S05E55 - Optimalisatie en ondersteuning met AI in de industrie

In deze aflevering van AIToday Live hebben we Nienke Vergeer te gast. Nienke is Digital Innovation Manager bij Siemens Digital Industries en zij zal ons meer vertellen over de rol van kunstmatige intelligentie (AI) in de industrie.

Ontdek hoe AI kan bijdragen aan het oplossen van maatschappelijke vraagstukken en het optimaliseren van processen. Nienke legt uit hoe AI kan helpen bij energiemonitoring, predictive maintenance en simulaties.

Daarnaast bespreken we de uitdagingen van het optimaliseren en implementeren van AI in de industrie. Luister nu en leer meer over de mogelijkheden en uitdagingen van AI in de industrie!

Links

• Website: Siemens Digital Industries (https://new.siemens.com/global/en/products/automation.html)

Aigency
Aigency ontwerpt en ontwikkelt waardevolle, robuuste en betrouwbare Machine Learning-modellen.

Info Support
Info Support is de specialist in maatwerk software en leidend in kunstmatige intelligentie (AI).

Disclaimer: This post contains affiliate links. If you make a purchase, I may receive a commission at no extra cost to you.

Schrijf je in voor onze nieuwsbrief en ontvang exclusieve toegang tot nieuws, blik achter de schermen en meer!

Transcript

1
00:00:00,000 --> 00:00:09,440
Welkom bij een nieuwe aflevering van AIToday Live. Leuk dat je weer luistert. Mijn naam is Joop

2
00:00:09,440 --> 00:00:13,800
Snijder, CTO bij Aigency. Mijn naam Niels Naglé, chapter lead, Data & AI bij Info Support.

3
00:00:13,800 --> 00:00:22,560
En vandaag hebben we te gast Nienke Vergeer. Nienke, welkom in de aflevering. Zou je je willen

4
00:00:22,560 --> 00:00:27,320
voorstellen aan de luisteraars? Natuurlijk. Nou ja, Nienke Vergeer dus. Ik ben Digital

5
00:00:27,320 --> 00:00:32,720
innovation manager binnen Siemens Digital Industries. Het zegt toch wel gelijk, binnen de industrie.

6
00:00:32,720 --> 00:00:38,800
Ik weet niet hoe goed de luisteraars Siemens een beetje kennen, dus niet de waterwassers.

7
00:00:38,800 --> 00:00:43,840
Oh ja, precies. Wat dan wel?

8
00:00:43,840 --> 00:00:51,360
Wat dan wel? Industrie, fabrieken bijvoorbeeld, maar ook de waterschappen, chemische plants,

9
00:00:51,360 --> 00:00:59,440
alles wat beweegt in een fabriek in principe, van productiemachines tot processen, water flows,

10
00:00:59,440 --> 00:01:05,480
van alles en hoe je dat aan moet sturen. Ja grappig want ik had zelf natuurlijk ook een associatie met

11
00:01:05,480 --> 00:01:10,880
Siemens en juist inderdaad de huiselektronica. Dus interessant om dat te horen dat er ook een

12
00:01:10,880 --> 00:01:17,360
hele andere tak is. Er zijn heel veel andere takken. Die huisproducten zijn exact niet Siemens meer,

13
00:01:17,360 --> 00:01:20,840
Dat is juist verkocht. Er zit alleen nog een brand label op.

14
00:01:20,840 --> 00:01:23,520
Ja, nadat de lampen eigenlijk ook niet meer van Philips zijn.

15
00:01:23,520 --> 00:01:24,520
Exact.

16
00:01:24,520 --> 00:01:32,040
En wat betekent kunstmatige intelligentie voor de industriële tak waar jij je dan in begeeft?

17
00:01:32,040 --> 00:01:37,520
Kunstmatige intelligentie betekent vooral, ik wil niet zeggen een droom,

18
00:01:37,520 --> 00:01:44,120
maar een enabler voor heel veel mogelijkheden om uiteindelijk bepaalde maatschappelijke vraagstukken...

19
00:01:44,120 --> 00:01:48,560
die veel fabrieken hebben op te lossen, maar ook efficiënter te gaan werken,

20
00:01:48,560 --> 00:01:54,360
meer te kunnen produceren, om te kunnen gaan met de verouderde arbeidsmarkt.

21
00:01:54,360 --> 00:01:57,660
Ik denk in de IT hoef je dat niet te zeggen. Er zijn niet zo veel mensen te vinden

22
00:01:57,660 --> 00:02:05,280
in de techniek, al helemaal niet. Dus dat is best wel lastig. Terwijl we in principe

23
00:02:05,280 --> 00:02:09,760
ook meer moeten produceren met minder mensen. We moeten allerlei uitdagingen

24
00:02:09,860 --> 00:02:14,620
op gaan lossen en daar is AI een van de mogelijkheden van om daarmee om te kunnen gaan.

25
00:02:14,620 --> 00:02:18,980
Heb je nog een ander voorbeeld van een maatschappelijk probleem wat daarmee opgelost moet worden?

26
00:02:18,980 --> 00:02:19,980
Duurzaamheid.

27
00:02:19,980 --> 00:02:20,980
Duurzaamheid, ja!

28
00:02:20,980 --> 00:02:21,980
Behoorlijke!

29
00:02:21,980 --> 00:02:22,980
Klein uitdaging.

30
00:02:22,980 --> 00:02:31,580
We stoten gewoon een derde van de CO2 uitstoot met z'n allen met fabrieken uit ter wereld.

31
00:02:31,580 --> 00:02:35,940
Dus daar hebben we best wel een uitdaging waar we mee moeten dealen en verantwoordelijkheid

32
00:02:35,940 --> 00:02:41,180
Maar wat echt niet makkelijk is, want we moeten tegelijkertijd ook door blijven gaan met produceren...

33
00:02:41,180 --> 00:02:44,980
en de wereld draaiende houden in principe. Dus je kan niet stoppen.

34
00:02:44,980 --> 00:02:50,380
- Dat was een spannende beweging. - Ja, dat ging automatisch.

35
00:02:50,380 --> 00:02:54,220
Er kwam geen kunstmatige intelligentie aan te pas, slechts een natuurkracht.

36
00:02:54,220 --> 00:02:57,580
- De zwaartekracht doet het ook. - Ja, de zwaartekracht doet het ook.

37
00:02:57,580 --> 00:03:04,060
- Maar dat is dus een topic waar je echt wel actief mee bezig moet zijn...

38
00:03:04,060 --> 00:03:09,460
en waar AI een van de mogelijkheden kan zijn om uiteindelijk bijvoorbeeld de duurzaamheidsvraagstukken binnen fabrieken op te lossen.

39
00:03:09,460 --> 00:03:11,460
Zie je daar al een toepassing van?

40
00:03:11,460 --> 00:03:16,660
Bijvoorbeeld in energie monitoring zie je terugkomen.

41
00:03:16,660 --> 00:03:24,060
Als je bijvoorbeeld naar productiemachines kijkt en naar het energienet, als je dat combineert, dan heb je vaak last.

42
00:03:24,060 --> 00:03:29,660
Die machines gaan allemaal om 7 uur 's ochtends aan, die pieken je stroombelasting op je net.

