Kunstmatige intelligentie te huur

© Fraunhofer IPA, Foto: Rainer Bez

© Fraunhofer-Gesellschaft

Om Kunstmatige Intelligentie te kunnen gebruiken, heeft een bedrijf niet per se een erkend specialist nodig. Een Fraunhofer-studie toont hoe kleine en middelgrote bedrijven in plaats daarvan kunnen handelen.

Kunstmatige intelligentie (KI) helpt bij het optimaliseren van productieprocessen en zo geld te besparen. Kleine en middelgrote bedrijven missen echter vaak de expertise om deze toekomstige technologie te benutten. Ze kunnen wel de benodigde gegevens verzamelen, maar falen in de analyse ervan. Hier helpen grote cloud-aanbieders. Zij bieden eenvoudige digitale tools die grote datasets verwerken en KI-oplossingen leveren. Experts spreken van »Machine Learning-as-a-Service-platformen«. Zo kan elk bedrijf zonder uitgebreide ervaring met kunstmatige intelligentie instappen en modellen laten ontwikkelen die bijvoorbeeld foutieve werkstukken automatisch herkennen.

Meest voorkomende toepassingsgevallen op vier platforms in vergelijking

Maar welke platform is geschikt voor welke taak? De Fraunhofer-instituten voor productie techniek en automatisering IPA en voor arbeidsorganisatie en organisatie IAO in Stuttgart hebben de benaderingen van de vier grootste aanbieders – AWS, Google, IBM en Microsoft – vergeleken. Ze implementeerden oplossingen voor vier toepassingsgevallen die in de praktijk vaak voorkomen en vier categorieën van gegevens omvatten: tabelgegevens, tekst-, beeld- en tijdreihgegevens:

- Klantverloop: Voor hotels is het voordelig om vroeg te weten bij welke gasten een annulering dreigt. Mogelijk zit er al een aanwijzing in de tabelgegevens van boekingen. KI kan deze opsporen en een bijbehorend algoritme ontwikkelen.
- Tekstclassificatie: Teksten kunnen aan verschillende categorieën worden toegewezen, zoals cultuur, sport en politiek. Zo kan bijvoorbeeld een persbureau automatisch een archief bijhouden.
- Beeldherkenning: Bij de productie speelt beeldanalyse een belangrijke rol. Zo kunnen defecten op het product worden vastgesteld met camerasystemen. KI helpt deze controle te automatiseren. Uit een grote hoeveelheid met metadata verrijkte, zogenaamde geannoteerde beelden leert de KI fouten te herkennen.
- Gereedschapsslijtage: Een freeskop op het juiste moment vervangen, bespaart geld. Te vroeg ingrijpen verspilt materiaal, te laat ingrijpen riskeert een lange stilstand van de productie. KI leert de tijdreihgegevens van trillingen en stroomverbruik te interpreteren om de toestand van de freeskop correct in te schatten.

Over het algemeen geldt voor KI-oplossingen: hoe meer gegevens beschikbaar zijn en hoe beter de kwaliteit van de gegevens, des te betrouwbaarder het gegenereerde model werkt. Bij de vergelijking van de platforms hebben de Fraunhofer-wetenschappers steeds de meest toegankelijke oplossing gekozen. Vaak hoefde alleen de dataset te worden geüpload en te worden voorzien van een annotatie: bij beeldverwerking bijvoorbeeld door elk beeld te labelen met correct of foutief. Vervolgens leverde het platform het gewenste model inclusief de voorspellingsnauwkeurigheid.

Resultaten

De Fraunhofer-studie heeft aangetoond dat de oplossingen van alle aanbieders sterke punten laten zien en geen diepgaande vakkennis vereisen. Natuurlijk zijn er enkele verschillen. Sommige platforms zijn intuïtiever te bedienen dan andere. Ook werken sommige KI-modellen alleen op de cloud van de aanbieder, terwijl andere kunnen worden geëxporteerd en op eigen servers kunnen worden geïnstalleerd.

Welke platform wordt aanbevolen voor welke toepassing, wordt in de studie »Cloudgebaseerde KI-platformen – Kansen en grenzen van diensten voor Machine Learning as a Service« uiteengezet. Deze is te downloaden via de volgende link: https://www.ki-fortschrittszentrum.de/de/studien/cloudbasierte-ki-plattformen.html