Whitepaper Kunstmatige Intelligentie

Lees meer over kunstmatige intelligentie in de intralogistiek in onze whitepaper.

artificial intelligence, connection human and machine

Whitepaper Kunstmatige Intelligentie

Kunnen machines denken?

Sinds 2017 is er veel opwinding rond kunstmatige intelligentie (AI) als tak van informatietechnologie. AI is al nuttig gebleken voor de meest uiteenlopende toepassingen: virtuele assistenten, toepassingen, hersenspelletjes en nog veel meer.

Maar terug naar onze oorspronkelijke vraag: Zijn deze machines echt in staat om te denken? Onmiddellijk worden we geconfronteerd met een probleem: Wat is denken precies? Er bestaat geen eenduidige definitie van het begrip.

Maar wat onderscheidt kunstmatige intelligentie van menselijke intelligentie?

De unieke eigenschap van de mens - althans op dit moment - is creatief en innovatief denken. Machines kunnen echter kiezen uit bestaande beslissingsopties en een ongelooflijk grote hoeveelheid gegevens en informatie verwerken. Bovendien hebben ze een indrukwekkende betrouwbaarheid, nauwkeurigheid en continuïteit - ze kunnen de klok rond werken. Zelfs complexe taken kunnen zelfstandig worden uitgevoerd, mits de juiste instructies worden gegeven. Algoritmen, grote verwerkingskracht en de exponentiële groei van gegevens die moeten worden verwerkt, vormen de basis van kunstmatige intelligentie.

Alleen al hieruit blijkt dat kunstmatige intelligentie een enorm potentieel heeft. De voortdurende ontwikkeling van machinaal leren heeft ook gevolgen voor de werkplek.

Blog Kunstmatige Intelligentie

Is kunstmatige intelligentie (AI) gewoon een modewoord of zit er meer achter? Hoe we AI gaan toepassen in onze projecten.

Lees meer
Artificial Intelligence

Basisbegrippen met betrekking tot kunstmatige intelligentie

Innovations and Trends in material handling and logistics

Kunstmatige intelligentie (AI) is een tak van de informatietechnologie die zich bezighoudt met de automatisering van intelligent gedrag. AI is de poging om een computer zo te programmeren dat hij zelfstandig problemen kan verwerken, zoals een mens met de juiste opleiding dat zou doen. Probleemoplossing betekent het nemen van beslissingen die een passende reactie vormen op het onderliggende probleem binnen een bepaalde tijd, op basis van gegevens uit diverse bronnen (databanken, sensoren, videocamera's, enz.).

artificial intelligence, brain with data streams, networking

Machinaal leren is een verzamelnaam voor verschillende processen die worden gebruikt om een onbekend functioneel verband tussen invoer- en uitvoergegevens te bepalen. Naast de nog steeds belangrijke traditionele toepassingen zoals clustervorming, regressie, factor- en tijdreeksanalyses, worden ook complexere methoden zoals neuronale netwerken, evolutionaire benaderingen en ondersteunende vectormachines geïntegreerd.

Voorspellende analyse

Het gebruik van Big Data-technologieën maakt de verwerking van gigantische hoeveelheden gegevens mogelijk, alsmede een snelle weergave van de werkelijke wereld en een nauwkeurige besluitvorming. Lees in onze white paper aan welke voorwaarden moet worden voldaan voor predictive analytics

Lees meer

Simulatie

Simulatie speelt een essentiële rol bij de planning van logistieke systemen. Ons witboek beschrijft hoe AI wordt gebruikt voor planning en laat zien welke voordelen dit met zich meebrengt.

Lees meer

Cognitieve gegevensverwerking - Kunstmatige intelligentie

Cognitive Computing - machine assistenten in plaats van mensen nemen taken over of nemen beslissingen. Bekijk onze video en leer meer over de belangrijkste toepassingsgebieden waar machines de mens ondersteunen.

