SXSW2023

Experts aan het woord. Een prof in robotica en een onderzoekster in toegepaste wiskunde van Johns Hopkins university over de manieren waarop AI kan helpen in de strijd tegen klimaatverandering. Als je de titel ziet denk je: hoe kan iets virtueels en abstracts als AI nou helpen bij iets zo groot en concreet als klimaatverandering. Gelukkig hebben de sprekers een slim framework opgezet waarmee dit wel logisch en begrijpelijk wordt, door het op te delen in 3 overzichtelijke gebieden. Begrip van het probleem, voorspellen van de richting, en helpen bij de benodigde transformatie.

1. Begrijp het probleem

Wat weten we zeker? CO2 stijgt, en het broeikas effect is echt. Maar de data collectie is niet erg fijnmazig. In de oceaan helpt AI om autonoom onderwater-robots met sensoren te laten varen. Je kan ze niet goed op afstand besturen omdat radiogolven niet werken onder water, dus AI is een goede tool om ze zelfstandig te laten varen. 

In de atmosfeer zien we de totaliteit van de broeikasgassen, maar waar die emissies exact vandaan komen is niet goed bekend. De uitstotende partijen rapporteren dit zelf, maar daarmee wordt niet alles bekend. Het initiatief Climate Trace helpt hierbij, door satelliet data en AI te combineren om gassen te meten over de hele wereld. Kijkend naar vervoer bijvoorbeeld; uit de satellietbeelden en sensordata wordt de drukte van wegen in kaart gebracht. Gecombineerd met registratie van het type voertuig kan op die manier een goede schatting per weg-segment gemaakt worden. Kijk op https://climatetrace.org/ ; de data is open en je kan van veel steden en fabrieken, vliegvelden zien wat de emissie is.

2. Voorspel de richting

Doordat er al lang onderzoek wordt gedaan zijn er inmiddels goede modellen van het klimaatsysteem van de aarde: Onze 'digitale tweeling'. Hiermee kunnen 'what if' scenario's worden doorgerekend. 

Voor het klimaatsysteem zijn er 15 kantelpunten gevonden. Een daarvan is de AMOC: een grote diepzee stroming die onder andere verantwoordelijk is voor het relatief milde klimaat in Europa. Deze is gevoelig voor bijvoorbeeld het smelten van poolijs. En wat heb je aan die modellen? Je kan AI er mee laten spelen. Zoals we weten is AI goed in spelletjes leren (schaken, Go, etc). Dit wordt nu toegepast in een 'tipping point game' tussen 2 AI systemen. Het ene systeem maakt een aantal scenario's aan met iets andere parameters (meer of minder smeltend ijs, meer of minder effect van wind op zeegolven), en het andere systeem gaat deze toepassen op het model en evalueren. Gaat bijvoorbeeld de AMOC kantelen in dit scenario? 

Zo wordt de eerste speler goed in het onderzoeken van de parameter ruimte. Wat is belangrijk? En de tweede speler wordt goed in het evalueren van de scenario's. Daarmee leren we wat er kan gebeuren, en vooral leren we de tijdschaal: Hoe snel kan dit gaan? En kan het ene kantelpunt een andere meteen ook laten kantelen?

3. Help bij de transformatie

Bij omgaan met klimaatverandering heb je het over 2 dingen: adaptatie (aanpassen aan de nieuwe werkelijkheid) en mitigatie (tegengaan van de veranderingen). AI kan bij beide helpen.

Adaptatie. Doordat AI modellen kan maken wordt het mogelijk om bestaande metingen uit te breiden. Als voorbeeld luchtvervuiling. Door klimaatverandering ontstaat er meer droogte en potentieel branden. De vervuiling kan lang blijven hangen in de lucht; wereldwijd sterven er jaarlijks 6.5 miljoen mensen door luchtvervuiling. Nu zijn er wel metingen door NOAA van de luchtkwaliteit maar die hebben een te grove resolutie. Je wil dit op buurtniveau hebben, en het is nu op 12x12km niveau, omdat nauwkeuriger doorrekenen te veel computerkracht kost. De oplossing is door met machine learning de modellen te emuleren, waarmee met veel minder computer resources wel een hogere resolutie wordt gemaakt. 

