Overzicht met alle artikelen van 3Bplus

Overzicht met alle artikelen van 3Bplus

We houden bij 3Bplus al sinds 2015 een blog bij. In die periode hebben we al behoorlijk wat artikelen geschreven. In dit artikel houden we een overzicht bij van al deze artikelen.

Spring naar:

Ouderenzorg
Gezondheidszorg
Duurzaamheid
Internet
Slimme Oplossingen
Artificial Intelligence
Overig
Engels

Ouderenzorg

Hoe nemen we angst bij ouderen weg?

Veranderingen in de ouderenzorg hebben ervoor gezorgd dat ouderen langer thuis blijven wonen, vaak zonder partner of andere huisgenoot. Dit levert een potentieel gevaarlijke situatie op. Ouderen zijn bijvoorbeeld gewend de deur te openen voor de verzorging. Criminelen zouden hier mogelijkerwijs misbruik van kunnen maken. We behandelen de mate van angst voor misdaad, waarbij we specifiek aandacht besteden aan ouderen. Ook is er aandacht voor verklaringen en consequenties voor de angst voor misdaad. Uiteraard vragen we ons aansluitend af welke maatregelen genomen kunnen worden om de veiligheid van ouderen te garanderen. En welke rol kan domotica hierin spelen?

Angst voor misdaad: verklaringen voor angst
Angst onder ouderen – de consequenties van angst
Veiligheid van ouderen – maatregelen en domotica
Infographic: ouderen die langer thuis wonen zonder angst

Wat vinden ouderen van domotica?

Elektronische hulpmiddelen en domotica worden ingezet om ouderen te ondersteunen bij het zo lang mogelijk thuis blijven wonen. Het kan hiermee een grote bijdrage leveren aan de ouderenzorg. Wij stellen ons tot doel om nader te kijken naar de visies van de betrokken partijen in de ouderenzorg. We kijken naar de mening van de betrokken partijen (zorgverleners, producenten en beleidsmakers) over elektronische hulpmiddelen en domotica. Speciale aandacht is er voor de mening van ouderen.

Veranderingen in de ouderenzorg – aging in place
Domotica in de ouderenzorg – kwaliteit van wonen en leven
De mening van ouderen over domotica: ‘Als het maar nuttig is’
Infographic: domotica-implementatie in de ouderenzorg

Hoe gaan we om met de privacy van ouderen?

Met domotica wordt informatie over de gezondheid en toestand van ouderen verzameld en doorgegeven. Hiermee kunnen zorgverleners deze managen en monitoren. De privacygevoelige informatie zou, wanneer deze (per ongeluk) in de openbaarheid belandt, echter ook voor andere doeleinden gebruikt kunnen worden. De relatie tussen domotica en privacy is dan ook tweeledig. De inzet van domotica kan de privacy van ouderen ten goede komen, maar juist ook riskeren. In deze serie artikelen wordt gekeken naar de mening van betrokken partijen in het zorgsysteem wat betreft de impact van domotica op privacy. Ook wordt ingegaan op de ethische eisen die in het kader van privacybescherming aan deze elektronische hulpmiddelen gesteld moeten worden.

De relatie tussen domotica en privacy in de ouderenzorg
Privacy van ouderen – de impact van domotica
Privacy en domotica: eisen voor de ouderenzorg
Infographic: privacy van ouderen bij de inzet van domotica

Hoe zorgen we voor acceptatie van techniek?

Innovaties op het gebied van techniek en domotica worden echter niet altijd (direct) geaccepteerd door de gebruikers. We kijken naar een aantal theorieën die de acceptatie van techniek behandelen. De theorieën die deze weerstand verklaren, worden specifiek in dit artikel toegepast op ouderen en techniek. Ook wordt er gekeken naar de acceptatie van domotica. Er wordt hierbij gebruik gemaakt van een aantal acceptatietheorieën, zoals UTAUT. Welke factoren hebben invloed op de acceptatie van domotica door ouderen? De aanwezigheid van techniek leidt niet per se tot de acceptatie van techniek door de gebruiker. Acceptatie van techniek kent vele barrières, zoals een gebrek aan steun van bovenaf, slecht design en ongemotiveerde en incapabele gebruikers. Het falen van de meeste producten is echter te verklaren door een gebrek aan gebruikersacceptatie. Als technologische innovaties elkaar steeds sneller opvolgen en er steeds meer falen, zijn inzichten in de determinanten van acceptatie van techniek erg bruikbaar. Begrip van de acceptatie van techniek kan helpen om innovaties te ontwikkelen, die beter geaccepteerd worden door de gebruiker. Een beter begrip van techniekacceptatie door ouderen kan helpen om innovaties te ontwikkelen, die daadwerkelijk geaccepteerd worden door de gebruiker. In dit laatste artikel binnen deze serie worden de factoren die van invloed zijn op techniekacceptatie vertaald in concrete aanbevelingen voor de praktijk. Zodoende kan de acceptatie van techniek (en domotica) door ouderen vergroot worden.

Acceptatie van techniek door ouderen – acceptatietheorieën
Ouderen en techniek – acceptatie of weerstand?
Acceptatie van domotica door ouderen – UTAUT toegepast
Hoe zorg je voor techniekacceptatie door ouderen?
Infographic – Techniekacceptatie door ouderen

Thuis blijven wonen met dementie

Ook ouderen met dementie blijven graag zo lang mogelijk thuis wonen. We beginnen deze serie met een definitie van dementie. Wat is dementie precies en wat zijn de symptomen? Aansluitend gaan we in op de voor- en nadelen van het thuis blijven wonen met dementie. Waar voorheen vaak werd gekozen voor opname een verpleeghuis is het tegenwoordig met behulp van huisaanpassingen en steun vanuit diverse instanties mogelijk om zowel de dementerende als de betrokken mantelzorger te ondersteunen, zodat oud worden in eigen huis beter mogelijk wordt. De combinatie van deze drie factoren (mantelzorgers, huisaanpassingen en hulp vanuit instanties) maakt dit langer thuis wonen grotendeels mogelijk. We bespreken deze alledrie, te beginnen met mantelzorgers die helaas veelal wel negatieve effecten van het verzorgen van hun dementerende naaste ervaren. Daarna gaan we in op de inzet van huisaanpassingen en hulpmiddelen voor mensen met dementie. Het is echter ook van belang te zorgen voor dementievriendelijke gemeenschappen. We geven we een definitie en laten we zien welke rol instanties in het creëren ervan kunnen spelen. Er kan echter een moment komen dat de dementerende toch moet verhuizen. In laatste artikel gaan we in op de verschillende woonvormen, waarbij we extra aandacht besteden aan het kleinschalig wonen voor mensen met dementie.

Wat is dementie – de symptomen van dementie
Thuis wonen met dementie – mantelzorgers
Huisaanpassingen, -inrichting en hulpmiddelen voor mensen met dementie
Dementievriendelijke gemeenschappen – de rol van instanties
Woonvormen voor mensen met dementie – kleinschalig wonen
Infographic – Thuis blijven wonen met dementie

“Mantelzorgen is bevredigend, maar stressvol”

Als ouderen langer thuis blijven wonen, wordt de belasting op hun mantelzorgers groter. In onze serie artikelen over mantelzorgers kijken we onder meer naar de redenen om te gaan mantelzorgen. Ook gaan we in op de eigenschappen van deze mantelzorgers. Uiteraard staan we ook stil bij de (negatieve) effecten van het zorgdragen. Het voorzien in de behoeften van een naaste kan namelijk erg bevredigend zijn, maar kan ook leiden tot stress en andere klachten bij mantelzorgers veroorzaken. Zodoende sluiten we deze serie af met mogelijke interventies die mantelzorgers ondersteuning kunnen bieden. Hierbij gaan we ook in op de effectiviteit van deze hulp voor mantelzorgers. Ten slotte nemen van de mogelijkheden van domotica onder de loep.

Mantelzorgers – redenen en eigenschappen
Klachten bij mantelzorgers – effecten van mantelzorgen
Hulp voor mantelzorgers – interventies bekeken
Infographic – hulp voor mantelzorgers

Ouderenzorg: woonwensen versus woonwerkelijkheid

Zoals gezegd wil het merendeel van de ouderen het liefst thuis oud worden. Maar wat zijn de wensen van ouderen wat betreft hun woning? We wijden aan serie artikelen aan de woonwensen van ouderen. We bespreken om te beginnen de woonwerkelijkheid van ouderen. Hoe wonen ouderen nou echt en vooral in welke soorten woningen? Ook behandelen we de verhuisgeneigdheid van ouderen. Willen zij graag verhuizen of blijven zij toch liever in de eigen woning? Ook besteden we aandacht aan de woonwensen van ouderen. Wat is de ideale ouderenwoning? We bespreken de wensen wat betreft de woning, en de woonsituatie en -omgeving. Eerst is het echter van belang te kijken naar de heterogeniteit binnen de groep. De ene oudere is de andere namelijk niet. De ideale ouderenwoning bestaat daarom niet. Toch zijn er veel woonwensen van ouderen universeel. Ten slotte vergelijken we deze wensen met de werkelijkheid. Komen deze overeen of zijn er grote verschillen zichtbaar? Deze vergelijking mondt uit in een aantal aanbevelingen aan de betrokken instanties.

Hoe wonen ouderen – de woonwerkelijkheid van ouderen
Willen ouderen verhuizen: verhuisgeneigdheid
De ideale ouderenwoning – verschillen tussen groepen
Woonwensen van ouderen – de woning, situatie en omgeving
Een woning voor ouderen – verschil woonwerkelijkheid en woonwensen
Infographic – de woonsituatie en woonwensen van ouderen

Als langer thuis wonen niet meer mogelijk is

We hebben veel geschreven over ouderenzorg. We richten ons daarbij vooral op de zelfredzaamheid van ouderen. Het merendeel van de ouderen wil namelijk het liefst thuis oud worden. Daarnaast zijn de naasten van ouderen vrij terughoudend hun een geliefde in een zorginstelling te plaatsen. Desondanks is er globaal gezien een exponentiële groei zichtbaar in het aantal ouderen dat intrek neemt in een zorginstelling. In deze serie artikelen wordt gekeken naar de mogelijke redenen van zowel ouderen als hun naasten voor de keuze voor een zorginstelling. Ook is er aandacht voor het besluitvormingsproces dat hieraan voorafgaat. De redenen om voor een zorginstelling te kiezen, hebben te maken met het verminderen van eenzaamheid en isolatie, een verslechterende gezondheid en positieve elementen in de omgeving.

De keuze voor een zorginstelling door ouderen
Een zorginstelling voor ouderen – het besluitvormingsproces
Ouderen in een zorginstelling: de keuze van naasten
Infographic – als thuis wonen niet meer gaat

Redenen om te mantelzorgen en eigenschappen van mantelzorgers

Gezondheidszorg

Serious games voor zorgverleners en patiënten

Bij 3Bplus zijn we van mening dat innovaties veel kunnen betekenen voor ons welzijn en onze welvaart. Serious games hebben als doelstelling spelers te onderwijzen, trainen of om hun gedrag te veranderen. In onze serie artikelen geven we een definitie van serious games, waarna we ingaan op de positieve impact van serious games op de ontwikkeling van diverse skills is te zien in allerlei toepassingsgebieden. Serious games worden ingezet in diverse velden, zoals bijvoorbeeld defensie, luchtvaart, onderwijs en gezondheidszorg. Specifiek kijken we naar een aantal toepassingen voor patiënten in de gezondheidszorg. Serious games in de gezondheidszorg kunnen zowel ingezet worden voor de training van professionals als bij de begeleiding van patiënten. Er zijn binnen de gezondheidszorg diverse toepassingen van serious games voor patiënten te bedenken. Zo kunnen serious games in de gezondheidszorg ingezet worden bij herstel en revalidatie. In dit artikel gaat de aandacht uit naar drie toepassingsgebieden in het bijzonder. Namelijk: gedragseducatie, therapie bij psychische problematiek en pijnbestrijding. Gesteld mag worden dat het merendeel van onderzoek naar de toepassing van serious games in de gezondheidszorg positieve resultaten laat zien. Er wordt hierbij extra aandacht gegeven aan ouderen. Voor hen kunnen serious games uitkomst bieden voor (leeftijd gerelateerde) problematiek als verlies van balans en cognitieve achteruitgang. Het is reeds bewezen dat serious games een positieve impact hebben op de ontwikkeling van diverse skills. In het laatste artikel in deze serie kijken we ten slotte naar de toekomst van serious games in de gezondheidszorg.

Wat zijn serious games: een introductie
Serious games in de gezondheidszorg – toepassingen
Serious games voor ouderen – balans en cognitie
De toekomst van serious games in de gezondheidszorg
Infographic – serious games-toepassingen in de zorg

De potentie van VR (Virtual Reality) in de gezondheidszorg

In deze serie artikelen bespreken we VR (Virtual Reality). Om te beginnen geven we een definitie. We gaan hierbij ook in op de rol die sensoren spelen bij het creëren van een virtuele wereld. De opkomst van VR wordt vooral voortgestuwd door de markt voor computerspellen, maar met dezelfde technologie is meer mogelijk, ook voor de zorg. Van pijnbestrijding tot exposuretherapie, en educatie en revalidatie: de potentie van VR in de zorg is groot. Zeker nu de overheid aanstuurt op efficiëntere behandelingen biedt VR een duidelijke kans om zorg beter én goedkoper te maken. We gaan bij de bespreking van toepassingen van VR in de gezondheidszorg ten slotte we specifiek in op toepassingen in de ouderenzorg. We behandelen onder meer in op de training van vaardigheden, het minimaliseren van handicaps en het verbeteren van (geestelijk) welzijn.

