"We werken met machinelearning-teams in de auto-industrie", zegt Oscar Petersson, CEO van Annotell, een hightech start-upbedrijf en een van de partners van Volvo die te vinden zijn op CampX.
Autonome voertuigen hebben kunstmatige intelligentie (artificial intelligence, AI) of machinelearning nodig. Hiervoor zijn twee dingen nodig: een machinelearningalgoritme en trainingdata.
Bij het leren aan AI hoe de omgeving moet worden geanalyseerd en welke reactie past bij de waarneming, zijn veel voorbeeldgegevens nodig. Volvo maakt een groot aantal foto's van de chauffeursomgeving. Vervolgens moeten de foto's worden geannoteerd, dat wil zeggen dat ze moeten worden beschreven voor de AI.
Daarmee beginnen we. Elke pixel vertegenwoordigt informatie en we hebben webtools waarmee we deze informatie annoteren of classificeren. Wanneer het materiaal is geannoteerd, noemen we het trainingdata en kunnen onze klanten die gebruiken om hun algoritmen te trainen.
Dat klinkt misschien een stuk eenvoudiger dan het is. In werkelijkheid is het erg complex. De vereisten voor trainingdata worden steeds hoger en de toegang tot trainingdata van hoge kwaliteit is een knelpunt in de auto-industrie.
Om het nog ingewikkelder te maken zullen geen twee mensen een wegomgeving op precies dezelfde manier interpreteren. Wanneer ligt er bijvoorbeeld te veel sneeuw op de weg om te rijden? Welke pixel van de afbeelding markeert het einde van de weg en het begin van de wegkant?
"De wereld is complex en wij mensen interpreteren de wereld heel anders. Ons doel is om onze klanten te ondersteunen bij het bereiken van overeenstemming over hoe de wereld moet worden geïnterpreteerd, en om die overeenkomst vervolgens over te dragen aan hun algoritmen door grote hoeveelheden consistente trainingsdata te produceren", zegt Oscar Petersson.
