Wat maakt de mens? Paragraaf 5.4

In een Machine Learning-project wordt een model getraind om handgeschreven cijfers te herkennen. Het model maakt gebruik van binaire code om de pixelwaarden van elk beeld te representeren. Het volledige proces omvat ook neurale netwerken.

1. a) Binaire representatie (0/1): Leg uit hoe binaire code wordt gebruikt om de pixelwaarden van een handgeschreven cijfer te representeren. Geef aan of de volgende uitspraak waar (1) of fout (0) is: “In dit project wordt elke pixel van het handgeschreven cijfer weergegeven door een binaire waarde, waarbij 0 de afwezigheid van inkt aangeeft en 1 de aanwezigheid van inkt.”
   b) Neurale netwerken: Beschrijf kort hoe neurale netwerken worden toegepast in dit project om handgeschreven cijfers te herkennen. Verwerk in je antwoord de begrippen “output”, “verwerking”, “input”, error-voorspelling, “forward propagation” en “backward” propagation”.
   C. In het boek staat: “In het neurale netwerk worden verbindingen tussen neuronen aangepast op basis van binaire gewichten, die de sterkte van de verbindingen vertegenwoordigen.” De verbindingen krijgen een “waarde”. De hoogste waarde staat voor de sterkste verbinding. Het algoritme “leert” middels de beschikbare data (input) voortdurend de waardes aan te passen en betere voorspellingen te doen (het algoritme kan eindeloos “testen”). Leg uit hoe dit werk bij Chat GPT. Bekijk desnoods de youtubefilmpjes hieronder.
   D. Input, Verwerking, en Output: Verdeel het proces van het herkennen van een handgeschreven cijfer in de drie fasen: input, verwerking, en output. Geef aan of de volgende uitspraken waar (1) of fout (0) zijn:
   
   – Input: “De binaire representatie van de pixelwaarden van het handgeschreven cijfer wordt ingevoerd in het neurale netwerk als input.”
   – Verwerking: “Binnen het neurale netwerk worden de binaire gewichten aangepast tijdens het leerproces om patronen in de handgeschreven cijfers te herkennen.”
   – Output: “De output van het neurale netwerk is een voorspelling van het herkende cijfer, weergegeven als een set binaire waarden.”
   
   Voor elk antwoord, geef een korte verklaring voor je keuze.

2. In de biologie spelen neuronen een cruciale rol in de hersenen. Deze neuronen hebben structurele componenten zoals dendrieten, axonen, en axon-uiteinden. Vergelijk deze biologische structuur met neurale netwerken in kunstmatige intelligentie (AI).

a) Biologisch Neuron: Beschrijf kort de functies van dendrieten, axonen, en axon-uiteinden in een biologisch neuron. Geef aan of de volgende uitspraken waar (1) of fout (0) zijn:

• Dendrieten: “Dendrieten ontvangen signalen van andere neuronen en geleiden deze naar het cellichaam van het neuron.”
• Axon: “Het axon transporteert signalen van het cellichaam naar andere neuronen of doelcellen.”
• Axon-uiteinden: “Axon-uiteinden zenden signalen uit naar naburige neuronen of doelcellen.”
  
  Extra :): Als je de bovenstaande drie stellingen als input geeft, welke binaire code (opdracht/ verwerking) leidt dan tot de juiste output:
  I. 1-1-1
  II. 1-0-1
  III. 0-0-1
  IV. 0-1-0
  
  b) Neurale Netwerken in AI: Vergelijk de structuur van biologische neuronen met neurale netwerken in AI. Beoordeel de volgende uitspraak: “In neurale netwerken van kunstmatige intelligentie worden neuronen gemodelleerd met inputlagen (vergelijkbaar met dendrieten), verborgen lagen, en outputlagen (vergelijkbaar met axon-uiteinden).”

c) Verwerking van Informatie: Bespreek kort hoe informatie wordt verwerkt in biologische neuronen en in neurale netwerken van kunstmatige intelligentie. Beoordeel de uitspraak: “Zowel biologische neuronen als kunstmatige neuronen in neurale netwerken verwerken informatie door middel van de overdracht van signalen en het aanpassen van de sterkte van verbindingen.”

d) Toepassingen: Geef een voorbeeld van een toepassing waarbij neurale netwerken in kunstmatige intelligentie succesvol zijn toegepast en bespreek hoe deze toepassing overeenkomsten vertoont met het functioneren van neuronen in biologische systemen.

