ARTIFICIËLE INTELLIGENTIE
Gezocht: de ‘hydroinformaticus’ KWR-directeur Dragan Savić schreef voor de International As- sociation for Hydro-Environment Engineering and Research (IAHR) recentelijk een white paper over het gebruik van AI in de hydrologie. Hieronder een Nederlandstalige samenvatting daarvan. Savić geeft een duidelijk beeld van de inzetbaarheid van dit fenomeen dat wereldwijd nu snel opkomt.
Inzet kunstmatige intelligentie (AI) bij het ontwerp en beheer van watersystemen Artifi ciële intelligentie (AI) staat voor de ontwikkeling van mo- dellen of methoden die in staat zijn complexe taken te voltooi- en die normaal gesproken door mensen worden uitgevoerd. AI genereert veelal op automatische wijze een model van een systeem, proces of verschijnsel: ‘machine learning’ (ML). Een groep algoritmen uit deze klasse vormt dan op basis van gege- vens een model dat voorspellingen of systeemoptimalisaties genereert. Een bekend voorbeeld zijn de zogeheten artifi ciële neurale netwerken (ANN) die de connectiviteit en functionali- teit van de menselijke hersenen nabootsen om voorspellingen te doen.
Een toepassing van AI is ‘big data analytics’. Dit wordt nog niet veel gebruikt in onderzoek en praktijk in de watersector - vanwege de hoge kosten die ermee gemoeid zijn, wordt er doorgaans geen big data verzameld uit watersystemen. Daar komt wel verandering in, nu steeds meer gegevens uit allerlei bronnen met elkaar worden gecombineerd. Met big data ana- lytics op basis van gegevens uit remote sensing, weerradars, regenmetingen en numerieke weermodellen zou neerslag bij- voorbeeld beter kunnen worden voorspeld dan met gegevens uit slechts één bron.
Ook interessant is de toepassing van AI-algoritmen die ‘evo- lutionaire berekeningen’ worden genoemd. Bekend is vooral het zogeheten ‘genetisch algoritme’. Daarbij worden tallo-
ze mogelijke oplossingen onderworpen aan een mutatie- en selectieproces, totdat de beste oplossing uit de bus rolt - bij- voorbeeld het beste ontwerp voor een waterleidingsysteem of het best ingerichte model voor regenwaterafvoer. Met AI kunnen dergelijke analyses razendsnel worden uitgevoerd, zodat er biljoenen oplossingen kunnen worden getoetst.
Zowel in onderzoek als praktijk hebben AI-methoden hun nut al bewezen in de watersector. Zoekopdrachten in Web of Science met de trefwoorden ‘machine learning’ of ‘genetic algorithm’ in combinatie met het trefwoord ‘water’ geven een gestage toename te zien in het aantal gevonden publicaties. Bij de eerste toepassingen van ML werden complexe fysie- ke processen, zoals de relatie tussen neerslag en afvloeiing, meestal gemodelleerd met slechts één enkel algoritme (meest- al een ANN). Een recente inventarisatie van ML-methoden voor het voorspellen van overstromingen gaf echter een toename te zien in combinaties van methoden en hybride benaderingen, waarbij de uitvoervariabele wordt voorspeld aan de hand van twee of meer ML-methoden. De ruime beschikbaarheid van sensoren en van data verkregen met remote sensing bieden ook nieuwe kansen voor de watersector: betere modelpara- meters, integratie van ML met traditionele mechanistische (op natuurkunde gebaseerde) modellen, of zelfs vervanging van die traditionele modellen wanneer snelle analyses geboden zijn. De inzet van ‘deep learning’-methoden in de watersector bevindt zich nog in een tamelijk pril stadium van ontwikkeling. Doordat er echter steeds meer gegevens beschikbaar komen (in het bijzonder big data dankzij remote sensing) nemen de mogelijkheden voor dit soort AI-methoden toe.
Omdat van AI-modellen lastig is te doorgronden hoe ze in elkaar steken, zijn er pogingen ondernomen om met bestaan- de of nieuwe ML-methoden inzichtelijke en controleerbare modellen te bouwen. Een voorbeeld is de evolutionaire poly- nomiale regressiemethode. Deze is bijvoorbeeld gebruikt om
Moet ik me gaan omscholen tot AI-expert? AI is een extra instrument, een extra technologie, de kers op de taart. De kennis erover kun je zelf opdoen, maar natuurlijk ook inhuren of inkopen. Een AI-specialist heeft echter jouw kennis in watertechnologie en jouw watersystemen nodig om het probleem goed te doorgronden en de resultaten op waarde te schatten. Voor een goede samenwerking is enige AI-kennis dus zeker aan te raden. Volg eens een cursus of module. Die vind je online, bijvoorbeeld bij gerenommeerde universiteiten als Stanford en MIT.
Kost AI straks mijn baan? AI zal repetitief werk overnemen, maar net als bij de zelfrijden- de auto zal er een mens aan het stuur blijven zitten. AI kan suggesties doen voor verbeteringen, maar die zullen altijd door een ervaren waterexpert moeten worden beoordeeld en geanalyseerd. Bovendien is veel werk in de drinkwatersector
30 WATERFORUM NR 6
bij uitstek níet repetitief. Elk systeem, elk netwerk is uniek vanwege de samenstelling, de ondergrond en geschiedenis. AI zal wel accenten verleggen. Een functie als dataspecialist kenden we twintig jaar geleden niet. Maar in de toekomst lopen er niet enkel computerspecialisten rond in drinkwater- bedrijven, procesexperts zijn en blijven onmisbaar.
Waar moet ik zijn voor hulp in AI? Je kunt terecht bij onderzoeksinstituten als KWR, universi- teiten en gespecialiseerde dienstverlenende bedrijven. Veel waterbedrijven huren datawetenschappers in - zo’n spe- cialist is een logisch eerste aanspreekpunt binnen je eigen organisatie.
Is AI veilig?
AI op zich vormt geen extra bedreiging, maar vraagt wel om data. Er moeten dus goede privacywaarborgen zijn als het
Page 1 |
Page 2 |
Page 3 |
Page 4 |
Page 5 |
Page 6 |
Page 7 |
Page 8 |
Page 9 |
Page 10 |
Page 11 |
Page 12 |
Page 13 |
Page 14 |
Page 15 |
Page 16 |
Page 17 |
Page 18 |
Page 19 |
Page 20 |
Page 21 |
Page 22 |
Page 23 |
Page 24 |
Page 25 |
Page 26 |
Page 27 |
Page 28 |
Page 29 |
Page 30 |
Page 31 |
Page 32 |
Page 33 |
Page 34 |
Page 35 |
Page 36 |
Page 37 |
Page 38 |
Page 39 |
Page 40 |
Page 41 |
Page 42 |
Page 43 |
Page 44 |
Page 45 |
Page 46 |
Page 47 |
Page 48 |
Page 49 |
Page 50 |
Page 51 |
Page 52 |
Page 53 |
Page 54 |
Page 55 |
Page 56