer in zo’n tussenfase. De hoeveelheid informatie is eenvoudigweg te groot en er is een gebrek aan bandbreedte om real time analyses te kunnen doen. De oplossing is te vinden in decentralisatie van het serverpark.

Ultieme infrastructuur of Blockchain?
Deze decentralisatie technologie kom je ook tegen onder de naam Fog computing. De credits voor deze toepasselijke naam gaan naar de Amerikaanse netwerkgigant Cisco. De golfbeweging in netwerkland blijft doorgaan. Waar het ooit begon met de transitie van mainframe naar gedistribueerde systemen in de jaren 80 en 90 decentraliseren we nu de cloud oplossingen. Het duurt vast niet lang voordat we weer centraliseren, wat zou het toverwoord worden? De ultieme infrastructuur of gaan we massaal over op iets heel anders? Misschien, blockchain als de nieuwe cloud?… Wordt vervolgt.