Neurale netwerken in combinatie met ‘fuzzy logic’ kunnen het leven op vele terreinen al een stuk aangenamer maken, maar nog lang niet alles wat ze geleerd hebben kunnen ze ook onthouden. Laat staan opnieuw in de praktijk brengen.Van intelligente verwarmingssystemen en uit de bocht vliegende testauto’s.
Het Gelderse bedrijf Nefit heeft een verwarmingsketel ontwikkeld, waarin fuzzy logic samen met een neuraal netwerk zorgt voor een optimaal rendement van de ketel. Fuzzy logic houdt in het verwarmingssysteem rekening met factoren als ‘het wordt een beetje kouder’ of ‘er staat iets meer wind’, terwijl het neurale netwerk ‘leert’ hoe de gebruikers in het huis met de ketel omgaan. Het netwerk geeft deze nieuwe kennis door aan ‘fuzzy’, waardoor deze de installatie beter kan regelen. Verwarmingsmonteurs hoeven daardoor aan de verwarmingsketel geen standaard instellingen meer mee te geven. Het Euregio Neuro Fuzzy Centrum (ENF) te Enschede verwacht dat beide technologieën in de toekomst in veel meer producten zullen gaan samenwerken.
Fuzzy logic doet het vooral goed in Japan. Het aantal Japanse producten gebaseerd op fuzzy logic is al lang niet meer op één hand te tellen en varieert van wasmachines tot fotocamera’s. Dit in tegenstelling tot Engeland, waar fuzzy logic nota bene is ontstaan. Engelsen houden nu eenmaal meer van ‘reliability’ dan van ‘fuzzy’. Ook Nederlandse bedrijven ontwikkelen met enige regelmaat fuzzy-producten. In een boekje dat onlangs door ENF is uitgebracht staan daarvan een tiental voorbeelden. Er zijn veel meer voorbeelden, maar de meeste Nederlandse bedrijven willen niet dat algemeen bekend wordt dat ze in hun producten fuzzy logic toepassen. Deze intelligente software is namelijk zo makkelijk toe te passen dat, als dit algemeen bekend wordt, hun nieuwe producten al snel hun meerwaarde en daarmee hun veilige concurrentiepositie kunnen verliezen.
De Telegraaf
Neurale netwerken worden aanmerkelijk minder toegepast. Maar ze zijn er wel. Een fraai voorbeeld is het neurale netwerk dat De Telegraaf sinds oktober vorig jaar in gebruik heeft om de verkopen van de krant in 15.000 verkooppunten te kunnen voorspellen. Een andere toepassing is bij Kema te vinden, die het netwerk gebruikt om de temperatuur van het koelwater voor elektriciteitscentrales te voorspellen. Meteo Consult zet dergelijke netwerken in om het consumentengedrag te voorspellen. Een volledig overzicht van het gebruik van neurale netwerken in Europa is te vinden in het boek ‘Ieee Transactions on Neural Networks’ van 1997, uitgegeven door Siena (Stimulation Initiative for European Neural Applications).
Van de combinatie fuzzy logic en neurale netwerken zijn nog maar een paar toepassingen bekend. Het ENF verwacht evenwel ook op dit gebied veel meer toepassingen. Toepassingen zijn op zich niet zo moeilijk te bedenken. In de medische sector liggen ze bijvoorbeeld voor het oprapen. Neem als voorbeeld de elektrische rolstoelen die gehandicapten in gebruik hebben. Wie ooit in zo’n rolstoel heeft gezeten, weet dat de joy-stick niet zo zachtjes reageert als de stick doet vermoeden. Een gemiddelde rolstoel spuit als de joy-stick wordt bewogen werkelijk voor- of achteruit. Fuzzy logic zou in combinatie met een neuraal netwerk kunnen helpen de rolstoel te laten rollen zoals de gehandicapte dat zou willen.
Volkswagen
Zowel fuzzy logic als neurale netwerken hebben nog een lange weg te gaan. Een van de problemen waarmee neurale netwerken kampen is dat ze nog teveel tijd nodig hebben om te leren en om uit het geleerde conclusies te kunnen trekken. Soms raken ze hetgeen ze geleerd hebben zelfs helemaal kwijt. Dit laatste ondervond onlangs Volkswagen. Een auto, uitgerust met een mooi neuraal netwerk, had geleerd hoe het fraaie bochten moest nemen. Toen de wagen vervolgens op een lange rechte weg werd losgelaten, bleek de auto al bij de eerste bocht kaarsrecht door te rijden. Doordat te lang rechtuit was gereden, raakte de auto zijn referentiekader voor het nemen van bochten kwijt. Volkswagen leerde er zelf van dat onthouden wat anders is dan leren. Om de leertijd voor deze netwerken te verkorten, probeert de Stichting Neurale Netwerken (SNN) in Nijmegen op het ogenblik systemen te bouwen die circa 1000 variabelen aankunnen. Lukt dat dan zijn applicaties mogelijk die een stuk zwaarder zijn dan nu.
Boltzmann Machines
Dit systeem zal naast alle andere zaken gebruik maken van de Boltzmann Machines. Deze machines -het zijn in het echt waarschijnlijkheidsmodellen- werden ontwikkeld om een ander probleem in neurale netwerken op te lossen; die van de betrouwbaarheid van de voorspellingen. Het aantal toepassingen die 1000 variabelen aankunnen en die ook nog eens betrouwbare voorspellingen kunnen doen, lijken schier oneindig. Er zijn mogelijkheden te over in de financiële wereld (beurzen, wisselkoersen), maar ook in de medische wereld, waar men over steeds betere apparatuur kan beschikken om de talrijke variabelen -lees chemische processen- in een mens te meten. Het wachten in deze sector is nog op instrumenten om al deze meetgegevens goed met elkaar in verband te kunnen brengen. Wellicht dat het geavanceerde Neurale Netwerk SNN hier ook uitkomst kan bieden.