Wat is VR (Virtual Reality): een introductie
VR in de zorg – training, exposure en meer
VR in de ouderenzorg – zelfstandigheid, welzijn en meer
Infographic – VR-toepassingen in de zorg

De nieuwste toepassingen van AR (Augmented Reality)

In deze serie artikelen wordt gekeken naar Augmented Reality (AR) (of Toegevoegde Realiteit; TR). Maar wat is AR nu precies? In de introductie geven we een antwoord op die vraag. Aansluitend gaan we in op de sensortechniek achter AR. We leggen uit hoe de technologie precies werkt. Ook gaan we in op de toepassingen van AR. Zo bespreken we het in het kader van werken, leren, entertainment, commercie en veiligheid. We hebben daarbij extra aandacht voor het Internet of Things (IoT). We stellen ons daarbij de vraag hoe AR en IoT gecombineerd worden. Of beter gezegd: hoe kan IoT verrijkt worden met AR? Ten slotte behandelen we AR in de zorg. Deze combinatie heeft de potentie om medische training te verbeteren, levens te redden en bestaande processen preciezer en efficiënter te maken. Dokteren kunnen operaties effectiever uitvoeren, ook kan het ingezet worden om fitheid te verbeteren. AR-technologie kan de patiëntervaring opnieuw vormgeven, klinische resultaten verbeteren en innovatieve nieuwe therapieën opleveren. AR-apps worden bijvoorbeeld al gebruikt voor simulaties, operaties en revalidatie.

Wat is AR (Augmented Reality): een introductie
Hoe werkt AR – AR en sensortechnologie
Toepassingen van AR (Augmented Reality)
AR en IoT – het Internet of Things verrijkt met Augmented Reality
AR in de zorg – toepassingen van Augmented Reality
Infographic – AR in IoT, Smart Cities en de zorg

Serious games in de gezondheidszorg: de toepassingen nader bekeken

Duurzaamheid

Duurzaamheid als antwoord op klimaatverandering

Duurzaamheid is een onderwerp dat ons na aan het hart ligt. We wijdden zodoende verschillende series aan duurzaamheid. Om te beginnen, gaan we dieper in op klimaatverandering. Wat is klimaatveranderingen en wat zijn de oorzaken en gevolgen? Door onder meer het verbranden van fossiele brandstoffen, en het kappen en platbranden van bossen is de mens bezig het klimaat dusdanig te veranderen dat het voortbestaan van alle organismen in gevaar is gekomen. Een duurzamere manier van leven, werken en wonen, is nodig om klimaatverandering een halt toe te roepen. Ten slotte bespreken we deze duurzaamheid: wat is het precies en hoe bereiken we het?

Wat is klimaatverandering: een introductie
Oorzaken en gevolgen van klimaatverandering
Duurzaamheid als antwoord op klimaatverandering
Infographic – hoe bereiken we duurzaamheid?

Hoe verklaren we het gebrek aan klimaatactie?

Ondanks wetenschappelijk bewijs dat de mens bezig is het klimaat te veranderen, wordt er weinig actie ondernomen om de klimaatverandering een halt toe te roepen. We openen deze serie met een artikel over de invloed van de mens op klimaatverandering. Daarna rijst automatisch de vraag: waarom doen we niets aan klimaatverandering? We geven aan aantal verklaringen voor het feit dat er weinig klimaatactie wordt ondernomen. We bespreken een aantal barrières bij het ondernemen van klimaatactie, zoals onzekerheid en scepsis omtrent klimaatverandering en een aantal uitdagende eigenschappen van het fenomeen klimaatverandering. Een groot gedeelte van de verklaring van het feit dat er weinig klimaatactie ondernomen wordt, kan daarnaast gevonden worden in diverse eigenschappen van de mens zelf. We kijken daarom aansluitend naar eigenschappen van de mens zelf die klimaatactie in de weg zitten.

Invloed van de mens op klimaatverandering
Waarom doen we niets aan klimaatverandering?
Gebrek aan klimaatactie – eigenschappen van de mens
Het uitblijven van klimaatactie – menselijke eigenschappen
Infographic – waarom nemen we geen actie tegen klimaatverandering?

Hoe zorgen we voor klimaatactie?

Zoals we in onze vorige serie artikelen beschreven, zijn er nogal wat barrières die het nemen van klimaatactie bemoeilijken. Zodoende kijken we aansluitend naar mogelijke manieren om het publiek toch tot klimaatactie te bewegen. We richten ons daarbij voornamelijk op klimaatcommunicatie. Hoe zorg je voor berichtgeving die leidt tot klimaatactie? We beginnen met publieke betrokkenheid en het formuleren van een boodschap. We gaan daarbij in op het belang van publieke opinie, en de inhoud en aankleding van de boodschap. Ook doelgroepen en framing zijn van groot belang op het succesvol overbrengen van klimaatcommunicatie. Aansluitend hebben we aandacht voor de andere elementen: boodschapper en kanaal. We onderstrepen ook het belang van het concretiseren van de klimaatcommunicatie. Als berichtgeving succesvol blijkt in het doorbreken van barrières tegen klimaatactie moet deze echter ook worden ondersteund door beleid, en economische en infrastructurele veranderingen, die betrokkenheid en de realisatie van goede bedoelingen mogelijk maken.

Klimaatverandering – hoe zorgen we voor klimaatactie?
Actie tegen klimaatverandering – het bewegen van mensen
Klimaatveranderingscommunicatie – de aanpak van klimaatverandering
Klimaatactie mogelijk maken – motivatie en belemmeringen
Infographic – hoe zorgen we voor actie tegen klimaatverandering?

Actieplan naar een duurzame manier van leven

Aangezien klimaatverandering een belangrijk onderwerp voor ons is, wilden we de punten die we in onze vorige serie artikelen beschreven (“Hoe zorgen we voor klimaatactie?”) ook daadwerkelijk omzetten in een actieplan, dat concrete handvatten biedt om het publiek te bewegen tot een duurzame manier van leven. Een duurzamere manier van leven, werken en wonen is namelijk nodig om klimaatverandering een halt toe te roepen. We gebruiken in ons actieplan twee typen interventiestrategieën. Zo zijn er informatieve interventiestrategieën die gericht zijn de percepties, normen, kennis, attitudes en motivaties te veranderen die ten grondslag liggen aan duurzaam gedrag. Tevens kunnen deze ingezet worden om publieke acceptatie te verhogen wanneer individuen gedwongen worden hun gedrag te veranderen. Klimaatcommunicatie is onderdeel van deze informatieve interventiestrategieën, aangezien communicatie een belangrijke en constructieve rol speelt bij de vorming van kennis, publieke betrokkenheid en gedrag. Daarnaast zijn er structurele strategieën die gericht zijn de omstandigheden te veranderen waaronder de gedragsrelevante besluiten worden gemaakt. Zoals veranderingen in wettelijke voorschriften en beleid.

Klimaatverandering – actieplan naar duurzaam gedrag
De weg naar duurzaam leven – klimaatveranderingscommunicatie
Actieplan klimaatverandering – de weg naar duurzaamheid
Het overwinnen van barrières voor klimaatactie
Het bereiken van een duurzame manier van leven
Infographic – klimaatplan naar duurzaamheid

Hoe wordt een bedrijf duurzaam?

Aangezien niet alleen mensen, maar ook bedrijven in actie moeten komen om klimaatverandering een halt toe te roepen, schreven we ook een serie artikelen over duurzaamheid voor bedrijven. We onderzoeken in het eerste artikel in deze serie wat duurzaam ondernemen precies is. De inhoud van het begrip gaat namelijk verder dan het nog steeds veelgebruikte Maatschappelijk Verantwoord Ondernemen (MVO). Ook de Triple Bottom Line (TBL) komt hierbij aan bod. Aansluitend geven we voorbeelden van duurzaamheid voor bedrijven. We gaan hierbij in op de zes essentiële kenmerken van een duurzame ontwikkeling. Er zijn veel voordelen van duurzaam ondernemen te benoemen, zoals een verbeterde concurrentiepositie, grotere winst en tevreden stakeholders. In het laatste artikel bespreken we ten slotte de targets van duurzaamheid. Want hoe meet je duurzaamheid? Verder we bespreken we het belang van communicatie omtrent de duurzaamheid van een bedrijf, bijvoorbeeld middels duurzaamheidsindices. Ten slotte gaan we op op een businessmodel voor duurzaamheid.

Duurzaam ondernemen – wat is duurzaamheid voor bedrijven?
Voorbeelden van duurzaamheid voor bedrijven
Voordelen voor duurzame bedrijven – concurrentie, winst en stakeholders
Hoe wordt een bedrijf duurzaam – een businessmodel voor duurzaamheid
Infographic – duurzaamheid voor het bedrijfsleven

Waarom doen we niets aan klimaatverandering - barrières tegen klimaatactie

Internet

Het internet is onmisbaar – de huidige staat van het internet

In deze serie artikelen kijken we naar het belang van internet. Voor veel mensen is een snelle internetverbinding een basisvoorziening geworden, net als water, elektriciteit en een verharde weg. Zo voorziet het onder meer in een informatie- en communicatiebehoefte. Internet is belangrijk voor de mens, maar ook zeker voor het bedrijfsleven. Zonder deze voorziening is een woonhuis of bedrijf in de nabije toekomst niet meer berekend op de eisen die onze maatschappij en economie eraan stellen. We gaan specifiek in op een aantal branches, te beginnen met recreatie en hospitality. Zelfs op vakantie is internet namelijk onmisbaar voor de mens. Bedrijven in de recreatiesector hebben daarom belang bij een internetverbinding voor hun gasten. Ook in de zorgsector speelt internet een steeds grotere rol. Internet heeft de potentie de zorg te verbeteren, zowel kwalitatief gezien als op het gebied van beschikbaarheid. De laatste branche die we bespreken, zijn de studentenhuisvesters. Ook studenten hebben belang bij internet. Studenten willen daar zorgeloos en voordelig internetten, zeker aangezien studeren zonder internet niet gaat. Voor studie, communicatie en vermaak willen studenten altijd beschikken over snel internet.

Het internet is dus onmisbaar, zowel voor particulieren als voor bedrijven in diverse branches. Zodoende kijken we in deze serie naar de huidige staat van het internet. Hoe is het internet in Nederland? Heeft iedereen toegang tot het internet en wat valt er te zeggen over de snelheid en de kosten? We bespreken ook de situatie in België, zodat we uiteindelijk een vergelijking tussen de beide landen kunnen maken.

Het belang van internet: communicatie, informatie en meer
Het belang van internet voor recreatie en hospitality
Het belang van internet voor de zorg
Het belang van internet voor studentenhuisvesters
Infographic – het belang van internet voor vier sectoren

Hoe is het internet in België? – Toegang, snelheid en meer
Hoe is het internet in Nederland? – Dekking, prijzen en meer
Vergelijking internet – België en Nederland
Infographic – internet in Nederland en België

Studenten kunnen niet zonder internet - internet voor studentenhuisvesters

Slimme oplossingen

Smart Cities

Bij 3Bplus bieden we slimme oplossingen, waarmee we kunnen zorgen voor comfort en veiligheid. We meten onder meer de waterstanden en monitoren bomen. Het ultieme voorbeeld van een slimme oplossing is een slimme stad, oftewel een smart city. Ook over dat onderwerp schreven we een aantal artikelen. We beginnen met een definitie, want wat is een smart city? Om daar een antwoord op te geven, gaan we onder meer in op de doelstellingen van een smart city en de zes aspecten die zo’n slimme stad definiëren. We sluiten af met een korte omschrijving van de ideale smart city. Een smart city wil antwoord bieden op de uitdagingen van onze tijd, bijvoorbeeld op het gebied van duurzaamheid als levenskwaliteit. Om die doelstellingen te behalen, zetten smart cities onder meer technologie in, zoals sensoren, IoT en Big Data.

Maar waarom zou een stad eigenlijk slim willen worden? Ook op die vraag geven we een antwoord. Waar eerste slechts enkele gemeenten het voortouw namen, zijn er nu massaal visies opgesteld waarbij meerdere lagen binnen de gemeente betrokken zijn. Smart cities zijn al lang geen toekomstmuziek meer. Je vindt ze overal ter wereld, zo ook in Nederland. Zodoende kunnen we ook voorbeelden van smart city-technologie geven op de gebieden: mobiliteit, verkeer, milieu, afval, veiligheid, gezondheid, stadsplanning en burgerschap. In het laatste artikel in deze serie kijken we naar de belangrijkste component van deze slimme steden: de inwoners. Wat is de rol van deze burgers in een smart city? Wij stellen dat inwoners van een smart city zelf een grote rol moeten spelen bij het ontwerp van hun omgeving. Zo moeten de smart oplossingen ontworpen worden om de oorzaken van problemen voor de inwoners weg te nemen. En moeten zij daadwerkelijk een stem hebben in het ontwerpproces. Hierbij is het onder meer van belang om te weten aan welke oplossingen de inwoners nut toekennen.