Mitigatie. Een voorbeeld uit de energiewereld. Duurzame energie uit zon en wind is niet altijd in gelijke mate beschikbaar. Je zal dan moeten schakelen en energie moeten opslaan. Maar hoeveel opgewekte energie kan je verwachten (zeer lokale weersvoorspelling) en hoeveel verbruik moet je verwachten? In beide gevallen zijn AI modellen behulpzaam om vraag en aanbod te voorspellen, waardoor er een optimale buffer strategie te maken is. Een tweede manier waarop AI kan helpen is met inspecties. De laatste jaren is AI veel beter geworden in perceptie: het begrijpen van plaatjes van camera's. Daarmee kan je heel efficient windmolens inspecteren en op het juiste moment preventief onderhoud inplannen. 

Goed verhaal van twee kenners, die door deze eenvoudige indeling en met heldere voorbeelden ineens zichtbaar maken hoe AI een zeer nuttige bijdrage heeft op dit gebied.

Net als het beeld van robots die huizen bouwen is dit een prettig Jetsons-esque onderwerp. Mini vliegtuigjes die verticaal opstijgen, en dan horizontaal gaan vliegen om gebruik te maken van lift van hun vleugels. Al dan niet met piloot. Ik zag een panel met 4 dames ("our panel is unmanned too") over dit onderwerp

Deelnemers waren twee bouwers: https://supernal.aero/ en https://wisk.aero/, vergezeld door een dame van de FAA en een die de bouwers hielp werken met de regulators. 

Wat hebben we aan Advanced Air Mobility?

Supernal ziet het vooral als equalizer, een kans voor kleinere communities om zich aan te sluiten. De investeringen in een vertiport zijn klein qua geld en ruimte. Ook is dit carbon-free transport, want alles gaat op groene stroom. Wisk (die aan zelf-vliegende vliegtuigjes werkt) ziet ook voordelen in de voorspelbaarheid van reistijd, en veiligheid: auto-ongelukken zijn vrijwel altijd menselijke fout. Ook zijn de vliegtuigjes stil, in vergelijking met auto's op de grond. Tegelijk moet dit niet een optie zijn voor rijken. In een ander panel hoorde ik een schatting van $100 voor een vlucht van 30-50 km. Ieder vliegtuigje zou met gemak 5000-6000 keer per jaar moeten vliegen, met 4-6 personen er in.

Wanneer gaan we dit zien?

In een ander panel hoorde ik Eve (een spinoff van de Braziliaanse vliegtuigbouwer Embraer) 2026 zeggen; Supernal mikt op 2028, Wisk wil geen datum noemen omdat ze met zelfvliegende (hoewel onder supervisie op afstand) toestellen willen werken, "en dan moeten alle partijen samenwerken". En dat is meteen een van de grotere issues: De netwerken en nodes moeten goed verbonden zijn. Je hebt er weinig aan als je lang onderweg bent naar een vertiport, en ook als je bij het landen niet meteen door kan op een andere vervoersmodus.

Wat zijn de obstakels?

Wisk noemt de publieke acceptatie. We kunnen alles wel bouwen en certificeren, maar als je niet goed met de menselijke kant en de gemeenschappen samenwerkt wordt dit een duur "science project". Supernal noemt regulering, het vereiste rigoreuze testen. De FAA werkt hiervoor met een speciale regeling, een SFAR. Omdat nog niet goed bekend is hoe snel en wanneer deze AAM gaat opschalen hebben ze de regeling een expiratiedatum gegeven. In het begin zal men werken met bestaande 'corridors' waar nu bijvoorbeeld ook helikopters vliegen. Later kan dit flexibeler worden.

Al met al een aardig panel. Ik twijfel zelf nog wel een beetje of dit echt gaat werken. Hoe regel je dat het overstappen echt goed gaat werken, en vooral hoe maak je dit betaalbaar. Bij het Eve panel werd het scenario besproken dat een familie aankwam per vliegtuig in Orlando, en dan verder vloog met een EVTol naar hun hotel. En de bagage dan? Die werd apart vervoerd over de grond. Tja, dan ga je volgens mij toch 2x betalen.. maar goed. Een interessante sector met veel potentie, veel innovatie en veel banen in de komende tijd, dat absoluut. 

