Formule 1 wil AI gebruiken om te controleren of track limits overschreden worden

De Fédération Internationale de l'Automobile, de internationale federatie van onder meer de Formule 1, laat weten dat het AI gaat gebruiken om te controleren of de track limits worden gerespecteerd. De techniek wordt dit weekend tijdens de race in Abu Dhabi voor het eerst getest.

De Computer Vision-technologie moet tot op de pixel nauwkeurig kunnen berekenen of de wielen van de Formule 1-auto's de witte grenslijnen overschrijden, legt de FIA uit. Met de AI moet sneller bepaald worden of alle vier de wielen voorbij de track limits gaan en er dus sprake is van een daadwerkelijke inbreuk. Enkel die gevallen worden dan nog handmatig beoordeeld.

De FIA hoopt hiermee de circa 800 handmatige beoordelingen per race te reduceren naar 50 en zodoende 'de gevallen te verwijderen die duidelijk geen menselijke beoordeling nodig hebben'. Volgens FIA-topman Tim Malyon hebben de werknemers dan meer tijd om de situaties te beoordelen, en wordt de verwerkingssnelheid verhoogd.

Volgens Reuters waren er in juli tijdens de Grand Prix in Oostenrijk vier mensen die in totaal 1200 potentiële tracklimitovertredingen moesten beoordelen. Bij de race in Qatar, in oktober, ging het om 141 mogelijke overtredingen, waarbij het 51 keer om een daadwerkelijk vergrijp ging. Desalniettemin werden er nog enkele overtredingen over het hoofd gezien, stelt het persbureau.

Het is de bedoeling dat de AI steeds beter wordt in het controleren van de baangrenzen, omdat het mettertijd leert. Malyon stelt dat de mens op bepaalde gebieden momenteel nog 'wint' op het gebied van het beoordelen van mogelijke schendingen, maar dat 'geautomatiseerde, realtimebewakingssystemen uiteindelijk de weg vooruit' zijn.

Reacties (155)

[supermidget]

Vroeger waren mensen op tweakers enthousiast over technologie. Nu is het alleen maar afgeven, begrijp niet wat deze mensen allemaal op deze website doen.

[T-men]

We zijn nog steeds enthousiast over technologie hoor ! Het is eerder de relatie met marketing die bij veel techneuten wat stroef verloopt. AI is een prachtig product, maar het is ook een buzz-woord geworden wat te pas en te onpas van stal gehaald wordt.

Het meten van track-limits is in een gewone omgeving relatief kinderspel. Daar is echt geen AI voor nodig. Met een duidelijke streep en een fotosensor kom je al een heel eind.
Maar de marketeers moeten AI hebben om hun product aan te prijzen, dus de F1 doet ook mee. Of het AI is, of niet en of het met een kanon-op-een-mug is of niet, dat doet er niet toe... het moet AI heten en dan kunnen ze er weer een persbericht van maken. (En dat werkt blijkbaar...)

Nog los van het hele idee van track-limits....
Zet er een grindbak of kerbstones neer. Dan blijven de coureurs vanzelf beter binnen de baan. Daar is geen AI voor nodig; gewone intelligentie volstaat.
En blijven ze dan een keertje toch niet binnen de baan, dan levert het spektakel en spanning op. Da's toch veel leuker dan het gemier om een coureur die 5 seconden straf aan zijn broek krijgt en vervolgens gewoon bij de concurrent wegrijdt !

[Reactie gewijzigd door T-men op 24 juli 2024 01:20]

[Coolstart]

@supermidget heeft gewoon gelijk. Al dat gezeur over AI ipv enthousiast te zijn. Laat me toe om dit uit te leggen.

Computer vision is een onderdeel van AI zodra je modellen gaat trainen. Dus waarom de boel verzieken?

Het siert je ook niet dat je zonder enige kennis een oordeel veld. “het meten van tracklimits kinderspel noemt” en AI zeker niet nodig is en ze maar met een foto sensor moeten proberen. Het geeft duidelijk aan dat je er echt niets van begrijpt.

De regels zijn iets complexer dan dat. Zo krijg je geen strafpunten als je moest uitwijken voor iemand of door een slipper buiten de baan bent gegaan zonder dat het je een voordeel opleverde. Op sommige stukken mag je gewoon over de lijn gaan. Dat staat in de pilot briefing.

Er zijn per race wel 1200 van die gevallen waar een mens moet oordelen wat de oorzaak is van zo’n line crossing. AI moet dus oordelen of de baanlimiet rechtmatig overschreden is of niet.

Het heeft dus niets te maken met al dan niet overschrijden van de lijn, maar vooral waarom en of het al dan niet een voordeel heeft opgeleverd. Dat gaat simpelweg niet met uw fotosensor.

En dan uw bijzondere bijdrage over track limits. Zonder tracklimits zouden piloten gewoon rechtdoor kunnen rijden of inhalen buiten de baan. Dat is oneerlijk.

Met enthousiasme kom je een heel eind. En ja in dit geval is het gewoon AI. Heb dan het fatsoen om je te verontschuldigen.

[Guru Evi]

Alle regels zouden logisch gecodeerd moeten/kunnen worden, als het zo complex is dat een programmeur de regels niet kan intypen en een mens niet simpelweg kan zien dan heb je teveel regels. De FIA heeft zoveel regels dat ik onlangs gestopt ben te kijken toen Leclerc en Verstappen in Jeddah heel de race vertraagden en op elkaar wachtten om laatst over de DRS lijn te gaan om zo een voordeel te krijgen, wordt een saai boeltje als iedereen 50km/u gaat rijden om via regels te winnen. Je weet op het einde zelfs niet wie er gewonnen heeft omdat tegenwoordig alle teams overtredingen en protesten moeten aankaarten en de hele race op een quasi-rechtszaak uitdraait.

[Reactie gewijzigd door Guru Evi op 24 juli 2024 01:20]

[Coolstart]

Sorry Je slaat 2 zaken doorelkaar. De regels zijn simpelweg bedoelt om het spel eerlijk, sensationeel en veilig te laten verlopen.

Ik stel dan voor om niet naar Voetbal te zien want die regels zijn ook niet in code te gieten. Was een tackle wettig of gele of zelfs kaart? Werd zijn/haar hand bal aangeschoten of niet? Nam een persoon deel aan het spel of was hij gekwetst zodat de buitenspel regel niet van toepassing is? Allemaal edgecases.

Ik heb net heel hard genoten van de vertappen/Leclercq battle. In dewielerkoers zie je gelijkaardige tactieken voor de meet. Alles is perceptie.

DRS is ook zo’n tool om wheel to wheel battles mogelijk te maken. Ok, dit draaide iets anders uit dan verwacht maar de battle was er, om dat te stoppen met zien is toch wel een hevige reactie?

AI kan helpen om de regels directer toe te passen. Nu voor line crossings maar je hebt die regels ook bij het inhalen in bochten etc.

[Guru Evi]

Nee, veel van de moderne regels zijn er omdat FIA bang is van een ongeval. Verschillende coureurs binnen F1 klagen al sinds het begin over het nadeel om selectief DRS in en uit te schakelen.

Voetbal heeft regels maar geen restricties op dingen zoals te snel rennen. In fietsen alsook F1 heb je inherent aerodynamisch voordelen om dicht achter iemand te rijden, daar heb ik het niet over, het probleem is dat je de eerste plaats forceert trager te rijden om zo altijd een plaats te verliezen.

Natuurlijk was het niet de enigste reden om te stoppen met kijken. Ik kijk al sinds de oudere Schumacher dagen maar de regels zijn veel breder geworden zodanig dat zoals ik zeg, iemand thuis niet meer kan volgen wie er in welke plaats staat en wie eerlijk gewonnen heeft tov via een technische aanpassing de tweede of derde over de streep toch eerste kan komen.

[JackDaniel]

Maar hoe is dit relevant voor de FIA die kenbaar maakt wat voor technologie men intern wil gaan gebruiken? Je kunt natuurlijk vanalles vinden van de AI-hype, maar daar lijkt hier geen sprake van.

Hoe de FIA het gebruik van computer vision uitlegt binnen hun workflow klinkt hartstikke interessant én efficiënt:

At the moment we’ve ‘brute forced’ the situation by saying ‘we need to make thousands of checks, how do we do that’? Well, we throw people at it, because that’s the most accurate solution. What we’re looking to do now is introduce a level above ROC, and that’s AI software.

