Archives for Jamal

AI leert spelenderwijs

Kinderen leren vaak veel meer tijdens het spelen dan wanneer ze aan tafeltjes naar de meester zitten te luisteren. OpenAI heeft dit principe nu naar AI gebracht en leert haar AI spelenderwijs nieuwe vaardigheden aan.

 

OpenAI laat verschillende AI’s wedstrijden met simpele doelen tegen elkaar spelen. Bijvoorbeeld sumoworstelen. Twee AI’s leggen het hierbij tegen elkaar af in de virtuele “RoboSumo” wereld en moeten het spel met trial and error leren. Ze zijn dus niet van tevoren geprogrammeerd om te worstelen en moeten in eerste instantie zelfs leren lopen. Door (miljarden keren!) te blijven proberen leren ze langzaamaan hoe het spel werkt en hoe ze kunnen winnen.

Door de AI’s heel vaak tegen elkaar te laten spelen wil OpenAI een soort wapenwedloop starten waarbij AI’s snel leren door de snel veranderende, steeds complexere tegenstanders waar ze tegenop moeten boksen. Het competitieelement brengt net wat meer onvoorspelbaarheid in het spel. Algoritmen leren hierdoor onder andere tackelen, wegduiken, schijnbewegingen.

Deze methode, waarbij AI’s elkaar aanscherpen door middel van competitie werkt vaak beter dan de AI steeds complexere problemen te geven om op te lossen. Wanneer je complexere problemen laat ontwerpen door mensen, ben je uiteindelijk beperkt door de maximale complexiteit die de ontwerpers aankunnen. Deze methode is pas nog gebruikt bij het Dota 2 project, waar een AI menselijke spelers van deze e-sport versloeg.

OpenAI's AI learns to tackle as emergent behavior

OpenAI heeft ontdekt dat het wel helpt om elke AI tegen meerdere tegenstanders te laten spelen. De AI’s die vaak tegen dezelfde tegenstanders speelden ontwikkelden vaak strategieën die heel specifiek op die tegenstander waren gebaseerd. Hierdoor was de AI veel te gespecialiseerd en delfde die vaak het onderspit als er ineens een andere tegenstander verscheen.

De AI’s die binnen het “speelproject” zijn gebruikt zijn ook in staat om hun vaardigheden bij andere spellen in te zetten dan waar ze die geleerd hebben. Voor je het weet zijn ze ook succesvol bij spellen die ze nog nooit gespeeld hebben. Toch duurt het waarschijnlijk nog wel even voordat dit ook robots in de fysieke wereld gaat helpen. Er is namelijk een zogenaamde “reality gap”, resultaten in simulaties vertalen zich niet altijd even goed naar de werkelijkheid. OpenAI heeft wel een team dat aan dit probleem werkt.

Bron: OpenAI

> Read full AI leert spelenderwijs post


DARPA wil nieuwe chipsets voor AI

DARPA (Defense Advanced Research Projects Agency) heeft twee projecten aangekondigd voor de ontwikkeling van nieuwe computerchips die betere AI technologie mogelijk maken. De ontwikkeling van betere processoren dreigt namelijk vast te lopen, iets waar vooral de pioniers op AI gebied van beginnen te zweten.

Moore’s law

De afgelopen 50 jaar hebben kloksnelheden van processoren een enorme vlucht gemaakt. We staan er niet dagelijks bij stil, maar de gemiddelde smartphone is krachtiger dan supercomputers een paar decennia geleden. Gordon Moore, een van de oprichters van processorfabrikant Intel, zag al snel een regelmatig patroon in het tempo van de ontwikkelingen. Hij zag dat de complexiteit van computerchips, en daarmee de snelheid, ruwweg elke twee jaar verdubbeld. Dit gegeven kennen we tegenwoordig als Moore’s law.

