Met de exponentiële groei van satellieten en drones zijn de kosten voor het verwerven van beeldmateriaal en -gegevens vanuit de lucht aanzienlijk gedaald. Dit biedt bedrijven en overheden de mogelijkheid het onbenutte potentieel van locatie-intelligentie in praktijk te brengen.
Door middel van het computersysteem Geografische Informatie Systemen (kortweg GIS) wordt geografisch gerelateerde informatie geanalyseerd en weergegeven. Een eenvoudige toepassing kennen we allemaal: ‘Find my iPhone’ maakt het mogelijk een telefoon terug te vinden doordat de locatie van het toestel wordt doorgestuurd.
Aantal satellietlanceringen per jaar (bron).
Miguel Pieters is na zijn opleiding Informatiekunde en Data Science aan de UvA samen met zijn neef Luc Wentholt het bedrijf Linear Logic gestart. Linear Logic is een AI data engine speciaal ontworpen voor geografische toepassingen en opereert in deze opkomende geospatial markt. Ik sprak hem over zijn bedrijf en zijn plannen.
Wat zijn de pijnpunten van GIS waaraan jullie wat willen doen?
“Momenteel bevinden we ons in de voorhoede van een AI-renaissance binnen het GIS-domein, vooral omdat tegenwoordig zoveel meer beeldmateriaal en beelddata aanwezig zijn. Een van de grootste pijnpunten van GIS voor bedrijven en overheden is de technische complexiteit, wat maakt dat expertise nodig is om geografische en ruimtelijke gegevens effectief te gebruiken. GIS vraagt organisaties om te gaan met enorme hoeveelheden geografische informatie, speciale gegevensformaten en gespecialiseerde softwaretools. Dit vereist bekwame professionals met kennis van ruimtelijke analyse, gegevensbeheer en cartografische principes.”
Hoe helpt Linear Logic deze markt te professionaliseren?
“Linear Logic’s missie is om deze technische complexiteit uit handen te nemen, zodat organisaties kunnen profiteren van AI-gedreven GIS-applicaties. We beheren voor bedrijven en overheden het gehele ontwikkelproces van Machine-Learning-modellen. Ons platform biedt functionaliteiten variërend van het creëren van trainingsdata tot aan het analyseren van de modellen.”
Oorlog in beeld, denk ik dan meteen…
“Het startte inderdaad na het uitbreken van de oorlog in Oekraïne in februari 2022. We kregen al snel contact met dataleveranciers van satellietbeelden: Astraea en Satellogic, die continu beelden van steden aan de frontlinie maakten. Vervolgens kregen we de vraag of we konden bijstaan in het maken van een schadeanalyse, op basis van deze satellietbeelden. Per gebouw hebben we in kaart gebracht of het vernietigd, beschadigd of intact was. Het is natuurlijk heel mooi dat we met onze expertise konden ondersteunen in deze situatie. De resultaten zijn terug te vinden op onze website.”
Hoe ging het daarna verder?
“Snel daarna kwamen we in contact met industrieleiders met een groot netwerk, wat resulteerde in de eerste klanten binnen verschillende industrieën en luidde de groei van het bedrijf in.”
Kun je uitleggen hoe je AI toepast met een sprekend voorbeeld?
“We passen AI en Machine Learning toe op twee niveaus. Eén: AI-modellen die een oplossing bieden voor taken die we als mens niet kunnen uitvoeren. Neem bijvoorbeeld een boomkwekerij met 2000 hectare grond. Voorheen stuurde de kwekerij een handvol uitzendkrachten het veld in met een teller, dat veelal resulteerde in een incompleet overzicht. Een AI-toepassing kan snel en accuraat een inventarisatie maken, wij zijn meer dan 325 keer sneller dan de traditionele methode.
Twee: AI-modellen die een vergelijkende analyse maken met eerdere data. Hier ga je dus verder dan alleen meten, in dit geval door te kijken naar de groei van de bomen. Handmatig is het ondoenlijk om de groei van honderdduizend bomen in kaart te brengen. Onze technische oplossing stelt ons in staat de 2000 hectare land binnen een uur te analyseren waardoor de klant vele malen goedkoper en sneller in de ontwikkeling van zijn/haar land heeft, en bovendien méér inzicht.”