Afrika is een continent met talloze uitdagingen, maar het energie-vraagstuk is natuurlijk een wereldwijde. Omdat geldt 'necessity is the mother of invention' stelt dit panel dat het de moeite waard is om naar Afrika te kijken om te zien welke oplossingen daar gevonden worden voor energievoorziening.

Eerst wat feiten. 600 miljoen mensen in sub-Sahara Afrika hebben geen stroom. Een gemiddelde koelkast in het westen gebruikt evenveel stroom als een gezin in Kenya of Nigeria. En de energievoorziening wereldwijd wordt wel beter, maar er wordt ook voorspeld dat in 2030 90% van de mensen zonder stroom in sub-Sahara Afrika. 

Wat er dan gebeurt: Leapfrogging the grid. Net zoals mobiele telefonie ervoor zorgde dat het landlijn telefoon-netwerk zo ongeveer werd overgeslagen, installeren mensen nu zelf solar op hun dak. Want op de overheid hoef je niet per sé te rekenen. Zuid-Afrika is zeer afhankelijk van steenkool, maar de high-grade kolen worden naar China verscheept, en in Zuid-Afrika zelf moeten ze het doen met low-grade. En dat gaat niet snel veranderen: De overheid is nauw verweven met de kolen-industrie. 

Drie trends springen er uit

1. Massive deregulation. Overheden zien in dat ze het probleem niet snel kunnen oplossen en laten het aan de privé sector over. In Zuid-Afrika mag alles onder 100 MW door de privé sector worden gebouwd.
2. Prijsdalingen. Solar is enorm gedaald in prijs. Maar waar een winkelcentrum in de VS het dak vol legt met panelen om hun stroomrekening een beetje te drukken, doen ze dat in Zuid-Afrika zodat ze licht hebben.
3. Klimaat financiering die een plek zoekt. Hoe schaal je solar en opslag op? Daar is funding voor.

Welke innovaties zien we nu?

In Kenya zijn er een aantal voorbeelden in de landbouw te vinden. 

• Solar waterpompen voor irrigatie, werkt prima voor landjes van 1-5 ha. 
• Solar voor voedselverwerking: Malen, drogen, etc. Daardoor voegen ze waarde toe in de voedselproductieketen. 
• Solar voor koude opslag units, zodat bladgroente, tomaten koel blijven tot ze naar de markt gaan
• In Uganda zijn er bedrijven voor elektrische hogedrukpannen, waardoor families efficiënt en snel kunnen koken op elektra, ipv op houtskool en kerosine. 
• Voedselkraampjes op straat die met zonne-energie werken, bijvoorbeeld voor grillen.

Zo is het dus niet een 'nice to have' om elektra te hebben, maar voegt het ook echt waarde toe in de economie. En pas veel, veel later op het lijstje van voordelen: Minder carbon emissie.

Toegang tot financiën

Geld maakt een groot verschil. In Zuid-Afrika is een project genaamd Sun Exchange waarbij iedereen een zonnepaneel kan kopen, dat wordt dan op een dak gelegd ergens op een school, en de koper krijgt een deel van de opbrengst. In bitcoin. Je hoeft dus niet daar te wonen om mee te helpen.

In Zimbabwe zijn 90% van de banen in landbouw. Omdat er financiering is hebben ze daar nu beschikking over een 'cold chain': producten kunnen gekoeld blijven na het oogsten. Daardoor verkopen ze nu bosbessen, een product met hoge marge.

In Soweto werkt men met 'saving clubs' (dit is al heel lang gangbaar in armere landen): groepen van zeg 40 gezinnen sparen samen, en aan het eind van de maand kan 1 van die gezinnen een zonnepaneel kopen. 

