Slimmere artificiële intelligentie

Hoe zorgt jouw bedrijf ervoor dat je minder CO2 uitstoot? En vooral: hoe zorg je ervoor dat je acties doeltreffend zijn? Steeds vaker maken ondernemingen gebruik van AI om hun werking duurzamer te maken. Achter die AI gaat echter ook een energie-intensief proces schuil, dat een duizelingwekkende ecologische voetafdruk met zich meebrengt. 

Zo is de hoeveelheid rekenkracht die volgens onderzoekers van OpenAI nodig is om geavanceerde AI-modellen te trainen, sinds 2012 elke 3,4 maanden verdubbeld. Tegen 2040 wordt zelfs verwacht dat de uitstoot van de informatie- en communicatietechnologie (ICT)-industrie als geheel 14% van de wereldwijde uitstoot zal bedragen, waarbij het grootste deel van die uitstoot afkomstig is van de ICT-infrastructuur, met name datacenters en communicatienetwerken. 

Kennis is het begin … 

Niet alleen brengt het gebruik van AI dus z’n eigen ecologische implicaties met zich mee, te vaak maken bedrijven er ook onvoldoende bewust gebruik van. Heel wat bedrijven weten bijvoorbeeld niet precies hoeveel CO2 hun bedrijf uitstoot, waardoor ze vaak doeltreffende maatregelen missen. 

PolySense helpt hen om met de juiste technologie hun onderneming exponentieel snel duurzamer te maken. Daarvoor maakt de start-up gebruik van intelligente technologieën: technologieën die worden ontwikkeld en aangepast aan de behoeften van een specifieke uitdaging. Ze omvatten een breed scala aan computerwetenschappelijke onderwerpen, van eenvoudige computer vision-technieken, tot sensorfusie en wiskundige modellen. 

… van alle wijsheid 

De Gentse start-up kon zo onder andere al de processen van baggergroep DEME, farmareus GSK en de West-Vlaamse aardappelverwerker Agristo transformeren. Omdat dergelijke oplossingen echt maatwerk vragen, werkt PolySense volledig projectmatig. 

Agristo ging bijvoorbeeld steekproefgewijs na of hun frieten aan de kwaliteitsnormen voldoen. Dat betekende echter dat ook goede frieten soms mee in het afval eindigden. Dat is op verschillende vlakken nadelig: er zijn meer grondstoffen nodig om evenveel output te krijgen, er worden meer energie en transport gebruikt om die grondstoffen te vervoeren, er is meer verspilling … Door de kwaliteitscontrole te automatiseren en slim gebruik te maken van camera’s en AI kon dat alles vermeden worden. 

Verder zet PolySense ook in op ‘predictive maintenance’: door onderdelen voortdurend te monitoren, kan slijtage sneller worden opgespoord. Die data zijn niet alleen handig om op tijd – en dat is vaak wat later dan nu zou gebeuren - de nodige stukken te kunnen vervangen, maar vooral ook om na te gaan hoe het onderdeel wordt gebruikt en waarom het zou falen. Die parameters helpen dan weer om beter te voorspellen wanneer het onderdeel wél moet worden vervangen.