Wie is jullie (potentiële) eindconsument?
“Het platform is ontwikkeld als B2B SaaS-oplossing om organisaties te ondersteunen in geografisch-ruimtelijke vraagstukken. Het product is industrie-agnostisch en wordt dus ingezet voor verschillende vraagstukken. Of het nu gaat om het inventariseren van landbouwgrond, inspecties aan energievoorzieningen, defensievraagstukken, of het in kaart brengen van logistieke knooppunten, met ons platform hebben organisaties de fundamentele basis om AI-modellen te bouwen én toe te passen.”
Wat voor soort geïnteresseerden trekken jullie concreet aan?
“Over het algemeen werken we met twee type klanten. Het eerste type zijn de ontwikkelaars: technische partijen die een custom-made GIS-oplossing ontwikkelen met zeer specifieke toepassingen. Het tweede type zijn de toepassers: veelal niet-technische partijen die een AI toepassing willen ter ondersteuning van hun bedrijfsvoering.
We zijn vooral geïnteresseerd in spelers die boven in de waardeketen opereren met een schaalbaar karakter, zoals commodity traders en verzekeraars. In een van onze casussen werken we samen met een datacollectiepartij die voorspellingen over oogstopbrengsten verkoopt aan verzekeraars en speculanten. Voor ons zijn zulke partijen natuurlijk interessant omdat het volume bij verzekeraars en commodity traders groter is dan een individuele boer.”
Hoe ben je begonnen AI toe te passen?
“Ik heb altijd interesse gehad in data en AI, zo heb ik mijn opleiding informatiekunde en data science aan de UvA afgerond. Ik merkte bij het ontwikkelen van AI-toepassingen dat veel activiteiten repetitief waren en we zelden toegang hadden tot tools om de modellen te evalueren. Daarom heb ik zelf een AI-tool ontwikkeld, wat begon als een tool om mij persoonlijk te ondersteunen maar die al snel gebruikt werd door medestudenten, bijvoorbeeld voor scripties. Net voordat ik was afgestudeerd is Linear Logic opgericht, wat is doorontwikkeld tot het bedrijf waar we nu staan.”
Zijn Large Language Models relevant binnen het GIS-domein?
“Large Language Models hebben veel potentie binnen GIS, daarom volgen we deze ontwikkelingen nauwlettend. Zo is OpenAI inmiddels bekend, maar er wordt minder aandacht besteed aan alternatieven, zoals Anthropic. Anthropic is een AI-onderzoeksfirma opgericht door voormalig werknemers van OpenAI. En daar waar OpenAI’s missie is om AI te ontwikkelen die ‘de gehele mensheid ten goede komt’ heeft Anthropic als doel ‘minder schadelijk te zijn’. En dan zijn Google, Meta en Cohere nog meer voorbeelden van partijen die soortgelijke taalmodellen aanbieden. De verschillende spelers met verschillende filosofieën maken dat bepaalde modellen beter toepasbaar zijn voor specifieke scenario’s.”
En hoe worden deze Large Language Models ingezet?
“De eindgebruikers zijn voornamelijk gefocust op data, wat binnen ons vakgebied wordt aangeduid als geospatial intelligence. Dit kan uitstekend worden ondersteund met deze taalmodellen. Zo kun je je voorstellen dat GIS-data van een tuinder worden geïntegreerd met een taalmodel, waardoor hij een vraag kan stellen als ‘Hoeveel eikenbomen staan er op mijn land?’. Het taalmodel kan vervolgens autonoom de analyse uitvoeren en koppelt het antwoord terug aan de tuinder.
Ik ben echter wel van mening dat de echte waarde van deze modellen in de integratie met interne kennisbanken ligt. Dit heeft ons ertoe aangezet om de taalmodellen verder door te trainen, met als doel dat ze beter in staat zijn geografische informatiesystemen te begrijpen en te verwerken. Deze geoptimaliseerde modellen vormen de basis van ons nieuwste product: Linear Logic Darwin.”
