De blog van The Write Mind

Wordt machinaal leren het nieuwe dada in computer aided engineering?

Wordt machinaal leren het nieuwe dada in computer aided engineering?
In deze Simsalabim post komen volgende onderwerpen aan bod:

Wordt machinaal leren het nieuwe dada in computer aided engineering?

Can Computers Design Better Products Than Humans?

Dat was de titel van een update die ik recent zag verschijnen op LinkedIn®, en die geïnspireerd was op een artikel gepubliceerd op asme.org. De vraag werd gesteld door Gordon Kurtenbach, Senior Director Research bij Autodesk, daarbij verwijzend naar Autodesk® Project Dreamcatcher. De onderliggende gedachte van dit project is dat ontwerpers in toekomst, eerder dan zelf verschillende ontwerpen iteratief uit te testen en aan te passen, instructies aan een computer zullen geven over de doelstellingen die door een nieuw ontwerp moeten worden gerealiseerd.  Vervolgens gaat die computer op zoek naar ontwerpen die maximaal die doelstellingen realiseren, daarbij gebruik makend van technieken voor machinaal leren.

Het toeval wou dat ik kort daarvoor, vanuit mijn marketing functie bij Noesis Solutions, had meegewerkt aan een aantal meer gespecialiseerde artikelen over machinaal leren in de context van virtuele simulaties voor engineering toepassingen. Het leek me daarom een goed moment om in deze blog het onderwerp machinaal leren van op iets grotere afstand te bekijken. Dat geeft meteen ook de kans om enkele recente evoluties binnen het domein van computer aided engineering (CAE) toe te lichten, en te schetsen hoe dat opportuniteiten creëert voor het inzetten van machinaal leren technologie.

Wat is machinaal leren nu eigenlijk?

Machinaal leren is niet zomaar te herleiden tot één enkele techniek, maar staat voor een geheel aan algoritmen waarmee computers kunnen leren door grote hoeveelheden beschikbare gegevens te analyseren. Machinaal leren wordt daarom typisch ingezet voor toepassingen waar het niet haalbaar is om algoritmen in te zetten die enkel gebaseerd zijn op logica en regels. Machinaal leren is nauw verwant met data mining, een onderwerp waar ook heel wat om te doen is op dit ogenblik.  Beide domeinen overlappen grotendeels, en maken vaak gebruik van gelijkaardige algoritmes.  Maar daar waar machinaal leren “pur sang” zich in de eerste plaats richt op het aanleveren van betrouwbare voorspellingsmodellen, ligt de nadruk bij data mining eerder op het ontdekken van a priori onbekende patronen en verbanden die verborgen zitten in grote hoeveelheden gegevens.

Waarvoor wordt machinaal leren technologie typisch ingezet?

Zonder dat we het misschien beseffen maken we reeds dagelijks gebruik van toepassingen die ondersteund worden door machinaal leren. Elke keer als we een internet zoekmachine gebruiken, zorgt machinaal leren technologie ervoor dat we snel een relevant antwoord krijgen. Ook als ons gevraagd wordt een captcha te gebruiken bij aanmelding op een on-line dienst, dan zorgt diezelfde technologie ervoor dat we als een échte menselijke gebruiker worden herkend. Wanneer we een document inscannen dan is het dankzij optische karakterherkenning dat we de tekst in dat document nadien kunnen aanpassen in Microsoft Word®.  Optische karakterherkenning steunt daarvoor op machinaal leren technologie, net zoals Siri® of Cortana® dat doen elke keer als ze de instructies die we inspreken op onze smartphone omzetten in taken. En soms, zoals uit de bijgaande tweet mag blijken, zijn de antwoorden van Siri® niet geheel  gespeend van een gevoel voor humor…

En wat zou dat kunnen betekenen voor computer aided engineering?

De mogelijke toepassingen van machinaal leren binnen het kader van computer aided engineering staan uiteraard wat verder af van het leven van elke dag, maar spreken daarom niet minder tot de verbeelding.  Om ze ten volle te doorgronden, zullen we in een volgende blog post eerst stil staan bij de 3 grote groepen algoritmen voor machinaal leren. Van daar uit zullen we dan samen verder ontdekken hoe die algoritmen concreet kunnen worden ingezet binnen CAE processen, en ook dankzij welke recente evoluties op gebied van computer aided engineering dat ook effectief haalbaar wordt. In hoeverre dat computers ook effectief in staat stelt om zelfstandig op zoek te gaan naar de beste product ontwerpen zal daarbij nog moeten blijken.

Handelsmerkenverklaring : LinkedIn is een geregistreerd handelsmerk van LinkedIn Corporation. Autodesk is een geregistreerd handelsmerk van Autodesk Inc. Cortana en Word zijn geregistreerde handelsmerken van Microsoft Corporation. Siri is een geregistreerd handelsmerk van Apple Inc.

Interessant? Vergeet deze Simsalabim post niet te delen:
Luc Meulewaeter Wordt machinaal leren het nieuwe dada in computer aided engineering?
Ontdek aanverwante Simsalabim posts:
Luc MeulewaeterWordt machinaal leren het nieuwe dada in computer aided engineering?