'Vaag' regelsysteem presteert beter
Door W. J. Eradus
Akelig dicht boven de glazen koepel in Berlijn zweeft een werkplatform, bevestigd aan een 33 meter lange arm van een hoogwerker. Ramen zemen van het Rijksdaggebouw lijkt een riskante onderneming, zelfs al bij windkracht 3. Toch klinkt er bij een plotselinge windvlaag geen glasgerinkel. De hoogwerker geeft geen krimp dankzij een intelligent besturingssysteem: fuzzy-technologie.
Directeur A. Thihatmer van Teupen Maschinenbau uit Gronau, het bedrijf dat de hoogwerker ontworpen heeft, is een van de sprekers op een symposium over neurale netwerken en fuzzy-technologie, dat eind vorige maand in Enschede gehouden werd.
De toegepast fuzzy-regelaar in de hoogwerker maakt gebruik van een nieuwe manier om problemen op te lossen (zie: ”De hersenen nagebootst”), op een manier die meer aansluit bij de menselijke ervaring. In plaats van uiterst ingewikkelde wiskundige formules, past deze techniek een begrijpelijke vorm van redeneren toe. Hoewel ”fuzzy” letterlijk niets anders betekent dan ”vaag”, biedt deze methode in de praktijk veel voordelen, in dit geval een aanzienlijk betere stabiliteit van het werkplatform. Alle verstoringen, zoals verandering van belading, windvlagen en dergelijke, worden direct op een soepele wijze gecompenseerd.
De gepresenteerde hoogwerker met zijn fuzzy-regelsysteem is een voorbeeld van een succesvol samenwerkingsproject tussen Duitse en Nederlandse onderzoekers, gestimuleerd met Europese fondsen. Met name de ondernemende Universiteit Twente en de Fachhochschule Münster waren actief in –letterlijk– grensoverschrijdende kennisoverdracht naar het regionale midden- en kleinbedrijf, in dit geval voor een bedrijf in Gronau Het Neuro-Fuzzy-Centrum (NFC) in Enschede, dat hierbij een coördinerende rol speelde, meldt dat er in totaal 38 kortlopende pilotstudy's zijn uitgevoerd, waarvan 23 een bemoedigend resultaat opleveren. Negen projecten hebben de eindstreep gehaald en geleid tot vermarktbare producten.
Leergierig
Een wat huiselijker voorbeeld van een succesvol project is de zelflerende kamerthermostaat van het bedrijf Nefit-Fasto. Ook hier is een nieuwe techniek gebruikt: die van een neuraal netwerk (zie ”De hersenen nagebootst”). Neurale netwerken worden niet op de gebruikelijke wijze geprogrammeerd maar getraind. Ze hebben dan ook in beginsel dezelfde functionele opbouw als de hersenen.
Het ingebouwde neurale netwerk maakt de thermostaat uiterst leergierig. Nadat het in een willekeurig huis is geïnstalleerd, regelt het zichzelf binnen twee dagen automatisch zodanig in dat de temperatuur binnen ingestelde grenzen blijft met een minimaal aantal aan- en uitschakelingen van de verwarmingsketel. Die verbruikt daardoor minder energie, heeft minder onderhoud nodig en zijn levensduur is langer.
De kamerthermostaat speelt snel in op veranderingen van weer of jaargetijde. Hij merkt ook direct dat de gordijnen dichtgaan en maakt dan het regelkarakter wat ”rustiger”. Het ingebouwde neurale netwerk is te beschouwen als een slim geheugen, waarin opgedane ervaringen liggen opgeslagen. Naarmate de regelaar langer in gebruik is, reageert deze steeds beter op veranderingen, zodat de prestaties toenemen De toegepaste neurale anticiperende regelaar is inmiddels praktijkrijp, maar nog niet op de markt gebracht.