Lees meer

Diep Leren

Deep learning is een technologie waarmee computers een capaciteit kunnen verwerven die voor mensen vanzelfsprekend is: leren uit ervaring. Dit wordt bijvoorbeeld gebruikt bij beeld- en spraakherkenning. Leer hier wat deep learning is en hoe het zich de laatste jaren heeft ontwikkeld.

Lees meer

Leerstrategieën

Leerstrategieën - een groot aantal herhalingen en een goede gegevenskwaliteit spelen een essentiële rol bij het leren! Maar welke verschillende soorten leerstrategieën worden toegepast?

Lees meer

Machinaal leren

Gepersonaliseerde online reclame of automatische filtering van spam e-mails worden mogelijk gemaakt door machine learning. In deze video kunt u zien hoe dit werkt.

Lees meer

Kunstmatige Intelligentie

Meer informatie over kunstmatige intelligentie.

Lees meer

Kunstmatige intelligentie in de logistiek

Laten we het over kansen hebben...

Lees meer

De auteurs van de whitepaper over kunstmatige intelligentie

... studeerde technische wiskunde aan de Technische Universiteit van Wenen (TU Wien) en specialiseerde zich in simulatie, operationeel onderzoek en statistiek. Na zijn studie verbleef hij in Glasgow, waar hij onderzoek deed naar kernelmethoden voor gebruik in discrete event simulatiemodellen. In 2001 trad hij in dienst bij het onderzoekscentrum van Seibersdorf, eerst als projectmanager en later als hoofd van de werkgroep "Procesoptimalisering", waar hij nationale en internationale onderzoeksprojecten uitvoerde en beheerde over transportlogistiek, locatiespecifieke logistiek en wereldwijde toeleveringsketens. Terwijl hij zijn onderzoek voortzette, begon hij ook les te geven aan verschillende instellingen voor hoger onderwijs in Oostenrijk, wat later zijn hoofdberoep werd.

Markus Klug maakt sinds 2013 deel uit van SSI SCHÄFER IT Solutions GmbH. Hij was oorspronkelijk verantwoordelijk voor het opbouwen van data-analyse en simulatie binnen het bedrijf, een rol die later uitgroeide tot data science en kunstmatige intelligentie/machine learning. Als militair deskundige voor de logistiek van de reservetroepen, met bijzondere aandacht voor militair operationeel onderzoek, treedt hij ook op als adviseur voor het Oostenrijkse leger, waar hij deskundig advies geeft over de ontwikkeling van mathematische modellen en processen in de militaire sector. Markus Klug heeft uitgebreide kennis en ervaring, zoals blijkt uit zijn diverse academische publicaties, lezingen, lidmaatschap van academische programmacommissies, sessievoorzitters op academische conferenties en zijn hoedanigheid als recensent voor internationale vaktijdschriften.

Auteur Georg Rief

Georg Rief heeft een bachelor in computerwetenschappen en een master in natuurkunde. Hij richtte zich voornamelijk op simulatie en data science, aangezien kunstmatige intelligentie in die tijd geen bijzonder belangrijk onderwerp was en daarom niet centraal stond in zijn studie. Hij had 8 jaar ervaring in softwareontwikkeling in andere sectoren voordat hij in maart 2014 naar SSI SCHÄFER kwam. Aanvankelijk werkte hij als W4-ontwikkelaar voor klantprojecten, voordat hij in december 2016 overstapte naar de afdeling data science/simulatie.

Nieuw inhoudelijk item (1)

Karina Konrath studeerde technische wiskunde aan de Technische Universiteit Graz en werkt sinds november 2017 bij SSI SCHÄFER. Als data scientist is zij grotendeels verantwoordelijk voor de analyse en voorbereiding van gegevens, waarbij intensief gebruik wordt gemaakt van statistiek en wiskunde.

Innovations and Trends in material handling and logistics

Trends

Vragen of opmerkingen?