Dit is een samenvatting van de lessen die werden gegeven gebaseerd op de powerpoints en op basis van eigen notities. De Q&A's worden ook toegevoegd. De onderwerpen die aan bod komen zijn AI, desinformatie, hate speech, sexting en cybervetting, persoonlijke data en smart cities.
Media en digitale samenleving
1 Artificiële intelligentie
Enorme vooruitgang in afgelopen jaren:
- Medische vooruitgang
- Computers die kunnen gamen tegen mensen
- Betrouwbare gezichtsherkenning
AI is geen ding op zich, wel een reek van methoden en softwaretechnieken waardoor devices
mentale taken aankunnen. AI is meer dan informatica. Het legt een laag van functionaliteit bovenop
wat de informatica biedt en impliceert een andere manier van denken en andere knowhow.
AI kan niet op zichzelf bestaan, het steunt op enorm veel andere technologieën. De ‘intelligentie”
wordt dus in vraag gesteld.
Voorbeeld zelfrijdende auto:
- AI niet per se slimmer dan de mens
- AI kan (hoeveelheden) van dingen weten die een mens niet kan weten
- Gezond verstand van de mens soms cruciaal om de weg te vinden
Twee technologieën:
1.1 Internet of things (IoT)
1.1.1 Definitie IoT
Definitie: het gehele netwerk van objecten, voertuigen, … die volledig ingehuld zijn met elektronica,
software en sensoren die zodanig met elkaar en met de wereld in contact staan dat er data kan
worden verzameld en uitgewisseld.
Grafiek: Gartner chart
Verwachting horende bij een nieuwe technologie
- Enorme stijging: de hype; enorm veel vooruitgang
- Enorme daling: de hype is over, botsen op de limieten van de technologie
- Gestage stijging: de technologie wordt daadwerkelijk gebruikt en men houdt zich er weer
met bezig
1.1.2 Geschiedenis van IoT
1974: eerste IoT applicatie
- De bankautomaat
2008: enorm belangrijk punt
- Meer devices geconnecteerd met internet dan mensen op aarde
2015: 4,9 miljard devices
Ieder device dat geconnecteerd is, gaat de mensen informatie verschaffen
1.1.3 Voorbeeld
Voorbeeld: auto geconnecteerd aan het internet
1
, - In een auto enorm veel computertjes
o Airbag, airco, …
- Een slimme auto zou kunnen:
o Wielsnelheden meten en doorvoeren
o Zien of de ruitenwissers aanstaan
o Crashes spotten
o …
WRAPUP:
- IoT is een enorm grote business
o Enorm veel geld in te verdienen
o Google en Samsung grote spelers
- Bedrijven zijn enorme voorstander van IoT
o Voordelen t.o.v. de concurrentie
o Bedrijf blijft verbeteren
Veel bedrijven die deze technologieën niet adopteerden rond 2000 -> gingen failliet
1.1.4 What is it really
1.1.4.1 Sensoren
De evolutie in sensoren gaat op dit moment enorm snel. Vooruitgang in:
- Grootte
- Accuraatheid
- Hoeveelheid energie
Voorbeeld: hersensensoren
- Hoe kleiner, hoe eenvoudiger in gebruik
- Hoe kleiner, hoe minder energie er wordt gebruikt
o Je zou niet willen dat die sensoren zonder batterij vallen
1.1.4.2 Communicatie
Alle devices moeten worden aangesloten op een netwerk. Hoe meer devices, hoe moeilijker om deze
allemaal aangesloten te laten zijn.