43
00:03:29,660 --> 00:03:34,660
Wat je eigenlijk wil gaan doen, kijken of bijvoorbeeld met de AI algorithms die machines net op een ander moment,

44
00:03:34,660 --> 00:03:44,900
zodat op momenten dat het netwerk niet belast is, het juiste moment te starten of het juiste moment iets harder te zetten of zachter te zetten,

45
00:03:44,900 --> 00:03:46,900
zodat je bijvoorbeeld peak shaving doet.

46
00:03:46,900 --> 00:03:47,900
Ja, precies.

47
00:03:47,900 --> 00:03:51,900
Dus dat soort dingen zou je eventueel door AI ook kunnen helpen.

48
00:03:51,900 --> 00:03:57,160
Ja, dat is dan wel heel erg in samenwerking met de mensen die misschien bij de machines en met de machines aan het werk zijn,

49
00:03:57,160 --> 00:04:00,440
waar dat ook impact heeft. Dat is best wel een complex vraagstuk, lijkt mij zo.

50
00:04:00,440 --> 00:04:02,920
Veel van dit soort vraagstukken zijn best wel complex.

51
00:04:02,920 --> 00:04:05,400
Want het is enerzijds de mensen die met de machines werken,

52
00:04:05,400 --> 00:04:08,760
maar je gaat ook... De wereld is ook groter geworden.

53
00:04:08,760 --> 00:04:12,280
Als je vroeger bijvoorbeeld kijkt, bijvoorbeeld het implementeren van bepaalde technologie

54
00:04:12,280 --> 00:04:15,320
in zo'n fabriek, dan was het bubbeltje in de fabriek.

55
00:04:15,320 --> 00:04:19,320
Maar nu heb je de combinatie naast de mensen die met de productiemachine werken,

56
00:04:19,320 --> 00:04:21,240
maar ook de mensen bijvoorbeeld die de netbeheer,

57
00:04:21,240 --> 00:04:24,680
dus de stroomcapaciteiten, de gebouwbeheer.

58
00:04:24,680 --> 00:04:32,520
Dus het komt heel veel stakeholders komen met elkaar samen, waar een technologie dan inderdaad de bindende factor voor kan zijn.

59
00:04:32,520 --> 00:04:38,120
En hoe zit het dan met die samenwerking tussen die partijen? Is dat dan gewoon een afspraak die je onderling maakt?

60
00:04:38,120 --> 00:04:43,840
Dat is dus de discussie die ook veel al gaande is. Dat is de moeilijkheidsgraad voor heel veel vlakken.

61
00:04:43,840 --> 00:04:47,000
Dus dat is nog niet een beton gegoten.

62
00:04:47,000 --> 00:04:50,680
Maar wel onderweg, dus goed dat de gesprekken lopen inderdaad.

63
00:04:50,680 --> 00:04:54,980
Dat gaat natuurlijk wel het verschil maken, dat je die informatie beschikbaar maakt...

64
00:04:54,980 --> 00:04:58,660
en bij elkaar kan brengen en met elkaar de juiste stappen kan nemen.

65
00:04:58,660 --> 00:05:02,020
Met alle belangen die natuurlijk verschillend zijn in het geheel.

66
00:05:02,020 --> 00:05:07,860
En dat is dan AI voor een stukje inzicht en opstartprocessen.

67
00:05:07,860 --> 00:05:11,180
Heb je nog andere voorbeelden? - Zeker.

68
00:05:11,180 --> 00:05:15,980
Als je bijvoorbeeld naar de industrie kijkt, dan is één de grote belofte...

69
00:05:15,980 --> 00:05:18,660
voor veel is predictive maintenance.

70
00:05:18,680 --> 00:05:23,440
Als hij dan binnenkort kapot gaat, dat hij ook bijvoorbeeld een connectie gaat maken naar bijvoorbeeld je HR-systeem,

71
00:05:23,440 --> 00:05:26,820
zodat de juiste monitor op het juiste moment staat, of je ERP-systeem,

72
00:05:26,820 --> 00:05:28,740
zodat je ook met de juiste spullen boel staat,

73
00:05:28,740 --> 00:05:30,400
zodat je ook met de juiste spullen boel staat,

74
00:05:30,400 --> 00:05:32,000
zodat je ook met de juiste spullen boel staat,

75
00:05:32,000 --> 00:05:34,000
zodat je ook met de juiste spullen boel staat,

76
00:05:34,000 --> 00:05:36,000
zodat je ook met de juiste spullen boel staat,

77
00:05:36,000 --> 00:05:38,000
zodat je ook met de juiste spullen boel staat,

78
00:05:38,000 --> 00:05:40,000
zodat je ook met de juiste spullen boel staat,

79
00:05:40,000 --> 00:05:42,000
zodat je ook met de juiste spullen boel staat,

80
00:05:42,000 --> 00:05:44,000
zodat je ook met de juiste spullen boel staat,

81
00:05:44,000 --> 00:05:46,000
zodat je ook met de juiste spullen boel staat,

82
00:05:46,000 --> 00:05:51,000
dat je ook met de juiste spullen boel staat, zodat dat allemaal met elkaar gesynchroniseerd is.

83
00:05:51,000 --> 00:05:57,000
En niet blijft hangen bijvoorbeeld door alleen het algoritme wat op de machine draait.

84
00:05:57,000 --> 00:06:02,000
Ja, leuk dat het daar leuk af gaat, maar er moet ook nog actie ondernomen worden en daarmee te acteren inderdaad.

85
00:06:02,000 --> 00:06:08,000
Vraagt u bij mij, als ik over industrie en AI in mijn toepassing lees, heel veel wordt er ook met simulaties al gewerkt.

86
00:06:08,000 --> 00:06:09,000
Klopt, digital twins.

87
00:06:09,000 --> 00:06:12,000
Ja, en hoe gaat AI daarbij ondersteunen?

88
00:06:12,000 --> 00:06:19,220
Daar zit AI veel al in. Bijvoorbeeld we hebben een best wel een groot project gehad

89
00:06:19,220 --> 00:06:24,420
een aantal jaren geleden al die best wel vooruitstrevend was. Dat was binnen Airborne.

90
00:06:24,420 --> 00:06:32,940
Dat is een fabrikant die bijvoorbeeld covers van laptops maakt en die hadden wat in de industrie

91
00:06:32,940 --> 00:06:37,620
best wel een dingetje is bijvoorbeeld omsteltijden. Dus hoe ga je nou zo snel mogelijk van de ene

92
00:06:37,620 --> 00:06:41,260
setting van je machine naar de andere setting van je machine zodat je andere producten kan

93
00:06:41,260 --> 00:06:45,820
En zij wilde eigenlijk doorberekenen, oké, we hebben een productiemachine, een lijn staan,

94
00:06:45,820 --> 00:06:48,980
die eigenlijk niet functioneert, niet de output levert die wij nodig hebben.

95
00:06:48,980 --> 00:06:51,860
Hoe ga ik dat nou fixen?

96
00:06:51,860 --> 00:06:55,580
Met de veronderstelling van, we hebben bijvoorbeeld een robot hier staan,

97
00:06:55,580 --> 00:07:00,260
dat is echt de superstar van onze lijn.

98
00:07:00,260 --> 00:07:03,460
Maar daaruit bleek eigenlijk dat zij de bottleneck was van de lijn.

