0527 61 47 67
Stuur ons een e-mail
Support
Aanmelden nieuwsbrief

naar overzicht

De onvermijdelijke overgang naar zelflerende systemen | Machine Learning • Deel 2

blog_machine_learning_bouw_zelf_lerende_systemen_vanmeijel.png

In de blog Machine Learning lonkt naar de toekomst van de bouw is er een algemeen beeld geschetst over de opmars van zelflerende systemen in de bouwsector. Besproken zijn de mogelijke toepassingen en voordelen hiervan. We spraken ook over het automatiseren van tijdrovende en repeterende klussen. Laatstgenoemde gaf de schijn dat Machine Learning niet kan worden ingezet bij complexere ‘menselijke’ taken.

Dat is de reden om in deze vervolg blog hier iets dieper op in te gaan. De nadruk wordt gelegd op de afhandeling van moeilijkere taken door systemen in vergelijking met de mens.

De irrationele mens
Door de jaren heen heeft de mens een unieke set aan cognitieve vermogens en vaardigheden ontwikkeld. Deze set zou niet zijn na te bootsen door slimme systemen. Echter wordt onze grijze massa vaak gedreven door emoties. Dit geeft onjuiste inzichten op de werkelijkheid. De volgende voorbeelden zullen een paar hiervan kort beschrijven.

Anchoring effect
Het anchoring effect is een valkuil die ons verkeerde inschattingen laat maken. Stel dat we iemand een inschatting laten maken van het aantal bakstenen in een woning, voorafgaand aan de vraag of dit er meer of minder dan 10.000 zijn. Gemiddeld genomen zal er dan een veel lagere schatting worden gemaakt, dan voorafgaand aan de vraag of het er meer of minder dan 50.000 zijn. Het gegeven referentiekader beïnvloedt onze beslissing.

Risico inschatting
Ook zijn we ontzettend slecht in risico-inschatting, of het nou gaat om het risico verbonden aan een bepaalt bouwproject, of het directe risico dat als individu wordt genomen. Niet alleen kunnen we deze kansen niet goed inschatten, ook hechten wij meer waarde aan het voorkomen van een verlies tegenover het verkrijgen van een soortgelijke winst. Mochten we toch in een risicovol bouwproject duiken, dan beoordelen we de investeringen eerder als positief wanneer we er meer moeite, tijd of geld in hebben gestoken. Zelfs experts vallen in hun vakgebied ten prooi aan deze vormen van foutief denken. Voor een uitgebreidere lijst van andere veel voorkomende denkfouten binnen bijvoorbeeld projectmanagement, kun je hier terecht.

De kracht van machines
Computers hebben qua denken veel voordelen ten opzichte van mensen. Ze hebben niet alleen een beter geheugen waardoor ze gevoerd kunnen worden met grote hoeveelheden informatie, ook verwerken ze het nagenoeg onmiddellijk. Zulke systemen zijn verder in staat om taken onvermoeibaar uit te voeren waardoor ze altijd inzetbaar zijn. Daarbij zien zij complexere patronen en worden zij niet beïnvloed door verschillende factoren die onze denkwijze wel vertroebelt.

Zelflerende systemen worden niet onderworpen aan cognitieve vertekeningen in analyses en het maken van inschattingen, mits objectieve data wordt ingevoerd waarop het mag leren.

In de huidige staat van de technieken zien wij dat het nu al mogelijk is robots compleet autonoom een huis op te laten bouwen. Met de vooruitstrevende technieken is het onvermijdelijk dat zij ook complexere taken zoals onderhandelingen zouden kunnen vervangen. Veelgehoorde reacties hierop zijn vaak in de vorm van “Ik erken dat je een systeem Y kan laten doen, maar een systeem zou nooit X kunnen doen/hebben. Daarbij worden verschillende eigenschappen gesuggereerd zoals: aardig zijn, creatief zijn, humor hebben, fouten maken, goed en kwaad onderscheiden, goed geformuleerde gesprekken voeren, of het genieten van een bananen-smoothie.

Vaak wordt er weinig ondersteuning gegeven aan deze argumenten anders dan dat ze van ‘menselijke’ aard zijn. Deze argumenten worden vooral gefundeerd met wetenschappelijke inductie. Men heeft al honderden verschillende machines gezien in zijn leven en daaruit worden een aantal algemene conclusies getrokken. De machines worden voor gelimiteerde doeleinden uitbesteed, en het gedrag dat ze vertonen is beperkt.

