De opbrengst van een olieput is afhankelijk van verschillende factoren, zoals de diepte, de soort modder in de put en de zuurbehandeling die de modder heeft ondergaan. Maar wat is nu precies het belang van eik van deze factoren? Tot nu toe probeerde men hier achter te komen door middel van statistische methoden. Deze leiden echter lang niet altijd tot juiste voorspellingen. Shell-onderzoekers ontdekten dat het beter gaat met een techniek die gebaseerd is op neurale netwerken, computermodellen en zenuw-achtige chips die zijn geïnspireerd door de manier waarop onze hersenen werken. Binnen tien jaar zullen we ze overal tegenkomen, voorspellen steeds meer wetenschappers. Het zal net zo gaan als met de laser, denken zij. Dertig jaar geleden, toen de laser net was uitgevonden, had iedereen hooggespannen verwachtingen van dit wonderlijke apparaat. Toen deze verwachtingen niet direct uitkwamen, verdween de uitvinding uit de algemene belangstelling. Ondertussen drong de laser echter vrijwel ongemerkt op alle terreinen door en zo zal het ook met neurale netwerken gaan.G.J.C. Lokhorst. Neurale netwerken straks overal. NRC Handelsblad, p. 18, November 17, 1990. ISSN 0002-5259.
De toepassingen van neurale netwerken kunnen worden onderverdeeld in twee soorten: software en hardware. Shell verricht over de hele wereld vooral onderzoek op het eerste terrein. Eigen neurale netwerk-onderzoekers werden bij het olieput-probleem te hulp geroepen en zij bootsten in software een netwerk na waarin net zoals in onze eigen hersenen vele zenuwcelachtige elementen voorkomen, die via vele verbindingen contact met elkaar maken. Het netwerk werd eerst getraind met de gegevens van bekende olieputten: door een ingebouwde leerregel stelde het zijn interne verbindingen net zo lang bij tot het precies de juiste classificatie van de olieput (in de categorieën goed-matig-slecht) gaf wanneer de diepte, moddersoort en andere parameters erin werden gestopt. Op dat moment had het netwerk zich dus een beeld gevormd van de invloed van de verschillende gegevens op de opbrengst, en ook van hun onderlinge samenhang.
Toen werd de zaak omgedraaid. Door de invoergegevens te variëren, kunnen we de kennis van het netwerk immers gebruiken om te voorspellen wanneer de opbrengst omhoog gaat. Ook hiervoor werd een mechanische procedure gevonden, zodat het resultaat een programma was dat de olie-ingenieur nuttige suggesties aan de hand kan doen om tot een hogere productie te komen. Het model wordt nog niet in de praktijk gebruikt, olieputten zijn te kostbaar om mee te experimenteren. Maar als het steeds goede suggesties blijkt te geven, zal het hier op den duur zeker van komen.
Een soortgelijke toepassing, waar de Shell en alle grote banken en verzekeringsmaatschappijen mee bezig zijn, is het beoordelen van de kredietwaardigheid van klanten en het uitvoeren van risico-analyses. Ook hierbij gaat het erom tal van factoren tegen elkaar af te wegen, en neurale netwerken zijn hiervoor zeer geschikt. Omgekeerd kunnen ze ons ook adviseren hoe we onze eigen kredietwaardigheid kunnen vergroten en onze risico's kunnen verkleinen.
De toepassingen van neurale software (netware) zijn legio: van het interpreteren van complexe geologische patronen, tot handschriftherkenning en het analyseren van de ontstellend ingewikkelde stroom van foutmeldingen die bij een telefooncentrale binnenkomt als er ergens iets mis gaat.
Onderzoeker Igor Aleksander van het Imperial College of Science, Technology and Medicine in Londen vertelde tijdens een recent symposium in het Shell-laboratorium in Rijswijk dat hij het zicht op wat er met zijn modellen gebeurt heeft verloren sinds hij de rechten heeft verkocht aan een commerciële firma. Hij heeft gehoord dat het Engelse Home Office er wel honderd heeft gekocht om gebouwen te beveiligen. De modellen interpreteren de gegevens van videocamera's. Zelfs als het beeld bij slecht licht, mist en regen voor wel 45 als een persoon langs de camera loopt.
Over het algemeen is men het er over eens dat neurale netwerken pas echt interessant worden als men ze onderbrengt op speciale chips. Het voordeel is een enorme snelheidswinst. Men kan ieder zenuwachtig element dan immers vervangen door één aparte processor, zodat duizenden berekeningen parallel aan elkaar kunnen plaatsvinden en niet op elkaar hoeven te wachten. Bij Siemens werkt men hard aan neuro-chips, en ook in het laboratorium in Parijs waar Philips zijn neuraal onderzoek heeft geconcentreerd zijn zo'n twintig onderzoekers intensief daarmee bezig. De toepassingen zullen vooral liggen op het terrein van de signaalverwerking. Ook het herkennen van twee- en driedimensionale voorwerpen, het lezen van handgeschreven letters en cijfers, en het herkennen van gesproken klanken zal bliksemsnel kunnen plaatsvinden als de eerste neuro-chips in productie zijn genomen. Televisietoestellen en elektronische kantoorapparatuur zullen in de toekomst ongetwijfeld met neuro-chips worden uitgebreid, zodat we gesproken opdrachten kunnen geven en een welluidend commentaar (of snauw) terugkrijgen.
Het zal nog wel een paar jaar duren voordat de opmars van de neurale netwerken echt zal beginnen, maar de eerste tamelijk frivole toepassing is al op de markt. Sony heeft een `neurale PC' uitgebracht die melodietjes produceert voor elke gelegenheid. Je slaat een paar toetsen op een klaviertje aan, drukt op het gewenste genre (`verjaardag', `bruidsmars', `kerstmis'), en na enig rekenwerk waarin het apparaat zijn ingebouwde kennis van Bach, Strauss en de Beatles raadpleegt, brengt het een oorstrelende compositie ten gehore.
Previous | Up | Next
gjclokhorst@gmail.com || July 17, 2015 || HTML 4.01 Strict