Wat is een smart city (slimme stad): een introductie
Technologie in een smart city – sensoren, IoT en Big Data
Waarom smart cities slim (willen en moeten) worden
De toekomst van smart cities – samenleving en techniek
Hoe wordt een stad een smart city – de weg naar een slimme stad
Voorbeelden van smart city-technologie – verkeer, milieu en meer
Voorbeelden van smart cities overal ter wereld
Inwoners van een smart city – de rol van burgers in smart cities
Infographic – de smart city als ultieme slimme oplossing

Wat zijn de smart city-trends voor 2018?
Belemmeringen voor de komst van smart cities

Internet of Things (IoT)

In deze serie artikelen behandelen we het Internet of Things (IoT; internet der dingen). Het IoT is een netwerk van verbonden objecten die gegevens verzamelen en delen over de manier waarop ze worden gebruikt en over de omgeving om hen heen. Het internet is wat al deze objecten of “dingen” met elkaar verbindt. Het grootste voordeel van het IoT is dat een hoop handmatige processen geautomatiseerd kunnen worden. Ook kunnen apparaten verschillen opmerken en hun programma daarop aanpassen. Naar verloop van tijd neemt ons energieverbruik af, verspillen we minder producten en verbeteren productieprocessen.

We beginnen de serie met een definitie, want wat is het IoT precies? Aansluitend gaan we in op de werking: we beschrijven het proces van data verzamelen, versturen, verwerken en gebruiken. Om de werking te illustreren, geven we een voorbeeld waarbij we al deze stappen samen laten komen. In het derde artikel in deze serie kijken we naar hetgeen het IoT voor ons kan betekenen. Of beter gezegd: wat zijn de voordelen van IoT? Het Internet der Dingen speelt straks een rol in alle facetten van ons leven: werk, privé en de omgeving waarin wij leven. IoT biedt niet alleen voor meer comfort voor de gebruiker, maar verbetert ook productieprocessen en biedt oplossingen voor problemen rond energie, gezondheidszorg en onderwijs. We bespreken de manieren waarop IoT dat gaat doen. IoT kan bijvoorbeeld bijdragen aan betere veiligheid en duurzaamheid door het aan- en uitzetten van straatverlichting en het op afstand checken of verkeersborden kapot zijn. We splitsen de toepassingen van IoT op in verschillende sectoren, zoals sport, entertainment en gezondheidszorg. Ook gaan we in op vier overkoepelende toepassingen: Smart Homes, Smart Buildings, Smart Cities en Smart Industry. We eindigen deze serie over het Internet of Things met een blik op de toekomst. We stellen ons de vraag: wat is de toekomst van IoT?

Wat is IoT (Internet of Things): een introductie
Hoe werkt IoT – het Internet of Things uitgelegd
De voordelen van IoT (Internet of Things)
Toepassingen van IoT – sport, entertainment en zorg
IoT-toepassingen (Internet of Things) – Smart Cities
IoT toegepast in Smart Homes en Smart Buildings
Smart Industry met IoT (Internet of Things)
De toekomst van IoT (Internet of Things)
Infographic – slimme apparaten met het IoT

De keten van slimme oplossingen: sensoren, IoT, Big Data en AI

In deze serie artikelen gaan we in op de keten die zich vormt tussen sensoren, Internet of Things (IoT; internet der dingen), Big Data en Artificial Intelligence (AI; kunstmatige intelligentie). Al deze – op het eerste gezicht – losstaande technologieën staan namelijk in verbinding met elkaar. Wanneer alle elementen gezamenlijk toegepast worden, ontstaan er namelijk slimme oplossingen, waarmee we ons (dagelijks) leven enorm kunnen verbeteren en verrijken. Om apparaten en objecten slim te maken, wordt de keten van technologieën ingezet. Zo wordt er Big Data verzameld door de sensoren in Internet of Things-toepassingen. Deze Big Data wordt vervolgens geanalyseerd door Artficial Intelligence. Het doel is om patronen en trends te ontdekken. Door het toevoegen van deze rekenkracht worden de IoT-apparaten “intelligent” en zijn ze in staat om zelf beslissingen te nemen. Ze kunnen daardoor op ieder moment informatie uitwisselen en acties in gang te zetten. Het gaat in onze keten dus uiteindelijk niet om het IoT-apparaat an sich, maar om de digitale, data- en informatiegedreven toegevoegde waarde die uiteindelijk ontstaat. We krijgen inzicht en invloed op situaties, doordat er continue betekenisvolle informatie ontstaat, die omgezet kan worden in (automatische) actie.

We bespreken in het eerste artikel kort de losse elementen, maar bespreken vooral de verbanden. Om de keten grafisch weer te geven, maakten we aansluitend een infographic. In het vervolgartikel geven we een aantal voorbeelden van slimme oplossingen, waarbij deze keten van technologieën ingezet wordt. Het gaat om real world-toepassingen, die ons dagelijks leven kunnen verrijken en verbeteren. We gaan in op luchtkwaliteit, watermanagement, zorgtoepassingen en de plaats waar al deze toepassingen samenkomen: Smart Cities. In het laatste artikel in deze serie voegen we graag nog een aantal (zij)stappen toe. We gaan onder meer dieper in op Fog en Edge computing, de “opvolgers” van de Cloud, en de mogelijkheden en manieren van Big Data-analyse, waaronder Deep Learning. En ten slotte besteden we aandacht aan een van de nog niet benoemde toepassingen van de keten: next generation domotica met IoT.

De keten van slimme oplossingen: sensoren, IoT,  Big Data en AI
Voorbeelden: Sensoren, IoT, Big Data en AI in slimme oplossingen
Verdieping: smart oplossingen met Fog computing en deep learning
Infographic: de keten van slimme oplossingen: sensoren, IoT, Big Data en AI 

Hoe wordt een stad een smart city? Aandacht voor voorwaarden, burgers, techniek en meer.

Artificial Intelligence (AI)

Wat is AI?

Om een slimme toekomst mogelijk te maken, wordt er volop onderzoek gedaan naar Artificial Intelligence (AI). Ook wij vinden dit veld bijzonder interessant. Zodoende wijden we een aantal series artikelen aan AI en aanverwante onderwerpen als machine learning, neurale netwerken en deep learning. We beginnen echter met de vraag: wat is AI? We geven een definitie en gaan onder meer in op het verschil tussen smalle AI en algemene AI. Ook bespreken we de kernproblemen en de opkomst van het veld. In deze serie artikelen wordt gekeken naar AI (Artificial Intelligence; of Kunstmatige Intelligentie, KI). Er is nog geen algemene AI. AI-systemen worden gespecialiseerd om bepaalde taken uit te voeren. En elke toepassing vereist jaren van gericht onderzoek en een zorgvuldige, unieke constructie. Zodoende is de vooruitgang ongelijk binnen en tussen de domeinen. Specifieke aandacht hebben we voor de (deel)gebieden waarop de ontwikkeling van AI-onderzoek zich op dit moment voornamelijk richt. In dit kader bespreken we machine learning, deep learning, reinforcement learning, computervisie, natuurlijke taalverwerking, robotica, collaboratieve systemen, crowdsourcing en menselijke rekenkracht, algoritmische speltheorie en computationele sociale keuze, Internet of Things (IoT) en neuromorfische computing. Naast deze huidige ontwikkelingen binnen het veld, kijken we ook alvast naar de toekomst. AI-technologieën dringen op dit moment al (ongemerkt) door in al onze levens. Verwacht wordt dat de rol van AI op allerlei gebieden nog groter zal worden.

Wat is Artificial Intelligence (AI): een introductie
De huidige staat van AI
AI-onderzoek: machinaal leren, diep leren en bekrachtigingsleren
Onderzoek AI: computervisie, natuurlijke taalverwerking, robotica en collaboratieve systemen
AI research: crowdsourcing, algoritmische speltheorie, IoT en neuromorfische computing
De toekomst van AI (Artificial Intelligence)
Infographic – een eerste kennismaking met Artificial Intelligence (AI)

De kracht van AI en sensoren gecombineerd

In deze serie artikelen bespreken we de combinatie van Artificial Intelligence (AI) en sensoren op verschillende gebieden. Zo kunnen AI en sensoren onder meer samen worden toegepast in de robotica. Ook zijn er toepassingen denkbaar in gebieden als Internet of Things (IoT), gezondheidszorg, landbouw, bouwkunde, transport, en informatie en entertainment. In de volgende artikelen bespreken we al deze gebieden stuk voor stuk. We beginnen deze serie echter met een algemene introductie op de combinatie van AI en sensoren.

AI en sensoren: een introductie
Robotica – de combinatie van AI en sensoren
IoT en AI: het Internet of Things verrijkt met Artificial Intelligence
AI en zorg – datamanagement, behandelplannen en meer
Landbouw en veeteelt – AI in de agrarische sector
Sensoren en AI in gebouwbeheer – slimme gebouwen
AI in de transportsector – zelfrijdende auto’s en meer
Populaire toepassingen van AI – entertainment en informatie
Infographic – de kracht van AI met sensoren

Machine learning, neurale netwerken en deep learning uitgelegd

In deze serie artikelen werken we toe naar deep learning. Om een duidelijk beeld van deep learning te geven, bespreken we echter eerst machine learning en neurale netwerken. Om deep learning helder uit te leggen, is het namelijk van belang om de verbindingen tussen al deze concepten te schetsen. In de introductie geven we daarom een kort overzicht van de concepten machine learning, neurale netwerken en deep learning, en de verbindingen ertussen. Aansluitend gaan we in losse series in op al deze drie fenomenen. Wat is machine learning precies? Hoe werken neurale netwerken? En wat zijn voorbeelden van deep learning?

Machine learning, neurale netwerken en deep learning uitgelegd

Wat is machine learning: een introductie
Toepassingen van machine learning in zorg, retail en meer
Methoden van machine learning – supervised en unsupervised learning
Hoe werkt machine learning – machine learning uitgelegd
Infographic – machine learning is leren door ervaring

Wat is een neuraal netwerk: een introductie
Toepassingen van neurale netwerken – van chatbots tot zorg
Hoe werkt een neuraal netwerk – neurale netwerken uitgelegd
Voorbeeld van een neuraal netwerk – de werking uitgelegd
Infographic – neurale netwerken bij machine learning

Wat is deep learning: een introductie
Hoe werkt deep learning – deep learning uitgelegd
Voorbeelden van deep learning – de werking uitgelegd
Toepassingen van deep learning – taal, beeld en zorg
De toekomst van deep learning – technologie en investeringen
Infographic – op weg naar echte AI met deep learning

Machine learning, neurale netwerken en deep learning

Overig

Bij 3Bplus werken we graag samen. We bouwen met onze partners samen aan een betere toekomst. Om onze bezoekers een beeld te geven van onze samenwerkingen zijn we een serie interviews gestart. De eerste daarvan staat inmiddels online. André Kapitein van smartsensors.me vertelt wat hij doet om de wereld een stukje beter te maken.

Daarnaast bespreken we in deze categorie ook wat ons bij 3Bplus bezighoudt. We behandelen nieuwe ideeën en technologieën, en vertellen hoe wij deze inzetten. Zo vertelt oprichter Ronald de Jongh over integrale oplossingen, waarbinnen sensordata uit verschillende bronnen gebundeld kan worden.

André Kapitein wil de wereld verbeteren met smartsensors.me
Ronald de Jongh wil aan de slag met integrale oplossingen

 

Engels

Omdat we vinden dat informatie voor iedereen verkrijgbaar moet zijn, bieden we een aantal van onze artikelen ook in het Engels aan. Om te beginnen zijn dat een aantal basisartikelen, waarin we definities geven van een aantal fenomenen, zoals AI, VR, AR en smart cities.

What is AI (Artificial Intelligence): An introduction
What is VR (Virtual Reality): An introduction
What is AR (Augmented Reality): An introduction
What is a smart city: An introduction
Machine learning, neural networks and deep learning explained
What is machine learning: An introduction
What is a neural network: An introduction
What is deep learning: An introduction

Verdieping: smart oplossingen met Fog computing en deep learning

Verdieping: smart oplossingen met Fog computing en deep learning

Toevoegingen aan de keten van smart oplossingen

In deze serie artikelen beschrijven we de keten van smart oplossingen. Om apparaten en objecten slim te maken, wordt een keten van technologieën ingezet. Zo wordt er Big Data verzameld door de sensoren in Internet of Things-toepassingen. Deze Big Data wordt vervolgens geanalyseerd door Artficial Intelligence. Het doel is om patronen en trends te ontdekken. Door het toevoegen van deze rekenkracht worden de IoT-apparaten “intelligent” en zijn ze in staat om zelf beslissingen te nemen. Ze kunnen daardoor op ieder moment informatie uitwisselen en acties in gang te zetten.

Het gaat in onze keten dus uiteindelijk niet om het IoT-apparaat an sich, maar om de digitale, data- en informatiegedreven toegevoegde waarde die uiteindelijk ontstaat. We krijgen inzicht en invloed op situaties, doordat er continue betekenisvolle informatie ontstaat, die omgezet kan worden in (automatische) actie.

Smart oplossingen – Toevoegingen aan de keten

Om de keten helder neer te zetten, hebben we in ons vorige artikel alleen de basis beschreven. In dit artikel voegen we graag nog een aantal (zij)stappen toe. We gaan onder meer dieper in op Fog en Edge computing, de “opvolgers” van de Cloud, en de mogelijkheden en manieren van Big Data-analyse, waaronder Deep Learning. En ten slotte besteden we aandacht aan een van de nog niet benoemde toepassingen van de keten: next generation domotica met IoT.