99
00:07:03,460 --> 00:07:06,020
Uiteindelijk door middel van een algoritme over de lijn,

100
00:07:06,020 --> 00:07:07,620
die ze dan in de lijn hadden gepland,

101
00:07:07,620 --> 00:07:09,180
dat zij de bottleneck was van de lijn.

102
00:07:09,180 --> 00:07:11,780
Uiteindelijk door middel van een algoritme overheen te halen...

103
00:07:11,780 --> 00:07:14,940
om te kijken hoe we alles precies zo kunnen afstellen...

104
00:07:14,940 --> 00:07:17,860
zodat de meest optimale flow er plaatsvindt.

105
00:07:17,860 --> 00:07:20,540
Met heel veel berekeningen er overheen.

106
00:07:20,540 --> 00:07:22,300
Gezondheid. -Ja, dank je.

107
00:07:22,300 --> 00:07:24,860
Maar daar bleek dus uit...

108
00:07:24,860 --> 00:07:28,620
Ze wilden eerst bijvoorbeeld zetten er zoveel mogelijk bakjes op die band...

109
00:07:28,620 --> 00:07:30,260
die erop passen.

110
00:07:30,260 --> 00:07:34,180
Nu bleek dat er gewoon een derde van de bakjes minder op die band moest.

111
00:07:34,220 --> 00:07:40,420
dat de robotarm eigenlijk te snel was voor het proces en daardoor eigenlijk alles kapot maakte.

112
00:07:40,420 --> 00:07:44,820
En als je die bijvoorbeeld 9 centimeter opschoof, dat het helemaal weer in synch was.

113
00:07:44,820 --> 00:07:48,660
En daardoor bijna dubbel aan productie kon draaien.

114
00:07:48,660 --> 00:07:49,860
- Wat een verschil.

115
00:07:49,860 --> 00:07:52,980
- Ja, en dat is gewoon heel veel geld wat je daardoor kunt creëren.

116
00:07:52,980 --> 00:07:57,700
Dus dat is een andere soort en daar gaan we die combinatie met simulatie maken.

117
00:07:57,700 --> 00:08:00,960
Want in principe wil je dan in eerste instantie, heb je die hele productielijn gemaakt,

118
00:08:00,980 --> 00:08:02,980
hoe je dat allemaal kan laten bewegen,

119
00:08:02,980 --> 00:08:08,480
hoe je daar bijvoorbeeld al kan simuleren dat die bepaalde fouten er al uit halen van tevoren,

120
00:08:08,480 --> 00:08:12,580
door middel van een digital twin, en ook bijvoorbeeld het virtuele bedrijf stellen,

121
00:08:12,580 --> 00:08:17,580
zodat je bijvoorbeeld je productielijn die je dan wil plaatsen,

122
00:08:17,580 --> 00:08:21,780
dat je die niet in de praktijk hoeft te testen op trial and error, of die wel of niet kapot gaat,

123
00:08:21,780 --> 00:08:23,880
maar dat je dat van tevoren kunt simuleren.

124
00:08:23,880 --> 00:08:25,980
En dan heb je ook de technische aspecten,

125
00:08:26,080 --> 00:08:30,080
Dat je die niet in de praktijk hoeft te testen op trial and error, of die wel of niet kapot gaat.

126
00:08:30,080 --> 00:08:34,560
Maar dat je dat van tevoren al eigenlijk helemaal, bijvoorbeeld je hele code al door getest hebt,

127
00:08:34,560 --> 00:08:40,540
op een virtuele manier waar je bijvoorbeeld ook AI algoritme werk kan gebruiken, of AI algoritmes kan gebruiken,

128
00:08:40,540 --> 00:08:42,540
om bijvoorbeeld een deel van de code te laten schrijven.

129
00:08:42,540 --> 00:08:48,800
Je ziet bijvoorbeeld nu ook die JTPT integratie, die een deel van de productiecode kan gaan schrijven.

130
00:08:48,800 --> 00:08:54,560
Die is nu opkomende, wat alweer een uitdaging is met IP. - Zeker.

131
00:08:54,560 --> 00:09:00,160
Dus daar zie je nu wel die combinaties komen waar die twins met elkaar gaan combineren.

132
00:09:00,160 --> 00:09:03,520
En AI is in principe ook een twin voor zo'n omgeving.

133
00:09:03,520 --> 00:09:06,520
Een van de puzzelstukjes om het uiteindelijk met z'n allen te integreren.

134
00:09:06,520 --> 00:09:10,400
Ja, gaan we wel even een klein stapje meer even de twin in,

135
00:09:10,400 --> 00:09:12,080
wat voor mij ook wel een passie is inderdaad.

136
00:09:12,080 --> 00:09:18,680
Zo'n twin zie je vaak in simulatie en in werkelijkheid wordt de hardware neergezet en dat verweert.

137
00:09:18,680 --> 00:09:21,760
En dat heeft allemaal uitdagingen die in de simulatie natuurlijk wat moeilijker is,

138
00:09:21,760 --> 00:09:23,040
die je wel probeert na te bootsen.

139
00:09:23,040 --> 00:09:27,320
Hoe gaan jullie om met die data van de werkelijkheid en de simulatie?

140
00:09:27,320 --> 00:09:31,720
Het optimale wat je doet is dat je begint met je engineering proces natuurlijk.

141
00:09:31,720 --> 00:09:35,640
Dus laten we zeggen, we gaan een productiemachine van scratch aan designen.

142
00:09:35,640 --> 00:09:41,120
Dan ga je dat hele proces door met je simulatie, je twins, door alle fases heen.

143
00:09:41,120 --> 00:09:44,280
Hoe je dat uiteindelijk ook helemaal combineert met hoe dat moet interacteren met de fabriek.

144
00:09:44,280 --> 00:09:49,200
En uiteindelijk kom je in de echte wereld terecht, waarbij je de sensoriek gaat toepassen,

145
00:09:49,200 --> 00:09:51,240
waar bijvoorbeeld predictive maintenance gaat doen.

146
00:09:51,260 --> 00:09:55,260
En wat je dan idealiter ziet, is dat je eigenlijk de close loop engineering...

147
00:09:55,260 --> 00:09:59,260
of een hardware in de loop of software in de loop...

148
00:09:59,260 --> 00:10:04,260
waardoor je eigenlijk oneindig data weer terug naar het begin van het proces brengt...

149
00:10:04,260 --> 00:10:08,260
zodat je in het begin van de engineering weer de data uit het veld pakt...

150
00:10:08,260 --> 00:10:10,260
om weer verder te optimaliseren.

151
00:10:10,260 --> 00:10:12,260
- Top, mooi om te horen inderdaad.

152
00:10:12,260 --> 00:10:15,260
We hebben het er vaak over, maar het wordt niet altijd in de praktijk toegepast...

153
00:10:15,260 --> 00:10:17,260
maar die close loop inderdaad, net zoals voor AI-oplossingen...

154
00:10:17,260 --> 00:10:20,260
die feedback loop die we nodig hebben, is hier ook van essentieel belang?

155
00:10:20,260 --> 00:10:22,620
Dat is heel belangrijk. Niet dat hij er heel vaak is hoor.

156
00:10:22,620 --> 00:10:23,620
Nee!

157
00:10:23,620 --> 00:10:24,620
Maar de filosofie.

158
00:10:24,620 --> 00:10:25,620
Dat hij er moet zijn.