Again, it might sound strange but the methodology with this AI has a lot of parallels with discussions going on in medicine at the moment and the use of Computer Vision, for example, to scan data from cancer screening. What they’ve concluded is they don’t want to use the Computer Vision to diagnose cancer, what they want to do is to use it to throw out the 80% of cases where there clearly is no cancer in order to give the well trained people more time to look at the 20%. And that’s what we are targeting.

[Reactie gewijzigd door JackDaniel op 24 juli 2024 01:20]

[player-x]

Vraag me alleen af, waarom noemen ze dit AI, voor grens herkenning is helemaal geen AI nodig, dat doet beveiligingscamera's al jaren, met zone herkenning.
Het is pas echt AI, als de software herkend dat als iemand buiten de lijnen is, en niet bestraft moet worden omdat hij een ander of troep op de weg, moest ontwijken.

Buzz woorden, ze worden echt te pas en onpas gebruikt.

En als ze echt slim implementeren, sturen ze op het moment track limits worden overschreden, een buzzer⁽¹⁾ geluid naar de coureur, en een video clip naar de teams, en als ze willen protesteren kost ze dat €5000 (uit het budget) voor goede doelen, als het wordt afgewezen.

(1) Fouten/overtredingen moeten echt meteen door gegeven worden, in een voetbal wedstrijd wordt ook niet achteraf bepaald dat goal afgekeurd wordt, omdat er iemand buitenspel stond, na de wedstrijd.

[Reactie gewijzigd door player-x op 24 juli 2024 01:20]

[mphilipp]

Vraag me alleen af, waarom noemen ze dit AI, voor grens herkenning is helemaal geen AI nodig, dat doet beveiligingscamera's al jaren, met zone herkenning.

Het is geen simpele grensherkenning zoals bij tennis op of naast de lijn. De auto moet met ALLE 4 wielen buiten de streep zijn. Dat is iets lastiger. Er is een klein beetje marge, zoals je voorheen (en op sommige circuits nog steeds) curbstones hebt. Die wit-rode dingen dus. Zodra je helemaal met 4 wielen buiten dat stukje bent, ben je in overtreding.

Dus vandaar AI; je traint dat ding om te herkennen dat die auto volledig buiten de baan is. Dat moet nu door een mens gebeuren, juist omdat een simpele sensor dit niet kan. Dat hebben ze al lang geprobeerd. Ik meen zelfs dat ze geëxperimenteerd hebben met iets als Cyclops uit tennis, maar dat werkte dus niet (goed). Ik merk dat er hier volop aannames worden gedaan, waardoor het lijkt op een misbruik van de term AI, maar dat is het in dit geval echt niet.

En @T-men : een grindbak of dikke curbstones is ook geen goed oplossing. Op sommige circuits zijn er naast F1 talloze andere races en bv MotoGP maak je niet heel erg blij met dikke curbstones. Al die dingen kunnen zij ook wel bedenken, daar is echt geen AI voor nodig. Ze geven ook niet al dat geld voor de grap uit natuurlijk. Er is best over nagedacht.
Op elk circuits gelden track limits, en niet elke overschrijding wordt bestraft omdat het geen voordeel oplevert en soms de rijder al meteen afstraft (Monaco bv). Maar bij sommige bochten kan het zeer zeker voordeel opleveren om een half metertje buiten de baan te rijden. Je kunt dan harder door die bocht, een betere lijn pakken of eerder op het gas. Kan bij een kwalificatiesessie een wereld van verschil maken. Tijdens de race betwijfel ik of het echt zoden aan de dijk zet. Maar de rijders zijn best wel in staat om binnen de lijntjes te blijven; dat kunnen ze op Monaco (overwegend) ook, want daar is het meteen einde oefening. Dus ze moeten ook helemaal niet zeiken als ze op een ander circuit straf ervoor krijgen. Maar ik negeer dat eigenlijk, want die coureus janken altijd alsof ze de vermoorde onschuld zijn.

[Tintel]

Ja - ik mis inderdaad de onderbouwing waarom AI dit beter zou doen dan sensoren/camera's en patroonherkenning (of zit daar de de 'AI'?).

Dit lijkt een orde van AI als "Als ik op mijn lichtschakelaar druk dan interpreteert de AI of het donker is en er licht nodig is en zal dan de lampen aanschakelen".....

[Aivy]

Sensoren en camera's worden all gebruikt! Dit is waarom gemiddeld per race zo 800 meldingen binnen komen. Die men moet uiteindelijk beoordelen. Camera's en sensoren zijn niet 100% accuraat zoals het blijkt. Het is niet zo dat mensen bij FIA naar een bocht zitten te kijken en aan het turven zijn of iemand over de lijntje is gegaan.

Vergeet niet dat niet elke coureur de bocht op zelfde wijze neem en op zelfde plek over het lijntje gaat op exact het zelfde plek. Daarnaast van de ene camera hoek kan lijken dat iemand wel over het lijn is en van af de andere weer niet. Vaak wordt naar 3 verschillende camera beeldden gekeken plus sensor data genomen om te beslissen of iemand over het lijntje is gegaan. Boven op dat je moet dit wel met meerde personen razend snel gaan bordelen.

[Tintel]

Maar als de controle niet eenduidig is (door camera hoeken e.d.) dan schort het daar toch? Wat gaat de AI dan doen? Slim gokken (net zoals de mensen dat dan doen)?
Da's mooi natuurlijk - want dat gaat sneller.

(en jij geeft dus de onderbouwing )

[Aivy]

Slim gokken zou ik niet noemen. Ik zie zeker het meerwaarde in AI om het proces van bordelen versnellen door vele Fals Positives van sensoren+Camera te verminderen.

Je moet het zo zien. Je hebt 24 coureur die reiden op een circuit die tussen 10 en 27 bochten heeft waar tussen 50 en 70 laps wordt op gereden. Dat is echt een hoop data. Op circuit als Oostenrijk zo als artikel al aangaf waren 1200 incidenten die er moesten beoordeeld worden. Laten we zeggen dat beoordelen van elke incident 5min duurt dan heb je 100 man uur nodig om alles te beoordelen met 4 personen ben je als nog 20uur kwijt.

En als zij het AI inzetten op manier zoals @JackDaniel hier boven heeft van FIA gelinkt gaat dit niet alleen in tijd schelen maar gaat zorgen dat penalty ook echt tijdens de race worden uitgedeeld. Wat wij als kijkers ook graag willen zien.

( ja, ik onderbouw/leg uit dit, maar dat is ook onderbouwd in originele artikel van FIA. Tweakers artikel is alleen een samenvatting is legt dit niet uit. Er wordt vanuit gegaan dat jij zelf de originele artikel van FIA gaat lezen. Daarom staat er ook een link.)

[Aldy]

Als hierdoor de FIA eerder tot een oordeel kan komen, tijdens of vlak na de wedstrijd, dan is dit meegenomen. Wat er nu gebeurt, is dikke sh... En het ergste is dat sommige overschrijdingen van de tracklimits niet eens tot voordeel leidt. Iemand die door bijvoorbeeld een stuurfout ruim naast de baan komt krijgt nu een overtreding van de tracklimit aan z'n broek en verliest daarnaast ook nog weleens een paar plaatsen.

[Guru Evi]

Aan de andere kant zijn er gewoon teveel regels dat het voor de meeste mensen niet meer gevolgd kan worden. Een neuraal netwerk hangt ook af van wat er getraind wordt en haalt het gemiddelde eruit, echter een topsport zoals F1 is niet van of voor of over gemiddelden, het is letterlijk over de laatste druppel uit de kan te halen en alle regels van fysica en chemie en mechaniek te buigen tot het breekpunt, dat is nu eenmaal wat het spannend maakt.

Je kunt over de lijn maar dan heb je het risico dat je in het gras terecht komt of je je band vernielt. Ik begrijp de lijnregel deels omdat in het gras of in de berm terecht komen gevaarlijk kan zijn, maar opnieuw, dat is wat spannend is, als je echt op de pixel moet kijken of je een lijn van een paar cm breed geraakt hebt, dat is mierenneuken.

[Reactie gewijzigd door Guru Evi op 24 juli 2024 01:20]

[Anoniem: 718943]

AI is een beladen term vanwege heel dat ChatGPT gebeuren. Een simpel neural net om training data te leren en daarmee gegevens te classificeren is net zo goed AI. En dat is uitermate geschikt voor deze use-case.

Maar dit is nu niet echt nieuwswaardig, er is een AI hype gaande, en iedereen die nu een beetje aan de techniek ruikt vindt het nodig om nu te vermelden dat ze AI in gaan zetten, want hype.
Het inzetten van classificerende models is niets nieuws en zeker niets spannends.

