Perspectiefprogramma 'deep learning' geleid door TU/e
De TU/e is betrokken bij alle zes nieuwe Perspectiefprogramma’s van NWO, waarvan één als penvoerder. Dat programma, geleid door hoogleraar Embedded System Architectures Henk Corporaal, beoogt zelflerende automatische systemen – bijvoorbeeld voor beeldherkenning – via ‘deep learning’ efficiënter en transparanter te maken. De overige programma’s moeten leiden tot een nieuwe 3D-printer voor grote metalen onderdelen, microscopie zonder lenzen, nieuwe bacteriën voor de chemische industrie, blessurevrij sporten en draagbare robotica voor mensen met onwillige spieren.
Bij het project van Henk Corporaal zijn behalve de TU/e nog een dozijn universiteiten en onderzoeksinstellingen en een dertigtal bedrijven betrokken, waaronder ING, Schiphol, Siemens, Intel, Océ, TomTom en Tata-Steel. In totaal is er volgens Corporaal bijna zeven miljoen euro gemoeid met zijn programma, waarvan vier miljoen van NWO komt.
Op basis van concrete situaties uit de praktijk van de aangesloten bedrijven, beoogt het programma ‘deep learning’ toepasbaar te maken voor onder andere automatische visuele inspecties, weefselanalyse, slim onderhoud van apparatuur, en intelligente hoortoestellen die kunnen omgaan met rumoerige omgevingen. De bedoeling is dat het programma een eenvoudig toepasbare service oplevert voor het Nederlandse bedrijfsleven.
Beter dan de mens
Deep learning is een veelbelovende methode om zelflerende systemen te realiseren. Deze systemen zijn opgebouwd uit vele lagen met kunstmatige neuronen. Elke laag leert bepaalde eigenschappen, en herkent daarmee structuur in de binnenkomende informatiestroom; bijvoorbeeld verticale lijnen, rechthoeken, gezichten, of gezichtsuitdrukkingen. De eerste lagen leren eenvoudige structuren, terwijl de latere lagen op basis hiervan meer complexe eigenschappen leren. Onlangs heeft deep learning in toepassingen als beeldherkenning en het spelen van complexe bordspelen de mens overtroffen.
Het voordeel van zelflerende systemen is volgens Corporaal dat je geen algoritmes hoeft te programmeren. “Het systeem leert zelf, maar dat betekent dat je er wel enorm veel voorbeelden doorheen moet jassen.” Aan de hand van die voorbeelden kent het zelflerende systeem waarden toe aan “miljoenen tot miljarden” parameters. “Dat kost allemaal ontzettend veel rekenkracht. Efficiëntie is dus van het grootste belang, zeker als je zelflerende systemen wilt draaien op bijvoorbeeld smartphones en nog kleinere apparaten.”
Hardware
De expertise van Corporaal en zijn collega’s van de TU/e zit hem vooral in de hardwarematige kant van de zaak, vertelt hij. “Je moet eerst nadenken over de netwerkarchitectuur, dus hoe je die verschillende lagen opbouwt, maar vervolgens moet je die ook in hardware gieten. Hoe je dat efficiënt doet, dat is mijn tak van sport.”
De overige programma’s, elk ook met inbreng van de TUe/, moeten leiden tot een nieuwe 3D-printer voor grote metalen onderdelen, microscopie zonder lenzen, nieuwe bacteriën voor de chemische industrie, blessurevrij sporten en draagbare robotica voor mensen met onwillige spieren.
Het bestuur van het NWO-domein Toegepaste en Technische Wetenschappen (TTW), de voormalige Technologiestichting STW, stelt 21 miljoen euro beschikbaar voor de zes omvangrijke onderzoeksprogramma’s. Betrokken bedrijven, maatschappelijke organisaties en kennisinstellingen vullen de investering van NWO aan met 11 miljoen euro. Met het totaalbudget kunnen 74 promovendi en 25 postdocs de komende vijf tot zes jaar aan de slag.
De geselecteerde Perspectiefprogramma's voor 2017 zijn hier te zien.
Discussie