Een interessante toepassing betreft het herkennen van aanvallen van epilepsie: een aandoening van de hersenen waarbij doorgaans onverwacht aanvallen optreden gepaard met spierschokken en bewustzijnsstoornissen. Gevoelige meetapparatuur kan de elektrische activiteit van de hersenen registreren, op een monitor ziet dat eruit als een groot aantal onregelmatig verlopende golfbewegingen (het zogenaamde elektro-encefalogram, afgekort als EEG).
Het Enschedese bedrijf Twente Medical Systems heeft een draagbaar meetsysteem, ”Spike”, ontwikkeld dat bedoeld is om een naderende epileptische aanval te herkennen en te registreren, zelfs als er nog nauwelijks afwijkende pieken in het EEG-signaal te zien zijn. Hiervoor is een zelflerend neuraal netwerk volgens het model van de Finse hoogleraar Kohonen ingezet, dat in staat bleek om epilepsieaanvallen bij een patiënt te onderkennen.
Gezichtsherkenning
Neurale netwerken zijn ook goed inzetbaar bij gezichtsherkenning en leveren daarbij de oplossing voor een aantal maatschappelijke problemen. Drs. M. J. den UyI, directeur van Sentient Machine Research (SMR), laat zien wat zijn bedrijf allemaal kan op dit gebied. „Een mens is voor ons vooral een verzameling van biometrische kenmerken zoals hand- en vingerafdruk, DNA, stem, handschrift, netvlies en iris, maar ook de beeldkenmerken van het gezicht horen daarbij. Een van onze specialismen is het dynamisch herkennen van gezichten. Niet alleen op het moment dat iemand voor de camera poseert –want daar is geen kunst aan– maar juist als de mensen onbelemmerd zijn in hun bewegingen.”
SMR ontwikkelde het videosurveillancesysteem Pires (Picture REtrieval System). „De politie past het systeem toe in haar database. Maar het kan ook worden gebruikt voor surveillance in kantoren, als automatische ondersteuning van de portier, en voor bewaking van openbare ruimten.” Den Uyl laat een korte video zien waarin mensen door elkaar heen lopen. Het neuraal netwerk van Pires weet de hoofden feilloos te volgen en met meebewegende rode cirkels te omgeven.
Van ieder ”ingevangen” gelaat worden dan vervolgens de van belang zijnde beeldkenmerken vastgelegd. De laatste schakel in het automatisch herkennen is dan het vergelijken van deze kenmerken met die van een groot aantal personen die in een database liggen opgeslagen. Dat kunnen klanten of werknemers zijn, maar ook criminelen.
Krachtig gereedschap voor Big Brother? Den Uyl: „Niet onmogelijk. Feit is wel dat videosurveillance al op uitgebreide schaal wordt toegepast: bij onze Britse buren zijn nu al meer dan 500.000 surveillancecamera's geplaatst, zodat de 'gemiddelde' Engelse onderdaan algauw 500 keer per week op de videoband staat. Een minder prettig idee, dat wel, maar bedenk dat door deze videobewaking de misdaadcijfers al met 20 procent omlaag zijn gegaan.” Ook in het uitgaanscentrum van Ede is de criminaliteit duidelijk gedaald na de invoering van camera's.
Sentient Machine Research steekt veel onderzoek in de verbetering van haar op neurale netwerken gebaseerde videosurveillancesysteem. Kon de eerste generatie binnen een groep van 25 personen circa 70 procent goed herkennen binnen een halve minuut, de huidige software herkent 80 procent uit een groep van enkele honderden personen, binnen 5 seconden.
De vraag of zo'n geavanceerd persoonsherkenningssysteem mogelijk is, beantwoordt Den Uyl daarom bevestigend. Vragen als: „Mag het?”, „Willen we dit ook?” en „Wat zijn de regels en voorzorgsmaatregelen?” moet de maatschappij zelf beantwoorden, vindt hij.
Volgende week in Spectrum een artikel over het inzetten van neurale netwerken voor het beoordelen van internetpagina's.
