‘Engineers en ai-experts hebben wel echt een andere mindset’

Als businessdeveloper bij ASML wilde Albert van Breemen bewijzen dat kunstmatige intelligentie niks meer is dan een hype, maar het tegendeel bleek waar en hij raakte weer enthousiast over zijn oude passie. Sinds kort heeft hij zijn eigen bureau om ai-hulp te bieden aan bedrijven in de hightech, waar het onderwerp nog een beetje in de kinderschoenen staat.

Pieter Edelman
6 maart

Waar kunstmatige intelligentie de afgelopen jaren diep is doorgedrongen in gebieden uiteenlopend van smartphoneapps tot het dagelijkse bankverkeer, zijn we in de hightech systemen en machines nog wat conservatiever. Maar het zit er wel degelijk aan te komen, denkt Albert van Breemen, die bedrijven adviseert over het gebruik van ai in hightech systemen.

Eigenlijk vindt Van Breemen het wel logisch dat het wat langer duurt, want als je goed kijkt, blijken hightech systemen eigenlijk van een heel andere klasse te zijn dan de gevestigde toepassingen. ‘Die eerste golf van ai-toepassingen draaiden om gegevens in databases. Die zijn vaak heel goed gestructureerd. Maar in die tweede golf die er nu aan zit te komen, wordt ai toegepast op sensordata. De algoritmes zijn weliswaar vergelijkbaar, maar data uit sensoren heeft een fysieke betekenis en er zit ruis op; dat maakt het heel anders’, legt Van Breemen uit.

Grote en kleine semiconspelers – zoals Intel – storten zich massaal op hardware voor ai. Dit soort ontwikkelingen maken kunstmatige intelligentie te complex om er even bij te doen voor een engineer bij een hightechbedrijf, denkt Albert van Breemen.

Iets soortgelijks geldt voor de output van de ai-algoritmes. Hightech systemen doen typisch iets fysieks, en de gevolgen van een foute beslissing kunnen daardoor groot zijn. ‘Als het nog om een boekaanbeveling gaat bij Amazon of zo … Tja, misschien dat je in Amerika nog een of andere rechtszaak aan je broek kunt krijgen als het echt een heel raar boek is, maar veel geks zal er niet gebeuren. Maar als het gaat om die zelfrijdende auto, of die ASML-machine die er een halve dag uit ligt, dan is dat erg pijnlijk’, zegt Van Breemen.

Bovendien is kunstmatige intelligentie in deze tweede golf vaak maar een deel van de oplossing: in een robot die willekeurige objecten kan oppakken, is de ai-gebaseerde beeldherkenning slechts een component. Dat maakt het veel lastiger om over de businesscase te redeneren dan bijvoorbeeld een ai-algoritme om de callcenterbezetting te optimaliseren.

Ansys Digital Twin Conference

Het grootste probleem is misschien wel dat dataspecialisten in die tweede golf niet langer wegkomen met een gebrek aan diepgravende domeinkennis over het systeem in kwestie. ‘Iedereen kan zich wel inleven in een boekverkoopwereld. Maar je kunt een ai-expert niet even een vijfdaagse cursus geven en dan verwachten dat hij alles snapt van mechatronica’, meent Van Breemen.

En net zo goed is ai een vak apart dat er niet even door de hightech-engineer bij te doen is. ‘Het is natuurlijk mijn business om dat te zeggen’, geeft Van Breemen toe, ‘maar engineers en ai-experts hebben wel echt een andere mindset. De engineer zit typisch in Matlab te werken; de ai-expert komt aan met een Python-omgeving. En je hebt praktische dingen. Je krijgt nu allerlei nieuwe soorten ai-hardware die straks essentieel wordt als je naar edge-devices gaat. Je moet weten hoe de algoritmes daarop gemapt worden, hoe je een cloudomgeving inricht om te trainen, waarbij je niet met één, maar met vier of later misschien wel met honderd gpu’s modellen gaat trainen. Er komt gewoon heel wat bij kijken als je daadwerkelijke projecten gaat draaien.’

Toch geen hype

Van Breemen besloot in dat gat te springen na een lange geschiedenis in beide werelden. Al tijdens zijn studie elektrotechniek aan de UT in de jaren negentig richtte hij zich op kunstmatige intelligentie, en later promoveerde hij op een ai-gerelateerd onderwerp bij een regeltechniekgroep. Maar zijn promotor waarschuwde hem maar niet verder te gaan met kunstmatige intelligentie, want dat onderzoeksveld kwam toentertijd hobbelend tot stilstand. ‘De onderzoekscommunity dacht eind jaren negentig wel alles van neurale netwerken te weten. Het was bewezen dat je elke willekeurige functie kunt benaderen met een netwerk van drie lagen, dus wat wil je dan nog meer?’

Toen ai de afgelopen jaren weer furore maakte in de vorm van deep learning, was Van Breemen dan ook sceptisch – maar ook geïntrigeerd. ‘In 2017 heb ik het onderwerp van kunstmatige intelligentie opgepakt, eigenlijk met de insteek om aan te tonen dat het niks is, een hype. Alle technieken die je nu ziet, waren in de basis immers al bekend in de jaren negentig. En Google zit erachter, dat probeert dingen op te blazen, dus het zou wel iets commercieels zijn.’