[Blokker_1999]

Het probleem is dat marketing tegenwoordig alles waar een computer een beslissing kan nemen het labeltje AI wenst te geven. Ja, je kan hier een neuraal netwerk op laten trainen, maar als je dan bedenkt dat we al enkele decennia in heel wat sporten kunnen zien of een object een lijn heeft overschreden zonder, doet mij twijfelen of we hier echt wel over AI spreken.

[Krommetenen]

Ik gok het leren van het beoordelen van de beelden waar het menselijk element te vaak bij beelden nu nog meldt dat ze twijfelen.

Nou ja, testen en kijken of het loont

[svane]

Dit is precies de reactie waar @supermidget op doelt.

AI is een prachtig product, maar het is ook een buzz-woord geworden wat te pas en te onpas van stal gehaald wordt.

Deels mee eens hoor. Maar het woord 'AI' werkt ook als een rode lap voor een stier voor mensen die AI meteen willen afschieten omdat het een 'hype' is, zonder te kijken naar de complexiteit van het probleem.

Het meten van track-limits is in een gewone omgeving relatief kinderspel. Daar is echt geen AI voor nodig. Met een duidelijke streep en een fotosensor kom je al een heel eind.

Je doet hier alsof mensen die bij de FIA oliedom zijn, en dat het allemaal veel simpeler kan. Terwijl de 'simpele' oplossing met streep en fotosensor nergens over gaat. Tracklimits liggen juist vaak in een bocht, en niet op een rechte lijn. Die 'fotosensoren' moeten rekening houden met het feit dat 3 van de vier wielen prima over de lijn mogen, maar dat één wiel niet de lijn volledig over mag gaan. Probeer dat maar eens met hoge nauwkeurigheid te doen. (spoiler: dat proberen ze wel, maar schijnbaar is het niet perfect genoeg)

In most “hot spots” for track limit infractions, there are sensors. And yes, most does not mean all. In some places it’s difficult to install the full sensor system due to access, rounded areas, a Long Lap penalty area in that part of the track… but at the majority of track limits hotspots, there are sensors. Where there are no sensors, specific cameras are installed.

F1 gebruikt dus al sensoren in veel bochten (al weet ik niet precies hoe die werken), maar blijkbaar is dit nog niet perfect. En dat komt écht niet omdat niemand daar ooit aan een fotosensor gedacht heeft.

Zet er een grindbak of kerbstones neer. Dan blijven de coureurs vanzelf beter binnen de baan. Daar is geen AI voor nodig; gewone intelligentie volstaat.

Bij veel tracklimits staan al kerbstones. Je moet echter ook rekening houden met veiligheid en proportionaliteit. Als je door 1 foutje je auto helemaal kapot rijdt, blijft er ook weinig spektakel over.

Schijnbaar is het ondanks deze sensoren toch nodig om in één race 1200 keer een beslissing te maken. In plaats van denken dat iedereen bij FIA dom is, en dat het heel simpel beter kan (en hiervoor +2 scoort op Tweakers), zou ik het leuker vinden als iemand zegt: "Klinkt als een complex probleem... Als huidige sensoren niet genoeg zijn, maar een menselijk oog het wel kan analyseren, waarom zou een AI dat niet net zo goed als de mens kunnen?"

[ZodiacNL]

Omdat AI zo'n ontzettend buzzwoord is op dit moment, zou de term Machine Learning waarschijnlijk minder ophef creëren en accurater zijn.

[digidokter.net]

Je hebt gelijk, als AI het doet, is dat om kosten personeel te besparen vandaar denk ik?

[holoduke51]

Oja makkelijk? Maak het maar even dan? Een foto sensor genoeg? Waar ga je die neerzetten? En hoeveel. En wat als het slecht weer is of als het druk is met autos? Waar let je dan precies op? Welk deel van de auto telt als overlap? Een stuk lastiger dan ke denkt. Nee het gaat niet werken. Het enige wat wel kan werken zijn positiesensoren in de banden. Maar dat is praktisch onhaalbaar.
Met AI is dit probleem juist wel goed te doen.

[ABD]

Het hawk-eye systeem, dat al heel lang in diverse professionele sporten wordt gebruikt, is reeds in 2000 ontwikkeld. Daar is niets intelligents aan, dus hij heeft op zich een punt. Natuurlijk, dat zijn balsporten(niet allemaal rond), maar het principe is hetzelfde; een voorwerp overschrijdt een lijn in zijn geheel.

[Reactie gewijzigd door ABD op 24 juli 2024 01:20]

[Lapa]

Bij een balsport gaat het over een enkel simpel object waarvan gedetecteerd moet worden of het over een stel rechte lijnen gaat. Bij de track limits in autosport gaat het over de vier wielen van een veel complexer object dat zich in allerlei posities kan bevinden ten opzichte van kromme lijnen die bij elk circuit anders zijn en waar er ook nog eens meerdere van die complexe objecten tegelijk en overlappend in beeld kunnen zijn.

Dat is vast ook volledig uit te programmeren met traditionele grensbepaling van objecten. Maar ik kan me heel goed voorstellen dat dit een probleem is dat gewoon sneller en eenvoudiger met machine learning op te lossen is dan met "domme" beeldherkenning.

[ABD]

Dat zou je denken, als je aan een sport als tennis denkt, maar er kunnen bij teamsporten ook mensen in de baan van de camera bewegen, ook aan de andere kant van de lijn. En in sommige sporten is het object geen ronde bal.

[Reactie gewijzigd door ABD op 24 juli 2024 01:20]

[Lapa]

Ja, maar een ovalen rugby bal of een badminton shuttle is nog steeds een enkelvoudig object. Of het nou rond of ovaal of nog een andere vorm heeft maakt niet zoveel uit, het is nog steeds een heel simpel object en het is er in alle balsporten maar één. Een auto is een veel complexere vorm en het gaat bovendien niet om de gehele auto, maar om de positie van de wielen. De achterspoiler kan bijv. nog binnen de limits zitten maar de wielen al niet meer.

Maar los daarvan, voor het hawk-eye systeem staan er al minimaal 6 specifiek daarvoor bedoelde "high performance" camera's om een simpel rechthoekig veld in de gaten te houden en de baan van een enkele bal te berekenen. Vertaal dat even naar een F1 circuit. Ik ga er vanuit dat ze hier een systeem gaan gebruiken dat met normale camera beelden een redelijk goede inschatting kan maken en de twijfelgevallen doorstuurt voor menselijke beoordeling. Als ik dit als feature reqest zou krijgen voor mijn ontwikkelteam dan zou ik ook naar machine learning grijpen.

[Reactie gewijzigd door Lapa op 24 juli 2024 01:20]

[kaas-schaaf]

Met AI is dit probleem juist wel goed te doen.

Leg even uit waarom dit is, dat vergeet je even en maak je van je argument een drogreden.

[Krommetenen]

Het is wel een flinke investering terwijl tracklimits in zijn geheel op losse schroeven staat. Al is het alleen de hoge straf wat waarschijnlijk lager wordt.
Dan is de impact al lager en is het toegevoegde waarde om het uitgedost te meten en oordelen weggegooid geld.

Maar goed. Geld zat bij de f1

[Frame164]

Die techneuten moeten zich wel beseffen dat als er geen marketingactiviteiten zouden zijn, de techneuten ook geen werk hebben. De techniek is nooit een doel op zich, maar een middel om iets anders te doen waar geld mee kan worden verdient of dingen beter of efficienter gedaan kunnen worden. Veel techneuten hebben dat niet altijd door.

En even heel praktisch: zonder marketeers zou deze site ook leeg zijn. Het gros van de nieuwsberichten wordt immers via de marcom afdelingen van de bedrijven en organisaties beschikbaar gemaakt voor de redactie van Tweakers.

[Flying Hawkic]

Exact dat laatste punt: zorg voor een grindbak. Maar goed, circuits worden ook gebruikt voor andere motorsporten en waar een grindbak ook niet altijd wenselijk is. Sausage kerbs zouden ook effectief zijn maar mogen dan weer niet (meer) in de F1 om te vermijden dat ze de wagen catapulteren.

[YopY]

Juist omdat we technologie kennen weten we ook de pitfalls; in dit geval, zoals iemand anders ook al aangeeft, dit kan veel goedkoper, en het probleem wordt opgeklopt. Vaste camera met lijntjes erop, digitaal of anders, en je bent al een heel eind. Druksensoren. Stream naar een lage-lonen land.

[XBWillem]

Wat een prachtige buzzword is het toch ook hè. AI. Ik snap niet hoe AI hier een rol in gaat spelen. Sensors doen metingen en een stukje interface rapporteert. Zwart-wit in dit geval.

