Met Smart Data Layers (SDL) is het mogelijk om expertise van de mens, data en kunstmatige intelligentie gecombineerd toe te passen op een specifiek (geografisch) vraagstuk. Volgens ons zijn menselijke expertise en kunstmatige intelligentie niet elkaars tegenkrachten, maar juist in staat om elkaar te versterken. Met AI kunnen dataverbanden worden gevonden die helpen bij het vinden van oorzaak-gevolg-relaties. En menselijke expertise blijft essentieel om de uitkomsten van het AI-model te beoordelen op toepasbaarheid.

Voordelen Smart Data Layers

Onze Smart Data Layers combineren beide werelden: de expertise van de mens in het rule-based model met de geleerde verbanden in het AI-based model. Dat levert de volgende voordelen op:

• We vinden niet dat mensen of machines het beter weten, we geloven in de kracht van de combinatie van de twee;
• In het AI-based model kunnen variabelen relevant blijken, die in het rule-based model niet in het oog springen;
• Met het AI-based model kan de bijdrage van een (bestaande of nieuwe) variabele aan de einduitkomst worden berekend. Zo kan ontdekt worden of een variabele een lage of hoge bijdrage levert aan de voorspelling van de eindwaarde;
• Het rule-based model geeft indicaties van de variabelen waarvan input meegenomen kan worden in het AI-model;
• De onderzoeksinspanning kan verschuiven van ‘analyseren waarom’ naar ‘constateren dat’.

Kaart Milieubelasting Leefomgeving

Er komt steeds meer aandacht voor om de wereld waarin we leven, wonen en werken minder zwaar te belasten. Beperkingen gaan van kracht om onze wereld minder uit te putten en de kans te geven te herstellen. De bedrijvigheid in een gebied zegt iets over de mate waarin het gebied belast wordt. Met de komst van de Omgevingswet en het besluit activiteiten leefomgeving (BAL) worden regels opgesteld ten aanzien van die bedrijvigheid. De opgave om het effect van die regels zichtbaar te maken, wordt mogelijk door de menselijke expertise te combineren met data over die leefomgeving. Met ons Smart Data Layer concept hebben we een kaart gemaakt waarin de verwachte belasting van de leefomgeving in beeld gebracht wordt op basis van de opendata van de Kamers van Koophandel.

Soorten Kansenkaart

Om de hoognodige woningbouw in de provincie Zuid-Holland te versnellen, ontwikkelde GlobeScope
de Soorten Kansenkaart (SKK) voor de Omgevingsdienst Haaglanden en de provincie Zuid Holland. Eén van de vergunningsvoorwaarden voor woningbouw is om vooraf de aanwezigheid van beschermde diersoorten te onderzoeken. Op de SKK is de waarschijnlijkheid van aanwezigheid van een aantal soorten af te lezen op basis van waarnemingen, rekenregels en kunstmatige intelligentie.

Meer weten over deze implementatie van een smart data layer of zelf de kaart bekijken? De SKK is te vinden op de website van de ODH.

Rule-based

Regelgebaseerde modellen ontstaan uit onderzoek naar afhankelijkheden en oorzaakgevolgrelaties die verklaren waarom iets is of zo zal zijn. Op veel onderwerpen uit de leefomgeving is menselijke expertise opgebouwd. Door onderzoek worden afhankelijkheidsrelaties gevonden en in samenhang vastgelegd in een model. Zulke regelgebaseerde modellen worden gebruikt om een uitspraak te doen over een ander vergelijkbaar deel van de werkelijkheid, zoals over eenzelfde onderwerp op een andere tijd of plaats. Modelverificatie vindt dan plaats door feitelijke waarnemingen te vergelijken met het model. Afwijkingen hierin leiden dan tot opnieuw analyseren van de regels: kloppen de bestaande regels dan wel? Is er een regel teveel of te weinig? In rulebased layers laten we verwachte uitkomsten zien op basis van de door experts bedachte regels.

AI-Based

Kunstmatige intelligentie creëert een tweede mogelijk om tot een model van de werkelijkheid te komen. In essentie wordt bekende informatie over een onderwerp gecombineerd met feitelijke waarnemingen. AI zoekt dan eigenstandig naar verbanden tussen bekende informatie en de geconstateerde waarnemingen. Is dat verband eenmaal bekend (het AI-netwerk is getraind), dan kan voor elk vergelijkbaar onderwerp, maar dan op een andere tijd en/of plaats, op basis van bekende informatie een verwachting worden geformuleerd op de aanwezigheid van waarnemingen. In AI-based layers laten we verwachte uitkomsten zien op basis van de verbanden die AI heeft geleerd.

Roadmap

Uiteraard ontwikkelen we door aan het concept van en de functionaliteiten rondom de Smart Data Layers. Zo staat onder meer op onze roadmap:

• Uitbreiding van de geofunctionaliteiten zoals eigen contouren beheren, zones intekenen en abonneren op wijzigingen binnen een eigen contour;
• Deep Data Drills, extractie en of servicing van (geo)datasets;
• Reinforced learning waardoor onze AI-layers beter worden door meer gebruik;
• En natuurlijk nóg meer databronnen en nóg betere performance.