159
00:10:25,620 --> 00:10:30,940
Dat hij er moet zijn, dat maakt wel de kracht van, anders eindigt het op een gegeven moment

160
00:10:30,940 --> 00:10:31,940
gewoon.

161
00:10:31,940 --> 00:10:34,940
Ja, dan blijft het bij simulatie werkelijkheid en dan mis je de link inderdaad.

162
00:10:34,940 --> 00:10:37,300
Wat me nog triggert is het stukje design.

163
00:10:37,300 --> 00:10:40,100
Het wordt natuurlijk ook ontworpen, de robotiek en dat soort zaken.

164
00:10:40,100 --> 00:10:41,820
Hoe ver wordt AI daar al in toegepast?

165
00:10:41,820 --> 00:10:44,300
Want je leert heel veel van wat er in de praktijk gebeurt.

166
00:10:44,300 --> 00:10:46,020
Dat heeft een bepaalde uitwerking.

167
00:10:46,020 --> 00:10:51,020
AI is ook heel goed in nieuwe dingen ontwerpen die wij als mensen denken van het ziet er wel heel vreemd uit,

168
00:10:51,020 --> 00:10:52,420
maar wel heel goed werken.

169
00:10:52,420 --> 00:10:56,920
Ja, en je ziet het inderdaad ook al in de softwarepakket verschijnen waarbij je ontwerpsoftware,

170
00:10:56,920 --> 00:11:02,420
waar bijvoorbeeld, nou je hebt weer zo'n productiemachine, waarbij wij die AI integratie hebben,

171
00:11:02,420 --> 00:11:10,020
waarbij die bijvoorbeeld voorstellen kan doen hoe je al een bepaald component bijvoorbeeld engineert,

172
00:11:10,020 --> 00:11:12,220
of hoe je een bepaalde constructie in elkaar zet.

173
00:11:12,220 --> 00:11:14,220
Dus daar zie je het inderdaad ook al wel terugkomen.

174
00:11:14,220 --> 00:11:15,900
Ja, mooi.

175
00:11:15,900 --> 00:11:18,820
Dus alle vlakken van de keten eigenlijk.

176
00:11:18,820 --> 00:11:23,460
Nou, Aisha heeft een vraag van tevoren ingediend...

177
00:11:23,460 --> 00:11:25,700
die denk ik hier best wel op aansluit.

178
00:11:25,700 --> 00:11:28,540
Dus ik wil haar eventjes...

179
00:11:28,540 --> 00:11:30,560
Oké.

180
00:11:30,560 --> 00:11:33,080
Kom er in Aisha.

181
00:11:33,080 --> 00:11:36,380
Maar ik...

182
00:11:36,380 --> 00:11:38,180
Ze komt niet door. -Nee?

183
00:11:38,180 --> 00:11:40,200
Nee. Oh, lekker is dat weer.

184
00:11:40,200 --> 00:11:41,820
Maar daar komt ze zo wel.

185
00:11:41,840 --> 00:11:43,840
Dus nog even een bakje koffie doen. - Ja, precies.

186
00:11:43,840 --> 00:11:51,360
Nou, de vraag is, ik bedoel, ik kan hem zelf stellen.

187
00:11:51,360 --> 00:11:56,440
Ik kan hem hier. Wat is de beste manier om te testen,

188
00:11:56,440 --> 00:11:58,440
want je hebt het over die closed loop en dat soort dingen,

189
00:11:58,440 --> 00:12:02,960
om te testen dat de AI blijft doen waarvoor je hem ook ontworpen hebt?

190
00:12:02,960 --> 00:12:09,140
Ja, dat is best wel een vraagstuk waar we ook veel mee bezig zijn.

191
00:12:09,140 --> 00:12:11,160
Op een gegeven moment ga je het dan over sustainable AI hebben.

192
00:12:11,160 --> 00:12:15,760
Dus hoe ga je continu dat AI-model blijven optimaliseren,

193
00:12:15,760 --> 00:12:20,960
zodat je in de fabriek komt er best wel snel ruis doorheen, scrap doorheen.

194
00:12:20,960 --> 00:12:24,960
En hij degradeert eigenlijk vanaf het moment dat je hem aanzet.

195
00:12:24,960 --> 00:12:31,860
Dus daarmee moet je continu eigenlijk bezig blijven om dat AI-model te blijven optimaliseren,

196
00:12:31,860 --> 00:12:34,360
up-to-date te houden en optimaal te houden.

197
00:12:34,360 --> 00:12:37,360
En daar zie je nu allerlei services ontstaan,

198
00:12:37,360 --> 00:12:41,760
maar ook data scientist bij bepaalde bedrijven zelf,

199
00:12:41,760 --> 00:12:43,780
om dat te kunnen gaan doen.

200
00:12:43,780 --> 00:12:46,300
Maar dat is best wel een uitdaging, want je ziet ook vaak,

201
00:12:46,300 --> 00:12:48,760
kijk als je naar de industrie kijkt, een heel groot deel van de industrie

202
00:12:48,760 --> 00:12:50,780
bestaat gewoon uit MKB-bedrijven.

203
00:12:50,780 --> 00:12:55,760
En die hebben echt fantastische electrical engineers, mechanical engineers,

204
00:12:55,760 --> 00:12:59,160
en dat soort gasten in dienst, maar geen AI-specialisten.

205
00:12:59,160 --> 00:13:01,900
En die gaan er ook niet komen, want dat is gewoon niet

206
00:13:01,900 --> 00:13:03,920
de core business van die organisatie.

207
00:13:03,920 --> 00:13:05,940
Dus dan is het wel de vraag van, oké,

208
00:13:05,960 --> 00:13:09,360
Wij moeten als organisatie lopen tegen maatschappelijke uitdagingen aan.

209
00:13:09,360 --> 00:13:10,860
Wij moeten groeien, we moeten vooruit.

210
00:13:10,860 --> 00:13:14,160
We moeten als Nederland voor blijven lopen ten opzichte van de rest van de wereld.

211
00:13:14,160 --> 00:13:16,360
Of überhaupt mee te kunnen blijven komen.

212
00:13:16,360 --> 00:13:20,660
Dus we moeten wel hier investeren, maar we hebben niet de mensen die dit kunnen.

213
00:13:20,660 --> 00:13:22,260
En hoe ga je daar dan mee dealen?

214
00:13:22,260 --> 00:13:27,160
En als je dan bijvoorbeeld, laten we zeggen, een AI-model koopt of zo.

215
00:13:27,160 --> 00:13:29,560
Of laat implementeren.

216
00:13:29,560 --> 00:13:31,160
Dat betekent niet dat je daardoor klaar bent.

217
00:13:31,160 --> 00:13:34,960
En dan blijft het ook wel, dat is eigenlijk met alles met digitalisering, met elke twin.

218
00:13:34,960 --> 00:13:36,960
Je moet door blijven gaan.

219
00:13:36,960 --> 00:13:40,440
Want anders degradeert het gewoon en dan heb je er niks meer aan.

220
00:13:40,440 --> 00:13:43,040
Dus hoe ga je dat dan wel in je organisatie inbedden?

221
00:13:43,040 --> 00:13:46,640
Dus dat is best wel een groot vraagstuk waar veel van dat bedrijf tegenaan loopt.

222
00:13:46,640 --> 00:13:53,000
En hoe gaan we dit nou toekomstbestendig maken zodat je ook er toekomstig geld aan blijft verdienen.