Wat is het idee achter dat prodcut?
“Darwin is een door AI aangedreven besluitvormingsplatform dat de eindgebruiker helpt bij het analyseren, plannen en uitvoeren van taken binnen enkele minuten in plaats van weken. Een recente toepassing van dit platform was bij een bouwcorporatie die inspecties uitvoert aan de hand van dronebeelden. Met Darwin kunnen ze eenvoudig de geautomatiseerde inspectieresultaten bekijken, relevante historische inspectierapporten ophalen en aanbevelingen doen op basis van deze bevindingen. Het werkt nagenoeg hetzelfde als het alom bekende ChatGPT. Het verschil is dat je nu praat met een model dat kennis heeft van je bedrijfsdata en geoptimaliseerd is te voorzien van locatie-intelligentie.”
En iedereen kan daarmee aan de slag?
“Momenteel is Darwin beschikbaar voor een selecte groep gebruikers binnen de landbouw- en energiesector. Als het systeem voldoende gevalideerd is zullen we in de toekomst de service uitbreiden naar meerdere industrieën.”
Voorzien jullie gevaren als AI deel uitmaakt van een besluitvormingsproces?
“Ja, in Nederland hebben we met de toeslagenaffaire gezien dat het verschrikkelijk mis kan gaan als algoritmes de overhand krijgen. Het zal altijd noodzakelijk blijven om te evalueren wat de impact van het model kan zijn. Dat is ook de reden dat wij de domeinen limiteren waarin we deze techniek toepassen.”
Komt dat ook door die taalmodellen?
“Het probleem met de taalmodellen is dat je niet altijd in de hand hebt hoe ze redeneren. OpenAI geeft bijvoorbeeld openlijk toe dat hun modellen Europees-Amerikaanse namen sterker associëren met positief sentiment, in vergelijking met Afro-Amerikaanse namen, en negatieve stereotypen met zwarte vrouwen. Dit voorbeeld illustreert het belang van het ter discussie te stellen van deze nieuwe technieken. Zo kunnen we toewerken naar een verantwoorde manier om met deze taalmodellen om te gaan.”
Een GIS-toepassing waarin AI ‘explainability’ centraal staat, hoe ziet dat er uit?
“AI uitleggen en duiden – explainable AI inderdaad – wordt steeds belangrijker in de industrie. Met de aankomende Europese AI Act, en een mogelijke Amerikaanse tegenhanger in de nabije toekomst, is dit vraagstuk alleen maar relevanter geworden. De belangrijkste vraag vanuit AI explainability is: hoe presteert het model, en onder welke omstandigheden maakt het fouten?”
Hoe gaan jullie met die vragen om?
“Onze systemen monitoren voortdurend hoe het model presteert en we maken gebruik van meerdere technieken voor foutenanalyses. Over de afgelopen maanden hebben we ook veel geïnvesteerd in foutdetectie voor randgevallen. Dat geeft ons platform een experimenteel karakter, wat het gemakkelijk maakt om stapsgewijs de modellen te verbeteren. De opzet van het platform heeft als doel om modellen te ontwikkelen die je kunt vertrouwen en waarvan je weet hoe ze presteren onder verschillende omstandigheden. Je zou kunnen stellen dat we AI Explainability nastreven door inzicht te geven in de prestaties van het model.”
Hoe ziet de toekomst eruit, heb je al investeerders?
“In een vroeg stadium hebben we kapitaal opgehaald bij angel-investeerders, bestaande uit serial entrepreneurs en zelfs een Lead AI Engineer bij Meta. Dat heeft ons enorm geholpen om een voet aan de grond te krijgen binnen de AI-GIS-markt. Sindsdien zijn de ontwikkelingen hard gegaan: begin dit jaar hebben wij onze eerste VC-funding gekregen. Momenteel hebben we gesprekken lopen met VC’s uit de Verenigde Staten en Duitsland voor een seed-financiering.”
Over de auteur: Femmie Geradts is directeur van Startup Village.
Op de hoogte blijven van het laatste nieuws binnen je vakgebied? Volg Emerce dan ook op social media: LinkedIn, Twitter en Facebook.