Smart oplossingen – Een toename in IoT-apparaten

In de toekomst zullen we steeds meer vertrouwen op het IoT (Internet of Things) om ons te verbinden met apparaten, services, service providers en verkopers. We zijn verbonden met het IoT via onze smartphones, wearables, auto’s en huizen. IoT wordt steeds meer naadloos geïntegreerd en zal – zeker in de toekomst – al onze dagelijkse routines en taken beïnvloeden. Vrijwel elk object kan onderdeel worden van het IoT: sensoren worden steeds kleiner en goedkoper, internetverbindingen zijn alomtegenwoordig en de verwerkings- en opslagmogelijkheden van data nemen toe. Daarnaast is IPv6 inmiddels in gebruik genomen, zodat er genoeg IP-adressen beschikbaar zijn die aan objecten meegegeven kunnen worden. Een andere drijvende kracht is de alsmaar toenemende smartphone-adoptie. Ons mobieltje functioneert als afstandsbediening en beeldscherm voor het IoT.

In de toekomst komen er steeds meer IoT-apparaten op de markt, die dus ook steeds meer zullen meten en weten. Het gaat erin de toekomst om wat we doen met de verzamelde Big Data. IoT verbetert ons leven door ons meer toegang tot informatie te geven. De hoeveelheid verzamelde gegevens is (en wordt) enorm. Verwacht wordt dat we in 2025 180 biljoen gigabytes aan data zullen creëren; in 2015 was dat nog minder dan 10 biljoen gigabytes. Zelfs nu wordt echter 99,5 procent van de data al niet verwerkt. Zodoende moeten de manieren om Big Data te verwerken ook steeds verbeterd worden. Niet alleen qua grootte, maar ook qua snelheid. Denk hierbij aan verwerking in de Cloud, maar ook lokaal in de apparaten zelf, waarmee echte real-time services mogelijk worden. Dit creëert mogelijkheden voor een geheel nieuw niveau van integratie van Big Data in beslissingen.

Smart oplossingen – Fog en Edge computing

IoT profiteert van de schaalbaarheid, prestaties en betaalbaarheid van Cloud computing. Door de gegevens van de sensoren in de Cloud te streamen, kan het zijn groeibehoeften accommoderen op een schaalbare en kosteneffectieve manier. Meer en meer IoT-applicaties worden tegenwoordig geïntegreerd in de Cloud om te profiteren van de prestaties, zakelijke wendbaarheid en “pay as you go”-eigenschappen. De “opvolger” van de Cloud staat echter al klaar: Fog en Edge computing, bieden een manier om gegevens te verzamelen en te verwerken op lokale apparaten in plaats van in de Cloud of op een extern datacenter. Hierbij verzenden sensoren en andere aangesloten apparaten gegevens naar een apparaat dat zich in de nabije omgeving bevindt. Dit zou een gateway-apparaat kunnen zijn, zoals een switch of router, die deze gegevens verwerkt en analyseert.

Smart oplossingen – Soorten Big Data-analyse

Er zijn verschillende analyses te maken, waaronder descriptive analytics: beschrijvende analyses waarbij je, door middel van data, nagaat wat er in het verleden is gebeurd. Je krijgt bij deze groep analyses antwoord op de vraag: “What happened?”. Nadat je weet wat er gebeurd is in het verleden is de volgende stap na te gaan waarom dit gebeurd is. Je krijgt met discovery analytics antwoord op de vraag: “Why did it happen?”. Nu je weet wat er gebeurd is in het verleden en wat dit veroorzaakt heeft, kun je je gaan richten op de volgende stap, namelijk het nagaan wat er in de toekomst gaat gebeuren. De vraag die je zodoende beantwoordt met predictive analytics is: “What will happen?” Op basis van de inzichten die je verkregen hebt door middel van discovery analytics kun je what-if scenario’s creëren voor de toekomst. Nog een stap verder dan het, met een bepaalde zekerheid, voorspellen wat er in de toekomst gaat gebeuren, is het bepalen wat je concreet moet gaan doen. Door middel van prescriptive analytics kun je de volgende vraag beantwoorden: “How can we make it happen?” Op basis van je voorspellingen door middel van predictive analytics kun je verschillende scenario’s doorrekenen.

Smart oplossingen – De toekomst van AI

Om slimme beslissingen te nemen, zal Artificial Intelligence (AI) in de toekomst een grote rol spelen. AI-systemen kunnen snel grote hoeveelheden gestructureerde en ongestructureerde gegevens verwerken en deze betekenis geven door modellen en relaties te maken. Ze genereren hypotheses, formuleren mogelijke antwoorden op vragen en bieden voorspellingen en aanbevelingen, die kunnen worden gebruikt om menselijke intelligentie en besluitvorming te verbeteren. Met de invoer van nieuwe Big Data  evolueren en verbeteren AI-systemen in de loop van de tijd, waarbij nieuwe kennis wordt afgeleid zonder dat de systemen expliciet te worden geprogrammeerd.

Smart oplossingen – Deep learning

Gezien de aandacht voor machine learning zou je bijna denken dat het iets nieuws is. De eerste algoritmes werden echter al 50 jaar geleden ingezet. Wat machine learning echter juist nu zo interessant maakt, is dat de wereld om ons heen is veranderd: het digitale tijdperk heeft geleid tot een explosie van Big Data in alle vormen en uit alle regio’s van de wereld. Machine learning verwijst naar elk systeem waar de prestatie van een machine bij het uitvoeren van een taak beter wordt door meer ervaring op te doen in het uitvoeren van die taak. Machine learning bestaat uit algoritmes die leren dankzij data. Bij machine learning wordt veelal op basis van data een trendlijn berekend. Het systeem kan op die manier een patroon herkennen in een wolk met punten. Ook kan het systeem dat patroon doortrekken om voorspellingen te maken.

Machine learning omvat deep learning. Het zijn beide technieken waarmee computersystemen kunnen leren met behulp van ervaring. Deep learning is daarmee een complexe vorm van machine learning. Zo worden er meerlaagse neurale netwerken en niet-lineaire transformaties gebruikt. Anders gezegd: deep learning bestaat uit algoritmen die het mogelijk maken om computers te trainen door blootstelling van meerlaagse neurale netwerken aan enorme hoeveelheden Big Data.

Smart oplossingen – Nieuwe inzichten uit Big Data

Bovenal zijn deze diepe neurale netwerken in staat om latente structuren te ontdekken binnen ongestructureerde en ongelabelde data, oftewel de overgrote meerderheid van alle gegevens ter wereld. Een van de problemen waar deep learning in uitblinkt, is het verwerken en bundelen van deze ruwe data. Oftewel: het onderscheiden van patronen in gegevens die geen mens ooit heeft georganiseerd of een naam heeft gegeven.

Terwijl we Big Data verzamelen, worden voorheen ondenkbare kansen duidelijk. De toekomst van IoT biedt de mogelijkheid om te leren van data zonder eerst alles zelf uit te hoeven zoeken. In de toekomst van IoT kunnen we misschien leren van zaken als windturbines, hoogwerkers of bloedanalyses voordat we weten wat we zoeken of proberen te bereiken.

Smart oplossingen – Next generation domotica met IoT

IoT geeft bijvoorbeeld domotica (woonhuisautomatisering; Smart Homes) een boost. Domotica is het toepassen van elektronica en huisnetwerken ten behoeve van de automatisering van processen in en om de woning. Domotica verbonden met het IoT kan bijvoorbeeld een bijdrage leveren aan de kwaliteit van leven van ouderen en gehandicapten. Door de omgeving van deze mensen te monitoren en managen, wordt gezorgd dat zij (onafhankelijk) zo veilig mogelijk kunnen leven in hun eigen huis.

Met domotica verbonden met het IoT kunnen we onder meer risico’s voor de gezondheid detecteren en rapporteren. Denk hierbij aan bewegingssensoren en andere monitoring, en beveiligingsmiddelen, zoals alarmen, sloten en camera’s. Smart Homes kunnen gevoelens van kwetsbaarheid verminderen, zelfredzaamheid helpen bewaren en de kwaliteit van zorg vergroten. Dit gebeurt onder meer met de inzet van bewegingsdetectoren, valdetectie, zwerfdetectie, automatische verlichting en zorg op afstand.

Het is niet zo moeilijk om je een toekomst voor te stellen waarin mensen, IoT-apparaten en AI-aangedreven robots zullen samenwerken als een soort collectief “digitaal brein” dat anticipeert op menselijke behoeften, en voorspellingen, aanbevelingen en oplossingen biedt. In de toekomst zullen we hiermee onze besluitvorming verbeteren en bepaalde acties uit handen geven.

Dit artikel is onderdeel van een serie.

Lees meer:

Deel 1 – De keten van slimme oplossingen: sensoren, IoT,  Big Data en AI
Deel 2 – Voorbeelden: Sensoren, IoT, Big Data en AI in slimme oplossingen
Infographic – De keten van slimme oplossingen: sensoren, IoT, Big Data en AI 
Bronnen – Bronnen 3Bplus artikelen slimme oplossingen

Voorbeelden: Sensoren, IoT, Big Data en AI in slimme oplossingen

Voorbeelden: Sensoren, IoT, Big Data en AI in slimme oplossingen

Slimme oplossingen toegepast – vier voorbeelden

In het vorige artikel beschreven we de keten van slimme oplossingen: van sensordata verzameld door Internet of Things-toepassingen naar de analyse van deze Big Data met Artificial Intelligence. We drukten deze keten vervolgens uit middels een infographic. In dit vervolgartikel geven we een aantal voorbeelden van slimme oplossingen, waarbij deze keten van technologieën ingezet wordt. Het gaat om real world-toepassingen, die ons dagelijks leven kunnen verrijken en verbeteren. We gaan in op luchtkwaliteit, watermanagement, zorgtoepassingen en de plaats waar al deze toepassingen samenkomen: Smart Cities.

Spring naar:

Luchtkwaliteit
Watermanagement
Zorgtoepassingen
Smart Cities

 

Het verbeteren van luchtkwaliteit

Op veel plekken op de wereld zijn de niveau’s van luchtvervuiling gevaarlijk. Luchtkwaliteit in steden is een wereldwijde uitdaging voor overheden, toezichthouders, stadsbeheerders en burgers. Er is een toenemende focus van alle belanghebbenden op het begrijpen van de niveaus en oorzaken van luchtverontreiniging om interventies mogelijk te maken om het te bestrijden. Veel van de enorme investeringen in groene energie, elektrische voertuigen en de elektrificatie van spoorwegdiensten worden aangedreven door de noodzaak om luchtvervuiling te verminderen. De exacte hoeveelheid vervuiling fluctueert met weersomstandigheden, luchtvochtigheid, temperatuur en wind. Zodoende is het extreem moeilijk om de luchtvervuiling te voorspellen en hebben inwoners vaak niet genoeg tijd om zichzelf te beschermen.

Het meten van luchtkwaliteit

De infrastructuur voor monitoring van de luchtkwaliteit in de meeste steden is beperkt vanwege de hoge installatie- en operationele kosten van vaste meetstations. Dit betekent dat gegevens schaars zijn, waardoor het moeilijk is om de vervuilingsniveaus te meten die burgers in hun dagelijks leven ervaren. Vooruitgang in sensoren, IoT en mobiele communicatietechnologieën hebben geleid tot de opkomst van kleinere, draagbare, goedkopere sensoren waarmee de luchtkwaliteit in realtime kan worden gemeten en gerapporteerd aan Cloud-gebaseerde platforms. Big Data-mogelijkheden, zoals analyse met machine learning, kunnen vervolgens worden toegepast op deze en gerelateerde datasets, zoals weer en verkeer, om de oorzaken en schommelingen in luchtvervuiling te begrijpen.

Het analyseren van luchtkwaliteit

De talrijke factoren die bijdragen aan luchtverontreinigingsniveaus worden door aangesloten sensoren geregistreerd en vervolgens door machine learning geanalyseerd. Hoewel de gegevens te complex zijn voor menselijke analisten om patronen te kunnen detecteren, kunnen AI-technologieën de verzamelde Big Data verwerken om trends vast te stellen. Die trends worden op hun beurt gebruikt om prognosemodellen te bouwen en mogelijke toekomstscenario’s te creëren. Na een voorspellende analyse zijn deze systemen in staat om voorspellingen veel effectiever dan ooit tevoren te maken. Denk aan voorspellingen van meerdere dagen in een hoge resolutie en met een hoge nauwkeurigheid, waardoor burgers meer waarschuwing en planningstijd krijgen. Consumenten, bedrijven en steden vroegtijdig worden gewaarschuwd om zich voor te bereiden op vervuilende gebeurtenissen of juist om een dagje buiten in de frisse lucht te plannen.

De data over luchtkwaliteit

De door de IoT-toepassingen verzamelde data kan daarnaast gecombineerd worden met andere gegevensbronnen. Grondsensoren vormen de kern van dergelijke berekeningen, maar er kunnen ook gegevens uit social media gebruikt worden om een groter beeld te vormen van de situatie ter plaatse. Denk daarnaast aan de luchtkwaliteitsgegevens afkomstig van satellieten, of aan metingen van pollen in de lucht. Duizenden parameters kunnen worden gecombineerd en afgestemd op verschillende seizoenen en op verschillende locaties. Met behulp van de machine learning-technologie nemen we enorme hoeveelheden gegevens van al deze weerstations, satellieten, sociale media, en kunnen we niet alleen exacte verontreinigende stoffen en hun bronnen identificeren, maar ook trends in de gegevens creëren.