223
00:13:53,000 --> 00:13:55,000
Ja, want dat wordt wel heel vaak vergeten.

224
00:13:55,000 --> 00:13:57,000
Want ze denken van, nou ja, die AI is getraind.

225
00:13:57,000 --> 00:14:01,960
Dus hiermee hebben we nu een, tussen aanhalingstekens, een zelflerend systeem.

226
00:14:01,960 --> 00:14:04,800
En vervolgens hoeven we daar niet meer naar om te kijken, toch?

227
00:14:04,800 --> 00:14:07,600
want die leert. - Nee, dus niet.

228
00:14:07,600 --> 00:14:08,800
Nee, totaal niet.

229
00:14:08,800 --> 00:14:13,560
Net wat jij zegt, hij degradeert vanaf het moment dat je hem in productie zet.

230
00:14:13,560 --> 00:14:15,080
Ja, het verandert gewoon.

231
00:14:15,080 --> 00:14:18,080
Net zoals het een hele mooie analogie is om het met een machine te vergelijken.

232
00:14:18,080 --> 00:14:19,560
De machine heeft ook onderhoud nodig.

233
00:14:19,560 --> 00:14:22,600
Die moet ook olie en gewoon onderhouden worden.

234
00:14:22,600 --> 00:14:26,880
En hetzelfde geldt voor de stromen van data en AI en de modellen die daarvoor nodig zijn.

235
00:14:26,880 --> 00:14:31,200
Ja, en daarnaast staat het ook in de fabriek best wel in een pittige omgeving.

236
00:14:31,220 --> 00:14:37,300
Dus je hoeft maar, je hebt bijvoorbeeld een helemaal gekalibreerde trillingssensoren.

237
00:14:37,300 --> 00:14:39,440
Rijd je ze even in de voorkeur terug langs.

238
00:14:39,440 --> 00:14:42,440
Hoe ga je daarmee om? Dat verandert iedere keer.

239
00:14:42,440 --> 00:14:44,360
De lading wordt misschien anders.

240
00:14:44,360 --> 00:14:46,860
Het zijn van die kleine nuance die wel het grote verschil kunnen maken.

241
00:14:46,860 --> 00:14:51,720
Zeker. Ik had een tijdje geleden al experimenteren met een productiemachine.

242
00:14:51,720 --> 00:14:55,480
En dan stonden we daar en met die trillingssensoren kwamen hele mooie grafiekjes en dingetjes uit.

243
00:14:55,480 --> 00:14:58,760
En dan zat je te kijken en dacht je, oh ja vet, nu komt er echt iets uit.

244
00:14:58,760 --> 00:15:02,200
Dit gaat me voorspellen. En vervolgens dacht ik, nou, ik reed er een vorkheftruck en dat voorbij.

245
00:15:02,200 --> 00:15:04,720
En je zag dat hele ding helemaal beleid worden.

246
00:15:04,720 --> 00:15:07,640
En dan dacht ik, ja, daar kom je precies niks mee.

247
00:15:07,640 --> 00:15:10,320
- Nou, een mooi voorbeeld, ja.

248
00:15:10,320 --> 00:15:11,840
- Dat vind ik wat mooi aan industrie.

249
00:15:11,840 --> 00:15:15,200
Het is zo dicht tegen de werkelijkheid. Je kan het gewoon aanraken.

250
00:15:15,200 --> 00:15:19,280
En de data die leeft daardoor bij mij ook vaak sneller.

251
00:15:19,280 --> 00:15:23,400
En je ziet gewoon iets bewegen en je ziet het effect hebben.

252
00:15:23,400 --> 00:15:25,160
Maar ja, in dit geval wil je dat misschien niet,

253
00:15:25,160 --> 00:15:28,000
want die ruis wil je eigenlijk uitfilteren om het goede model te hebben.

254
00:15:28,000 --> 00:15:32,880
En wat zijn de technieken die jullie daarvoor toepassen om dit eigenlijk te detecteren?

255
00:15:32,880 --> 00:15:37,640
Nu kom je erachter en dan dacht ik, maar hoe ga je dat soort dingen detecteren, afvangen?

256
00:15:37,640 --> 00:15:42,880
Ja, we hebben daar een heel verhaal omheen, maar ik ben geen AI-expert.

257
00:15:42,880 --> 00:15:48,720
We hebben allerlei knappe koppen in Duitsland zitten die dat helemaal uitgedacht hebben en

258
00:15:48,720 --> 00:15:49,800
daar actief mee bezig zijn.

259
00:15:49,800 --> 00:15:54,160
Het lijkt me ook echt iets heel specialistisch.

260
00:15:54,160 --> 00:15:55,800
Ja, dat is het wel.

261
00:15:55,800 --> 00:16:00,880
Het is echt wel specialistisch iets, maar we hebben een sustainable AI,

262
00:16:00,880 --> 00:16:06,740
er zitten allerlei concepten achter om dat te fixen.

263
00:16:06,740 --> 00:16:10,620
- Te fixen, te borgen, te detecteren en de processen eromheen.

264
00:16:10,620 --> 00:16:11,640
- Juist.

265
00:16:11,640 --> 00:16:14,120
Ja, ik kan je daar niet een heel goed antwoord op geven.

266
00:16:14,120 --> 00:16:15,320
- Nee, want dit is een antwoord.

267
00:16:15,320 --> 00:16:16,740
- Ja toch? - Absoluut.

268
00:16:16,740 --> 00:16:22,080
Wat maakt in jouw ogen de uitdaging in de industrie

269
00:16:22,080 --> 00:16:24,160
misschien anders dan in andere sectoren?

270
00:16:25,180 --> 00:16:29,780
Dan ga je een beetje naar de historie van de industrie kijken.

271
00:16:29,780 --> 00:16:34,280
Want de industrie zelf is natuurlijk super stug.

272
00:16:34,280 --> 00:16:37,300
Het bestaat uit...

273
00:16:37,300 --> 00:16:40,620
Er is een hoop historie, we hebben er heel veel geld aan verdiend.

274
00:16:40,620 --> 00:16:44,580
Daardoor bestaat er bijvoorbeeld heel veel legacy en historie staat er in Nederland.

275
00:16:44,580 --> 00:16:45,980
Maar ook in Europa.

276
00:16:45,980 --> 00:16:50,740
Dat maakt direct ook dat we op dit soort vakken vaak achterlopen ten opzichte van de rest van de wereld.

277
00:16:50,740 --> 00:16:54,300
Die eigenlijk met een green field kunnen beginnen.

278
00:16:54,320 --> 00:16:59,720
Dus eigenlijk een blanco sheet en vanaf daar kunnen we beginnen met allerlei digitale technieken.

279
00:16:59,720 --> 00:17:05,260
Wij hebben hier gewoon oude fabrieken staan die het heel goed doen, daar niet van,

280
00:17:05,260 --> 00:17:11,120
maar ook mensen die ook fantastisch werk doen, maar wel op die manier ingericht zijn,

281
00:17:11,120 --> 00:17:13,320
op die manier denken en werken.

282
00:17:13,320 --> 00:17:17,320
En die moet je dus enerzijds overtuigen om mee te komen.

283
00:17:17,320 --> 00:17:22,920
Daarnaast moet je ze dus op een andere manier laten nadenken.

