TheDataConnection

Bruggen, viaducten, tunnels en sluizen leveren gedurende hun levensduur steeds meer informatie op. Inspecties, onderhoud, verkeersbelasting, constructiegegevens, weersomstandigheden en sensormetingen kunnen gezamenlijk een steeds completer beeld geven van de technische staat van onze infrastructuur. Voorspellend onderhoud kan helpen om die informatie niet alleen te gebruiken om terug te kijken, maar ook om risico’s eerder zichtbaar te maken. Door gegevens van grote aantallen objecten te combineren, kunnen patronen ontstaan die bij één afzonderlijke brug moeilijk herkenbaar zijn. Daarmee kunnen data en AI technische experts ondersteunen bij de vraag waar inspectie- en onderhoudscapaciteit het hardst nodig is.

Op de Oostzee varen dagelijks duizenden schepen. Vrijwel allemaal gedragen ze zich zoals verwacht. De interessante data-uitdaging begint bij die paar schepen waarvan snelheid, koers, locatie of andere kenmerken afwijken van wat onder vergelijkbare omstandigheden gebruikelijk is. Anomaly detection kan helpen om zulke patronen zichtbaar te maken. Door AIS-data te combineren met historische vaarbewegingen, radar, satellietbeelden en andere informatiebronnen ontstaat een interessant voorbeeld van hoe organisaties afwijkingen kunnen herkennen in enorme hoeveelheden data. Daarbij speelt een bekend probleem: een afwijking is nog geen bewijs en de data waarop een model vertrouwt, hoeven zelf ook niet altijd betrouwbaar te zijn.

Hoe groot is de kans dat kunstmatige intelligentie uiteindelijk een existentiële bedreiging vormt voor de mensheid? Sommige AI-onderzoekers koppelen inmiddels concrete percentages aan zulke scenario’s. Maar hoe betekenisvol is een kansberekening wanneer historische waarnemingen ontbreken en zelfs het systeem waarvan we het toekomstige gedrag proberen te voorspellen nog niet bestaat? AI-risico’s verdienen serieuze aandacht, maar ook een kritische blik op de manier waarop we erover spreken. Terwijl extreme toekomstscenario’s veel aandacht krijgen, lopen organisaties vandaag al tegen heel concrete problemen aan rond vertrouwelijke data, reproduceerbaarheid, validatie, deepfakes en het ongecontroleerd gebruiken van AI. Juist daar kunnen professionals nu al iets mee.

Jarenlang leek de richting duidelijk: producten en diensten moesten steeds digitaler worden. Meer schermen, meer apps, meer selfservice en meer automatisering stonden vrijwel automatisch voor vooruitgang. Inmiddels ontstaat er tegelijkertijd opnieuw waardering voor fysieke bediening, persoonlijk contact en producten waarbij vakmanschap en beleving centraal staan. Dat roept een interessante vraag op voor digitale transformatie. Moet technologie altijd zichtbaar zijn om waarde toe te voegen? De nieuwe Spyker C8 Preliator XXV laat zien hoe geavanceerde technologie achter de schermen kan samengaan met een bewust analoge ervaring. Een ontwikkeling die ook buiten de auto-industrie relevant kan zijn, zeker nu AI steeds meer menselijke interacties kan automatiseren.