Artificial Intelligence en Machine Learning, de toekomst van geluid in beeld (16/50)

Hip and happening
Artificial Intelligence is een overkoepelende term voor systemen of machines die de menselijke intelligentie nabootsen. Een vorm van deze kunstmatige intelligentie is Machine Learning; hoe kun je computers iets laten leren? Het zijn ‘hip and happening’ begrippen en het komt er meestal op neer dat je de computer zelf een model laat maken op basis van data. Een aantal algoritmes van Google, Facebook en andere tech-bedrijven is voor iedereen beschikbaar, en je kunt deze naar eigen wens inzetten en aanpassen. Dat vereist wel wat software skills en slimmigheid.

Wat kan een geluidexpert met beeldherkenning?
“Enkele krachtige tools zijn gebaseerd op beeldherkenning”, weet Bert. “Voor geluid is de techniek gewoon nog niet zo ver ontwikkeld.” Erik legt verder uit: “We hebben gekeken hoe we deze beeldherkenningssoftware kunnen inzetten in ons vakgebied. Kunnen we geluiden als ‘foto’ invoeren? Onze passagemetingen van voertuigen kunnen grafisch worden weergegeven in een spectrogram waarin je iedere frequentie kunt zien. Een soort van ingewikkelde kleurenplaatjes die we, gelabeld op basis van voertuigcategorie, hebben ingevoerd in een beeldherkenningsmodel. Was het een personenwagen, motor of vrachtwagen die voorbij reed? Na een paar honderd metingen als input herkende de computer het patroon. Dat was ons eerste experiment en het ging behoorlijk goed.”

Van Statistiek naar Big Data
“Toen wij bij M+P startten heette het nog gewoon ‘statistiek’ en spraken we niet over kunstmatige intelligentie. Tegenwoordig meten we alles wat je maar tegelijkertijd kunt meten, geven dat aan de computer en zeggen: ‘Succes, maak er maar een mooi model van!’ Misschien maakt die computer wel connecties die wij niet zien en is de wereld complexer dan wij in wiskundige formules kunnen uitdrukken”, vertelt Bert. “Een computer vindt kruisverbanden”, vult Erik aan. “Kijk bijvoorbeeld naar brandstofverbruik. Wind, wegdek, hoogteverschillen en snelheid hebben allemaal invloed hierop en het één beïnvloedt het ander. Een Machine Learning model hiervoor inzetten vraagt wel om een gigantische data-input. Big Data, zeg maar, met nog een hip woord. Nu gebruiken we de verzamelde data van één eigen meetbus, maar alle andere voertuigen op de weg meten zelf ook. Op termijn willen we samenwerken met een partner die toegang heeft tot de data van een groot aantal voertuigen. Dat zou pas echt Big Data zijn!”

Werk of hobby
Erik en Bert zijn het erover eens dat bij M+P de grens tussen werk en hobby vaag is. “Er is volop ruimte om je nieuwe dingen eigen te maken”, zegt Bert. “Bijvoorbeeld door het volgen van cursussen, of tijdens lange wandelingen in Coronatijd naar podcasts luisteren.” Erik beaamt dat. “Is er een onderwerp dat we echt interessant vinden, dan duiken we er gewoon in.” Als ze tijd vinden in hun agenda, zoeken beide collega’s elkaar op om nieuwe werkmethodes te ontwikkelen. Want waarom alles blijven doen zoals je het de laatste tien jaar deed?

Interessante toekomstplannen
Bert loopt wel warm bij het idee een techniek in te kunnen zetten waarbij een microfoon de geluiden als het ware uit elkaar trekt. “In een geluidcomplexe situatie. Hartje Amsterdam bijvoorbeeld, waar de geluiden van mensen, trams, auto’s, vogels en straatmuziek versmelten. De grote vraag is wat mensen als hinderlijk ervaren, want het aantal decibellen zegt lang niet alles. Die saxofoon die zo hard over het plein schalt? Of toch het minder hoge volume van het verkeer? Hoeveel geluid komt nu waar vandaan?” Dat belooft een mooi Machine Learning project te worden waarbij veel data nodig is. En wat Erik en Bert betreft, is de hulp van Artificial Intelligence daarbij welkom.