Log in
inloggen bij Cement
Hulp bij wachtwoord
Geen account?
shop word lid
Home / Alle kennis / Blogs

Kunstmatige Intelligentie: kans of 'fuik'?

Kunstmatige Intelligentie (KI), of Artificiële Intelligentie (AI), is aan veel tafels onderwerp van gesprek. Met sprankelende voorbeelden, zoals de afwijking in de kleur van Heinekenbier of juist de bedreigende voorbeelden, zoals het algoritmefuik van YouTube. Zelden lees ik over de unieke toepassingen en de kansen die het biedt in onze bouw- en infrastructuursector. Ik moet toegeven dat ik hierover zelf ook nauwelijks communiceer, terwijl wij inmiddels allerlei toepassingen kennen.

Ir.ing. S.M. (Sander) den Blanken RO (47) studeerde Civiele Techniek aan de TU Delft. Hij heeft meer dan twintig jaar ervaring bij diverse ingenieursbureaus, waaronder Arcadis, Ingenieursbureau Gemeente Amsterdam en Arup. Sinds maart 2019 is Den Blanken managing director van BAM Infraconsult en sinds augustus 2020 statutair directeur van BAM Infra Assetmanagement, beide onderdeel van BAM Infra Nederland. Samen met Dorien Staal, statutair directeur van betonfabriek Voorbij Prefab, neemt hij gedurende een jaar de column in Cement voor zijn rekening.

Onderzoeksuniversiteit MIT investeert fors in een nieuwe leergang, waarbij AI een kernvak is van alle opleidingen. Dat betekent dat over vijf jaar niet alleen wiskundigen op de arbeidsmarkt komen met AI-kennis en -ervaring, maar dat vanuit alle opleidingsrichtingen mensen weten hoe je AI kunt gebruiken. Om deze reden wil ik in deze column graag stilstaan bij enkele toepassingen en bij wat dit betekent voor onze toekomst.

Expertise blijft noodzakelijk

Een specifieke toepassing van AI die zich in onze sector steeds verder uitbreidt, is de zogenoemde Expertsysteemmethode. Deze methode is gebaseerd op bestaande kennis van menselijke experts en bestaande data, en werkt op basis van vooraf ingevoerde basisregels. In sommige gevallen worden deze basisregels afgeleid uit trainingsdata door middel van machine learning.

Angst is achterhaald

Er bestaat enige angst voor AI en die is terug te voeren tot een rapport van Oxford University uit 2013, waarin onderzoekers voorspelden dat de helft van alle werknemers vervangbaar zou worden. Die voorspelling is inmiddels bestempeld als achterhaald. Vier jaar na de eerste studie kwam dezelfde vakgroep in 2017 met een nieuwe analyse. AI neemt alleen bepaalde taken over en dus niet zo zeer banen. Door AI kunnen mensen zich meer richten op andere of nieuwe taken met andere vaardigheden, zoals originaliteit en de competentie om conclusies te trekken op grond van data.

Van wetenschap naar praktijk

Een vroeg wetenschappelijke onderzoek naar de voorspelling van de betonsterkte (op basis van parameters zoals de betonmix, grootte, vorm, uithardingstechniek en omstandigheden) toonde al aan dat je door de toepassing van AI de nauwkeurigheid van de voorspelling vele malen kunt verbeteren. Het bedrijf Converge borduurde hierop voort en heeft het eerste commerciële zelflerende systeem gebouwd om het verhardingsproces van beton te voorspellen. Hiervoor is een enorme hoeveelheid aan technische data over betonverharding geanalyseerd. Deze ‘strength prediction engine’ is door Converge ontwikkeld in samenwerking met BAM en is succesvol toegepast bij de uitbreiding van London City Airport.

Patroonherkenning

Andere toepassingen zien wij terug bij met name inspecties, naar analogie van gezichtsherkenning. Mooi voorbeeld is Sobolt, het bedrijf dat samen met Movares werkt aan de ontwikkeling van een deep learning bruginspectie-applicatie. De algoritmische analyse van dronebeelden, die is getraind door input van experts, biedt nauwkeurige rapportage van defecten en schades. Hierbij passen zij circa 80% kunstmatige intelligentie en 20% menselijke intelligentie toe. Dit leidt tot significant lagere kosten en een hogere betrouwbaarheid. Het maakt een tijdige besluitvorming over noodzakelijk onderhoud en eventuele reparatie mogelijk. Een ideaal scenario voor beheerders van bruggen, sluizen en tunnels.

De zogenaamde 'speld in een hooiberg' is alleen structureel vindbaar met behulp van algoritmes

‘Speld in de hooiberg’ is vindbaar

Het analyseren van de toestand van bestaande betonnen bruggen vergt de verwerking van veel ongestructureerde data, waarbij met name de ‘afwijkende’ data interessant is. De zogenaamde ‘speld in een hooiberg’ is alleen structureel vindbaar met behulp van algoritmes. Zoektechnieken die al zijn toegepast bij het analyseren van herkenning van asfaltschade, de inspectie van geleiderails en nu dus ook bij viaducten. Hierbij maak je gebruik van ‘open source’ algoritmes, die worden aangepast voor specifieke ontwikkeldoeleinden. De kennis die in de hoofden zit van mensen, wordt vertaald naar datasets en beslisregels. Een goed voorbeeld is hoe een inspecteur kijkt naar een scheur in een betonconstructie. Waar let hij op? Hoe beoordeelt hij het schadepatroon? Deze impliciete beoordeling moet worden verwerkt in het algoritme. Dit moet leiden tot het zichtbaar maken van het patroon en het vaststellen van de afwijking in de dataset. De uitdaging zit er vooral in om de vertaalslag te maken van de kennis en ervaring naar data en beslisregels.

Omarmen is het devies

Het is niet de vraag of we iets met AI willen, maar hoe we het omarmen in onze sector. We hebben veel domeinkennis. De kunst is om dit te verbinden met AI-technologie en -data. De wijze waarop we inspecties uitvoeren is al in transitie naar een datagedreven vorm. Als we een parallel trekken, kunnen we deze aanpak ook vertalen naar onder andere het monitoren van bouwplaatsen, het dragen van Persoonlijke Beschermings Middelen (PBM’s) en het ontwerpen van (prefab) viaducten. De mogelijkheden zijn legio. De crux zit in het omarmen van deze nieuwe wijze van denken en het samen in gang zetten van deze verandering.

Het is niet de vraag of we iets met AI willen, maar hoe we het omarmen in onze sector

Naast de businessmogelijkheden is er ook een wereld te winnen om betere besluiten te nemen op basis van interpretatie van data. Hiermee kunnen we de menselijke factor bij het ‘ontkennen’ van eerder gemaakte foutieve inschattingen beter herkennen. Ook kunnen we het voorspellend karakter van investeringen vergroten. AI kan ondersteunen zowel aan de faalkostenkant als aan de onderhoudskostenkant om te komen tot betere besluiten, met een positief effect op onze schaarse middelen en een positief businessresultaat. In tijden van crisis gloort er dus hoop als we in staat zijn kunstmatige intelligentie te omarmen, elkaar te wijzen op de mogelijkheden en eventuele valkuilen samen te voorkomen.

Reacties

Renda ©2021. All rights reserved.

Deze website maakt gebruik van cookies. Meer informatie AccepterenWeigeren