Review: ESP-EYE: Gezichtsherkenning voor een appel en een ei

Toen Espressif met de ESP32 op de markt kwam, werd die meteen een hit in de maker-wereld. Het nieuwe ESP-EYE-board is hun nieuwste ontwikkelkaart voor beeldherkenning en het verwerken van audio in AIoT-applicaties.

Onderzoekers van de Universiteit van Plymouth hebben een oogstrobot ontwikkeld die aardbeien kan plukken. De robot is nu nog langzaam, maar deze zal binnenkort sneller gaan werken dan menselijke plukkers.

Spraakassistenten zoals Alexa, Google home en Siri zijn de gewoonste zaak van de wereld geworden. De eigenlijke herkenning van de gesproken woorden gebeurt daarbij niet lokaal, maar in de cloud van de aanbieder, wat natuurlijk vragen over de bescherming van de gegevens met zich meebrengt. Maar er zijn ook andere oplossingen, zoals Snips: een spraakherkenningssysteem, dat helemaal draait op lokale hardware zoals een RPi. We hebben zo’n spraakherkenningskit bekeken en laten zien, hoe u daarmee eigen applicaties kunt ontwikkelen.

Rigetti Computing heeft aangetoond dat één van hun supergeleidende kwantumprocessors in staat is tot een soort van machineleren dat een flinke bijdrage zou kunnen leveren aan de kunstmatige intelligentie (AI). De 19Q, Rigetti’s 19qubit-kwantumprocessor die werkt met supergeleiding, zou in staat zijn tot machinaal leren zonder supervisie. In tegenstelling tot machineleren met supervisie, waar de output van een algoritme wordt vergeleken met "gelabelde" trainingsdata, biedt deze manier van leren de mogelijkheid om ingewikkelde problemen op te lossen met behulp van alleen inputdata, zonder speciale trainingsdata en met niet van te voren vastgelegde uitkomsten.

Machine-leermodellen die zijn gebaseerd op CNN’s maken gebruik van grote verzamelingen trainingsdata om te leren objecten en gebeurtenissen te herkennen. Maar als die trainingsdata niet specifiek is samengesteld voor een bepaald element of een bepaalde situatie, generaliseren deze systemen niet goed. Intel's neuromorfische chip ‘Loihi’ imiteert de werking van het brein door leren met behulp van verschillende manieren van terugkoppeling uit de omgeving. Zo’n systeem hoeft niet op de traditionele manier te worden getraind en kan zijn prestaties in de loop van de tijd verbeteren.

Met de recente release van bijzonder krachtige microcontrollers en ontwikkelkits, komt kunstmatige intelligentie (AI) met behulp van neurale netwerken binnen bereik van gretige programmers die op zoek zijn naar een nieuwe uitdaging na programmeren. “Zelfbouw AI” werd lang voor onhaalbaar gehouden, maar volgens NVIDIA gaan nu de Jetson TX1 en TX2 “het vermogen van een AI-supercomputer in uw hand geven.” Voor ruim $600 is nu hardware te koop die behoorlijk diepe neurale netwerken kan draaien, met ondersteuning voor de nieuwste technologie in grafische software, GPU-rekenen, computer vision en meer.

Het idee van Kunstmatige Intelligentie (Artificial Intelligence of AI) is waarschijnlijk al zo oud als de mensheid, maar volgens onze betrouwbare vriend Wikipedia, is het onderzoeksveld van de AI begonnen op het Dartmouth College in 1956. Eerdere pogingen tot wat we nu AI noemen gingen voornamelijk over machines die wiskundige operaties konden uitvoeren. Sinds enkele jaren staat het AI-onderzoek in volle bloei dankzij de ontwikkelingen in cloud computing en slimme apparaten en is het tijd voor een onderzoek om uit te vinden wat “gewone” mensen weten over AI en wat hun gevoelens erover zijn.

Jetson is een open platform voor de ontwikkeling van geavanceerde toepassingen van kunstmatige intelligentie ‘aan de periferie’ (edge computing) dat voor iedereen toegankelijk is — van gevestigde ondernemingen en start-ups tot onderzoekers en middelbare scholieren. Het is gebaseerd op Nvidia’s PASCAL GPU-architectuur met geïntegreerde multi-core ARM Cortex-A57.