Slimme toepassingen in het teken van luchtkwaliteit

De resultaten kunnen worden ingezet om ons leven te verbeteren. Voorbeelden zijn wearables die outdoor-training aanbevelen wanneer de voorspelling frisse lucht suggereert, cosmetische bedrijven die van te voren advies geven over welke producten (bijvoorbeeld zonnebescherming) moeten worden gedragen en luchtzuiveringsinstallaties die automatisch starten, al voordat de vervuilingsniveaus stijgen. De gegevens helpen niet alleen de burgers van vandaag om zich voor te bereiden op de dagelijkse omstandigheden, maar ze helpen ons ook om de luchtkwaliteit blijvend te verbeteren. Zo kunnen we vervuilers identificeren en bepalen welke maatregelen effectief zijn om de vervuiling te verminderen.

 

Het verbeteren van watermanagement

Een van de gebieden die sterk beïnvloed kan worden door slimme oplossingen is waterbeheer. Vaak richt het debat zich op de slimme meter, maar in een wereld van IoT is dit slechts het topje van de ijsberg. De nieuw ontwikkelde sensortechnologieën hebben de potentie om verschillende aspecten van de waterkwaliteit te bewaken. En de combinatie van sensoren met voorspellende analyses, kan op termijn bijdragen tot aanzienlijke voordelen voor waterbeheer, bescherming van natuurlijke hulpbronnen en de aanpak van milieuproblemen.

Slimme toepassingen in het teken van watermanagement

Denk bijvoorbeeld aan het detecteren van subtiele trends of milieuveranderingen, die cruciaal kunnen zijn voor de volksgezondheid en veiligheid, of voor saneringsinspanningen. Ook kan IoT ingezet worden om het energieverbruik te verminderen. Als we weten wat de watervereisten in een stad zijn, kunnen we de pompen gedurende de dag zodanig inplannen dat er geen onnodige energie verloren gaan. Met behulp van data-analyse kunnen we verder het optimale opslagniveau achterhalen, bepalen wanneer er het beste water onttrokken kan worden aan een grondwaterbron en onderzoeken wat de beste tijd is om gezuiverd afvalwater te lozen. En dan eens aan slimme irrigatie, waarmee de vraag naar water aanzienlijk wordt verminderd.

Het beheer en behoud van water

Er is een grote behoefte aan niveausensoren die worden ingezet in reservoirs. Niveausensoren zijn speciaal ontworpen sensoren die het waterniveau kunnen bepalen. Dit vastgestelde waterniveau kan vervolgens worden gecommuniceerd naar de centrale servers, die worden ingezet voor effectief waterbeheer. Een van de cruciale uitdagingen van waterbeheer is het bepalen van de hoeveelheid water die een stad of streek gedurende de dag gaat gebruiken. Dit kan nauwkeurig worden berekend met behulp van voorspellende analyses, mede door historische gegevens, evenementen, vakanties en het weer te combineren. Wanneer we kennis hebben over de hoeveelheid water die nodig is voor het totale verbruik in een stad op een bepaalde dag, wordt het gemakkelijk om het waterniveau in een reservoir te handhaven en naar bovenliggende tanks te pompen, zoals vereist gedurende de dag.

Preventieve analyes voor watermanagement

IoT helpt bij het plannen van het onderhoud en het afsluiten van pompen. Een pompstationcontroller zal bijvoorbeeld worden uitgerust met diagnoses voor het bewaken van de conditie van de pompen, hun hydraulische prestaties en energie-efficiëntie, en zal indien nodig een onderhoudsinterventie kunnen aanvragen. Hiermee kunnen we overstappen van reactief naar preventief onderhoud, gebaseerd op de werkelijke toestand van de installatie en de apparatuur, waarmee betrouwbaarheid en beschikbaarheid toenemen. Middels machine learning kunnen we ook systemen maken die overstromingen kunnen voorspellen, waardoor gemeenschappen zich kunnen voorbereiden, en we middels preventief ingrijpen misschien zelfs catastrofale gebeurtenissen kunnen voorkomen.

 

Het verbeteren van de gezondheidszorg

De gezondheidszorg genereert elke dag enorme hoeveelheden patiëntgegevens (medische dossiers, afbeeldingen en video’s). Deze worden niet langer uitsluitend gebruikt voor het bijhouden van de voortgang van patiënten, maar ook geïntegreerd in voorspellende analyses, waarmee trends gevonden kunnen worden die de patiëntenzorg verbeteren. Daarvoor worden er ook grote hoeveelheden gegevens van draagbare medische hulpmiddelen toegevoegd.

De voordelen van IoT voor de gezondheidszorg

Met alle aangesloten apparaten kunnen we ziekten voorkomen en behandelen, en ook de zorgverlening, qua efficiëntie en logistiek, verbeteren. De impact van IoT op gezondheid en welzijn van de patiënt is geen futuristische droom. Het helpt artsen al om gepersonaliseerde zorg te bieden, ziekenhuisopnames te verbeteren en levens te redden. Patiënten krijgen bijvoorbeeld persoonlijke dashboards om betere gezondheidsresultaten te behalen, en zorgverleners krijgen toegang tot uitgebreide en longitudinale patiëntgegevenssets met gepersonaliseerde beslissingsondersteuning. Ook begrijpen we risicofactoren voor ziekten beter.

Wanneer het verzamelen van informatie geautomatiseerd wordt, kunnen artsen zich richten op de zorg. Tegelijkertijd kunnen managers de inzichten gebruiken als leidraad bij operationele verbeteringen, aankoopbeslissingen en veiligheidsprotocollen. De gegevens kunnen op een doordachte, patiëntgerichte manier worden gepresenteerd, ook kunnen ze ingezet worden om clinici te waarschuwen voor subtiele veranderingen in de gezondheid van patiënten.

De voordelen van AI voor de gezondheidszorg

Data-analyse met behulp van AI zal de zorg voor de patiënt verbeteren, zo levert het modellen op die op massale schaal deskundige inzichten en analyses bieden, tegen relatief lage kosten. Naarmate de hoeveelheid en de complexiteit van de medische gegevens toeneemt – gevoed door draagbare biosensoren, neemt ook het potentieel voor machine learning toe. Een draagbare sensor kan een continue gegevensstroom genereren, bijvoorbeeld over de vitale functies van een persoon. Die gegevens kunnen worden gebruikt voor bewaking en alarmering. Neem een waarschuwingssysteem voor bloedvergiftiging, waarmee de symptomen van de patiënt bewaakt kunnen worden. Gegevens worden verzonden naar een centrale hub in de Cloud, waar algoritmen effectief kunnen voorspellen welke patiënten risico lopen. Medici kunnen dan ingrijpen, hetgeen resulteert in een 20 tot 30 procent grotere overlevingskans.

Honderden of zelfs duizenden geneesmiddelen en vaccins voor de behandeling van kanker worden getest. Het is de uitdaging om manieren te vinden om met alle resulterende gegevens te werken. Machine learning is in staat een hele reeks inzichten te bieden en patronen in gegevens te vinden die leiden tot doorbraken in therapieën of behandelingen. Onderzoekers verkennen bijvoorbeeld het gebruik van machine learning om radiologen te helpen. Machine learning biedt de potentie om prognoses te stellen en de diagnostische nauwkeurigheid te verbeteren.

De voordelen van voorspellende analyses

Voorspellende analyses worden gebruikt om een ​​depressie te diagnosticeren en behandelen, met als doel het produceren van een testbatterij voor gebruik in klinische omgevingen. Machine learning wordt ook toegepast op het monitoren en voorspellen van epidemieën, op basis van gegevens verzameld van satellieten, historische informatie op het web, realtime updates van sociale media en andere bronnen. Hiermee kunnen bijvoorbeeld malaria-uitbraken voorspeld worden, rekening houdend met gegevens zoals temperatuur, gemiddelde maandelijkse regenval en totaal aantal positieve gevallen.

Het toepassen van voorspellende analyses bij het identificeren van kandidaten voor klinische proeven zou kunnen putten uit gegevens afkomstig van sociale media en doktersbezoeken, evenals genetische informatie bij het zoeken naar specifieke populaties; dit zou in het algemeen resulteren in kleinere, snellere en goedkopere proeven. Machine learning kan ook worden gebruikt voor verhoogde veiligheid van deelnemers; bijvoorbeeld het monitoren van letsel bij deelnemers.

De voordelen van persoonlijke gezondheidszorg

Gepersonaliseerde geneeskunde, of een effectievere behandeling op basis van individuele gezondheidsgegevens in combinatie met voorspellende analyses, is ook een populair onderzoeksgebied. De medische informatie en geschiedenis kan gebruikt worden om de selectie van behandelingsopties te optimaliseren. Een toenemend gebruik van micro-biosensoren en mobiele apps met monitoring op afstand, zullen een stortvloed aan gegevens bieden die kunnen worden gebruikt om te helpen bij de doeltreffendheid van de behandeling. Gepersonaliseerde behandeling heeft belangrijke implicaties voor het individu in termen van gezondheidsoptimalisatie, maar ook voor het verlagen van de totale zorgkosten.

Om diabetes te controleren, worden een bloedglucosemeter, een draagbare fitnesstracker en een app gecombineerd. Hiermee kunnen de vitale functies en bloedsuikerspiegel van een patiënt in realtime worden gevolgd, in relatie tot fysieke activiteit. De arts kan de patiënt op afstand observeren en de patiënt kan communiceren met het kantoor van de dokter. Fout gedrag kan snel worden opgevangen en mensen in het voorstadium van diabetes kunnen een normaal, gezond leven leiden. Artsen leren veel sneller over de oorzaken van chronische ziekten, dankzij een ‘vogelperspectief’ op het leven van hun patiënt.

 

Het verbeteren van onze levens met Smart Cities

Slimme steden hebben met elkaar gemeen dat ze hun diensten en activiteiten doeltreffender willen maken. Daartoe zetten de steden uiteenlopende middelen in, die echter vaak gebruikmaken van technologie. De mate waarin ICT geïntegreerd is in het leven in de stad geldt voor sommigen zelfs als het criterium dat slimme steden onderscheidt van andere steden. Door slim gebruik te maken van technologie en data wordt gewerkt aan oplossingen voor maatschappelijke issues. Onder meer op het gebied van klimaatverandering, veiligheid, volkshuisvesting, arbeidsparticipatie, mobiliteit en gezondheid.

Het inzetten van technologie in een Smart City

Al eeuwenlang zetten mensen alle beschikbare technologieën in om steden aantrekkelijk te maken. De nieuwste (ICT-)technologieën maken een soort utopische, ideale schone Smart City nu echt denkbaar. Technologie wordt gebruikt om de kwaliteit, prestatie en interactiviteit van stedelijke diensten te verbeteren, de kosten en het verbruik van middelen te verminderen en het contact tussen burgers en overheid te verbeteren. Zo wordt het ook mogelijk een stad beter te beheren en te besturen, onder meer door de efficiëntie van diensten te verbeteren. De technologie staat bestuurders toe om direct met de gemeenschap en de infrastructuur te communiceren. En ook om te controleren wat er in de stad gebeurt en hoe de stad zich ontwikkelt. Hiermee wordt een betere levenskwaliteit mogelijk gemaakt. Een slimme stad is namelijk alleen echt slim als deze niet alleen technologie bezit, maar deze technologie ook heeft geïmplementeerd op een manier die de gemeenschap positief beïnvloedt.

Smart Cities draaien om de voortdurende heroriëntatie van stedelijke vraagstukken op basis van technologie. Een van die vragen is: hoe zorgen we dat steden leefbaar blijven/worden? In een Smart City zijn alle onderdelen van de stad (apparaten, voertuigen en gebouwen) ingebed met elektronica, software, sensoren, actuatoren en netwerkconnectiviteit. Deze objecten zijn allemaal met elkaar verbonden, waardoor ze gegevens kunnen verzamelen en uitwisselen. In een Smart City komen alle bovenstaande slimme oplossingen samen. We maken onze steden slim om onze levens(kwaliteit) te verbeteren. We doen dit onder meer door te zorgen voor schonere lucht, beter watermanagement en voor iedereen beschikbare gezondheidszorg.

Het verzamelen van data in een Smart City

Gegevens staan centraal in de slimme stad. Deze gegevens kunnen uit vele bronnen komen, waaronder instanties (zoals demografische gegevens en schooldata) en burgers (actief of passief, onder meer door ingebouwde sensoren in smartphones). Veelal zal de data echter afkomstig zijn van IoT. In een smart city wordt deze voortdurend aanzwellende stroom gegevens (Big Data) die de stad continu genereert intelligent benut. Belangrijk hierbij is het realtime verzamelen van informatie. Met de Big Data kunnen we middels (machine learning-)analyses patronen ontdekken en voorspellingen doen.

Smart Cities beantwoorden vragen als: hoe slaan we energie op en hoe kunnen we energie slim distribueren? Ook zijn de verkeersdeelnemers en infrastructuur smart gemaakt met IoT en sensoren die, een breed scala aan informatie kunnen verzamelen, zoals over verkeer of luchtvervuiling. Slimme steden vertrouwen op nauwkeurige gegevens om goed te functioneren.

Het verwerken van data in een Smart City

Technologie maakt de volgende functies mogelijk, die de sleutels zijn voor het bereiken van de doelen en het optimaliseren van de prestaties van de slimme stad: informatie- en kennisdeling, voorspellingen en integratie. Deze technologie ingezet om de efficiency van systemen te verbeteren, kosten te reduceren, betrouwbaarheid te verbeteren en betere dienstverlening te bieden. Smart Cities gebruiken IoT-apparaten om data te verzamelen, analyseren en uit te wisselen. Deze communicatie is wat de steden echt slim maakt. Met deze juiste connecties en data kan het IoT verkeersopstoppingen, geluidsoverlast, criminaliteit en vervuiling verminderen.