Er zijn protocollen om deze devices met elkaar te laten communiceren (die verder gaan dan wifi en
bluetooth)
Communicatie: golflengtes
- Golflengtes worden verdeeld over iedereen die de golflengtes wil gebruiken
- IoT krijgt van alle golflengtes, maar twee heel kleine blokjes
- Ze moeten hier dus ‘zuinig’ en georganiseerd mee omgaan
Geconnecteerde devices worden in grote hoeveelheden steeds dichter bij elkaar gebruikt ->
interferentie = CHAOS
De communicatie moet (tegelijkertijd/op tijd) gerealiseerd worden -> enorm veel onderzoek voor
nodig
Voorbeeld: Port of Antwerp
- Wifi
- Drones ter controle
- Video surveillance
- Securitycamera’s
Extra probleem: containers -> golven gaan niet makkelijk door metaal
Enorm veel onderzoek nodig en vooruitgang
Oplossing in Port of Antwerp: 5G
1.1.4.3 Software
PROBLEEM 1: opslagcapaciteit en toegan
Het Cern: gigantische deeltjesversneller
Hebben een gigantische sensor gebouwd om de deeltjes die op elkaar vliegen volledig te kunnen
observeren
Problemen:
- Aantal sensoren was te groot voor het datacentrum
- Op het moment van de botsing werd te veel data verplaatst
Oplossing: verwerking van data werd in de sensor geplaatst
NU: enorm veel onderzoek gedaan naar hoe zoveel mogelijk en de zinvolle data opslagen
PROBLEEM 2: methodologisch (hoe gigantische systemen bouwen en beheren)
Immergent behaviour: gedrag dat we niet verwachten omdat het niet getest is geweest
1.2 Artificiële intelligentie
AI: intelligentie van een device waarin je niet het onderscheid kan maken tussen een beslissing van
een mens, of van de machine
Machine Learning: een machine die in staat is kennis te verwerven (snel of geleidelijk aan)
- Supervised learning
- Unsupervised learning
- Reinforcement learning
o Het stellen van acties die op termijn een cumulatieve beloning maximaliseren
- Transfer learning
Deep Learning: intelligentie van de machine door de machine zelf aangeleerd
Neurale netwerken die getraind worden met data om vanuit bepaalde inputs bepaalde outputs te
genereren -> neurale netwerken heel veel lagen
3
, Ontstaan door:
- Nieuwe leertechnieken
- Toename van de rekenkracht
- Vloed van data door toenemend internetgebruik
Kan enorm veel aan, maar te ingewikkeld om te begrijpen (of iets begrijpbaar te maken) voor de
gewone mens. Kennis zal ook alleen maar enorm snel toenemen.
Toekomst deep learning:
- Ongesuperviseerd leren
- Reinforcement learning
1.3 Hoe werkt AI
Informatie wordt gehaald uit de data (in de machine) en naar meer informatie getransformeerd
Twee componenten:
- Representatie van de kennis
o Welke symptomen welke ziekte suggereren
- Inferentiemachine
o Proces dat de kennis actief gebruikt om een probleem op te lossen
- (feedback)
Twee benaderingen:
Kennisgebaseerde benadering
- Kennis van een expert proberen te gieten in representaties, regels en zoekstrategieën
o Onderzoek naar hoe dit goed overbrengen opgedeeld in drie richtingen
WATSON (lezen van enorm veel data)
Collectieve crowdsourcing (vb wikipedia)
Agents (vb chatbots)
Datagebaseerde benadering -> machine learning
1.3.1 Machine learning
Data over gedrag van mensen en beslissingen die ze hebben genomen (waargenomen via sensoren).
Statistische technieken gebruiken om patronen in die data te ontdekken en zo wordt die data weer
aangewend om nieuwe problemen op te lossen (techniek = Bayesiaanse inferentie)
Neuronen staan met elkaar in verbinding door impulsen (energie in de hersenen) -> daardoor leren
we bij.
Voor machine learning hebben we dit enorm vereenvoudigd: ‘neuronen’ staan in kolommen (ANN)
- Inputs komen binnen in een neuron
- Dit wordt omgezet in functies en weer doorgegeven aan het volgende neuron
- Output wordt gecreëerd
Bij een foute output, worden de gewichten in de neuronen steeds aangepast, zodat de machine
uiteindelijk wel de juiste output creëert -> de machine leert bij
Zo een werkend systeem kan dan in toepassingen worden gestoken
4
The benefits of buying summaries with Stuvia:
Guaranteed quality through customer reviews
Stuvia customers have reviewed more than 700,000 summaries. This how you know that you are buying the best documents.
Quick and easy check-out
You can quickly pay through credit card or Stuvia-credit for the summaries. There is no membership needed.
Focus on what matters
Your fellow students write the study notes themselves, which is why the documents are always reliable and up-to-date. This ensures you quickly get to the core!
Frequently asked questions
What do I get when I buy this document?
You get a PDF, available immediately after your purchase. The purchased document is accessible anytime, anywhere and indefinitely through your profile.
Satisfaction guarantee: how does it work?
Our satisfaction guarantee ensures that you always find a study document that suits you well. You fill out a form, and our customer service team takes care of the rest.
Who am I buying these notes from?
Stuvia is a marketplace, so you are not buying this document from us, but from seller SiegeVG. Stuvia facilitates payment to the seller.
Will I be stuck with a subscription?
No, you only buy these notes for $6.36. You're not tied to anything after your purchase.