284
00:17:22,920 --> 00:17:26,720
Maar je moet de fabriek ook dusdanig geschikt maken hiervoor.

285
00:17:26,720 --> 00:17:28,320
En dat kost ook behoorlijk wat tijd.

286
00:17:28,320 --> 00:17:29,920
En dat is ook niet makkelijk.

287
00:17:29,920 --> 00:17:35,720
Hoe ga je nou, laten we zeggen, productiemachines gaan 30, 40, soms 50 jaar mee.

288
00:17:35,720 --> 00:17:41,320
Daar staat apparatuur en er staan soms nog MS-DOS-machines aangeknoopt.

289
00:17:41,320 --> 00:17:43,920
Succes met je AI, veel plezier.

290
00:17:43,920 --> 00:17:48,120
Dus hoe ga je nou die combinatie tussen oud en nieuw maken...

291
00:17:48,120 --> 00:17:51,320
en dat het wel synchroniseert en tegelijkertijd ook je mensen meekrijgt...

292
00:17:51,320 --> 00:17:54,320
in deze transformatie. En dat is echt wel lastig.

293
00:17:54,320 --> 00:17:59,320
Ja, want wij zitten best wel veel in de, nou toch iets meer administratieve hoek.

294
00:17:59,320 --> 00:18:03,320
Ja, Niels die zit ook, hij slaat heel erg aan op het industriegedeelte.

295
00:18:03,320 --> 00:18:07,320
Maar daar is het natuurlijk ook veel makkelijker om aan te tonen.

296
00:18:07,320 --> 00:18:14,320
Dus je laat je AI trainen op een, je model trainen op een bepaalde data.

297
00:18:14,320 --> 00:18:18,320
En je kan laten zien dat die beter voorspelt, dat die het beter doet.

298
00:18:18,320 --> 00:18:22,320
Dat lijkt me zeg maar in de industriële wereld.

299
00:18:22,320 --> 00:18:23,320
Risicovol.

300
00:18:23,320 --> 00:18:24,320
Ja toch?

301
00:18:24,320 --> 00:18:28,320
En zeker, je gaat niet even zomaar het productieproces even omgooien.

302
00:18:28,320 --> 00:18:30,320
Nee, het productieproces is heilig. Die stop je niet.

303
00:18:30,320 --> 00:18:33,320
Klaar. Dat doe je gewoon niet.

304
00:18:33,320 --> 00:18:37,320
En daarnaast, nou ja, goed, we hebben die oude fabrieken staan.

305
00:18:37,320 --> 00:18:41,320
Maar dat betekent dus ook dat je niet zomaar A en B kan lopen testen.

306
00:18:41,320 --> 00:18:44,320
Je kan niet iets nieuws ernaast zetten en dan weer doorgeladen.

307
00:18:44,320 --> 00:18:46,320
Je zet niet even een spriet.

308
00:18:46,320 --> 00:18:50,320
Het proces moet door, want de business as usual blijft gewoon draaien.

309
00:18:50,320 --> 00:18:53,320
En tegelijkertijd, als je het dan bijvoorbeeld wel test,

310
00:18:53,320 --> 00:18:56,320
als je een moment gekozen hebt van oké, nu gaan we doen, daar gaan we mee aan de slag,

311
00:18:56,320 --> 00:18:59,320
we zijn bereid om die investering te doen om die fabriek bijvoorbeeld stil te zetten,

312
00:18:59,320 --> 00:19:01,320
dan heb je ook best wel wat risico's.

313
00:19:01,320 --> 00:19:05,320
En alleen, de risico's zijn dan niet oké, vervelend, we lagen data kwijt,

314
00:19:05,320 --> 00:19:09,320
of er wordt bijvoorbeeld even geen productie gedraaid.

315
00:19:09,320 --> 00:19:12,320
Nee, dat kunnen bijvoorbeeld ook veiligheidsrisico's zijn voor mensen.

316
00:19:12,320 --> 00:19:18,320
Als je bijvoorbeeld, laten we zeggen, waar bijvoorbeeld ook AI veel toegepast wordt in AGV's,

317
00:19:18,320 --> 00:19:23,320
Automated Guided Vehicles, van die karretjes die door de fabriek heen rijden om bijvoorbeeld spullen in weer te brengen.

318
00:19:23,320 --> 00:19:30,320
Als ik daar bijvoorbeeld een algoritme in zet, die moet gaan detecteren, die zelf daardoor, dat karretje zelf moet na gaan denken.

319
00:19:30,320 --> 00:19:40,320
Als er bijvoorbeeld met één productiemachine heel veel, bijvoorbeeld een behoorlijke lood heeft en binnenkort een keer kapot gaat,

320
00:19:40,320 --> 00:19:43,320
of bijvoorbeeld een storing intreedt of iemand drukt een noodstop in...

321
00:19:43,320 --> 00:19:46,340
en dat die zijn lading naar een andere machine moet verzenden...

322
00:19:46,340 --> 00:19:48,360
moet die niet halverwege door de muur heen rijden.

323
00:19:48,360 --> 00:19:50,380
Of over een mens heen rijden.

324
00:19:50,380 --> 00:19:55,400
Dus er zijn best wel wat ander type risico's waar de impact op heeft.

325
00:19:55,400 --> 00:19:57,420
Snap ik.

326
00:19:57,420 --> 00:19:59,440
Ja, en de combinatie inderdaad, wat je zegt van...

327
00:19:59,440 --> 00:20:02,460
hardware die al zoveel jaar er staat of meegaat...

328
00:20:02,460 --> 00:20:06,480
de delen gerepareerd zijn, eigenlijk is bijna iedere situatie uniek.

329
00:20:06,480 --> 00:20:08,500
En hoe ga je daar generiek mee om?

330
00:20:08,520 --> 00:20:13,120
Dat is wel een interessante uitdaging, ook een mooie uitdaging, maar dat maakt het wel heel moeilijk inderdaad...

331
00:20:13,120 --> 00:20:19,160
om de A/B te testen of inderdaad iets erop te bezetten in plaats van iets aan te passen.

332
00:20:19,160 --> 00:20:23,960
Wat in draaiende systemen gewoon noodzakelijk is, dat je er iets bij zet voor de data.

333
00:20:23,960 --> 00:20:27,580
Beschikbaarstelling eigenlijk, om daar weer mee aan de slag te gaan.

334
00:20:27,580 --> 00:20:29,880
Ja, dat maakt bijvoorbeeld predictive maintenance ook zo lastig.

335
00:20:29,880 --> 00:20:34,080
Want dat betekent dus dat je bereid moet zijn om die machine naar de getver te laten draaien.

336
00:20:34,080 --> 00:20:36,720
Ja, en dan nog... - En wanneer gebeurt dat?

337
00:20:36,740 --> 00:20:39,980
En er staan mensen aan de lijn die ook hun ervaring hebben.

338
00:20:39,980 --> 00:20:43,200
En daar ben ik opnieuw naar inderdaad, dus we vragen nu op.

339
00:20:43,200 --> 00:20:48,440
Dadelijk zegt de AI bepaalde adviezen en er staan ook mensen aan de lijn die jaren ervaring hebben.

340
00:20:48,440 --> 00:20:52,820
Hoe gaan die mensen meegenomen worden? Want die maken ook beslissingen al jaren.

