AI traint zich wedstrijdklaar op digital twin

Alexander Pil
Leestijd: 8 minuten

Met de groeiende complexiteit van hightech systemen wordt het steeds wenselijker dat ze zichzelf kunnen optimaliseren. Het Europese Asimov-project, mede geïnitieerd door Thermo Fisher Scientific, wil dit bereiken via de combinatie van digital twins en artificial intelligence. Met hulp van ESI (TNO) als een van de partners moet dat een generieke aanpak opleveren om AI volledig virtueel te trainen.

Artificial intelligence blijft de mens maar aftroeven in allerlei spelletjes. Dat begon al in 1996 toen IBM’s Deep Blue schaakkampioen Garry Kasparov versloeg. Een ander bekend voorbeeld is Alphago, ontwikkeld door Google Deepmind, waarvan zelfs de beste go-spelers het sinds 2017 niet meer kunnen winnen. Recent nog viel ook het kaartspel bridge ten prooi aan de opmars van kunstmatige intelligentie.

‘Wacht eens even’, dacht Remco Schoenmakers, directeur digital science technologies bij Thermo Fisher Scientific. ‘Dergelijke deep learning-algoritmes zouden best eens interessant kunnen zijn voor elektronenmicroscopen. Je kunt het uitlijnen van zo’n systeem immers ook zien als een spelletje. Je wint als je de microscoop vanuit een onbekende toestand het snelst en meest effectief naar de juiste configuratie brengt. Ik zag een analogie.’

This article is exclusively available to premium members of Bits&Chips. Already a premium member? Please log in. Not yet a premium member? Become one and enjoy all the benefits.

Login