Zeven vragen aan lector Klaas Dijkstra over AI

Een computer laten leren van wat die ziet en waarneemt; het fascineert Klaas Dijkstra al jaren. Als lector leidt hij het lectoraat Computer Vision & Data Science van NHL Stenden, dat zich richt op het automatiseren van visuele inspecties met behulp van kunstmatige intelligentie.

1. Je hebt net je lectorale rede gehouden, kun je kort vertellen waar je lectoraat over gaat?

Mijn rede ging over kansen en toepassingen van AI, voor verschillende sectoren als agricultuur, beveiliging en mobiliteit. Er zaten een aantal aspecten in zodat het voor diverse niveaus aansprekend was. Voor experts die al wat dieper in het onderwerp zitten en voor degene die net komen kijken. Daarom was de titel ook: AI for everyone. In het verlengde hiervan heb ik een aantal projecten uitgelicht.

Daarnaast heb ik meer ingezoomd op wat er in de wereld aan ontwikkelingen gaande is. Het eerste aspect ging over de wereld van verschillende Foundations Models en wat dat betekent voor ons veld. Eén van de bekendste Foundation Models zijn die van Open AI zoals Chat GPT of DALL-E 2. Bij ons lectoraat gaat het vooral om plaatjes, images. We zoomen verder in op de beperkingen van dit soort modellen. En ook om hoe om te gaan met die beperkingen. Maar ook de kansen voor ons werkveld.

Het tweede aspect ging over synthetische data en de huidige evolutie hiervan. Een voorbeeld is om AI toe te passen bij appelbomen in boomgaarden. Om met een drone naar een appelboom toe te vliegen om zo inspecties uit te voeren. Als we de toepassing van AI hierin op een bepaalde manier trainen kunnen we zo ziektes detecteren.  

En het derde aspect ging over IMAI. Voluit is dit IMage processing and Artificial Intelligence. Dit wordt de paraplu waar alle AI techniek en AI toepassingen samen komen. Dit wordt straks een fysieke ontmoetingsplek binnen NHL Stenden. Waarin je ziet wat we al gedaan hebben rondom AI en waar we naar toe gaan op het gebied van synthetische data. Tijdens mijn inauguratie hadden we een pop-up store gemaakt om te laten zien hoe dit straks vorm krijgt. Voor meer info over IMAI: https://www.nhlstenden.com/en/IMAI  

2. Op welk project ben je het meest trots?  

Dat is altijd lastig kiezen! Als ik dan toch moet kiezen dan ga ik voor de groene perzik bladluis. Dit is een project waar we bij ons lectoraat aan werken met een grote groep; van studenten, docenten tot agrariërs, machinebouwers en leveranciers van bestrijdingsmiddelen. Eigenlijk de hele keten. Dit is gelijk ook synoniem voor hoe wij werken binnen NHL Stenden: in projecten met studenten waarbij een onderzoeksvraag uit de markt centraal staat.

Terug naar de groene perzik bladluis. Dit beestje veroorzaakt aardappelziektes. Het gaat om het vroegtijdig detecteren wanneer en waar het beestje in het aardappelveld zit. Pootaardappelen zijn een groot exportproduct, als er in een vroeg stadium kennis is waar het beestje zich bevindt kan hier op geanticipeerd worden. Dit doen we met een vaste opstelling van camera’s in het veld. Met de toepassing van de techniek van AI kan dit gedetecteerd worden. Heel eervol is dat onze studenten met dit project de LC Award hebben gewonnen in de categorie mooiste studentenproject op master niveau, zowel de juryprijs als publieksprijs: https://www.nhlstenden.com/nieuws-en-artikelen/studenten-nhl-stenden-volop-in-de-prijzen-bij-lc-awards-2023

3. Welke kansen zie jij om met AI de toekomst mooier te maken? 

Als je kijkt naar de geschiedenis van AI, ik doe dit werk al 20 jaar, zaten we eerst heel erg in de onderzoeksfase. De AI toepassingen waren nog net niet goed genoeg. Bijna 8 jaar geleden is hier een kantelpunt in gekomen en presteert de toepassing beter dan mensen. Het kan veel verschillende problemen oplossen. 