[- peter -]

T gaat om camera beelden die geanalyseerd worden. Dus daar zit wel enige AI in, t is niet een druk sensor ofzo.

[TechSupreme]

Er zit absoluut niks AI in. Videoanalyse bestaat al decennia en wordt ook al decennia toegepast tijdens sportevenementen.

Sony kwam in 2000 al met het commercieel beschikbare Hawk-Eye systeem welke sindsdien officieel wordt gebruikt tijdens tennis, cricket en batminton evenementen.

In 2012 heeft de FIFA het gebruik van zgn Goal Line Technology goedgekeurd.

Al die fancy animaties die laten zien of de bal in of uit was. Of een speler buitenspel stond. Of al die fancy grafieken en statistieken (hoeveel meter een speler heeft afgelegd, wie hoeveel balbezit heeft, etc.) dat is allemaal videoanalyse.

De algoritmen die dit voor elkaar krijgen bestaan al decennia en is helemaal niks AI aan.

[CCJJVV]

Camera beelden kunnen prima zonder AI geanalyseerd worden. Opencv wordt al jaar en dag hiervoor gebruikt zonder AI.

[Reactie gewijzigd door CCJJVV op 24 juli 2024 01:20]

[ultimasnake]

Uhm… ‘open Computer Vision’, CV is een onderdeel onder de breedere noemer AI… (OpenCV (Open Source Computer Vision Library) is an open source computer vision and machine learning software library)

[un1ty]

Machine learning != AI
Hetzelfde als dat een zelflerende thermostaat geen AI is, het is een force feedback loop met een PID regelaar. Je kan een zeer complex algoritme toepassen met een feedback loop die zich aanpast naar omstandigheden en overige factoren.

[RJG-223]

Machine learning != AI

Machine learning is wél AI.

Maar misschien neem jij de term letterlijk, en denk je dat als een machine (computer) wat 'leert' (dwz z'n acties aanpast o.b.v. externe informatie), dat altijd valt onder 'machine learning' ?

[un1ty]

Ik kijk naar de definitie op zichzelf, als iemand die er ook mee werkt. Een paard is een dier, maar een dier is niet perse een paard. De definitie die wikipedia hanteerd is een voor het gemiddelde publiek. Fuzzy logic werd ook ooit als AI bestempeld, maar dat is het echt niet. AI legt zelfstandig nieuwe verbanden, waarbij dat in de meeste andere vormen van machine learning door de mens wordt bepaald.

[CAPSLOCK2000]

Ik kijk naar de definitie op zichzelf, als iemand die er ook mee werkt. Een paard is een dier, maar een dier is niet perse een paard. De definitie die wikipedia hanteerd is een voor het gemiddelde publiek. Fuzzy logic werd ook ooit als AI bestempeld, maar dat is het echt niet. AI legt zelfstandig nieuwe verbanden, waarbij dat in de meeste andere vormen van machine learning door de mens wordt bepaald.

De definitie van AI is al zo vaak veranderd dat het een beetje leeg begrip is. We hebben niet eens een goede definitie van "intelligentie", laatstaan dat we weten wat kunstmatige intelligentie nou precies is.
In praktijk is het vooral een aanduiding voor nieuwe techniek die dingen kan die computers voorheen niet konden. Wat dat precies is verschuift iedere paar jaar. Na een paar jaar is het nieuwe er van af en vinden we het geen AI meer maar "gewoon" een algoritme en krijgt een ander nieuw kunstje de naam "AI".
De term AI doet het momenteel wel heel erg goed maar het vakgebied is zo oud als de IT.

[RJG-223]

Ik kijk naar de definitie op zichzelf, als iemand die er ook mee werkt. Een paard is een dier, maar een dier is niet perse een paard. De definitie die wikipedia hanteerd is een voor het gemiddelde publiek. Fuzzy logic werd ook ooit als AI bestempeld, maar dat is het echt niet. AI legt zelfstandig nieuwe verbanden, waarbij dat in de meeste andere vormen van machine learning door de mens wordt bepaald.

Het is me niet geheel duidelijk wat je bedoelt. Welke definitie van 'machine learning' hanteer jij ? Wanneer gebeurt iets 'zelfstandig' in jouw optiek, en wanneer wordt het 'door een mens bepaald' ?

Gevoelsmatig zou ik ongeveer zeggen, dat als er een begrijpelijk stappenplan is geweest dat tot een resultaat leidt, waarbij een mens kan begrijpen op welke manier elke stap tot het resultaat bijdraagt, en waarbij een mens die een ander resultaat wenst ook kan begrijpen welke stappen aangepast moeten worden om dat andere resultaat te bereiken, dan hebben we het niet over AI. Anders wel. (maar ik ben geen expert op het gebied, dus wellicht is mijn beschrijving niet dekkend...)

[un1ty]

Bij ouderwetse machine learning worden over het algemeen interne limitaties opgelegd door mensen, bij moderne 'AI' worden alleen restricties opgelegd bij de invoer en de uitkomst (omdat we dit humaan willen houden).

Machine learning:
Input -> A -> "als B waar is dan C of D bepaald door mens" -> E -> Output gaat naar input.
Artificial Intelligence:
Input -> A -> B -> C-> D -> E -> Output kwaliteit wordt gevalideerd en gaat terug input.

Bij de meeste gevallen van machine learning worden er op voorhand door de mens restricties opgelegd bij ieder besluit moment. Bij echte AI wordt dit vrijgelaten, we laten los wat er in de tussen berekeningen gebeurt en kijken puur naar de input en output, de factoren van invloed laten we aan de computer om op te lossen. Waarom we niet echt AI willen is voor zichzelf sprekend, het beste voor de aarde is geen industrie. Maar dit is natuurlijk geen mogelijkheid voor mensen, dus zeggen we dat deze 'output' geen optie is en laten we AI de alternatieven onderzoeken/uitproberen.

[cariolive23]

Nee, je draait het precies om. AI is de generieke naam, en machine learning is een specifiek onderdeel. Net zoals Computer Vision een onderdeel is van AI. AI is dus jouw dier en machine learning het paard.

Dit is wat ChatGPT zegt wanneer ik er naar vraag:

Great question! AI, or artificial intelligence, is a broader concept that refers to machines or software that can perform tasks that would typically require human intelligence. It's like the overarching idea of creating machines that can think and make decisions like humans.

On the other hand, machine learning is a subset of AI. It's a specific approach to achieving AI where machines are trained on data to learn patterns and make decisions without explicit programming. In essence, machine learning is a way to implement AI. So, you can think of AI as the big umbrella, and machine learning as one of the tools under that umbrella.

[Horatius]

Oke wat is dan wel de definitie van AI? Alles is terug te leiden tot een algoritme, een machine verzint niet iets zomaar uit de lucht. Alleen is het tegenwoordig zo complex dat het niet terug te leiden is.

AI is niks bijzonders of nieuws, Naive Bayes kan je ook zien als AI en niet complex. Leuk dat je zegt Machine Learning != AI want machine learning kan je gewoon zien als subset van AI. Zoals Microsoft zegt is Machine Learning an application of AI: https://azure.microsoft.c...20based%20on%20experience.

Of IBM: Computer Vision is AI; https://www.ibm.com/topic...20on%20that%20information

[un1ty]

want machine learning kan je gewoon zien als subset van AI

Nee het is juist andersom. een AI maakt gebruik van 'nodes', waarbij iedere node individueel positief of negatieve feedback krijgen op het eindresultaat, op basis van de mogelijke inputs en factoren in de nodes en beslist zelf welke factoren en inputs voordelig zijn. In tegenstelling, forced feedback loops (zoals in OpenCV) krijgen (voornamelijk) alleen een terugkoppeling aan de input zijde van het algoritme, en factoren die belangrijk zijn die bepaald worden door de ontwikkelaar.

OpenCV heeft ook AI mechanieken geïntegreerd, maar is dat niet opzichzelfstaand.

[Reactie gewijzigd door un1ty op 24 juli 2024 01:20]

[DrWaltman]

Hoezo? Jij bent toch ook zelflerend? Wellicht geen algemene AI maar het werkt eigenlijk hetzelfde als hoe wij dingen leren. Alleen kan AI in sommige gevallen juist veel nauwkeuriger leren en daarom veel nuttiger zijn dan een mens, juist omdat het leert en niet vergeet of opslaat in een aangename realiteit die de hersenen kunnen vormen.

