Professor Nikos Deligiannis van de VUB en imec ontvangt bijna twee miljoen euro Europese steun om de communicatie tussen intelligente machines fundamenteel te herdenken. Zijn project moet onder meer leiden tot transparantere en betrouwbaardere AI-systemen.
Hoe laten we autonome voertuigen, slimme sensoren en mobiele robots vlot en veilig samenwerken? Die vraag staat centraal in het onderzoeksproject IONIAN van professor Nikos Deligiannis (ETRO, VUB en imec), dat zopas een ‘ERC Consolidator Grant’ van bijna 2 miljoen euro kreeg toegekend. Met die financiering van de European Research Council wil Deligiannis een nieuwe technologie ontwikkelen waarmee slimme machines informatie efficiënter én beter verklaarbaar met elkaar kunnen delen.
Volgens de onderzoeker zijn de klassieke compressie- en communicatietechnieken stilaan uitgeput. ‘Denk aan de enorme datastromen van video, afstandssensoren op basis van laserpulsen zoals LiDAR, of dieptecamera’s in autonome systemen,’ zegt hij in een persbericht. ‘Die informatie moet razendsnel en accuraat gedeeld worden tussen meerdere machines. Maar de huidige technologieën kunnen die schaal en complexiteit nauwelijks nog aan.’
Deligiannis wijst op een aantal problemen. ‘Een zelfrijdende wagen produceert zomaar 4 tot 6 terabyte ruwe sensordata per uur. Zelfs met de nieuwste videocodecs zoals HEVC en VVC, of gespecialiseerde 3D-codecs, is het niet mogelijk om die data real-time en zonder vertraging via 5G te versturen.’
Ook het energieverbruik is een struikelblok. ‘Decoderingssoftware voor deze codecs gebruikt op een batterijgevoede sensor vaak tot 40% van het beschikbare vermogen. Dat is erg veel.’ Bovendien behandelen de huidige codecs elke pixel of punt in de data als even belangrijk, waardoor er vandaag nog veel irrelevante informatie wordt meegestuurd.
‘IONIAN wil dit probleem aanpakken door alleen die informatie te coderen die echt nodig is voor de gezamenlijke taak. Zo kunnen voertuigen hun gegevens beter delen,’ licht de VUB-professor toe aan Data News.
AI beter uitlegbaar via nieuwe coderingsmethode
Hiervoor gaat Deligiannis aan de slag met wat hij ‘semantic multiterminal coding’ noemt: de ontwikkeling van een nieuw coderingskader dat deep learning, computer vision en generatieve AI combineert met de klassieke communicatietheorieën.
Het doel? Efficiënte én transparante AI-systemen creëren die duidelijk maken hoe beslissingen juist tot stand komen. ‘In toepassingen waar veiligheid cruciaal is, zoals bij autonome voertuigen en industriële robotica, moeten we niet alleen kunnen vertrouwen op AI. We moeten ook begrijpen waarom het systeem iets beslist.’
Volgens Deligiannis heeft het project het potentieel om de fundamentele grenzen van huidige AI- en coderingsmodellen te doorbreken. ‘Waar klassieke informatietheorie focust op het foutloos en efficiënt overbrengen van data, draait AI vooral om het nemen van juiste beslissingen. Denk maar aan het herkennen van een stopbord,’ illustreert de professor.
‘Door semantiek, AI en coderingsmethodes te combineren, kunnen we enerzijds enkel die informatie versturen die echt noodzakelijk is, en anderzijds vastleggen welke factoren daarbij belangrijk waren.’ Die extra metadata maken het mogelijk voor mensen of toezichtsystemen om te zien waarom een systeem bijvoorbeeld remt of uitwijkt.
‘We streven kortom niet langer naar de laagste datavolume, maar wel naar de beste taakprestaties mét transparante verklaringen. Dat was met de klassieke methodes niet mogelijk,’ voegt Deligiannis toe.
Wat nu de volgende concrete stappen zijn? ‘Eerst en vooral wil ik een goed onderzoeksteam samenstellen. Daarna moeten we de theoretische grenzen van semantic multiterminal coding bepalen en een testomgeving uitbouwen waarin autonome voertuigen, drones en wegkantsensoren samenwerken.’ Zo kunnen de onderzoekers meten hoeveel bandbreedte de nieuwe codecs besparen en hoe de ‘verklarende metadata’ het situationeel bewustzijn verbeteren. ‘Dat is cruciaal voor het vertrouwen in autonome systemen,’ besluit Deligiannis.