Het gebruiken van data in een Smart City

IoT kan in Smart Cities ingezet worden voor een schoner milieu. We kunnen monitoren waar (chemisch) afval gedumpt wordt en in welke hoeveelheden. Daarmee kunnen we milieuvervuiling terugdrijven. Of denk eens aan slimme ondergrondse afvalcontainers die zelf aangeven of ze geleegd moeten worden. De planning en route van vuilniswagens kan daarmee vele malen efficiënter worden geregeld. Ook worden in veel Smart Cities oude straatlantaarns vervangen door slimme LED-verlichting, uitgerust met sensoren. De verlichting gaat alleen aan wanneer een voetganger of voertuig nadert.

Ook wat betreft energieverbruik kunnen Smart Cities veel winnen met de inzet van IoT. Met smart grids kan een besparing bewerkstelligd worden, evenals met slimme meters in woningen. Er wordt bijvoorbeeld geëxperimenteerd met de combinatie van energieopslag en zonnepanelen. De batterijen van de opslag helpen de druk op de grid verminderen tijdens piekuren door energie op te slaan tijdens de rest van de dag. En met de zonnepanelen wordt overgebleven gewonnen energie teruggebracht in de grid.

Middels een app op je telefoon kun je dankzij de sensoren in een Smart City zien waar er nog een parkeerplaats is voor je auto. Een andere IoT-toepassing op het gebied van verkeer zijn slimme stoplichten die zorgen voor betere doorstroming van het verkeer. Minder opstoppingen, minder files en minder smog. En wanneer je de gehele verkeersstroom kunt monitoren en analyseren, kun je verkeer ook via een andere route laten rijden, zeker als blijkt dat weggebruikers op bepaalde punten bijvoorbeeld steeds hard moeten remmen. Ten slotte kun je denken aan apps die het gedrag van de auto meten en daarmee kunnen bepalen waar het wegdek slecht is, zodat wegwerkers gericht aan het werk kunnen.

Dit artikel is onderdeel van een serie.

Lees meer:

Deel 1 – De keten van slimme oplossingen: sensoren, IoT,  Big Data en AI
Deel 3 – Verdieping: smart oplossingen met Fog computing en deep learning
Infographic – De keten van slimme oplossingen: sensoren, IoT, Big Data en AI 
Bronnen – Bronnen 3Bplus artikelen slimme oplossingen

Infographic: slimme apparaten met het IoT

Infographic: slimme apparaten met het IoT

Het Internet of Things (IoT) is een netwerk van verbonden objecten die gegevens verzamelen en delen over de manier waarop ze worden gebruikt en over de omgeving om hen heen. Het internet verbindt deze objecten. Met het IoT kunnen handmatige processen geautomatiseerd worden.  In deze infographic geven we een overzicht van het IoT.

Deze infographic is onderdeel van een serie:

Lees meer:

Deel 1 – Wat is IoT (Internet of Things): een introductie
Deel 2 – Hoe werkt IoT – het Internet of Things uitgelegd
Deel 3 – De voordelen van IoT (Internet of Things)
Deel 4 – Toepassingen van IoT – sport, entertainment en zorg
Deel 5 – IoT-toepassingen (Internet of Things) – Smart Cities
Deel 6 – IoT toegepast in Smart Homes en Smart Buildings
Deel 7 – Smart Industry met IoT (Internet of Things)
Deel 8 – De toekomst van IoT (Internet of Things)
Bronnen – Bronnen 3Bplus artikelen IoT

De toekomst van IoT (Internet of Things)

De toekomst van IoT (Internet of Things)

Wat is de toekomst van IoT?

In deze serie artikelen bespreken we het Internet of Things (IoT; internet der dingen). In eerdere artikelen bespraken we de toepassingen van IoT. Ook op dit moment zijn er namelijke al talloze toepassingen. In dit laatste artikel blikken we alvast vooruit naar de toekomst. Wat is de toekomst van IoT?

De toekomst van IoT – 34 miljard verbonden apparaten

In de toekomst zullen we steeds meer vertrouwen op het IoT om ons te verbinden met apparaten, services, service providers en verkopers. We zijn verbonden met het IoT via onze smartphones, wearables, auto’s en huizen. IoT wordt steeds meer naadloos geïntegreerd en zal – zeker in de toekomst – al onze dagelijkse routines en taken beïnvloeden. Vrijwel elk object kan onderdeel worden van het IoT: sensoren worden steeds kleiner en goedkoper, internetverbindingen zijn alomtegenwoordig en de verwerkings- en opslagmogelijkheden van data nemen toe. Daarnaast is IPv6 inmiddels in gebruik genomen, zodat er genoeg ip-adressen beschikbaar zijn die aan objecten meegegeven kunnen worden. Een andere drijvende kracht is de alsmaar toenemende smartphone-adoptie. Ons mobieltje functioneert als afstandsbediening en beeldscherm voor het IoT.

Geschat wordt dat er in 2020 34 miljard apparaten verbonden zullen zijn met het internet. In 2015 waren dat er nog 10 miljard. Van die 34 miljard met het internet verbonden apparaten zijn 24 miljard IoT-apparaten. De overige 10 miljard bestaan uit traditionele computer(apparaten), zoals smartphones, tablets en smartwatches. Deze schatting lijkt nog voorzichtig en loopt in sommige publicaties op tot 200 miljard. In 2014 was de waarde van IoT zo’n $900 miljard. In 2025 zou deze waarde kunnen oplopen tot zo’n $4 à $6 biljoen.

Een van de huidige problemen binnen het IoT is de verschillende standaarden. Inmiddels zien we echter verschillende standaarden opkomen die voor een universele taal moeten zorgen, waarmee alle apparaten onderling kunnen communiceren. De invoer van zo’n standaard voor fabrikanten en apparaten kan ook helpen om beveiligingsproblemen te verminderen. De beveiligingsoplossingen die nu worden aangeboden, zijn nog erg gefragmenteerd.

De toekomst van IoT – het verzamelen van data

De kern van het IoT is het verzamelen, verwerken en interpreteren van data, door dingen uit te rusten met sensoren. In de toekomst komen er steeds meer IoT-apparaten op de markt, die dus ook steeds meer zullen meten en weten. Het gaat erin de toekomst om wat we doen met de verzamelde data. IoT verbetert ons leven door ons meer toegang tot informatie te geven. De hoeveelheid verzamelde gegevens is (en wordt) enorm. Terwijl we data verzamelen, worden voorheen ondenkbare kansen duidelijk. De toekomst van IoT biedt de mogelijkheid om te leren van data zonder eerst alles zelf uit te hoeven zoeken. In de toekomst van IoT kunnen we misschien leren van zaken als windturbines, hoogwerkers of bloedanalyses voordat we weten wat we zoeken of proberen te bereiken.

Verwacht wordt dat we in 2025 180 biljoen gigabytes aan data zullen creëren; in 2015 was dat nog minder dan 10 biljoen gigabytes. Zelfs nu wordt echter 99,5 procent van de data al niet verwerkt. Zodoende moeten de manieren om data te verwerken ook steeds verbeterd worden. Niet alleen qua grootte, maar ook qua snelheid. Denk hierbij aan verwerking in de Cloud of Edge, maar ook lokaal in de apparaten zelf, waarmee echte real-time services mogelijk worden. Dit creëert mogelijkheden voor een geheel nieuw niveau van integratie van data in beslissingen.

De toekomst van IoT – de koppeling met AI

Om slimme beslissingen te nemen, zal Artificial Intelligence (A.I.) in de toekomst een grote rol spelen. AI-systemen kunnen snel grote hoeveelheden gestructureerde en ongestructureerde gegevens verwerken en deze betekenis geven door modellen en relaties te maken. Ze genereren hypotheses, formuleren mogelijke antwoorden op vragen en bieden voorspellingen en aanbevelingen, die kunnen worden gebruikt om menselijke intelligentie en besluitvorming te verbeteren. Met de invoer van nieuwe gegevens evolueren en verbeteren AI-systemen in de loop van de tijd, waarbij nieuwe kennis wordt afgeleid zonder expliciet te worden geprogrammeerd om dit te doen.

Het is niet zo moeilijk om je een toekomst voor te stellen waarin mensen, IoT-apparaten en AI-aangedreven robots zullen samenwerken als een soort collectief ‘digitaal brein’ dat anticipeert op menselijke behoeften, en voorspellingen, aanbevelingen en oplossingen biedt. In de toekomst zullen we hiermee onze besluitvorming verbeteren en bepaalde acties uit handen geven.

De toekomst van IoT – IoT-inzichten voor bedrijven

Bedrijven zetten IoT-apparaten in om efficiënter te kunnen werken. Met inzichten uit IoT-gegevens verhogen bedrijven de productiviteit en zorgen ze voor een grotere operationele efficiëntie. Met technologie die onmiddellijk condities kan overbrengen, is er sprake van grote reducties in het verspillen van bederfelijke goederen, materiaal dat verloren gaat door productieproblemen, tijdverlies door onverwachte machine- of systeemstoringen en energieverbruik, hetgeen allemaal resulteert in kostenbesparingen.

Op termijn gaan we zien dat heel veel verschillende diensten en apparaten binnen een bedrijf worden toegevoegd aan het netwerk om te gaan samenwerken. De data die hier uit voortvloeit moet vervolgens in reeds beschikbare openbare- of bedrijfsdata worden geïntegreerd, om daarna tot nieuwe informatie te leiden. De toegenomen toegang tot gegevens die in realtime kunnen worden verzameld, kan ook leiden tot betere en snellere zakelijke beslissingen.

De toekomst van IoT – de grote rol van wearables

Wearables zullen steeds naadlozer samenwerken met andere schermen en apparaten, en steeds persoonlijkere ervaringen voor hun eigenaars creëren. Stel je voor dat iemand met een draagbaar apparaat naar zijn lokale sportschool gaat en zich kan aanmelden bij een loopband, waarop zijn inhoudsvoorkeuren zijn opgeslagen, inclusief het feit dat ze ‘s ochtends graag het journaal kijken en’ s avonds hun favoriete serie.

Ook ons lichaam en brein zal in de toekomst verbonden worden met IoT, dankzij miniatuursensoren en -chips. Er is al een in te nemen sensor – ter grootte van een zandkorrel – ontwikkeld, die kan controleren of een persoon zijn of haar medicatie heeft ingenomen en de juiste dosering heeft. Artsen maken ook al gebruik van slimme pillen om foto’s van darmkanalen te maken als een alternatief voor colonoscopieën. En in de toekomst kan een blind persoon potentieel zien met behulp van camera’s en microscopische chips die sensorische informatie doorgeven aan hun visuele cortex.

De toekomst van IoT – toepassingen in ons dagelijks leven

De apparaten van het IoT kunnen ons gemak bieden en een grote bijdrage leveren aan het verminderen van afval, verontreiniging en broeikasgassen, waardoor ons leven duurzamer wordt. Nu al kan een slimme thermostaat je helpen energiekosten te besparen, maar als hele buurten overgaan op deze technologie, kan het stroomnetwerk overdag ontzettend ontlast worden. Of denk eens aan files: sensoren in het wegdek kunnen actuele informatie over de staat van het wegdek, neerslag en de drukte doorgeven. Slimme verkeerslichten die informatie krijgen over de drukte, reageren daar vanzelf op. Auto’s die op hun beurt ook met internet zijn verbonden, kunnen zo files vermijden.

Het IoT zal een rol spelen in alle industrieën, zoals verzekeringen, waarbij het vermogen om sensoren te plaatsen op vrijwel alles, vroege detectie van allerlei soorten risico’s en gevaren kan betekenen. Dit in staat verzekeraars in staat klanten te belonen voor het adopteren van deze apparaten, of te straffen voor wat zij als risicovol gedrag beschouwen, zoals te hard rijden. Of denk eens aan een zelfcontrolerende diabetespompen die extra insuline geeft als de voorraadkast zegt dat je een chocoladereep hebt uitgepakt. Dolende Alzheimerpatiënten kunnen worden gevonden door slimme straatlantaarns. Precisielandbouw is een andere industrie waarin IoT-analyses worden gebruikt. De verzamelde gegevens helpen landbouwers om preciezer te werken, met kleinere hoeveelheden kunstmest en herbiciden – een aanpak die kosteneffectief is en gezondere producten oplevert.

Dit artikel is onderdeel van een serie:

Lees meer:

Deel 1 – Wat is IoT (Internet of Things): een introductie
Deel 2 – Hoe werkt IoT – het Internet of Things uitgelegd
Deel 3 – De voordelen van IoT (Internet of Things)
Deel 4 – Toepassingen van IoT – sport, entertainment en zorg
Deel 5 – IoT-toepassingen (Internet of Things) – Smart Cities
Deel 6 – IoT toegepast in Smart Homes en Smart Buildings
Deel 7 – Smart Industry met IoT (Internet of Things)
Infographic – Slimme apparaten met het IoT
Bronnen – Bronnen 3Bplus artikelen IoT

Toepassingen van IoT – sport, entertainment en zorg

Toepassingen van IoT – sport, entertainment en zorg

IoT-toepassingen – sport, entertainment en gezondheidszorg

In deze serie artikelen bespreken we het Internet of Things (IoT; internet der dingen). IoT speelt straks een rol in alle facetten van ons leven: werk, privé en de omgeving waarin wij leven. IoT biedt niet alleen voor meer comfort voor de gebruiker, maar verbetert ook productieprocessen en biedt oplossingen voor problemen rond energie, gezondheidszorg en onderwijs. In dit artikel bespreken we de manieren waarop IoT dat gaat doen: wat zijn de toepassingen van IoT?