Een voorbeeld hierin is dat AI kan helpen om nauwkeuriger bestrijdingsmiddelen te gebruiken. Of op het gebied van verkeersveiligheid. Als verkeersdeskundigen willen weten hoe veilig een verkeersplein is gaat het vaak om kwantitatieve data; het aantal ongelukken bepaalt wanneer er iets aan de weg veranderd moet worden. Hierin is het juist interessant om te onderzoeken wat het potentiële gedrag van weggebruikers is. In plaats van het turven hoe vaak er iets fout gaat plaats je camera’s en kan je met behulp van AI voorspellen welk gedrag gebruikers vertonen. Zoals het elkaar aankijken of juist niet aankijken waardoor ze wel of niet zien wat er aan komt. Met wel of geen ongeluk tot gevolg.  

Mijn optiek is wel om het vanuit de techniek aan te vliegen. Als je dit doet dan kan je een grote groep studenten en bedrijven inspireren om te laten hoe AI een hulpmiddel kan zijn. Uiteindelijk voor een betere, duurzamere wereld.

4. Wat is de schaduwzijde van AI?

Zoals niet perse alleen bij AI maar bij iedere nieuwe innovatie moet je goed nadenken hoe je het in zet. Je moet het inzetten op zijn kracht. Weten wat de beperkingen zijn. En dat is de fase waar we nu in zitten; het is nog niet helder wat alle technieken zijn. AI is niet altijd de oplossing. Daar is meer onderzoek voor nodig, meer toepassingen. Om dit goed te valideren en evalueren. AI is in de basis een techniek, maar je hebt altijd een toepassing nodig om er iets mee te kunnen.

5. Wat zie jij als de grote uitdagingen van AI?

Op dit moment is de allergrootste uitdaging hoe wij als academisch veld bij blijven met de ontwikkelingen van AI. Niet algoritmisch maar puur om in staat te zijn om modellen te trainen en te testen. De grote modellen zijn duur om te trainen. Zoals het eerdere bekende voorbeeld van Open AI en Chat GPT, hier zitten grote commerciële partijen achter die dit vermarkten. Dat kost miljoenen om te trainen.

Afgelopen jaren is AI onderzoek relatief makkelijk geweest. Steeds grotere modellen maken meer data. Dit is ook eindig, economisch wordt het te duur en kost het teveel energie. De uitdaging is dan ook hoe deze modellen te kunnen blijven trainen, hierin moeten we slimme keuzes maken. De simpelere modellen uitzoeken. Het gaat om slimme engineering.

6. Hoe denk jij dat onderwijs in moet spelen op de komst van AI?

Ik denk het enige wat het onderwijs kan doen is omarmen, het gaat niet weg. Je kan de geest niet terug stoppen de in fles. Wet- en regelgeving is hier een belangrijke in maar het onderwijs zelf ook. We moeten studenten beter opleiden om er goed mee om te gaan. Ik zie het niet als revolutie maar meer als evolutie. Net zoals de komst van Google zoekmachine waar in het begin argwanend naar werd gekeken, het heeft ons veel gebracht. Dit verwacht ik ook van AI, dat we verder komen in het oplossen van problemen.  

7. Wat kunnen mensen verwachten van de lezing tijdens de Tegenlicht meet-up over AI op 14 november?

Ik ga iets vertellen over de mooie toepassingen van AI, hoe het in hoofdlijnen werkt om er meer gevoel en intuïtie bij te krijgen. Om zo ook naar de beperkingen te gaan. Zie het als een kans, het gaat ons verder brengen. Voor een mooiere wereld.

Gepubliceerd op: 08 november 2023