Lessen

Welke lessen kunnen wij hier uit leren? Decentraal is sleutel in Afrika, en zal dat ook steeds meer worden in het westen, denkt men. In batterij opslag zit veel innovatie; een slim grid van batterij systemen kan het grid ontlasten: Batterijen kunnen bijspringen wanneer dit nodig is, en opladen wanneer dit economisch optimaal is. 

Een leuk panel met gedreven mensen die echt iets met impact aan het bouwen zijn. 

Door Michiel Berger

Ik zoek mijn niches wel op. Robots in de bouw, klinkt toch prettig futuristisch, eens kijken wat ze te zeggen hebben. 

In het panel een product manager van Boston Dynamics die verantwoordelijk is voor het inzetten van hun robot Spot in de bouw. Spot ken je wel, dat is die 4-potige gele robot die zelfstandig routes kan bepalen en rondwandelen in nieuw terrein. De andere panelist was iemand van Icon, een bedrijf dat huizen 3D print. 

Product market fit

Voor Spot in de bouw duurde het even om het juiste probleem bij de oplossing te vinden. Hij wordt nu gebruikt als 'sensing platform'. Met fotografie en laser opmetingen maakt hij nauwkeurige registraties van gemaakte ruimtes. 

Icon heeft er voor gekozen volledig verticaal geïntegreerd te zijn. Dit betekent dus: Ontwerpsoftware maken, huizen ontwerpen, "printer" ontwikkelen, de juiste betonmix bepalen, alles van A tot Z. Dit geeft ze de mogelijkheid om te werken met een "digital twin" van het gebouw wat ze printen, en tijdens de bouw hiermee aanpassingen te doen. Alles in de bouw is namelijk een probleem, ("In construction, there is nothing that is not a problem") dus dit moet real time kunnen worden bijgestuurd. Heel anders dan bij je 3D printer thuis, die aan de slag gaat met een job, en bij de geringste verstoring kan je het werk weggooien en moet je overnieuw beginnen. 

Pakken robots banen af?

Heel simpel: Nee. Icon heeft altijd veel mensen ter plaatse lopen van de bouw, niemand zicht achter de laptop thuis. En voor de metingen van Spot geldt: Het vervangt vooral een heel vervelende klus. Het neerzetten van een statief voor de metingen, en je dan 8 minuten moeten verstoppen tijdens de scan, in een heel koud of heel warm gebouw, is geen leuk werk, dus fijn dat een robot dit kan.

Waar zit de winst van robots & AI?

De scan robot lost met AI veel problemen op. Uit een scan komt een 'puntenwolk'. Als je als mens naar die wolk zou kijken zou je herkennen: Dit is een deur, dit is een leiding. Met AI wordt die classificatie nu automatisch gedaan, en kan er meteen worden ingegrepen als er iets niet goed is gegaan. Deur niet op de goede plaats, buis in plaats van kolom? Meteen oplossen, en niet als het achteraf veel duurder wordt.

Voor 3D printen maakt het vooral mogelijk om heel anders naar ontwerp te kijken. Met 'generatief design' kunnen er door de computer vormen worden ontworpen die totaal anders zijn dan nu gangbaar is. Het vereist dan soms wel een andere mindset: Mensen die een 3D printed huis bestellen vragen soms om juist wel weer die rechte muren, en glad afgewerkte binnenkant. Zo maak je geen gebruik van de extra mogelijkheden die je nu hebt gekregen. 

En de toekomst: Waar gaat dit heen?

Boston Dynamics ziet de feedback loop als belangrijkst. Real time architecture: Deze paal staat verkeerd, maar kan ik nu het ontwerp aanpassen zodat we hiermee toch verder kunnen? Net als bij de sessie over autosport wordt 'Real time AI' gezien als gemis. En ook voor werknemers in de bouw is robotisering een zege: Een normale lange carriere wordt mogelijk zonder gezondheidsproblemen en met minder gevaren op de bouwplaats.

Icon ziet vooral het proces veranderen. Ga je een muur bouwen en afwerken, of ga je dit prefab maken en vervoeren, of ga je dit ter plaatse maken? Belangrijk is ook de interactie van mens en robot. Doordat je met robots gaat samenwerken wordt je werk anders, je gaat meer sturen in plaats van uitvoeren. Anecdote over het Department of Defense: Die wilden een schip met 50 relatief laagopgeleid personeelsleden vervangen door een zelfvarend schip. Alleen waren er nu 15 hoogopgeleide mensen nodig om dat aan te sturen. Dat viel dus wat tegen. 