[un1ty]

Ik houd het kort want anders leid het tot teveel (onnodige) berichten (voor mij). In het kort:
zelf corrigerend is niet hetzelfde als zelf lerend.
Ik heb meerdere (iets meer) gedetailleerde berichten en feedback gedeeld in dit nieuws bericht. Voel je vrij om daarop te reageren.

[DrWaltman]

Ik heb gezocht maar niet gevonden helaas. Al begrijp ik het verschil, dan nog is het verschil niet relevant. De nu beschikbare modellen leren door zelf lerend te zijn mbv de input, daarnaast zijn ze ook zelf corrigerend in de productie omgeving.

[CCJJVV]

Niet alle Computer Vision is, of maakt gebruik van AI..

[cariolive23]

Jazeker wel, want Computer Vision is onderdeel van AI. AI is het overkoepelende concept, en CV is een onderdeel in dat concept.

[Kheos]

niet dus. een camera die nummerplaten leest is niet noodzakelijk zelflerend

[cariolive23]

AI zegt ook niks over zelflerende. Computer Vision evenmin

[langestefan]

OpenCV verliest altijd van AI. Daarom heeft computervision ook zo'n vlucht genomen de laatste jaren, omdat de algoritmes niet meer met de hand (in OpenCV) gebouwd hoeven te worden. Mijn computer vision vakken op de uni waren enkel nog: we doen wat basis dingetjes in OpenCV, om een gevoel te kirjgen van hoe het vroeger gedaan werd. En daarna gaan we over naar convnets, vision transformers, etc. want daar zit al het onderzoek.

[Reactie gewijzigd door langestefan op 24 juli 2024 01:20]

[jerisson]

Altijd? Succes om je netwerk te trainen zonder trainingsdata.

Er zijn tal van problemen waarbij traditionele computervisie (OpenCV) "AI" outperformed. De reden: veel zaken zijn wiskundig eenvoudig te beschrijven (denk aan lijnen, randen, cameracalibratie, ...) hetgeen goede en erg efficïente implementaties toelaat (dat laatste is nogal eens een probleem bij deep learning.) Zeker in gecontroleerde omstandigheden wordt traditionele visie nog massaal gebruikt, en dat zal altijd zo blijven. Dat je AI kan gebruiken, betekent niet dat dat de betere aanpak is: ik heb ooit een paper gelezen waarin men deep learning ging gebruiken (100.000'en parameters) voor camerakalibratie. De reden: op die manier moest men geen "complex" lineair stelsel van 10 parameters oplossen. Dat is gewoon op zoveel manieren dom (een beetje zoals een NN trainen om het product van twee getallen te berekenen.)

AI is in staat om bepaalde taken beter op te lossen dan traditionele computervisie, maar in de praktijk vullen de twee elkaar toch vaak aan.
Voor SLAM kan je bijvoorbeeld de detectie en matching van features bepalen door middel van een DL netwerk ipv SIFT/SURF/ORB. Een volledige AI implementatie van SLAM heb ik nog steeds niet gezien: deze die het claimen beperken zich in werkelijkheid tot visual odometry en zijn typisch niet in staat om loop closing of relocalization te doen. Daarenboven zijn die netwerken vaak traag (meer dan 1sec per frame, terwijl je er 30 per seconde binnenkrijgt). Ohja: de meeste SLAM libraries worden nog steeds opgebouwd met behulp van OpenCV (of andere soortgelijke tools).

Ook voor zaken als virtual view synthesis (denk aan NeRF). VS ligt tussen visie en graphics in. Daar is in het verleden veel werk ingestoken, en daar kon men - onder gecontroleerde omstandigheden - goede resultaten uit halen. Sinds een paar jaar is NeRF dé hype binnen dit domein: je maakt een filmpje van een ruimte, kalibreert de camerastandpunten (met traditionele SFM op basis van SIFT), geeft het - met nog wat tussenstappen - aan een NN, en tot slot heb je een neurale representatie van de scene die je kan gebruiken om vrijwel fotorealistische beelden van een virtueel standpunt te renderen. Nadeel: een neurale representatie zonder enige mogelijkheid om de inhoud eenvoudig te manipuleren. Kortgeleden kwam er nieuwe paper uit "3D Gaussian Splatting" invoer en doel zijn hetzelfde als NeRF, maar met een puntsgewijze voorstelling waarbij op ieder punt spherical harmonics gefit worden. Blijkt dat niet alleen bewerken van de representatie eenvoudiger is (want punten ipv een onduidelijke neurale voorstelling), maar dat de resultaten ook een pak beter waren dan de toenmalige SotA obv neurale netwerken. Deze techniek maak gebruik van zowel traditionele technieken als ML (maar geen DL zoals bij NeRF).

En om terug te komen op mijn openingszin: vaak heb je geen gelabelde trainingsdata, maar heb je wel een idee van hoe je data eruit ziet. In dat geval kan je met traditionele visie toch al een werkende toepassing krijgen (dusja OpenCV regels inkloppen), en kan je daarmee data verzamelen die je - mits data augmentatie - kan gebruiken om een accuratere oplossing te trainen.

De reden waarom men je met OpenCV leert werken is niet om je een idee te laten krijgen hoe het "vroeger" ging. Het is om je te leren de juiste tool voor de juiste taak te gebruiken...

[Reactie gewijzigd door jerisson op 24 juli 2024 01:20]

[langestefan]

Mee eens hoor. Ik specialiseer zelf in wiskundige optimalisatie dus ik weet er 1 en ander van af. Mijn reactie was enkel in de context van dit specifieke probleem, het is heel makkelijk om een AI model te trainen omdat er zoveel hoge kwaliteit video data beschikbaar is en het doel heel duidelijk is.

[Jean luc Picard]

Dit heette vroeger en nu nog steeds een algoritme. Niks AI alleen "0" of "1"

[Hatsjoe]

Een algoritme is niet het zelfde als een vision model. Ik vermoed dat er hier niet gebruik gemaakt gaat worden van een simpel algoritme maar door een vision model wat continue verbeterd wordt en leert van meer/nieuwe input. Dus wel degelijk een vorm van AI.

[Jean luc Picard]

Bron?

Vision model?
Geen moeilijke woorden. Blijft een zelf corrigerend algoritme (integratie) waarbij de kans/afwijking steeds kleiner wordt.
Object gaat over grens X met y% variatie "1" track limit. Object gaat over grens met <y% variatie "0" geen track limit.
AI/ML blijft een buzz woord. Het voeden van een dataset aan een algoritme is niets anders dan code voorzien van parameters en variabelen.
Edit:
Schiet me net te binnen mijn auto heeft nooit track limits blijft altijd met vier wielen binnen de lijntjes. "Lane assist" weer een algoritme geen AI/ML.

[Reactie gewijzigd door Jean luc Picard op 24 juli 2024 01:20]

[RJG-223]

Blijft een zelf corrigerend algoritme (integratie) waarbij de kans/afwijking steeds kleiner wordt.

Dat geldt voor alles wat 'leert'. Jouw hersenen werken niet anders. En dat is échte intelligentie. Als de comptuter iets vergelijkbaars doet is het (onder bepaalde voorwaarden) dus kunstmatige intelligentie.

Object gaat over grens X met y% variatie "1" track limit. Object gaat over grens met <y% variatie "0" geen track limit.

Die regel klinkt simpel, en dat is dus niet het probleem. Het probleem is wel het bepalen óf het object over de grens gaat of niet op basis van een foto / video. Dat omvat het bepalen welk gedeelte van de foto/video de auto is, wat de banden zijn, wat de weg, en wat de strepen. Dat is nu juist het grote, en zeer moeilijke probleem. Dat kunnen menselijke hersenen wel goed, maar het is heel moeilijk om daarvoor een algoritme te verzinnen. Dat is nog niet gelukt. En dat is waar AI komt kijken, want daarme kan het wel.

Schiet me net te binnen mijn auto heeft nooit track limits blijft altijd met vier wielen binnen de lijntjes. "Lane assist" weer een algoritme geen AI/ML

Ook hier is het probleem dus het bepalen van wáár de weg is, en waar de strepen zijn. Ook als het geregend heeft, of gesneeuwd. Of als de zon op de weg reflecteert. Of als er tijdelijke gele strepen zijn. Dat is niet eenvoudig. Dat is zo goed als zeker geen algoritme. Dat wordt gedaan met AI. Als de computer eenmaal weet waar de strepen zijn, ja dán is het makkelijk om te bepalen of je daarbinnen bent of niet.

Het voeden van een dataset aan een algoritme is niets anders dan code voorzien van parameters en variabelen

Ja. Logisch. Want uiteindelijk doet een computer het, en een computer werkt alleen met simpele berekeningen obv algoritmes.