IoT kan bijvoorbeeld bijdragen aan betere veiligheid en duurzaamheid door het aan- en uitzetten van straatverlichting en het op afstand checken of verkeersborden kapot zijn. We beginnen deze artikelen over de toepassingen van IoT met voorbeelden uit sport, entertainment en gezondheidszorg.

Toepassingen van IoT – sport

In de sport worden al sensoren ingezet om gegevens over workouts te verzamelen. De gegevens worden verstuurd naar de Cloud en daar verwerkt. Sporters kunnen inloggen op een website om de voortgang te analyseren. Er zijn draagbare gezondheidstrackers (of fitnesstrackers en activiteitstrackers), zoals Fitbit en Jawbone. Een tweede voorbeeld betreft een producent van sportschoenen en -kleding, die een website heeft ontwikkeld om marathonlopers te ondersteunen. Zodra een strip op de schoen van de atleet werd gedetecteerd, verschenen er aanmoedigingsberichten op een scherm langs de baan.

Toepassingen van IoT – entertainment

Bij toepassingen van IoT op het gebied van entertainment denk je waarschijnlijk het eerst aan smart tv’s en streamingapparaten. Een opvallende ontwikkeling is echter de komst van speelgoed dat is verbonden met internet: connected toys. Voorbeelden zijn poppen waarmee je een gesprek kunt voeren, een knuffelbeer die je verjaardag onthoudt en een robot die moppen vertelt. En dan is er nog Whistle, een bedrijf dat activiteitmeters voor honden maakt. Hiermee krijgen eigenaren informatie over de gezondheid van hun hond.

Toepassingen van IoT – gezondheidszorg

De gezondheidszorg maakt al veel gebruik van IoT-oplossingen. Denk daarbij aan toepassingen die de monitoring van patiënten verbeteren. Met draagbare sensoren kunnen artsen op afstand en in real time de gezondheidstoestand van een patiënt volgen en ernaar handelen. Bijvoorbeeld om medicatiegebruik, bloeddruk of glucosewaarden van patiënten in de gaten te houden. De arts kan in kortere tijd veel meer patiënten analyseren, en sneller patronen herkennen en de behandeling aanpassen. Bij een noodgeval kan er vervolgens automatisch contact gemaakt worden met hulpdiensten. Het biedt mensen ook de mogelijkheid om meer controle te nemen over hun eigen gezondheid door proactief te monitoren.

Dit betekent dat ouderen langer zelfstandig kunnen blijven wonen. Zo zijn er medicijnboxen die een waarschuwing geven als het tijd is voor iname. Het apparaat opent een vakje met de juiste dosis  medicijnen en geeft vervolgens naasten of verzorgenden een seintje wanneer de medicijnen ingenomen zijn. Denk in deze categorie ook aan slimme sensoren die doorgeven of er in huis nog sprake is van  beweging. Ook wordt er bijvoorbeeld aan tapijten gewerkt die een val detecteren.

IoT wordt niet alleen ingezet voor bewaking op afstand, maar ook voor onderhoud van medische apparatuur en het vergroten van efficiëntie, bijvoorbeeld door benodigdheden en medicijnen beter bij te houden en te beheren. Inzet van slimme apparaten kan veel van die processen efficiënter inrichten, zo zijn er digitale wachtkamers, waarbij een dokter je direct tijdens het spreekuur via je tablet of smartphone adviseert.

Toepassingen van IoT – een voorbeeld in de gezondheidszorg

Als voorbeeld van IoT-toepassingen in de gezondheidszorg nemen we AED-apparaten die verbonden zijn met internet. Er kan een overzicht bijgehouden worden van waar de apparaten zich bevinden, zodat in geval van nood het dichtstbijzijnde apparaat beschikbaar is. Tegelijk kunnen de apparaten gemonitord worden om eventuele storingen te voorkomen en verhelpen. En door communicatie mogelijk te maken tussen AED-apparaten in ambulances en ziekenhuizen kan de patiënt direct doorgestuurd worden naar het ziekenhuis dat de best mogelijke hulp kan bieden.

Dit artikel is onderdeel van een serie:

Lees meer:

Deel 1 – Wat is IoT (Internet of Things): een introductie
Deel 2 – Hoe werkt IoT – het Internet of Things uitgelegd
Deel 3 – De voordelen van IoT (Internet of Things)
Deel 5 – IoT-toepassingen (Internet of Things) – Smart Cities
Deel 6 – IoT toegepast in Smart Homes en Smart Buildings

Deel 7 – Smart Industry met IoT (Internet of Things)
Deel 8 – De toekomst van IoT (Internet of Things)
Infographic – Slimme apparaten met het IoT
Bronnen – Bronnen 3Bplus artikelen IoT

De voordelen van IoT (Internet of Things)

De voordelen van IoT (Internet of Things)

Wat zijn de voordelen van IoT?

Het Internet of Things (IoT; internet der dingen) wordt besproken in deze serie artikelen. Het IoT is een netwerk van verbonden objecten die gegevens verzamelen en delen over de manier waarop ze worden gebruikt en over de omgeving om hen heen. Het internet is wat al deze objecten of “dingen” met elkaar verbindt. Maar wat kan het IoT precies doen? Of beter gezegd: wat zijn de voordelen van IoT?

De voordelen van IoT – slimme objecten

In de huidige visie spelen slimme objecten een sleutelrol in het IoT. Wanneer de informatie van het internet wordt toegevoegd aan domme objecten,  worden ze nuttiger en breder inzetbaar. IoT kent verschillende gradaties: 1) je kunt een object iets laten meten en op basis daarvan een eenduidige actie laten uitvoeren, 2) je kunt een object ook bepaalde informatie laten duiden en op basis daarvan laten ingrijpen, en 3) je kunt een object data laten begrijpen en zelfstandig nieuwe doelen laten stellen. Het IoT draait om het idee het leven eenvoudiger te maken. De meeste apparaten die gebruikt worden voor IoT, leren van zichzelf, mensen en elkaar. Dit betekent dat er binnenkort weinig tot geen menselijke interactie meer nodig is met deze apparaten. Zeker als er meer apparaten zijn die met andere apparaten kunnen samenwerken, zelfs die van verschillende fabrikanten, kunnen we veel alledaagse taken automatiseren.

De voordelen van IoT – een aangenamer leven

De verwachtingen rond het internet der dingen zijn dat er vanuit diverse gezichtspunten  voordelen zullen zijn, zoals efficiëntere processen, verkoop meer toegespitst op klanten, betere zorg en veiligheid, en de komst van nieuwe diensten die het leven aangenamer maken. De verwachtingen zijn bijvoorbeeld dat het IoT productieprocessen zal verbeteren en oplossingen kan bieden voor problemen rondom energie, milieu en criminaliteit. Zo kunnen de apparaten ingezet worden in Smart Cities en Smart Homes. Naar verloop van tijd kan ons energieverbruik afnemen, zullen we minder producten verspillen en minder geld uitgeven.

De voordelen van IoT – een voorbeeld: voorspellend onderhoud

Je productielijnen moeten optimaal beschikbaar blijven, tegen de laagste kosten. Dit betekent dat stilstand voorkomen moet worden. Meestal zet men in op periodiek onderhoud, maar dat is wellicht helemaal niet nodig, waardoor we teveel onderhoudskosten maken. Wanneer we stilstanden beter kunnen voorspellen, dan kunnen we onderhoud doen op het juiste moment. Dus net voor het moment dat er een stilstand ontstaat. Doordat we apparaten eenvoudig kunnen uitlezen en continue meetwaarden van diverse sensoren en andere gegevens vastleggen, kunnen we trends herkennen, zoals een oplopende temperatuur.  Deze trends kunnen we in dit geval omzetten naar voorspellend onderhoud.

De voordelen van IoT – objecten met rekenkracht en zintuigen

In essentie hebben we met het IoT objecten rekenkracht en zintuigen gegeven. Ze kunnen metingen van de omgeving doen en de data inzetten om hun eigen instellingen te veranderen en andere apparaten te signaleren om dit te doen. Veel van de objecten voeren acties uit op basis van algoritmen, die ofwel binnen hun eigen processors ofwel op Cloudservers plaatsvinden, in plaats van de als-dan-aanwijzingen uit het verleden.

Dit artikel is onderdeel van een serie:

Lees meer:

Deel 1 – Wat is IoT (Internet of Things): een introductie
Deel 2 – Hoe werkt IoT – het Internet of Things uitgelegd
Deel 4 – Toepassingen van IoT – sport, entertainment en zorg

Deel 5 – IoT-toepassingen (Internet of Things) – Smart Cities
Deel 6 – IoT toegepast in Smart Homes en Smart Buildings

Deel 7 – Smart Industry met IoT (Internet of Things)
Deel 8 – De toekomst van IoT (Internet of Things)
Infographic – Slimme apparaten met het IoT
Bronnen – Bronnen 3Bplus artikelen IoT

Infographic: op weg naar echte AI met deep learning

Infographic: op weg naar echte AI met deep learning

Deep learning is een subset van machine learning dat diepe neurale netwerken inzet. Een diep neuraal netwerk heeft met meerdere lagen, hetgeen complexe transformaties mogelijk maakt. Diepe neurale netwerken zijn in staat om patronen te ontdekken binnen ongestructureerde data. In deze infographic geven we een overzicht van deep learning.

Deze infographic is onderdeel van een serie.

Lees meer:

Deel 1 – Machine learning, neurale netwerken en deep learning uitgelegd
Deel 2 – Wat is deep learning: een introductie
Deel 3 – Hoe werkt deep learning – deep learning uitgelegd
Deel 4 – Voorbeelden van deep learning – de werking uitgelegd
Deel 5 – Toepassingen van deep learning – taal, beeld en zorg
Deel 6 – De toekomst van deep learning – technologie en investeringen
Bronnen – Bronnen 3Bplus artikelen deep learning

Toepassingen van deep learning – taal, beeld en zorg

Toepassingen van deep learning – taal, beeld en zorg

Deep learning toepassingen – taal, beeld, zorg en commercie

In deze serie artikelen behandelen we deep learning. Eerder gaven we een definitie en legden we uit hoe deep learning werkt. Aanvullend bespreken we nu de toepassingen. We doen dit aan de hand van een aantal domeinen – taal, beeld, zorg en commercie – waarbij we steeds een aantal voorbeelden van toepassingen van deep learning geven.

Toepassingen van deep learning – taal

Er zijn veel toepassingen van deep learning op het gebied van taal. Zo is er spraakherkenning dat gesproken woorden transcribeert, vervolgens kan omzetten in een andere taal, en dan meteen in de stem van de gebruiker uitspreekt in die andere taal. Daarnaast kennen we allemaal de gesproken zoekopdrachten op je telefoon. Omdat de verschillende lagen in het neurale netwerk het systeem kunnen trainen met variaties in geluid kan het systeem stukjes geluid beter herkennen, ook in lawaaiige omgevingen.

Toepassingen van deep learning – beeld

Ook is er veel geëxperimenteerd met ongelabelde screenshots uit YouTube-filmpjes, waarbij middels deep learning random geselecteerde afbeeldingen ingedeeld kunnen worden in categorieën: gezichten, gele bloemen, verschillende soorten roggen en nog 1000 andere categorieën. En dat met een foutpercentage kleiner dan bij mensen is geconstateerd. Middels deep learning is het ook mogelijk om zwart-witfoto’s in te kleuren, want doordat objecten herkend kunnen worden, kunnen ze ook met de juiste kleuren ingevuld te worden. Dit kan vervolgens uitgebreid worden met de taak om bijschriften voor beelden te genereren.

Toepassingen van deep learning – zorg

Er zijn ook deep learning-systemen die dokters helpen betere beslissingen te maken. Bijvoorbeeld door scans te lezen en een diagnose te stellen. Onderzoek heeft zich daarbij onder meer gericht op huidkanker, en hart- en vaatziekten. Uit de analyse van algoritmes kwamen bijvoorbeeld tientallen nieuwe klinisch relevante eigenschappen van tumoren voort. Ook kan een ziekte of behandeling gemonitord worden, en kunnen er medicijnen ontwikkeld worden die afgestemd zijn op het genoom van de persoon in kwestie.

Toepassingen van deep learning – commercie

Heel veel van de deep learning-systemen hebben een commerciële toepassing gekregen bij bedrijven als Google, Microsoft, Facebook en Amazon, oftewel de bedrijven die grote hoeveelheden data beschikbaar hebben. Veel van hen proberen realistische en behulpzame chatbots en aanbevelingssystemen te maken. Zo behalen banners die op basis van deep learning worden geselecteerd een hogere doorklik ratio. Maar Google heeft hun DeepMind bijvoorbeeld ook ingezet om de energie-efficiëntie van het bedrijf met 15 procent te doen toenemen.

Toepassingen van deep learning – andere toepassingen

Deep learning-systemen zijn ook getraind om spelletjes te spelen (en te winnen), zoals de Atari-game Breakout en het bordspel Go. Deze AlphaGo was niet geprogrammeerd met beslissingsbomen, vergelijkingen om bordposities te evalueren of als-dan-regels. AlphaGo leerde door zelf te spelen en potjes te observeren. Verder kan middels deep learning voorspeld worden wat de uitspraak in een rechtszaak zal zijn. Een andere bekendere toepassing is die in autonome auto’s, waarmee voetgangers herkend kunnen worden. En ten slotte speelt deep learning bijvoorbeeld ook een rol bij robotica en fraudedetectie.

Dit artikel is onderdeel van een serie.