Moore’s wet heeft het verbazingwekkend lang volgehouden. 50 jaar lang is er eigenlijk geen onderbreking geweest en pasten er meer en meer transistoren op een chip. De laatste jaren lijkt er echter een kentering te zijn. Net nu de vraag naar supersnelle chipsets explodeert door toepassingen als AI claimen experts dat het tempo stagneert. Brian Krzanich, de huidige Intel CEO, zegt hierover: “De laatste twee technologie transities tonen dat de cadans nu eerder twee en een half jaar is dan twee.” Dit komt mede doordat het niet goed meer mogelijk is om chips nog verder te verkleinen. Beneden de 4 nm doet het zogenaamde quantum tunneling effect zich voor. Dit wil zeggen dat electronen, op nano schaal, niet altijd op hun plek kunnen worden gehouden.

Het ERI programma

Om de ontwikkeling van AI, en een Amerikaanse AI voorsprong te behouden, zal deze horde toch genomen moeten worden. Om de ontwikkeling van processoren de benodigde boost te geven, heeft DARPA het ERI programma in leven geroepen.

Het ERI programma is verdeeld in drie onderdelen, zogenaamde thrusts. Elk van deze thrusts zal er op gericht zijn om specifieke vraagstukken aan te pakken. hierbij valt te denken aan het gebruik van onconventionele materialen op chipsets, nieuwe ontwerp technieken of zelfs een geheel nieuwe architectuur. Het zou dus zomaar kunnen dat de processors van de toekomst van de huidige Neumann architectuur zullen zijn afgestapt.

The ERI will kickstart new chips for better AI

De nieuwe space race

Het lijkt er op dat het vergroten van de AI voorsprong, met het ERI programma, weer hoger op het prioriteitenlijstje is gekomen. Zeker nu China grote investeringen doet en met rappe schreden nadert. De strijd om de beste AI algorithmen wordt dan ook weleens gekscherend “de nieuwe space race” genoemd. Het al me dan ook niet verbazen als Europa zich binnenkort ook op het toneel meldt. Belangrijker dan de strijd tussen landen is misschien wel wat voor moois bedrijven en NGO’s met vergaande AI mogelijkheden kunnen doen. Wat dat betreft houd de analogie met de space race aan. Ook toen werden er veel technologieën ontwikkeld die uiteindelijk bij de consument terecht zijn gekomen.Die muis die je vast hebt, die laptop waar je op werkt, zijn slechts twee voorbeelden van technologieën die bij NASA vandaan komen. Wij kijken in ieder geval uit naar alle nieuwe mogelijkheden die verbeterde chipsets zullen bieden.

Bron: DARPA

> Read full DARPA wil nieuwe chipsets voor AI post


Fraiday #6: AI for Good

Fraiday is the monthly meet-up for professionals who are AI-curious. We have a simple format: involving beers, a theme, lively debate and a group picture.

Fraiday #06 AI for Good 29-09-2017 photo by Mike Breeuwer 19

On 29 September we gathered at the Startup Village to hear from an all-star at the 6th edition of Fraiday. YouTube celebrity Siraj Raval, Jan Kees Schakel from Sensing Clues and Rutger Hofste from the World Resources Institute took the stage to shine some light on the ways that NGO’s are using Machine Learning to improve the world.

The stacked containers of the Startup Village at the Amsterdam Science Park provided the decor for this Fraiday. As people gathered at the bar in anticipation of the speakers it quickly became clear that Fraiday’s turnout is steadily increasing. 85 AI enthusiasts came to hear how they could make a difference.

Read More

> Read full Fraiday #6: AI for Good post


Adoptie van robotica werkt alleen als alle stakeholders aan boord zijn

Gezamenlijk plannen en dialoog tussen diverse beroepsgroepen en stakeholders is essentieel bij het implementeren van AI en robotica. Onderzoek van het VTT Technical Research Centre of Finland, een Fins publiek instituut, in de zorgsector heeft dit uitgewezen.