Maar het berekenen van die parameters is nu juist het probleem. Dat is extreem moeilijk. Het model om die berekeningen te doen, en de algoritmes die we ontworpen hebben om die parameters te berekenen, zijn geïnspireerd op de werking van de hersenen. En de naam die we daaraan gegeven hebben is AI.

AI/ML blijft een buzz woord.

Ja en nee. Het is ook een hype, maar het is geen gebakken lucht. Met AI zijn de afgelopen jaren significante en nuttige dingen bereikt die voordien niet voor mogelijk werden gehouden met computers. Dat is best bijzonder. En mensen zijn daarover enthousiast, en willen er meer mee doen. AI voegt dus werkelijk iets toe. Internet was jaren geleden ook een hype, maar het heeft tevens heel veel toegevoegd, en heel veel nieuwe ontwikkelingen mogelijk gemaakt. Dat is ook zo, en zal ook zo zijn met AI.

[Jean luc Picard]

Dank voor je heldere uitleg. Maar een donker object onderscheiden van een witte lijn en of deze hier over hen gaat doen we al 20 jaar of langer in de papier, rubber en automotive zonder ai. Tegenwoordig gebruiken ook wij modellen. Dataset voor ai en ml. Maar het detecteren of een auto over een witte lijn gaat konden we vroeger ook. Tegenwoordig hebben we hoog oplossende 3D laser camera systemen die op bijv. 12 MP een afwijking van 0,05 pixel kunnen detecteren, daar komt geen AI aan te pas. (Das Twents)
Maw daar hebben we nog steeds geen AI voor nodig. Dit blijft gewoon een geïnterpreteerde meting door een computer systeem, zonder enige vorm van intelligentie.

[RJG-223]

Maar een donker object onderscheiden van een witte lijn en of deze hier over hen gaat doen we al 20 jaar of langer in de papier, rubber en automotive zonder ai

Dat klopt. Dat ben ik met je eens. Heel veel beeldanalyse kan ook zonder AI. Maar niet alles. Of deze toepassing ook zonder AI zou kunnen weet ik niet. Misschien wel, maar misschien is het dan niet kostenefficiënt, terwijl het met AI-technieken wél kostenefficiënt kan.

Maar het detecteren of een auto over een witte lijn gaat konden we vroeger ook

Ja. Echter, als de lijn misschien niet helemaal wit is, of de achtergrond niet mooi zwart, bijvoorbeeld door regen, reflecties, etc., of als er schaduwen zijn, dan wordt het een stuk moeilijker, zoniet onmogelijk met gewone algoritmes. Dan heb je wel AI nodig.

zonder enige vorm van intelligentie

AI is natuurlijk sowieso geen échte intelligentie. En als je er goed naar kijkt, dan is dat ook al snel duidelijk. Maar deze manier van dingen berekenen is nu eenmaal (sinds inmiddels zo'n 50 (?) jaar. Of meer ?) kunstmatige intelligentie gaan heten... Dat is misschien overdreven, en wellicht deels misleidend, maar het is nu eenmaal zo. En aan de andere kant: onze hersenen werken ook min of meer op dezelfde manier, in ieder geval gedeeltelijk.

[JustFogMaxi]

Helemaal eens. Het lijkt een beetje op, een Arduino gebruiken om een ledje te laten knipperen, terwijl het ook met paar discrete componenten kan. Mja dan moet je dingen gaan 'ontwerpen' etc. daar hebben mensen geen zin meer in. Achter de PC met een ML model en wat software is natuurlijk makkelijker.

[Reactie gewijzigd door JustFogMaxi op 24 juli 2024 01:20]

[Hatsjoe]

De FIA zelf:

Tim Malyon, the FIA's head of remote operations and deputy race director, said the Computer Vision technology had been used effectively in medicine in areas such as scanning data from cancer screening.

Bron: Reuters

Dat zijn geen simpele algoritmes maar zelf lerende neurale netwerken. Had je ook zelf even kunnen Google, maar goed.

[familyman]

Cancer screening is wat anders dan een photo met een referentie photo vergelijken.

Die screening bestaat grofweg uit twee delen. Het imagen, en het verwerken van de images.

Het eerste heeft minder met ai te maken dan het tweede.

Dankzij dit soort research weten we veel meer over beeldverwerking via camera en halen we veel hogere resoluties en brandbreedtes.

Best wel nuttig in f1.

Twee foto's vergelijken is heel eenvoudig en heeft niets met ai te maken. Beetje contrast maken, randen vinden, allemaal standaard algoritme werk.

En dat is zeker niet wat er bij cancer research gebeurd. Die analyses zijn veel complexer en er moet flink geleerd worden aan zo'n systeem om ja van nee te onderscheiden. Dat zijn wel ai/ml technieken.

Feit is dat de oplossingen die je aanhaalt een mix zijn. Maar de mix is geen ai.

[Horatius]

Leuk dat jij dit geen AI vindt maar dan moet jezelf toch even achter de oren krabben welke definitie je hebt want geen bron is het met je eens.

Zelf lerende algoritmes valt onder machine learning wat valt onder AI.
Computer Vision valt onder AI. https://www.ibm.com/topic...20on%20that%20information.
Ook het contrast verhogen, een auto herkennen en daar conclusie uittrekken is computer vision. AI hoeft niet moeilijk groot en ingewikkeld te zijn. Dat is gewoon opgeblazen ego, AI betekent bijzonder weinig.

AI is gewoon een gigantische paraplu, veel algoritmes kan je AI noemen. Hier kan je leuk tegen gaan strijden maar het zijn gewoon iets complexere algoritmes tot bizar grote algoritmes.

[Reactie gewijzigd door Horatius op 24 juli 2024 01:20]

[miel54]

Zowel jij als hij hebben gelijk. Als je kijkt naar de marketing term AI dan is Machine learning, vision models, taalmodellen, … allemaal AI.

Kijk je echter naar intelligentie als woord en artificieel als bijvoeging dan is dit toch echt geen AI maar gewoon een ingewikkeld algoritme.

Je hoeft een kind niet elke mogelijke variabele aan te leren om het te laten analyseren of een auto over de lijn is wat je met zo een computer vision model wel moet doen.

Dus of het computertje nu opeens intelligent is omdat het met heel veel leerwerk en moeite (cpu, gpu gebruik) kan zien of het autotje over het lijntje gaat is voor discussie vatbaar.

[DrWaltman]

Een kind leert dat wel degelijk. Wij zijn niks meer dan een biologische machine die acties uitvoeren op basis van een input van de buitenwereld en dit interpreteren op basis van opgedane kennis. (Ok, buiten het feit om dat wij besef van een zelf hebben, maar ook die zelf is een biologisch fenomeen gemaakt bij geboorte en gegroeid door ervaring/input)

Deze vorm gaat nog verder door ook een niet direct zichtbare overtreding te zien maar mbv wiskunde kan berekenen of een auto over de lijn is zonder dat je dit direct ziet in beeld. Wat dat betreft nauwkeuriger als een mens zou kunnen.

[miel54]

Niet alles valt in wiskunde en cijfers uit te leggen en ik denk ook niet dat de hersenen dat zijn. Echter is het ook maar een gedachte, niemand weet hoe ze werken. Mocht het toch zo zijn dan denk ik ons koppie eerder een CISC met wat FPGA's dan RISC architectuur zal hebben. We kunnen ons de input/output, laat staan de ALU kant zelfs niet voorstellen. Hoe komt dat tot stand door de geboorte die machine? Dat ook reeds is voorgeprogrammeerd dan maar van wat? Eeuwenoude data doorgegeven van generatie op generatie in een speciaal ziparchiefje? Wie weet het?

Wat ik wel vrij zeker ben is dat je intelligentie niet kan omvatten als een paar duizend nvidia GPU's en een fancy algoritme. Ja het is beter in wiskunde en kan nauwkeuriger werken maar het is niet slim te noemen. Je traint het op lijntjes en gewone autos werkt perfect in de tests, je gebruikt het en opeens gebruikt er iemand witte banden. Een mens mag nog nooit een witte band gezien hebben, toch weet die aan de hand van het feit dat een auto een auto is dat die 4 witte dingen banden zijn en hij kan je nog steeds zeggen of die banden over de lijn gaan of niet. Een wiskundig model kan dat niet zonder eerst die banden "gezien" te hebben.

[DrWaltman]

Dat is een misvatting, onze hersenen leren wat een auto is, en die kennis is echt niks meer dan een aantal datapunten. Natuurlijk zijn onze hersenen enorm complex, maar dat neemt niet weg dat ze gewoon leren en invullen met de beschikbare informatie. Jij weet echt niet wat een auto is als je er nog nooit een hebt gezien.

