#3 : AI in de openbare ruimte

AI in de openbare ruimte

Je leert hoe computers afbeeldingen herkennen en hoe de NS dit gebruikt om stations veiliger te maken. Ook ontdekt je  wat de Europese AI Act zegt over AI in de openbare ruimte.

In het vorige hoofdstuk heb je geleerd hoe computers kunnen leren.

Ze ontdekken patronen in bijvoorbeeld kijk- en of luistergedrag en proberen vervolgens zo goed mogelijk suggesties te doen die passen bij jouw smaak. 

Nu gaan we het hebben over hoe computers ook uit de voeten kunnen met afbeeldingen.

supervised learning

Dat kan handig zijn als je een auto hebt.

Bij moderne parkeergarages of wasstraten gaat de slagboom automatisch open als de camera jouw auto herkent.

Hij leest als het ware de letters en getallen op jouw kentekenplaat.

kenteken

Een computer ziet geen cijfers of letters. Hij ziet dus pixels.

Kijk maar eens goed naar deze cijfers. Elk cijfer is een unieke combinatie van 15 kleine vierkantjes. Een pixel staat aan of uit. Meer heeft een computer niet nodig om een cijfer te herkennen.

pixel getallen

Zie jij het ook?

In het volgende scherm gaan we je vragen of je weet welk cijfer kan horen bij deze bovenste twee regels. (Je mag eventueel even spieken in het vorig scherm)

pixels

Nu was dit natuurlijk een heel simpel voorbeeld.

Een foto van jouw gezicht bijvoorbeeld bestaat niet uit 15 pixels maar uit miljoenen! En al die pixels hebben ook nog eens kleur.


gezichtsherkenning

Daarom gaan we het hebben over ”deep learning”.

Dat is een vorm van machine learning die een foto in stukjes hakt om te zien wat de verschillende pixels samen kunnen  voorstellen. 

Voordat we hier dieper op ingaan.

Doe eens je ogen dicht, of concentreer je even. En ... denk aan een stoel Zie je die voor je? Ga dan naar het volgende scherm.

kijk goed

Zag de stoel er zo uit?

Waarschijnlijk niet! Dit is een zogeheten "Rietveld stoel". Handig om te weten bij het bekijken van de volgende video. 

rietveld stoel

Professor Cees Snoek legt uit.

Beeldherkenning is mogelijk omdat het algoritme de foto in stukken opbreekt en laag voor laag gaat analyseren.

Waarom heet het dan ”deep” (diep) learning?

Omdat het werkt in lagen. De ene laag herkent randen, de volgende vormen, de volgende ogen of neuzen. Samen bouwen ze een begrip op van wat er op een foto staat. Hoe meer lagen, hoe dieper (en slimmer) het netwerk.

Deep learning is een dus vorm van machine learning.

en kan uit de voeten met grote datasets, zoals foto's en video's.

De toepassing hiervan kan ontzettend nuttig zijn.

Zo heb je bij sommige smartphones geen inlogcode meer nodig, maar kun je deze ontgrendelen met behulp van gezichtsherkenning. Maar computers kunnen meer dan alleen gezichten herkennen.

Ook bagage die op het perron is achtergelaten.

ns

Tijd voor een bezoek aan de NS.

Aan het woord is Sophia Zitman. Zij leidt namens Kickstart AI een project bij de NS.

Sophia over de privacy-aspecten.

Hoe gaat de NS om met bijvoorbeeld mensen die in beeld komen?

AI-geletterdheid

In Artikel 5 van de AI-verordening is vastgelegd wat er wél en niet mag als het gaat om camera's die eventueel zijn uitgerust met gezichtsherkenning software.

eu ai act

Dus let op: gezichtsherkenning mag in principe niet.

Dit is verboden door de AI Act (Artikel 5). Gemeentes of organisaties mogen geen real-time gezichtsherkenning gebruiken in openbare ruimtes, tenzij er een uitzondering geldt. Meestal gaat het dan om zware criminaliteit (bijv. terrorismebestrijding) en alleen met toestemming van een rechter.

Kort samengevat.

De belangrijkste punten nog even op een rijtje.




Track 3 afgerond!

NEXT UP: Hoe slim is AI?


Je wordt automatisch doorgeschakeld, of klik op bovenstaande knop.