341
00:20:52,820 --> 00:20:55,120
Zeker. Ja, en dan kom je op het menselijk aspect.

342
00:20:55,120 --> 00:20:56,980
Hoe ga je daarmee dealen?

343
00:20:56,980 --> 00:21:00,660
Hoe ga je mensen bijvoorbeeld het vertrouwen geven als de AI zegt...

344
00:21:00,660 --> 00:21:02,480
"Druk op het rode knopje", dat je op het rode knopje drukt.

345
00:21:02,480 --> 00:21:04,040
En dat je dat vol vertrouwen doet.

346
00:21:04,060 --> 00:21:11,260
Dat is best wel een stap voor mensen die inderdaad gewend zijn om volledige controle over zo'n fabriek bijvoorbeeld te hebben.

347
00:21:11,260 --> 00:21:14,060
En ook echt het vingerspietsen gevoel bijvoorbeeld.

348
00:21:14,060 --> 00:21:17,660
Als ze ergens voorbij horen en ze horen iets kraken, denken ze 'oh, de laag is kapot'.

349
00:21:17,660 --> 00:21:18,660
Dat is het, ja.

350
00:21:18,660 --> 00:21:26,740
En dat moet er, nou ik wil niet zeggen dat het er niet uit moet, maar daar moeten we ook heel veel van gaan leren.

351
00:21:26,740 --> 00:21:31,700
Dus we moeten die kennis gaan gebruiken om van die mensen dat in die algoritmes te krijgen.

352
00:21:31,700 --> 00:21:34,060
Want wat het wel is, die mensen gaan straks...

353
00:21:34,060 --> 00:21:36,520
De meeste mensen die dat hebben, over tien jaar met pensioen.

354
00:21:36,520 --> 00:21:37,700
Als het niet sneller is.

355
00:21:37,700 --> 00:21:41,100
Ik was bijvoorbeeld een aantal maanden geleden bij een bedrijf.

356
00:21:41,100 --> 00:21:43,260
En die zei, ja, ik heb echt een groot probleem.

357
00:21:43,260 --> 00:21:48,260
Want over vijf jaar ben ik gewoon 15% van mijn personeelsbestand kwijt.

358
00:21:48,260 --> 00:21:49,280
Oef.

359
00:21:49,280 --> 00:21:52,400
En hoe ga ik dat opvullen met kennis en kinderen?

360
00:21:52,400 --> 00:21:53,420
Waar is mijn bedrijf dan?

361
00:21:53,420 --> 00:21:57,380
Niet alleen de handjes, maar met name ook de ervaring en de fingerspitzengefühl.

362
00:21:57,380 --> 00:21:58,880
En inderdaad die waardevolle...

363
00:21:58,900 --> 00:22:00,900
Ja, eigenlijk. - De kern van zijn organisatie.

364
00:22:00,900 --> 00:22:02,900
De data en de verantwoordelijkheid dat ze dragen.

365
00:22:02,900 --> 00:22:06,900
15 procent, dat is echt gigantisch. - Dat is echt gigantisch af en toe.

366
00:22:06,900 --> 00:22:08,900
Dat kunnen ze zich echt zo niet voorstellen. - Dat kunnen ze zich niet voorstellen om te maken.

367
00:22:08,900 --> 00:22:10,900
Ja. - Ja.

368
00:22:10,900 --> 00:22:12,900
Ja, en dat is pittig. En hoe ga je daarmee dealen? - Ja.

369
00:22:12,900 --> 00:22:15,900
En daardoor heb je wel die overstap van oké, die mensen...

370
00:22:15,900 --> 00:22:20,900
Je moet daar nu die kennis van gaan gebruiken en dan bijvoorbeeld in die modellen gaan doen, want straks kan het niet meer.

371
00:22:20,900 --> 00:22:24,900
Ja. - Maar dat is dus wel lastig, want die mensen hebben dan wel het gevoel, oh ik word vervangen.

372
00:22:24,900 --> 00:22:26,900
Ja. - Dat klopt, maar...

373
00:22:26,900 --> 00:22:29,900
hebben geen vervanger voor je. - Nee, precies.

374
00:22:29,900 --> 00:22:33,540
Dat is een heel psychologisch lastig moment.

375
00:22:33,540 --> 00:22:36,400
Vervangen worden door een ander mens is dus blijkbaar ook nog iets anders...

376
00:22:36,400 --> 00:22:38,960
dan vervangen worden door een machine.

377
00:22:38,960 --> 00:22:42,720
Misschien in de industrie, misschien stel ik een hele rare vraag hoor,

378
00:22:42,720 --> 00:22:45,000
zouden ze dat bijna haast gewend moeten zijn...

379
00:22:45,000 --> 00:22:48,960
omdat daar de robotisering toch ook wel in is gekomen?

380
00:22:48,960 --> 00:22:50,680
Of denk ik nu te makkelijk?

381
00:22:50,680 --> 00:22:55,640
Dat in het bedrijfsproces, in het productieproces...

382
00:22:55,660 --> 00:23:02,560
ook steeds meer. De vorige revolutie ging over automatisering, dus ja, er is een hoop geautomatiseerd

383
00:23:02,560 --> 00:23:08,380
en dan gaat door de tijd heen is er steeds meer handwerk verdwenen. Dat blijft zo doorgaan,

384
00:23:08,380 --> 00:23:15,220
alleen dat noemen we nu digitalisering. Dus ja, ze zijn er wel een een of andere manier van

385
00:23:15,220 --> 00:23:21,140
gewend, maar ja. Dit voelt dan toch. Het voelt anders. Het is geen stuk staal wat naast je staat,

386
00:23:21,140 --> 00:23:25,300
Het is opeens een magisch iets die vanuit de cloud tegen je staat te praten.

387
00:23:25,300 --> 00:23:26,120
Ja, ja.

388
00:23:26,120 --> 00:23:29,520
Dus daar ook gewoon weer een stukje kennis, wat is het wel, wat is het niet.

389
00:23:29,520 --> 00:23:33,200
Want het is eigenlijk een verrijking van je eigen fingerspitzengefühl.

390
00:23:33,200 --> 00:23:36,940
Waarin het vertrouwen, dat moet je langzaam gaan opbouwen en uitbreiden.

391
00:23:36,940 --> 00:23:38,740
Dat is natuurlijk een heel delicaat proces.

392
00:23:38,740 --> 00:23:41,320
Maar wel van essentieel belang dat het gebeurt inderdaad.

393
00:23:41,320 --> 00:23:42,780
Maar wel als verrijking moeten zien.

394
00:23:42,780 --> 00:23:45,720
Zeker, dus het is net hoe ga je er als leider, hoe ga je ermee om?

395
00:23:45,720 --> 00:23:48,640
Ja, dus het is ook een stukje cultuur en ethiek.

396
00:23:48,660 --> 00:23:50,420
Ik heb het ook wel vaker over containerpapier.

397
00:23:50,420 --> 00:23:53,300
- Container en leiderschap zijn hier echt een grote succesfactoren.

398
00:23:53,300 --> 00:23:54,320
- Zeker.

399
00:23:54,320 --> 00:23:55,740
Ik zie Joop met zijn handen.

400
00:23:55,740 --> 00:23:58,060
- Ja, we gaan dat nog een keer proberen.

401
00:23:58,060 --> 00:24:00,620
- Prettig kennis te maken.