Het pakte anders uit. Sinds de jaren negentig is er namelijk echt wel wat veranderd. Destijds stond het internet nog in de kinderschoenen en waren opslagmogelijkheden voor gegevens beperkt. Maar de datahoeveelheden waarmee kan worden gewerkt, zijn ondertussen geëxplodeerd. ‘Aanvankelijk dacht ik dat dat niet zo belangrijk was – dat is een beetje dat gedachtegoed uit de jaren negentig. Maar meer data maakt gewoon heel veel uit’, stelt Van Breemen.

Hetzelfde geldt voor de beschikbare rekenkracht. ‘Ik heb net een paar weken terug mijn eigen ai-server geüpgraded waardoor we nu over honderd teraflops aan rekenkracht beschikken, ofwel 0,1 petaflops; ik kan nu gewoon praten in de ordergrootte van petaflops in mijn eigen bedrijfsserver, dat is echt waanzinnig.’

Wat ook nog wel eens wordt vergeten: ook de algoritmes hebben zich doorontwikkeld. Veel bottlenecks die er in de jaren negentig waren, zijn nu uit de weg geruimd. ‘Je hebt bijvoorbeeld recurrent neural networks om met tijdseries werken. Die konden we twintig jaar geleden niet trainen; er zit een moeilijkheid in dat de parameters altijd naar nul of naar oneindig gaan. Dat is nu helemaal opgelost’, geeft Van Breemen als voorbeeld. Al die algoritmes zitten bovendien netjes verpakt in makkelijk te gebruiken opensource library’s die iedereen van de plank kan pakken.

Kortom: de hype bleek wel degelijk wat om het lijf te hebben en Van Breemen raakte opnieuw enthousiast. ‘We kunnen nu algoritmes trainen die gewoon betere performance geven op een specifiek gebied dan mensen. Elk mens kan bijvoorbeeld objecten herkennen, maar een neuraal netwerk kan veel verder gaan en ook verschillende soorten honden, auto’s, bloemen en ga zo maar door herkennen. Toen ik bij Philips werkte, hadden we bij het CFT een afdeling Computer Vision. Daar zaten heel veel engineers te werken aan algoritmes om van een beeld naar een classificatie te gaan. Nou, die hele afdeling heb je niet meer nodig; met voldoende data train je zo’n algoritme in een dag. Dat is toch ongelooflijk?’

Tijdens een hike in de Alpen in de zomer van 2017 hakte hij de knoop door om zijn oude passie weer op te pakken. Na een sabbatical om zich verder te verdiepen in de huidige ai-wereld richtte hij begin dit jaar VBTI op, dat hightechbedrijven helpt met hun ai-vraagstukken.

Van Breemen heeft nog geen saaie momenten gehad sinds hij zijn consultancybusiness begon. Onlangs werd zijn team nog tweede op de Shell Gamechanger-hackweek.

Kansen voor Brainport

Toch vindt Van Breemen niet dat hightechspelers nu massaal op ai moeten duiken alleen maar om mee te doen met de trend. ‘Je ziet nu wel dat er datascience-consultants zijn die zeggen: geef me jouw dataset en ik doe wel een kunstje. Maar daarmee redeneer je niet vanuit het businessprobleem van een bedrijf. Ai is net als elke andere technologie: je zet het in óf om kosten te reduceren, óf om het product beter te maken, óf als je een heel nieuw product gaat maken. Ergens moet je een ambitie hebben in een van die drie richtingen.’

Daarnaast is het ook lang niet gezegd dat ai altijd de beste oplossing is. ‘Typisch zou ik zeggen dat je ai inzet als je een dataset hebt die zo groot is dat je er met de hand niet doorheen kunt of als je probleem zo complex is dat je engineers niet in staat zijn om met first principles een model te maken. Dat zijn de dingen die je met ai goed kunt aanpakken. Maar op het moment dat er een goede oplossing mogelijk is met een andere techniek, dan zou ik dat altijd aanbevelen.’

Met dat voorbehoud liggen er wel enorme kansen voor de hightechsector, daarvan is Van Breemen overtuigd. Hij is nu vanuit het High Tech Systems Center van de TU Eindhoven aan het kijken of er een consortium te vormen is van geïnteresseerde bedrijven die dit verder willen uitwerken. ‘Als je nu over ai praat, denk je heel snel aan de regio Amsterdam. Dat is ook echt een hotspot, maar in Utrecht en Maastricht gebeurt bijvoorbeeld ook heel erg veel, alleen daar hoor je niet zo veel over. En hier in Eindhoven dus ook. Als we hier een consortium kunnen vormen, met een aantal grote spelers, maar met name ook de kleinere spelers, kunnen we hier ook een ai-lab oprichten.’

Van Breemen denkt namelijk dat ai een uitgelezen kans is voor de Brainport-regio. ‘Ik hoor heel vaak dat we de ai-boot hebben gemist, dat het allemaal in Amerika zit. Dan word ik altijd een beetje pissig. We hebben niks gemist; de vraag is wat we ermee gaan doen. Kijk, Eindhoven heeft een hele sterke mechatronica-achtergrond en die brug met ai kunnen we hier perfect ontwikkelen. Dus laten we alsjeblieft ai en mechatronica hier op de kaart zetten.’