Voor elk antwoord, geef een korte verklaring voor je keuze.

Definitie: Productsimulatie richt zich op het simuleren het gedrag en de interacties van individuele producten, apparaten of entiteiten.
Voorbeeld: Stel je voor dat je een simulatie maakt van een autonome drone. In een productsimulatie zou je de bewegingen, besluitvorming en interacties van deze specifieke drone modelleren om te begrijpen hoe het zich gedraagt in verschillende omstandigheden.
Doel: Het doel van productsimulatie is vaak om inzicht te krijgen in het gedrag van individuele elementen, zoals robots, voertuigen, of andere autonome apparaten.

Definitie: Processimulatie concentreert zich op het modelleren van het gehele proces of systeem, inclusief de interacties tussen verschillende componenten en de dynamiek van het systeem als geheel.
Voorbeeld: In een proces van automatische magazijnlogistiek zou je de bewegingen van alle robots, de inventarisbeheersystemen, en de orderverwerking in hun samenhang modelleren. Dit geeft inzicht in hoe het gehele proces functioneert.
Doel: Het doel van processimulatie is vaak om de algehele systeemprestaties te begrijpen, knelpunten te identificeren en optimalisatiemogelijkheden te verkennen.
In essentie gaat het bij productsimulatie om het begrijpen van individuele entiteiten en hun gedrag, terwijl processimulatie zich richt op het begrijpen van de dynamiek en interacties tussen alle elementen van een systeem. Beide benaderingen zijn waardevol in verschillende toepassingsgebieden, afhankelijk van de specifieke vragen die beantwoord moeten worden binnen het domein van kunstmatige intelligentie en simulatie.

3. Overweeg een bedrijf dat autonome voertuigen produceert en beheert voor stedelijke logistiek. Het bedrijf is geïnteresseerd in het gebruik van simulaties om de prestaties van hun voertuigen te begrijpen en te verbeteren. Bespreek het verschil tussen processimulatie en productsimulatie aan de hand van dit praktijkvoorbeeld.

a) Productsimulatie vs. Processimulatie: Leg uit wat wordt bedoeld met productsimulatie en processimulatie, met betrekking tot het bovengenoemde bedrijf. Geef voor elk type simulatie een voorbeeld binnen de context van autonome voertuigen.

b) Diepgang in Productsimulatie en Neurale Netwerken als Processimulatie: Vergelijk de toepassing van DEEP Blue als productsimulatie en neurale netwerken als processimulatie. Leg uit waarom DEEP Blue als productsimulatie kan worden beschouwd en waarom neurale netwerken eerder worden geassocieerd met processimulatie.

c) Kritische Analyse: Bespreek de mogelijke voordelen en beperkingen van zowel productsimulatie als processimulatie in de context van het optimaliseren van autonome voertuigen voor stedelijke logistiek. Wat zijn de specifieke inzichten die elk type simulatie kan bieden en waarom zou een bedrijf ervoor kunnen kiezen om beide benaderingen te combineren?

Voor elk antwoord, geef een korte verklaring en gebruik concrete voorbeelden om je antwoord te illustreren.

4. Mensen kunnen niet meer begrijpen hoe AI tot kennis komt. De verbindingen zijn te snel en te uitgebreid. Mensen kunnen wel bots maken die betere bots maken die betere voorspellingen maken, maar de uitkomsten zijn niet meer duidelijk. Wel zoeken deze bots naar de best werkende manier. Wat zijn de voor- en nadelen van bots die werken, maar waarvan we niet meer weten hoe ze tot uitkomsten komen?