Echter kunnen systemen uit bestaande gegevens middels onder andere deductie al nieuwe informatie ontleden. Door verschillende informatiebronnen te koppelen via het internet kunnen nieuwe inzichten worden verkregen. Dit is een vorm van creativiteit die op veel manieren kan worden ingezet. Door een kunst-robot verschillende werken van Picasso te laten observeren kan het eigenschappen erkennen om een compleet nieuw kunstwerk te creëren in dezelfde stijl. Wellicht dat deze techniek in het modelleren van bouwprojecten in de toekomst ook van toepassing kan zijn door nieuwe modellen te genereren.

Wat betreft emoties, zijn er op dit moment al diverse systemen die inspelen op de emoties van mensen. Van sarcasme-herkenning vanuit spraak tot aan het toekennen van een specifieke emotionele lading van een twitter bericht. Er zijn zelfs bedrijven die hier marketingtechnisch al op inspelen om de consument gericht te kunnen benaderen en bij te sturen bij het herkennen van bepaalde emoties. Sommige systemen gaan zelfs nog een stapje verder door op onze psychologische zwakheden in te spelen na deze te observeren, denk bijvoorbeeld maar eens aan de recente gebeurtenissen omtrent Cambridge Analytica en Facebook.

Revolutionaire ontdekkingen
Wanneer we de juiste eindjes aan elkaar weten te knopen met alle bovenstaande voordelen en toegang tot kennis vanuit het internet, dan hebben zelflerende systemen de potentie om tot enorme revolutionaire ontdekkingen te komen. Voor iedereen, dus ook de bouwsector. Het zou ons niets verbazen als binnen enkele decennia een computer de oplossing heeft voor iets complex als klimaatverandering. Dat deze systemen zich doorontwikkelen is onvermijdelijk, het is aan ons om hun leerproces in de juiste banen te leiden.

gerelateerde blogs

<b>Machine Learning</b> lonkt naar <b>toekomst van de bouw</b>

Machine Learning lonkt naar toekomst van de bouw

Bedrijven worden meer dan ooit uitgedaagd door technologie. We digitaliseren, koersen op big data en proberen de risico’s van processen zo klein mogelijk te maken. Ook bij VanMeijel zijn we continu aan het innoveren. Innovaties waarmee bouwbedrijven de volgende stap kunnen zetten naar een volledig digitaal bouwproces. Eén van de technologieën in ontwikkeling is Machine Learning. Waar staat Machine Learning voor, wat doen we er mee bij VanMeijel en het belangrijkst: hoe kan dit bijdragen aan de bouw?

<b>Digitaal bouwen:</b> de belangrijkste ontwikkelingen op een rij

Digitaal bouwen: de belangrijkste ontwikkelingen op een rij

“Alle bedrijven worden softwarebedrijven,” zo begint de Cobouw special Bouw & ICT. Ja, ook in de bouw. Alles gaan we digitaliseren via het internet, we koersen op big data en proberen met allerlei programma’s en apps de risico’s van processen zo klein mogelijk te maken. Digitalisering, het is een hot issue: net als BIM en ketenintegratie. Welke kansen doen zich voor?

Evenementen

Webinar_inkoopproces_klein.png

Webinar | Een volledig digitaal inkoopproces

Ben jij calculator, uitvoerder, projectleider of administrateur? Heb je het druk en wil je ergens tijd besparen? Dan is de webinar "Een volledig digitaal inkoopproces" interessant voor jou.

Lees verder

case studies

beens-header-klein

Beens Groep kiest voor meer inzicht met Metacom+ Projecten

bekijk de case study

nieuws

sallandse-nieuwsitem

Sallandse Wegenbouw bespaart tijd met de liquiditeitsmodule

Het in 1991 opgerichte Sallandse Wegenbouw is gevestigd in Haarle en verzorgt infrawerk van projecten in met name grond-, weg- en waterbouw. Voor grip op de financiële positie maakt het bedrijf gebruik van de liquiditeitsmodule in Metacom. “We besparen tijd en fouten.”

Lees verder