[familyman]

Een verscherp algorithme zi noemen.... sure

[langestefan]

Zelf-lerende AI bestaat (nog) niet. Wat ze hier bedoelen is een AI model wat continue getraind wordt. Wat ze bijvoorbeeld kunnen doen is na iedere race inventariseren hoe goed de AI voorspeld heeft of een auto binnen de tracklimits was of niet, die data toevoegen aan de al bestaande dataset, en dan opnieuw trainen.

[TechSupreme]

Blijft een zelf corrigerend algoritme (integratie) waarbij de kans/afwijking steeds kleiner wordt.

De afwijking (officieel voor sportsevementen) is op dit moment gedefinieerd als maximaal 3mm, maar performance van de huidige systemen liggen onder de mm. De beperkende factor is niet de processing power, maar de video hardware. Garbage in garbage out, je kan algoritme nog zo op orde hebben, maar als de beelden die jij aanlevert niet op orde zijn zal er niks veranderen aan de nauwekeurigheid.

[willieverhoef]

AI is een algoritme. AI wordt alleen gebruikt voor een algoritme welke gecorrigeerd of ingeleerd wordt met grote hoeveelheden data.
Het is niet nieuw maar op dit moment word wel de data groter zodat en beter wordt.
Maar fouten worden gemaakt. En er zal na de race toch naar alle niet over de lijn beelden gekeken moeten worden, om zo het systeem te controleren en te lerenga ik vanuit. Want ook bij AI worden fouten gemaakt net als bij mensen.

[jochem4207]

Ik zou rustig een kopje koffie pakken en ademhalingsoefening doen met al deze frustratie over AI

[DirtyBird]

Dat is machine learning toch? Maarja, volgens mij is alles wat we tot nu toe AI noemen eigenlijk machine learning. Het interpreteert namelijk niet op een intelligente manier, het brute-forced nieuwe input door door een vooraf aangelegde set van referentiedata.

[Hatsjoe]

Artificial intelligence (AI) and machine learning are often used interchangeably, but machine learning is a subset of the broader category of AI

Bron: Columbia University

Welk punt probeer je nou te maken?

[Blokker_1999]

Als ik lees dat men de overduidelijke zaken door een computer wenst te laten beoordelen en de meer twijfelwaardige exemplaren alsnog door mensen, dan wordt het al snel een relatief eenvoudig systeem zoals we al jaren lijntechnologie hebben in allerhande sporten zoals HawkEye

[Onbelangrijk]

Iets is over een lijn of niet. Waarom AI nodig? Een keiharde sensor is zat. 0 of 1.

[Hatsjoe]

Hoe zie je die sensor voor je? Wat voor sensor en waar? In de F1 is het pas track limits als alle 4 de wielen de witte lijn die de baan markeren niet meer aanraken. Dus 1 wiel dat nog 1 mm op die lijn zit, en je bent nog binnen track limits. Dan is die sensor ineens niet meer zo makkelijk.

[dok33]

3mm, schijnbaar. Heb ik horen zeggen.

[Tweakert2020]

Wellicht zitten er niet op alle plekken een sensor om wat voor reden dan ook

[Onbelangrijk]

FIA kan best 40.000 sensors betalen.

Kijk eens hoe bijvoorbeeld tomaten worden gesorteerd.

[Tweakert2020]

om wat voor reden dan ook

[mgizmo]

Peter, dus de lijn die getrokken wordt bij een buitenspel met voetbal en de camera die gebruikt wordt om te kijken of een tennisbal op of naast de lijn is gevallen, is Ai?

Oh ik ben laat zie ik: boukat in 'Formule 1 wil AI gebruiken om te controleren of track limits overschreden worden'

[Reactie gewijzigd door mgizmo op 24 juli 2024 01:20]

[RobertMe]

Sensoren is niet toepasbaar. Dan moeten ze bij elk circuit waar de F1 komt sensoren aanvrengen "in" het circuit (/net buiten de lijn). Daarnaast zijn niet alle auto's exact even groot. En de regels zijn zodanig dat op elk moment een van de wielen minimaal contact met de lijn moet hebben. De boek van de auto is hierbij dus ook van belang. Daarom dat ze nu aan het stuntelen zijn met camerabeelden. Wat vervolgens ook weer niet goed gaat. Want bij de GP van Amerika (op het Circuit of the Americas in Texas, niet Miami of Las Vegas dus) waren coureurs er achter gekomen dat de cameradekking in één bocht niet goed was, waarna zij meermaals in die bocht hebben afgesneden, onbestraft.

En de FIA is nu blijkbaar ook niet op zoek naar een perfecte oplossing. Ze zijn op zoek naar een oplossing die voor elke bocht, voor elke auto, in elke ronde, snel kan beoordelen of een auto duidelijk binnen de lijn blijft. Als de auto niet duidelijk binnen de lijn blijft hoeft er helemaal niet naar gekeken te worden. Anders wordt er door een mens naar gekeken die of snel ziet dat het duidelijk buiten de lijn is, of er gedetailleerd naar kijkt.
Zie bv ook de race van Oostenrijk die in het artikel is aangehaald. Daar ging het om iets van 4 cruciale bochten, maal 20 auto's, maal in de 70 ronden. Dat moest stuk voor stuk met de hand beoordeeld worden waardoor in ronde 20 pas overtredingen van ronde 5 ontdekt werden en ze uren na de race nog met een "rectificatie" kwamen van tientallen extra overtredingen inclusief bijbehorende straffen. Als een AI dan snel kan oordelen over "in", " uit" of "twijfelgeval" helpt dat al heel veel (en gaat het niet om 80 beelden per ronde in het voorbeeld van 4 cruciale bochten en 20 auto's maar bv nog maar 5 stuks waar iemand "met de hand" moet beoordelen).

[dasiro]

zet er gewoon een rij rubberen kegels die met elkaar verbonden zijn en een sensor er aan vast zoals met een bel aan een koord vroeger: je weet direct of iets geraakt is en dan heb je geen AI nodig om te zien welke wagen er tegen reed

[RobertMe]

Dat werkt dus niet. Het hoeft maar minimaal 1 band contact te houden, én de auto's hebben geen exacte afmeting. Dus je kunt al niet die rubberen tegels op "autobreedte" van de streep zetten, want er is geen vaste autobreedte. En daarnaast kun je verder er overheen gaan dan de auto breed is, zonder de lijn te verlaten, immers kun je in extreme ook dwars er over de lijn heen gaan, en dan moeten die kegels ineens op een afstand van "wielbasis + lengte van vooras tot puntje van de neus" staan.

[dasiro]

ze kunnen het gewoon veel simpeler maken: de track is de track en als je er af gaat heb je pech. Als er een muur zou staan op weet ik veel welke afstand, dan zullen ze niet zagen dat er nog 1 band een milimeter op de track was, net zoals je met de fiets bent en je voorband al half in het kanaal zit, maakt het niet meer uit of je achterband nog op het fietspad was

[mjtdevries]

Het kan nog veel simpeler.
De track zodanig maken dat de coureurs niet buiten de track willen rijden omdat dat langzamer is.

Dus bv wat hogere curvestones ipv de huidige lage, die meer als geverfde extentie van de baan fungeren dan curvestones.
Of doe direct naast de curvestones een paar meter gras en dan pas weer beton.

Met kleine aanpassingen is dit hele probleem weg.

[langestefan]

Staat precies in het artikel:

Again, it might sound strange but the methodology with this AI has a lot of parallels with discussions going on in medicine at the moment and the use of Computer Vision, for example, to scan data from cancer screening. What they’ve concluded is they don’t want to use the Computer Vision to diagnose cancer, what they want to do is to use it to throw out the 80% of cases where there clearly is no cancer in order to give the well trained people more time to look at the 20%. And that’s what we are targeting.

Oftwel, AI word dus niet gebruikt om te bepalen óf een auto over track limits heen gegaan is. Het wordt alleen gebruikt om alle makkelijke gevallen er uit te filteren.

[trucker0werner]

Precies het is niks meer dan een flitscamera.
Je stelt het af en legt een grens. Wordt de grens overschreden dan krijg je straf.
Dit is zelfde als bij voetbal, buitenspel wordt soms uren door de var gecontroleerd.
Denk dat,en vooral in begin, dit systeem een melding geeft aan stewards die daarna de beelden kort bekijken of het klopt.
Zelfde als met flitscamera kijken of de vrachtwagen idd daar 120kmh reed.
Want ook dan zien ze de auto achter de vrachtwagen niet altijd.