Vanwege de vergrijzing en het personeeltekort in de zorg kijken veel zorgaanbieders naar robotisering om het serviceniveau op peil te houden. Gezien de aard van het werk is robots inzetten ter ondersteuning echter niet zo straight-forward als dat voor sommige andere projecten is. Zorg en welzijnswerk is in beginsel mensenwerk.

De onderzoekers hebben de implementatie van een state of the art gerobotiseerd logistiek systeem getest. Net als in Nederland, staat de implementatie van geautomatiseerde logistieke systemen nog in de kinderschoenen. Het Seinäjoki Hospitaal zal met 5 tot 8 bezorgrobots dan ook één van de pioniers zijn. Tijdens de studie is een pilot gedraaid met 2 van deze robots.

Ziekenhuizen hebben normaliter 24/7 te maken met leveringen, het systeem heeft de beschikbaarheid van voorraden verbeterd en congestie op de gangpaden aanzienlijk verminderd. Ook zijn de personeelskosten en de fysieke belasting van het werk gedaald. Het personeel is ook overwegend positief over de robots.

Natuurlijk heeft de introductie van een dergelijk systeem verschillende effecten op de beroepsgroepen die in een dergelijke organisatie samenkomen. Vooral de mate waarin men het gevoel heeft controle over het eigen werk te hebben, is samen met waardering voor het werk een belangrijke factor.

Uit de studie is gekomen dat zorgvuldigheid bij het plannen, de pilots en de implementatie essentieel zijn. “Terwijl het systeem wordt uitgebreid met nieuwe robots en typen leveringen, zal er nog meer begeleiding, communicatie en dialoog nodig zijn dan voorheen. gezamelijk plannen met de verschillende stakeholders zorgt er voor dat de implementatie zo soepel mogelijk verloopt. Zo is het makkelijker de beoogde voordelen te realiseren.” zegt Inka Lappalainen, Senior Scientist van het ROSE project hierover.

Bron: ROSE project

> Read full Adoptie van robotica werkt alleen als alle stakeholders aan boord zijn post


Fraiday #5: Let’s Get Practical!

Fraiday is the monthly meet-up for professionals who are AI-curious. We have a simple format: involving beers, a theme, lively debate and a group picture.

Fraiday #05 Lets get Practical 25-09-2017 40

Photos courtesy of Mike Breeuwer. Click the photo for the whole album!

The 5th edition of Fraiday was all about practical application of AI. Bart Vredebrecht from Aiir Innovations and our very own Michiel Berger were there to educate participants on all the ins and outs of AI projects.

For a change of scenery, this edition of Fraiday was at Freedomlab. Upon entering it was immediately clear that it is a place that defies definition. Co working-space, maker-space and innovation hub are all lables that sort of fit the bill at this “Institute for Redefinition” that is all about improving the way we life, work and relate to one another.

Bart gave us an overview of the triumphs and pitfalls that a real life AI project entails. He is the CEO of Aiir Innovations, an AI company that helps airlines with inspection of aircraft engines. He highlighted that a team of human + AI will outperform either of them alone.

After this introductory talk the group split into two breakout sessions. One group, meant for people who are already implementing AI, went with Michiel and discussed practical issues relating to that. The other group, which consisted of the AI curious, was introduced to the Machine Learning Canvas by Bart. The Machine Learning Canvas, which is based on the Business Model Canvas,

Fraiday #05 Lets get Practical 25-09-2017 47

Photos courtesy of Mike Breeuwer. Click the photo for the whole album!

After all that learning the group needed some nourishment, which duly arrived. The post-event discussions were held under the enjoyment of pizza and drinks. If you’d like to see the pics that were made during the day. Click here for the Facebook album.

At the next Fraiday, on 29 September, we’ll find out about all the different ways that AI can be used for good in non-commercial settings. Curious about the possibilities? Join us!

> Read full Fraiday #5: Let’s Get Practical! post