Waarom is dit belangrijk?
Dankzij een neuraal netwerk kunnen computers zelf uit voorbeelden patronen leren en daar een voorspelling aan koppelen. In fabrieken schatten ze producteigenschappen al tijdens de productie, en in onderzoek bootsen ze processen na die anders lastig te volgen zijn. Werknemers en onderzoekers krijgen daardoor eerder een inschatting in hun werk, maar zo'n systeem geeft geen uitleg en kan nieuwe gevallen verkeerd indelen.
Zo werkt het in de praktijk
Het Kadaster zet neurale netwerken in op scans van oude veldwerken. Die netwerken lezen handschrift, vinden lijnen en herkennen objecten voor een nieuwe kadastrale kaart. De provincie Zuid-Holland liet een neuraal netwerk in Azure de wegdrukte schatten voor de Impactmonitor Brugopening.
Bij die brugapplicatie vergeleken ontwikkelaars twee varianten van het netwerk. De ene variant kijkt naar eerdere meetpunten. De andere weegt ook een samenvatting van de reeks mee bij de voorspelling.
Het Kadaster deelt de scans in een trainset, een validatieset en een testset. Het bewaart de gewichten alleen als de testscore beter is dan eerder. De brugapplicatie staat in het Algoritmeregister als hoog-risico AI-systeem. Dat is een categorie met extra controle, en de brugbedienaar beslist zelf.