Ook futuristisch: Icon gaat meewerken met een missie naar de maan, om daar met een schepje maanstof ter plaatste een kleine structuur te bouwen en te testen. 

Toch weer een aardige sessie waaruit je een paar dingen kan oppikken. Robots en AI pakken ook hier geen werk af, maar geven juist nieuwe mogelijkheden.

Soms moet je naar een sessie gaan die je gewoon leuk lijkt. Je haalt er altijd wel wat uit. Zo ook met "The data science of moneybaling motorsports". In het panel 2 data mensen, 1 teamleider van Indycar, en Bruno Senna, neefje van Ayrton, die een uitgebreide carriere in de autsport heeft gehad. Het panel is unaniem Alonso fan, bleek. 

Data in racing

Wat betekent "Moneyballing in motorsports"? Er zijn 2 grote manieren om data te gebruiken a la moneyball (een data-gedreven benadering van sport, beroemd gemaakt door boek van Michael Lewis en later een film).

1. Hoe vergelijk je rijders objectief? Hoe vind je talent? Hoe kan je de kracht en zwaktes van individuele rijders vinden?

2. Hoe optimaliseer je de race strategie? Wat moet je doen als er grote kans op een gele vlag is, hoe optimaliseer je pitstops, wat doen tegenstanders, dat soort zaken.

Opvallend is dat het panel zegt dat autosporten achter lopen ten opzichte van wat zij de "ball and stick" sporten noemen. Waarom is dat?

- Er zijn heel veel variabelen in racen. Een sport als honkbal is relatief eenvoudig, met een voorspelbare en vrij elementaire basis: Een pitch en een slag. In autosport heb je te maken met de rijder, de auto, de baan, andere rijders, omstandigheden, en is het nooit hetzelfde

- Data is niet zo beschikbaar voor autosport. Dat vond ik een opvallende uitspraak, want een team genereert toch terabytes in een weekend? Het verschil zit niet in het volume maar in de dekking van de data. Honkbal heeft honderden wedstrijden per jaar, autosport enige tientallen. Leuke take away: Veel data is niet altijd nuttige data. 

- Data verjaart. Omdat de regels vaak veranderen (andere banden, auto's, aero, andere regels) heb je niet zo veel aan data van een paar jaar geleden. 

Kansen voor data en AI

AI wordt gezien als kans. Momenteel is het vooral een big data verhaal, en zit het werk nog in het bruikbaar en 'actionable' maken van die data om beslissingen mee te nemen. Er worden voorafgaand aan races miljoenen simulaties gemaakt om het verloop te voorspellen en scenario's te bepalen. Maar dit is pre-race; tijdens de race zijn er nog geen mogelijkheden om snel een voorspelling te doen: Wat moeten we nu doen, nu er geel is in sector 3 en er 20% kans op regen. Real time AI zou hier een doorbraak kunnen zijn. Hoewel het menselijke aspect hier natuurlijk ook de kleur geeft aan de sport. 

En, half grappend, AI zou ook bruikbaar zijn om het regelboek te analyseren en te vinden waar de loopholes zitten. 

Toekomst van AI in racing

Als AI meer wordt gebruikt in de toekomst ziet Senna dat het racen closer gaat worden. De pre-race strategie kan dan in de race worden aangepast. En de data scientist in het panel ziet ook kansen voor reinforcement learning: Laat de computer eindeloos met de simulator rijden, zodat je exact de limiet van de auto leert kennen. Soortgelijk aan het zeilverhaal van team New Zealand bij SXSW 2021. Er is in ieder geval genoeg te doen, en veel teams zitten te springen om data talent. Wellicht niet in F1, maar er zijn talloze klassen waar je aan de slag kan als data scientist. Op de vraag vanuit het publiek "How can I get started as data scientist" was in ieder geval het antwoord "Do you have a card?"