Lees meer:

Deel 1 – Machine learning, neurale netwerken en deep learning uitgelegd
Deel 2 – Wat is deep learning: een introductie
Deel 3 – Hoe werkt deep learning – deep learning uitgelegd
Deel 4 – Voorbeelden van deep learning – de werking uitgelegd
Deel 6 – De toekomst van deep learning – technologie en investeringen
Infographic – Op weg naar echte AI met deep learning
Bronnen – Bronnen 3Bplus artikelen deep learning

Toepassingen van neurale netwerken – van chatbots tot zorg

Toepassingen van neurale netwerken – van chatbots tot zorg

Waar kunnen neurale netwerken voor gebruikt worden?

In deze serie artikelen bespreken we neurale netwerken. In het vorige artikel gaven we een definitie. Aanvullend gaan we nu in op een aantal velden waarin neurale netwerken gebruikt worden, zoals patroonherkenning, productie en gezondheidszorg. We beginnen echter met een aantal toepassingen van neurale netwerken waar ook jij in je dagelijks leven al mee te maken hebt.

De toepassingen van neurale netwerken: je dagelijks leven

In theorie kunnen we voor bijna alles neurale netwerken gebruiken. En je hebt ze waarschijnlijk gebruikt zonder het te realiseren. Wanneer je Siri vraagt waar het dichtstbijzijnde tankstation is, voert je iPhone je spraak door een neuraal netwerk om erachter te komen wat je zegt. En als je ooit met een chatbot hebt gepraat, kan er zomaar een neuraal netwerk gebruikt worden om passende antwoorden te bieden. Een neuraal netwerk kan ook je gewoontes leren om je internetzoekresultaten te personaliseren of te voorspellen waar je in de nabije toekomst naar zoekt. En e-mailproviders gebruiken neurale netwerken om spam te detecteren en te verwijderen uit de inbox van een gebruiker.

De toepassingen van neurale netwerken: robots en meer

Autonome auto’s kunnen neurale netwerken gebruiken om visuele gegevens te verwerken, waardoor de verkeersregels worden gevolgd en botsingen vermeden worden. Robots van alle soorten kunnen profiteren van neurale netwerken die hen helpen leren om taken efficiënt te voltooien. Computers kunnen ook spellen leren spelen zoals schaken, Go en Atari-games. Het vermogen voor neurale netwerken om patronen te leren, generalisaties te maken en voorspellingen te doen, maakt ze waardevol in talloze situaties.

Hieronder werken we een aantal algemene toepassingsgebieden van neurale netwerken uit:

De toepassingen van neurale netwerken: patroonherkenning

Neurale netwerken blinken uit in het interpreteren van niet-eenduidige informatie, zoals een handschrift. Een handschrift zal in ieder geval overeenkomsten vertonen, maar er zullen altijd subtiele afwijkingen optreden. De manier waarop een kunstmatig neuraal netwerk werkt, is uitermate geschikt voor dit soort taken. Vanwege deze eigenschappen worden kunstmatige neurale netwerken ook toegepast bij spraakherkenning.

DeepDream is een neuraal netwerk van Google dat patronen zoekt in afbeeldingen om bijvoorbeeld gezichten, katten en andere objecten te herkennen. Dit proces wordt geperfectioneerd door DeepDream met miljoenen afbeeldingen te trainen. Google gebruikt de technologie onder meer in Google Photos. Daarnaast kan de software absurdistische kunstwerken creëren waarvoor liefhebbers duizenden euro’s neertellen.

De toepassingen van neurale netwerken: productie

In de industrie zijn er eigenschappen van het te maken product die niet real-time tijdens de productie gemeten kunnen worden. De hardheid van een plastic kan bijvoorbeeld alleen achteraf in een laboratorium worden bepaald, maar dan is het te laat om het proces nog bij te sturen. Om nu vooraf toch een idee te krijgen van deze parameters kan een neuraal netwerk gebruikt worden dat als input alle parameters heeft die wel gemeten kunnen worden, zoals druk, temperatuur en hoeveelheden van stoffen. Dit netwerk wordt getraind met gegevens uit de archieven van het laboratorium en kan, als het goed werkt, tijdens de productie al een voorspelling van de gewenste eigenschappen doen.

De toepassingen van neurale netwerken: gezondheidszorg

Op dit moment zijn neurale netwerken meestal gericht op modelleren van het menselijk lichaam, zoals het cardiovasculaire systeem. Diagnose kan worden bereikt door een model van het cardiovasculaire systeem van een individu op te bouwen en te vergelijken met de fysieke metingen van de patiënt in real time. Als dit regelmatig wordt uitgevoerd, kunnen potentiële schadelijke aandoeningen in een vroeg stadium worden gedetecteerd. Daarnaast kan een neuraal netwerk getraind worden om een groot aantal medische dossiers op te slaan, die elk informatie bevatten over de symptomen, diagnose en behandeling in kwestie. Na het trainen kan het neurale netwerk een reeks symptomen aangeboden worden; het zal dan het opgeslagen patroon vinden dat de beste diagnose en behandeling vertegenwoordigt.

Ook worden neurale netwerken gebruikt voor het herkennen van ziekten met behulp van scans, omdat er geen specifieke algoritme nodig is om de ziekte te identificeren. Neurale netwerken leren door voorbeeld, zodat de details voor het herkennen van de ziekte niet nodig zijn. Wat er nodig is, is een reeks voorbeelden die representatief zijn voor alle variaties van de ziekte. Een vierde applicatie is de elektronische neus. Elektronische neuzen hebben verschillende potentiële toepassingen in telemedicine. De elektronische neus kan geuren identificeren in de afgelegen omgeving. De geïdentificeerde geuren worden dan elektronisch overgedragen naar een geurgeneratiesysteem, die ze kan herstellen. Omdat het geur een belangrijk indicator voor de arts kan zijn, kan hiermee de operatie verbeterd worden.

Dit artikel is onderdeel van een serie.

Lees meer:

Deel 1 – Machine learning, neurale netwerken en deep learning uitgelegd
Deel 2 – Wat is een neuraal netwerk: een introductie
Deel 4 – Hoe werkt een neuraal netwerk – neurale netwerken uitgelegd
Deel 5 – Voorbeeld van een neuraal netwerk – de werking uitgelegd
Infographic – Neurale netwerken bij machine learning
Bronnen – Bronnen 3Bplus artikelen deep learning

Infographic: machine learning is leren door ervaring

Infographic: machine learning is leren door ervaring

Machine learning is een onderzoeksveld binnen AI, dat zich bezighoudt met de ontwikkeling van algoritmes waarmee computers kunnen leren. Machine learning verwijst naar elk systeem waar de prestatie van een machine bij het uitvoeren van een taak beter wordt door meer ervaring op te doen in het uitvoeren van die taak. In deze infographic geven we een overzicht van machine learning.

Infographic: machine learning is leren door ervaring

Deze infographic is onderdeel van een serie.

Lees meer:

Deel 1 – Machine learning, neurale netwerken en deep learning uitgelegd
Deel 2 – Wat is machine learning: een introductie
Deel 3 – Toepassingen van machine learning in zorg, retail en meer
Deel 4 – Methoden van machine learning – supervised en unsupervised learning
Deel 5 – Hoe werkt machine learning – machine learning uitgelegd
Bronnen – Bronnen 3Bplus artikelen deep learning

Toepassingen van machine learning in zorg, retail en meer

Toepassingen van machine learning in zorg, retail en meer

Machine learning-toepassingen – zorg, retail, transport en meer

We begonnen deze serie artikelen met een algemeen artikel waarin we de verbanden tussen machine learning, neurale netwerken en deep learning schetsen. Deze twee laatste onderwerpen komen later aan bod. In deze artikelen bespreken we eerst machine learning. In het vorige artikel gaven we een definitie van machine learning. Aansluitend kijken we nu naar de toepassingen van machine learning. Bedrijven realiseren zich namelijk steeds meer het ongelooflijke potentieel van het ontrafelen van de rijkdom aan informatie die IoT en Big Data kunnen opleveren. Zodoende passen ze steeds meer machine learning toe. We bespreken machine learning-toepassingen voor retail, transport, beeldherkenning (in de zorg), en entertainment zoals games.

Toepassingen van machine learning – retail

Iedereen heeft het vast al eens meegemaakt: je koopt een bepaald product en je krijgt direct aanbevelingen voor andere, vergelijkbare producten. Dit is bijna de meest gangbare vorm van machine learning die je nu in de praktijk ziet. Veel grote webshops verzamelen gegevens van bezoekers en slaan deze gegevens op. Door deze opgeslagen gegevens kunnen webshops inspelen op de interesse van de potentiële klanten. Daarnaast houdt machine learning de prijzen zo laag mogelijk door ze continu met andere retailers te vergelijken en wordt machine learning gebruikt om onbruikbare productrecensies weg te filteren. Een tweede voorbeeld is fraudedetectie, waarmee kredietrisico’s bepaald worden. Via machine learning kunnen relaties in data achterhaald worden om te bepalen of een transactie frauduleus is.

Toepassingen van machine learning – transport

Ook bij de ontwikkeling van software voor autonome auto’s wordt gebruik gemaakt machine learning. Hierbij worden allemaal afbeeldingen van verkeerssituaties ingevoerd in een systeem. Uiteindelijk moet de software van autonome auto’s zelf beslissingen nemen of er geremd moet worden voor bepaalde situaties of niet. Machine learning zorgt ervoor dat een autonome auto het verschil kent tussen een voetganger en een verkeerslicht, en bijvoorbeeld weet dat de snelheid moet worden aangepast als het hard regent. Daarnaast ontwikkelen fabrikanten systemen die kunnen voorspellen wanneer een auto kapot gaat. Dit geeft enorm veel voordelen met betrekking tot logistieke planning van bijvoorbeeld vrachtwagens. Wanneer er een lange rit voor de boeg staat, is het soms beter een bepaalde vrachtwagen niet op weg te sturen. En mocht een vrachtwagen kapot gaan dan analyseert deze zelf of het goedkoper is om een snelle reparatie te doen langs de snelweg zodat de lading alsnog op tijd is óf te laat te komen en de kosten hiervan voor lief te nemen.

Toepassingen van machine learning – beeldherkenning

Machine learning laat computers trainen om bepaalde beelden te herkennen en te benoemen. Iedereen met een account bij Google Photo kan dat zelf testen: geef eens een onderwerp zoals ‘bloemen’ of ‘honden’ in en kijk hoe Google afbeeldingen van je petunia’s of je golden retriever tevoorschijn haalt. Jij hebt die foto’s nooit als dusdanig getagt, dus hoe kan Google weten dat het dier op de foto een hond is, en geen kat of wolf? Een ander voorbeeld van machine learning is DeepArt. Dit model is getraind in de schilderstijl van Vincent van Gogh en kan foto’s omvormen tot een afbeelding in de stijl van de schilder. In DeepArt is nergens vastgelegd hoe die stijl precies is, maar het programma heeft het zelf geleerd door te trainen op een enorme dataset van schilderijen.

Toepassingen van machine learning – gezondheidszorg

In de medische sector kan beeldherkenning worden gebruikt om röntgenfoto’s en MRI-scans te interpreteren. Ook kun je een miljoen patiëntendossiers ingeven in een machine learning-systeem, en de vraag stellen waarom de ene groep diabetes ontwikkelt, en de andere niet. Als het systeem een consistent onderscheid ontdekt, kan het ook voorspellen wie kans maakt op diabetes. Watson for Oncology van IBM analyseert enorme hoeveelheden medische literatuur, onderzoeksgegevens en andere data om een behandeladvies voor kankerpatiënten te genereren. Watson for Oncology kan in een paar minuten tijd informatie analyseren waar een medisch specialist anders weken mee bezig zou zijn. Het systeem baseert belangrijke medische beslissingen dus niet op de kennis van een of meerdere personen, maar op de huidige stand van de wetenschap.

Toepassingen van machine learning – games en entertainment

Doordat een machine learning-model getraind wordt aan de hand van data en dus geen vaste instructies heeft, is een model niet beperkt tot vooraf vastgelegde situaties. Dit stelde bijvoorbeeld AlphaGo in staat om de beste Go-speler ter wereld te verslaan. Het was daarbij niet nodig om van tevoren strategieën voor het programma uit te schrijven: die werden tijdens het spelen vanzelf ontwikkeld. Daarnaast heeft DeepMind op eigen houtje tientallen Atari-games leren spelen. Ook Facebook kan niet meer zonder machine learning. Algoritmes helpen het sociale netwerk bijvoorbeeld bij het herkennen van gezichten, het personaliseren van de News Feed, het ranken van zoekresultaten en het verwijderen van kwetsende content. Onlangs kwam daar nog een systeem bij dat DeepText heet. Dit algoritme kan posts en berichten ‘begrijpen’, volgens Facebook bijna net zo goed als mensen. Zeg je in Facebook Messenger tegen een vriend dat je een lift nodig hebt? Dankzij DeepText krijg je meteen een link naar een taxi voorgeschoteld. Ten slotte wordt machine learning ingezet om online gamers te koppelen die qua niveau aan elkaar gewaagd zijn.

Dit artikel is onderdeel van een serie.

Lees meer:

Deel 1 – Machine learning, neurale netwerken en deep learning uitgelegd
Deel 2 – Wat is machine learning: een introductie
Deel 4 – Methoden van machine learning – supervised en unsupervised learning
Deel 5 – Hoe werkt machine learning – machine learning uitgelegd
Infographic – Machine learning is leren door ervaring
Bronnen – Bronnen 3Bplus artikelen deep learning