402
00:24:00,620 --> 00:24:03,660
Ik ben Aisha, de AI van deze podcast.

403
00:24:03,660 --> 00:24:05,260
Mag ik je een vraag stellen?

404
00:24:05,260 --> 00:24:06,620
- Tuurlijk.

405
00:24:06,620 --> 00:24:10,660
- Wat zijn volgens jou de grootste uitdagingen...

406
00:24:10,660 --> 00:24:13,820
bij het ontwerpen van inclusieve AI-systemen?

407
00:24:13,820 --> 00:24:14,840
- Oeh.

408
00:24:14,840 --> 00:24:17,660
- Intelligente vraag.

409
00:24:17,680 --> 00:24:20,680
Ja zeker, inclusieve AI-systemen.

410
00:24:20,680 --> 00:24:28,680
Laat het zo zeggen, de industrie is mannen gedreven.

411
00:24:28,680 --> 00:24:31,680
Ja, ik denk dat je dat makkelijk kan zeggen.

412
00:24:31,680 --> 00:24:38,680
Ik sta inderdaad af en toe wel eens op een podium en daar maak ik ook wel grapjes als ik rondkijk.

413
00:24:38,680 --> 00:24:45,320
90% wat daar gewoon tegenover zit is gewoon man van de middelbare leeftijd, grijs koep.

414
00:24:45,320 --> 00:24:47,320
Of kaal.

415
00:24:47,320 --> 00:24:53,520
Dus daar gaat gewoon een bias in zitten.

416
00:24:53,520 --> 00:24:57,920
Dat is niet expres, dat is niet zo bedoeld, maar het sluipt erin.

417
00:24:57,920 --> 00:25:02,120
Dus daar kan je wel rekening mee houden.

418
00:25:02,120 --> 00:25:06,000
Alleen je ziet wel, kijk in de industrie, het gaat vaak over technische processen.

419
00:25:06,000 --> 00:25:11,400
Dus een bias, ik wil niet zeggen dat het minder relevant is, maar het heeft bijvoorbeeld,

420
00:25:11,400 --> 00:25:14,720
als je zo'n conflict bijvoorbeeld met belastingdienst vergelijkt,

421
00:25:14,720 --> 00:25:18,560
ja, met een productiemachine gaan we geen mensen vergelijken.

422
00:25:18,560 --> 00:25:22,080
Dus er gaat ook veel minder privacygevoelige informatie in.

423
00:25:22,080 --> 00:25:23,680
En het gaat er wel in hoor, zeker wel.

424
00:25:23,680 --> 00:25:25,920
Maar in veel mindere maten.

425
00:25:25,920 --> 00:25:30,800
Dus jij gaat op die manier, is het misschien iets minder?

426
00:25:30,800 --> 00:25:32,640
Ja, kan me niet meer voorstellen.

427
00:25:32,640 --> 00:25:37,320
Je kan bijvoorbeeld wel kijken, als je bijvoorbeeld een AI-model gebruikt in het ontwerp van een productiefaciliteit.

428
00:25:37,320 --> 00:25:39,720
En daar werken mannen en vrouwen.

429
00:25:39,720 --> 00:25:43,080
Hopelijk wordt die balans straks beter, daar zijn we ook met z'n allen hard mee bezig,

430
00:25:43,080 --> 00:25:44,680
om die balans recht te trekken.

431
00:25:44,680 --> 00:25:50,120
Maar dan moet je dus geen fabriek ontwerpen die helemaal geschikt is bijvoorbeeld voor de ergonomie van de man.

432
00:25:50,120 --> 00:25:54,240
Of bijvoorbeeld de slanke man van 1,80 meter.

433
00:25:54,240 --> 00:25:58,280
Want er lopen gewoon meerdere vormen en maten in zo'n fabriek rond.

434
00:25:58,280 --> 00:26:01,120
Ja, ik kan me ook zo voorstellen, je had het net al over die karretjes,

435
00:26:01,120 --> 00:26:04,160
die mensen moeten kunnen herkennen, dat daar ook inclusiviteit,

436
00:26:04,160 --> 00:26:07,360
niet alleen mannen, vrouwen, maar misschien ook mensen met een rolstoel,

437
00:26:07,360 --> 00:26:10,280
dan heb je het ook over inclusiviteit.

438
00:26:10,280 --> 00:26:13,080
Misschien gezichtsherkenning gaat komen,

439
00:26:13,080 --> 00:26:15,160
dan heb je het allemaal wel over dat soort dingen.

440
00:26:15,160 --> 00:26:17,360
Ja, gezichtsherkenning om bijvoorbeeld een productiemachine te starten.

441
00:26:17,360 --> 00:26:18,360
Ja.

442
00:26:18,360 --> 00:26:22,320
Dank je wel voor je zorgvuldige reactie.

443
00:26:22,320 --> 00:26:23,320
Potverdorie.

444
00:26:23,320 --> 00:26:27,320
Nou, dan krijg je toch zomaar een compliment.

445
00:26:27,320 --> 00:26:31,320
Maar AI al niet goed voor u. - Dat wou ik zeggen.

446
00:26:31,320 --> 00:26:37,320
Ik heb wel een heel mooi beeld gekregen van AI in de industrie.

447
00:26:37,320 --> 00:26:39,320
Voor mij is de industrie best wel...

448
00:26:39,320 --> 00:26:41,320
Nou, ik ben meer consument, zeg maar.

449
00:26:41,320 --> 00:26:44,320
Dus ik begeef me niet zo heel vaak daarin.

450
00:26:44,320 --> 00:26:46,320
Niels echt heel veel meer, dat hoor je.

451
00:26:46,320 --> 00:26:49,320
Interessant om te horen.

452
00:26:49,320 --> 00:26:53,320
Mij lijkt het leuk om zo direct nog even te kijken naar...

453
00:26:53,320 --> 00:26:57,360
naar en zo direct is een volgende aflevering daarvan.

454
00:26:57,360 --> 00:27:02,720
Wat zijn nou succesfactoren of uitdagingen juist in deze sector?

455
00:27:02,720 --> 00:27:05,440
Of misschien zelfs wel in het algemeen, denk ik.

456
00:27:05,440 --> 00:27:09,320
Nienke, hartstikke dank dat je onze gast wilde zijn.

457
00:27:09,320 --> 00:27:10,560
Ja, leuk om te zijn.

458
00:27:10,560 --> 00:27:13,440
Ja, en nou ja.

459
00:27:13,440 --> 00:27:19,000
Ja, oh soms hè.

460
00:27:19,000 --> 00:27:21,000
De techniek staat voor niks.

461
00:27:21,000 --> 00:27:22,840
Ik zit aan het verkeerde knopje te draaien.

462
00:27:22,840 --> 00:27:24,840
Gelukkig heb ik Niels erbij.

463
00:27:24,840 --> 00:27:27,840
Je luistert weer naar een aflevering van E&AIToday Live.

464
00:27:27,840 --> 00:27:32,840
Wil je geen aflevering missen? Abonneer dan via je favoriete podcast app en mis geen aflevering.

465
00:27:32,840 --> 00:27:34,840
Dankjewel voor het luisteren.

466
00:27:34,840 --> 00:27:36,840
En mis geen aflevering. Dankjewel voor het luisteren.

467
00:27:36,840 --> 00:27:38,840
 

468
00:27:38,840 --> 00:27:40,500