[jppilot]

Nee, zo werkt het dus precies niet. Gewoon helemaal niet

[shades]

Pfff AI Bundy -
Dit heeft inderdaad weinig met AI te maken - is gewoon een sensor die wat detecteert. enen en nullen... Dan is mijn arduino die kleurtjes uit elkaar kan halen ook AI..

[Hatsjoe]

Albert Fabrega heeft er ook wel eens filmpjes aan gewijd zoals deze: https://www.youtube.com/watch?v=7eU6uK5xB9g

Daarin wordt onder andere uitgelegd dat het voor coureurs enorm belangrijk is om zo snel mogelijk feedback te krijgen dat je de limieten overschreden hebt, en niet pas na 3 laps of langer. Ik hoop dat dit systeem daar voor gaat zorgen en dat wij als kijkers minder irritatie gaan ervaren met betrekking tot track limits, maar vooral dat de coureurs meer duidelijkheid gaan krijgen.

[mjtdevries]

LOL. De coureurs die op milimeters langs betonnen muren kunnen rijden hebben ineens moeite om diezelfde nauwkeurigheid te hebben wanneer er geen muur staan en je voordeel hebt als je wat verder dan de limiet gaat.
Zou er heel misschien een prikkel zijn om te doen alsof je niet in de gaten had dat je te ver over de limiet ging?

[Hatsjoe]

Kijk je wel eens F1? Het luistert soms heel erg nauw, en coureurs zoeken altijd de limieten op. Geen idee of je wel eens in een F1 auto hebt gezeten, of hebt gezien wat de coureurs zien vanuit de cockpit, maar die kunnen echt niet op zicht binnen de lijnen blijven. Dat doen ze op gevoel, en zoeken daarbij ook de limieten op. Het gaat soms echt letterlijk om millimeters. Daarnaast heb je ook situaties van onderstuur en overstuur waardoor je onbedoeld niet de lijn volgt die je wilde volgen. Dat kan je net over dat limiet duwen, maar als coureur weet je dat niet tot je te horen krijgt dat je de track limits overschreden hebt.

[mjtdevries]

Ik kijk al 40 jaar F1. Je hoeft mij niets te vertellen over wat die coureurs wel of niet kunnen.

En ik weet ook precies waarom ze tegenwoordig over de track limits rijden en waarom dat 10 jaar geleden geen probleem was.

[Hatsjoe]

Dan zou je ook weten dat de regels tegenwoordig anders zijn dan 10 jaar geleden. Voorheen werden track limits enkel in bepaalde bochten gehandhaafd. Tegenwoordig is het op de gehele track. Ook waren track limits 10 jaar geleden al een probleem. Het enige dat nu anders is dat er nu veel strenger gecontroleerd wordt en veel consequenter door de technieken die tegenwoordig gebruikt worden. Vroeger werden enkel de overduidelijke gevallen bestraft, tegenwoordig is 1mm over de lijn al genoeg.

[mjtdevries]

Voorheen hoefden track limits helemaal te worden gehandhaafd, omdat de track limit overschrijden langzamer was. En coureurs waren toen prima in staat om tot de limiet te rijden, maar niet er over.

1 à 2 keer per race ging iemand toch iets te ver en dan zag je een stofwolk van het gras komen en verloor iemand een beetje tijd.
Veel en veel beter voor de coureurs en voor het publiek, dan een AI die straffen uit gaat delen.

De oplossing is extreem simpel: 2 meter gras naast de kerbstones en dan pas de betonnen uitloopstroken.

[delphium]

Ik kijk al 40 jaar F1. Je hoeft mij niets te vertellen over wat die coureurs wel of niet kunnen.

En ik weet ook precies waarom ze tegenwoordig over de track limits rijden en waarom dat 10 jaar geleden geen probleem was.

Wat je hierboven schrijft, is een drogreden (Ad verecundiam) en dus een fout in je argumentatie. Natuurkundig gezien, is het onmogelijke om vanuit een F1-auto te zien of je een lijn op de grond overschrijdt. Muren zijn uiteraard wel zichtbaar. Zoals @Hatsjoe al aangeeft, gaat dat dus op gevoel. Net als in alle andere sporten, worden de limieten steeds verder opgezocht, wat het dus ook steeds lastiger maakt om deze te controleren.

Zoals @Hatsjoe ook reeds aangaf, is het voor de coureur essentieel om zo snel mogelijk te weten, dat de limiet is overschreden. Met behulp van AI weten coureurs dit dus sneller dan voorheen.

[Gropah]

Waarom moet het weer met AI, behalve de buzzwordbingo? We hoeven niet alles met AI op te lossen. Een beetje goede sensortechniek of image processing kan dit makkelijk doen. Plaats wat sensoren op de grens, of hang er een camera boven die buiten het race gedeelte van het beeld (significante) bewegingsdetectie doet.

[Hatsjoe]

Zoals jij het nu omschrijft gaat het ook ongeveer ingezet worden. Het "AI" stukje is een buzzword omdat het tegenwoordig hip is. En in feite is het ook een soort van kunstmatige intelligentie. Het "vision model" moet auto's en track limits kunnen herkennen, en aan de hand daarvan limieten bepalen.

[robiindonne]

Het lastige aan deze tracklimits is dat een auto met 3 banden best ver over de lijn mag komen. Het 4e wiel is bepalend. Lastig meten met sensors. Het moet camerawerk worden.

[mjtdevries]

Helemaal niet lastig met sensors. Een heel simpel algoritme.
Maar AI is hot, dus het moet AI worden. ((En geen sensors nodig hebben, maar gewoon een camera opstellen is ook handig natuurlijk, want sensors in een circuit of auto kunnen makkelijk kapot gaan)

De veel betere oplossing is echter zorgen dat coureurs geen behoefte hebben om over de tracklimits te gaan omdat dat langzamer is.

[robiindonne]

Er zullen dan voor- en achteraan de auto transponders geplaatst worden. En in de bochtige buitenlijnen van de baan sensoren geplaatst worden over de hele lengte van de baan, aan beide zijden. De neus mag best een meter over de lijn gaan zolang er 1 band op het circuit blijft. De auto overschrijdt daarentegen wel the tracklimits als de neus 1 mm over de lijn is met alle 4 de banden.

Kortom, er moeten cameras komen. Een camera op de achtervleugel van elke auto, die exact langs de banden kijkt, is wel een mogelijkheid als zijnde een ‘sensor’.

[Reactie gewijzigd door robiindonne op 24 juli 2024 01:20]

[DaniëlWW2]

Gaan ze het eindelijk eens proberen. Dit duurde al veel te lang voordat deze oh zo technische sport, eindelijk eens ging proberen dit proces te automatiseren. Het is namelijk zo vaak een farce waar opeens track limits worden geconstateerd en een coureur word bestraft. Met name tijdens kwalificatie of opeens meerdere achter elkaar tijdens een race en dan krijg je meteen een tijdstraf.

[Mike...]

Is het niet beter om track limits gewoon af te schaffen? Track limits zijn de kerbstones, de grindbak en de muur/tecpro barrier.

[Aalard99]

Exact dat, we zijn weer complexe technieken aan het verzinnen terwijl het afschaffen gewoon een stuk simpeler is. Voor mij hoeven die track limits niet.

[mjtdevries]

Precies. Zorg gewoon dat binnen de baan blijven sneller is dan buiten de baan. Zoals het bv 10 jaar geleden was. Dan is dit probleem meteen opgelost.

Zet naast de kerbstones 2 meter gras en dan pas de betonnen uitloopstrook.
Voila, probleem opgelost.

[Menesis]

tot op de pixel nauwkeurig

Nou, als het plaatje representatief voor het systeem is, is 1 pixel ongeveer 10 cm maar goed..

[Sp3ci3s8472]

De Computer Vision-technologie moet tot op de pixel nauwkeurig kunnen berekenen of de wielen van de Formule 1-auto's de witte grenslijnen overschrijden

De video feed is zeker 16x16 .

Redelijk nutteloze melding zonder context.

[_Pussycat_]

Als we nou eens gras in plaats van asfalt naast de baan hadden was het niet nodig.

En als "leaving the track and gaining an advantage" eens een fatsoenlijke straf zou krijgen in plaats van 5 seconden! zou het zelfs iets uitmaken. Nu is het vaak gewoon de moeite waard de baan te verlaten.

[xONet]

Track limits afschaffen, curbs verhogen, debatje minder, heerlijk.

[MrMarcie]

Kerbs niet verhogen maar achter de kerb gravel/gras/grind. Opgelost.